呂愛紅，李明輝

（1.陜西科技大學(xué)，陜西 西安 710021；2.咸陽(yáng)師范學(xué)院，陜西 咸陽(yáng) 712000）

駕駛?cè)司o急狀態(tài)下避免分心方法研究

呂愛紅1,2，李明輝1

（1.陜西科技大學(xué)，陜西 西安 710021；2.咸陽(yáng)師范學(xué)院，陜西 咸陽(yáng) 712000）

為避免駕駛?cè)司o急行車狀態(tài)下的分心行為，通過車道線傳感器、方向盤轉(zhuǎn)角傳感器、陀螺儀等多種傳感設(shè)備，采集車輛緊急運(yùn)行狀態(tài)表征參數(shù)，采用飛思卡爾MC9S12XS256為處理單元，IS1681為藍(lán)牙發(fā)射模塊，搭建系統(tǒng)硬件。采用神經(jīng)網(wǎng)絡(luò)對(duì)車輛的運(yùn)行狀態(tài)進(jìn)行識(shí)別，采用Android Studio編寫手機(jī)APP軟件，建立駕駛?cè)司o急狀態(tài)下避免分析系統(tǒng)。在緊急行車狀態(tài)時(shí)，通過藍(lán)牙向手機(jī)APP發(fā)送指令，使手機(jī)保持靜音和不震動(dòng)狀態(tài)。該系統(tǒng)可以有效避免駕駛?cè)司o急狀態(tài)下的分析操作，從而保證行車安全。

分心；緊急行車狀態(tài)；神經(jīng)網(wǎng)絡(luò)；藍(lán)牙；APP

KCLC NO.:U462.2Document Code:AArticle ID:1671-7988 (2017)03-85-03

引言

駕駛?cè)俗鳛闄C(jī)動(dòng)車控制的主體，其操作的正確性勢(shì)必影響到行車的安全。在行車過程中，駕駛?cè)送ㄟ^眼睛、耳朵、鼻子等感官獲取車輛周圍的交通信息，根據(jù)交通狀態(tài)并結(jié)合駕駛經(jīng)驗(yàn)，制定出安全高效的操作方式[1-2]?，F(xiàn)有研究表明正常駕駛?cè)俗⒁饬τ邢?，即駕駛?cè)嗽谛熊嚂r(shí)總的注意力是一定的，當(dāng)外在干擾因素存在，使得駕駛?cè)俗⒁饬Ψ稚r(shí)，駕駛?cè)双@取交通環(huán)境信息的效率就會(huì)下降，從而帶來了行車安全的隱患。在實(shí)際的行車過程中，輕微的分散駕駛?cè)说淖⒁饬Σ⒉粫?huì)給駕駛?cè)说男熊噹磔^大的安全隱患[3-5]。但在緊急情況下，如駕駛?cè)苏趽Q道、超車時(shí)，駕駛?cè)俗⒁饬π韪叨燃?，此時(shí)若駕駛?cè)嗽俜稚⒆⒁饬?，則可能會(huì)帶來不可預(yù)知的災(zāi)難。

現(xiàn)有相關(guān)研究或者專利都只是在駕駛?cè)苏Ｐ熊嚑顟B(tài)下，當(dāng)手機(jī)來電時(shí)，自動(dòng)或者通過駕駛?cè)耸謩?dòng)來關(guān)閉電話，沒有考慮到在換道、超車等緊急狀況下駕駛?cè)瞬荒芊稚⒆⒁饬@一重大因素。文章從實(shí)際駕駛駕駛?cè)税踩猿霭l(fā)，設(shè)計(jì)一種緊急狀態(tài)下避免駕駛?cè)朔治鲅b置，以提高行車的安全性。

1、系統(tǒng)硬件設(shè)計(jì)

1.1 系統(tǒng)整體設(shè)計(jì)

