CN106585636A - 基于状态机的车辆行驶状态描述和驾驶行为侦测的方法 - Google Patents

Abstract

本发明涉及一种基于状态机的车辆行驶状态描述和驾驶行为侦测的方法，使用有限状态机来描述驾驶行为，通过三轴加速度传感器来采集汽车行驶过程当中的数据，并由此构建有限状态机模型，以及最终实现对转弯前是否减速和频繁变道行为的侦测、预警，保障驾驶员和车辆的安全。与现有技术相比，本发明除了可以实时对驾驶员的驾驶行为预警以外，还可以合理地对驾驶员的行车行为习惯进行评判，从短期和长期两方面保障驾驶员和车辆的安全。

Description

基于状态机的车辆行驶状态描述和驾驶行为侦测的方法

技术领域

本发明涉及一种车辆行驶状态描述和驾驶行为侦测的方法，尤其是涉及一种基于状态机的车辆行驶状态描述和驾驶行为侦测的方法。

背景技术

汽车行业在开发被动安全技术方面已经非常成熟，被动安全技术经过发展和完善，随着安全带、安全气囊、儿童座椅等设备的普及和使用，在有效降低交通事故对人员造成的伤害、降低伤亡率方面起到了很大的作用。但是，目前来看，被动安全技术的效果已经接近饱和。为加强道路安全，降低交通事故的发生率、甚至杜绝事故的发生，必须开发主动安全技术。主动安全的关键是让车辆变得更加“智能”，提前预知可能发生的危险，通过提前警告，为驾驶员赢得宝贵的反应时间，同时协助驾驶员采取更为快速的反应速度。

在被动安全技术中，如何建模驾驶行为是一个比较重要的研究内容。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于状态机的车辆行驶状态描述和驾驶行为侦测的方法，使用有限状态机来描述驾驶状态，有限状态机是表示有限个状态以及在这些状态之间的转移和动作等行为的数学模型；通过使用有限状态机来描述驾驶行为，是一种全新的描述驾驶行为的方法；从效果上来看，使用现有状态机可以有效地帮助实现对汽车驾驶过程中对转弯前是否减速和频繁变道行为的侦测、预警。

本发明的目的可以通过以下技术方案来实现：

一种基于状态机的车辆行驶状态描述和驾驶行为侦测的方法，其特征在于，使用有限状态机来描述驾驶行为，通过三轴加速度传感器来采集汽车行驶过程当中的数据，并由此构建有限状态机模型，以及最终实现对转弯前是否减速和频繁变道行为的侦测、预警，保障驾驶员和车辆的安全。

该方法实现过程为：

将三轴加速度传感器安装在车上，测得车辆在行驶状态下的数据；然后，对数据进行平滑化处理，计算数据的变化斜率曲线，建立隶属度函数进行模糊化处理，构造两个有限状态机来侦测分析车的行驶状态；转弯前是否减速的侦测分析结果和频繁变道行为侦测分析结果在当危险驾驶行为发生时，能有效发出警报，提升驾车安全性，降低事故率。

该方法具体实现过程如下：

第一步：使用三轴加速度传感器来实时采集汽车的加速度以及角速度；

第二步：对三轴加速度传感器采集的数据通过中值平滑滤波消除躁动；

第三步：根据汽车的加减速及左右转的急缓程度，通过计算输出的加速度斜率，来判断机动车的行车状态；

第四步：根据模糊控制理论对行车状态进行隶属度函数的建立，取论域为[-5 -4-3 -2 -1 0 1 2 3 4 5]；

第五步：选择隶属度函数，根据X,Y轴各自的五种情况，形成5*5的25条模糊规则将X,Y轴输出的加速度输出值滤波平滑后处理，再经过线性回归系数算出X,Y轴的各点频率，从而画出行车状态模糊化输出状态图，根据模糊规则查询表判断车辆的行驶状态，并根据状态表的25种状态结合实际采集转弯减速未减速、频繁变道与否的数据画出车辆行驶的状态图。

所述的三轴加速度传感器以数字形式输出6轴的旋转矩阵、四元数、欧拉角格式的融合演算数据，并且对高达±16g的加速度和±2000°/sec(dps)的角速度进行16位分辨率测量。

所述的三轴速度传感器在X轴方向上大于0值为加速状态，小于零值为减速状态，Y轴方向大于0值为左转，小于0值为右转。

所述的第一步中的三轴加速度传感器是结合三轴加速度传感器与三轴陀螺仪的传感器，适用于移动设备，实时采集移动设备的加速度以及角速度；所述的三轴加速度传感器的输出轴方向包括x轴、y轴和z轴三个方向，根据摆放的位置确定各轴方向输出数据的具体含义，在静止时，理想状态下有两个轴的输出为0g，另一个轴的输出按照摆放的位置决定输出，若与重力加速度方向相同则输出-9.8g，若相反则输出9.8g。

所述的第二步中，使用中值滤波是在“最小绝对误差”准则下的最优滤波，对一个数字信号x_j(-∞＜j＜+∞)进行滤波处理时，首先要定义一个长度为奇数的L长窗口，L＝2N+1，N为正整数；设在某一个时刻，窗口内的信号样本为x(i-N),…,x(i),…x(i+N)，x(i)为位于窗口中心的信号样本值，对这L个信号样本值按从小到大的顺序排列后，其中值，在i处的样值，便定义为中值滤波的输出值，并最终实现平滑处理消除躁动。

所述的第三步当中，计算输出斜率公式如下

其中t为第t个离散时间点，x(t)为第t时刻的输出值，经过对m窗值不断的实验，最后可以得出窗输出25值，输出的斜率最为合理。

所述的第四步当中，对于加速度传感器X轴的加速度输出曲线斜率，定义五种不同程度的模糊集合：

X轴加速度输出曲线斜率＝{急减速，减速，正常，加速，急加速}

对于加速度传感器Y轴的加速度输出曲线斜率，也定义五种不同程度的模糊集合：

Y轴加速度＝{大右转，右转，正常，左转，大左转}

形成了25条模糊控制规划；

所述的第五步当中对于X轴加速度曲线斜率