本設(shè)計(jì)的基本原理是通過使用慣量傳感器、車道標(biāo)線傳感器、車輛方向盤轉(zhuǎn)角傳感器獲取行車過程中車輛以及車輛與交通環(huán)境之間相關(guān)狀態(tài)參數(shù)，通過大量的實(shí)車試驗(yàn)，獲取大量車輛換道時(shí)的樣本數(shù)據(jù)，建立起基于神經(jīng)網(wǎng)絡(luò)的車輛換道行為識(shí)別模型，并利用試驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，使其具備識(shí)別車輛換道行為的能力。在行車過程中，當(dāng)系統(tǒng)識(shí)別出車輛正在處于換道時(shí)，通過藍(lán)牙發(fā)射裝置向預(yù)先安裝在手機(jī)內(nèi)的APP發(fā)射控制指令，使手機(jī)自動(dòng)設(shè)置成靜音和不震動(dòng)的安靜狀態(tài)，直到車輛處于非緊急行車狀態(tài)時(shí)向手機(jī)發(fā)送解安靜設(shè)置指令。通過上述方式來保證駕駛?cè)嗽趽Q道等緊急狀態(tài)下的注意力集中，從而避免駕駛?cè)瞬僮鞣中?。該系統(tǒng)由數(shù)據(jù)采集系統(tǒng)、車輛運(yùn)動(dòng)狀態(tài)分析系統(tǒng)、無線發(fā)射系統(tǒng)、手機(jī)端接收系統(tǒng)組成。系統(tǒng)框架如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)框架圖

1.2 電源模塊設(shè)計(jì)

車載蓄電池電壓為24V，系統(tǒng)AWS車道線傳感器供電電壓為12V，慣量傳感器為博世慣量傳感器SMI7xy，供電電壓為5V，系統(tǒng)處理單元為飛思卡爾單片機(jī)，具體型號(hào)為MC9S12XS256供電電壓為5V，方向盤轉(zhuǎn)角傳感器為HiTec牌方向盤轉(zhuǎn)角傳感器，具體型號(hào)為Hirain SAS，供電電壓為12V，藍(lán)牙發(fā)射模塊為ISSC牌藍(lán)牙發(fā)射模塊，具體型號(hào)為IS1681，供電電壓為5V，因此需要兩個(gè)變壓模塊對(duì)系統(tǒng)進(jìn)行供電。文章采用常用且成本較低的Micrel公司的MIC29500降壓芯片，它可以滿足該系統(tǒng)的需求，為用電設(shè)備提供穩(wěn)定的電壓。

1.3 系統(tǒng)數(shù)據(jù)采集設(shè)計(jì)

首先需要采集車輛在行車過程中的車輛運(yùn)動(dòng)狀態(tài)數(shù)據(jù)和車輛與周圍交通環(huán)境之間相對(duì)關(guān)系參數(shù)的數(shù)據(jù)。包括車輛與車道線之間的距離，通過AWS車道線傳感器可以采集；車輛橫向加速度，可以通過慣量傳感器采集得到；車輛方向盤轉(zhuǎn)角數(shù)據(jù)，可以通過方向盤轉(zhuǎn)角傳感器采集。本實(shí)施例中的AWS車道線傳感器測(cè)量精度：5cm，測(cè)量范圍：±635cm，輸出頻率：10Hz能滿足系統(tǒng)對(duì)于車道線采集的需要。慣量傳感器為博世SMI7xy慣量傳感器，采樣頻率極高，完全滿足系統(tǒng)需求。方向盤轉(zhuǎn)角傳感器為HiTec牌方向盤轉(zhuǎn)角傳感器，具體型號(hào)為Hirain SAS，采樣頻率為100Hz，采樣精度為0.1°，能高效的采集方向盤轉(zhuǎn)角數(shù)據(jù)。

1.4 系統(tǒng)處理器設(shè)計(jì)

中央處理單元采用ARM9處理器，具體型號(hào)為S3C2410，用于采集傳感器發(fā)送的數(shù)據(jù)，包括車輛與車道線距離數(shù)據(jù)、車輛橫向和縱向加速度數(shù)據(jù)、車輛方向盤轉(zhuǎn)角數(shù)據(jù)，采集數(shù)據(jù)后運(yùn)算神經(jīng)網(wǎng)絡(luò)辨識(shí)模型，識(shí)別出車輛當(dāng)前的運(yùn)動(dòng)狀態(tài)，在識(shí)別出車輛處于換道超車等危險(xiǎn)狀態(tài)時(shí)，通過控制藍(lán)牙發(fā)射模塊向手機(jī)發(fā)送指令，使手機(jī)保持靜音和不震動(dòng)狀態(tài)。其中處理器XET256電路圖如圖2所示，各引腳分別連接電源、CAN總線和藍(lán)牙發(fā)射模塊。

2、系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)軟件設(shè)計(jì)包括車輛運(yùn)動(dòng)狀態(tài)算法的設(shè)計(jì)、藍(lán)牙發(fā)送模塊的程序設(shè)計(jì)和手機(jī)端APP設(shè)計(jì)。

2.1 車輛運(yùn)動(dòng)狀態(tài)算法的設(shè)計(jì)

文章車輛運(yùn)動(dòng)狀態(tài)算法設(shè)計(jì)采用模糊控制算法，其中具有典型代表的是神經(jīng)網(wǎng)絡(luò)算法。通過輸入一定量的車輛換道行為表征參數(shù)，如車輛與車道線之間的橫向距離、車輛橫向速度、縱向速度等，以及對(duì)應(yīng)的車輛實(shí)際運(yùn)行狀態(tài)，即換道和車道保持。神經(jīng)網(wǎng)絡(luò)識(shí)別模型的建立需先通過實(shí)車試驗(yàn)獲取大量的表征參數(shù)，然后根據(jù)表征參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使其具備識(shí)別車輛運(yùn)動(dòng)狀態(tài)的能力。

具體做法是，在車輛上安裝AWS車道線識(shí)別傳感器、慣量傳感器和方向盤轉(zhuǎn)角傳感器，在實(shí)車環(huán)境下，采集大量駕駛?cè)苏Q道和車道保持階段的上述三個(gè)表征參數(shù)的數(shù)據(jù)，并建立BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型，將實(shí)車試驗(yàn)得到的三個(gè)表征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，三個(gè)表征參數(shù)對(duì)應(yīng)的實(shí)際行車狀態(tài)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出，以此對(duì)模型進(jìn)行訓(xùn)練，經(jīng)過一定量數(shù)據(jù)的訓(xùn)練后，用實(shí)車試驗(yàn)數(shù)據(jù)對(duì)模型的識(shí)別能力進(jìn)行檢驗(yàn)，直到模型的識(shí)別準(zhǔn)確率達(dá)到98%以上。通過上述步驟，建立的BP神經(jīng)網(wǎng)絡(luò)模型已具備對(duì)車輛運(yùn)動(dòng)狀態(tài)的識(shí)別能力，在實(shí)際的行車過程中，傳感器實(shí)時(shí)的采集上述三個(gè)參數(shù)，處理單元對(duì)傳感器采集到的參數(shù)進(jìn)行獲取，并利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型對(duì)當(dāng)前車輛運(yùn)動(dòng)狀態(tài)進(jìn)行識(shí)別。神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2.2 藍(lán)牙發(fā)送模塊程序設(shè)計(jì)

藍(lán)牙發(fā)射模塊程序設(shè)計(jì)主要為指令的發(fā)送和接受，發(fā)送指令為單一字節(jié)，藍(lán)牙發(fā)射流程如圖4所示。

圖4 藍(lán)牙發(fā)射模塊流程圖

2.3 手機(jī)端APP設(shè)計(jì)

當(dāng)車輛行駛狀態(tài)識(shí)別模型識(shí)別出車輛處于換道狀態(tài)時(shí)，處理器向藍(lán)牙發(fā)射模塊傳輸指令，使藍(lán)牙發(fā)射模塊向預(yù)先安裝在手機(jī)中的APP發(fā)送將手機(jī)設(shè)置成靜音和不震動(dòng)的安靜狀態(tài)。采用谷歌Android Studio為手機(jī)端APP開發(fā)軟件，軟件設(shè)計(jì)界面如圖5所示。

圖5 手機(jī)APP開發(fā)界面

3、結(jié)束語(yǔ)

駕駛?cè)耸墙煌ㄐ袨榈闹黧w，交通事故的發(fā)生歸根結(jié)底是由駕駛?cè)藢?dǎo)致。分心或造成駕駛?cè)俗⒁饬途Φ姆稚?，弱化駕駛?cè)双@取有效交通信息的能力，從而加大交通事故發(fā)生的可能性。特別是在緊急行車狀態(tài)下，駕駛?cè)瞬蝗菰S有任何的分析干擾，文章以此為研究點(diǎn)，通過傳感器采集車輛運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，基于神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模糊訓(xùn)練，建立車輛緊急運(yùn)動(dòng)狀態(tài)識(shí)別模型，在識(shí)別出車輛處于緊急行車狀態(tài)時(shí)，通過藍(lán)牙發(fā)射裝置向駕駛?cè)耸謾C(jī)APP發(fā)送靜音和禁止震動(dòng)指令。本系統(tǒng)可以有效避免駕駛?cè)司o急狀態(tài)下的分心行為，從而提高車輛的行車安全性。

[1] 袁偉,付銳,郭應(yīng)時(shí),等.汽車駕駛?cè)烁兄?決策-校正行為模式[J].長(zhǎng)安大學(xué)學(xué)報(bào)∶自然科學(xué)版, 2007, 27(3)∶ 80-83.

[2] 李平凡.駕駛行為表征指標(biāo)及分析方法研究 [D]. 長(zhǎng)春∶ 吉林大學(xué), 2010.

[3] 馬勇, 付銳, 王暢, 等. 視覺分心時(shí)駕駛?cè)俗⒁曅袨樘匦苑治鯷J].中國(guó)安全科學(xué)學(xué)報(bào), 2013, 23(5)∶ 10.

[4] 馬勇,付銳,袁鈺, 等. 基于駕駛?cè)朔中挠绊懗潭鹊鸟{駛分心任務(wù)評(píng)級(jí)[J]. 交通信息與安全, 2014, 32(5)∶ 47-51.

[5] 劉卓凡,付銳,程文冬, 等. 駕駛?cè)艘曈X分心與認(rèn)知分心研究綜述[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2015, 25(7)∶ 005.

An avoid distraction device under a state of emergency

Lv Aihong1,2, Li Minghui1
( 1. Shaanxi University of Science & Technology, Shaanxi Xi’an 710021; 2. Xian Yang Normal College, Shaanxi Xianyang 712000 )

In order to avoid the distraction behavior of the driver in emergency driving, through lane sensors, steering wheel angle sensor, gyroscope and other sensing devices, collecting vehicle emergency state parameters,using Freescale MC9S12XS256 processing unit, IS1681 Bluetooth transmission module, building hardware. Neural network is used to identify the running state of the vehicle, using Studio Android to write mobile phone APP software, establishing a driver's emergency to avoid analysis system.In the state of emergency, through the Bluetooth to send instructions to the mobile phone APP, so that the phone can remain silent and no vibration state.The system can effectively avoid the analysis and operation of the driver in an emergency, thereby ensuring the safety of driving.

Distraction; emergency traffic condition; neural network; Bluetooth; APP

U462.2

A

1671-7988 (2017)03-85-03

10.16638/j.cnki.1671-7988.2017.03.032

呂愛紅（1974-），女，碩士研究生，助教，就職于陜西科技大學(xué)。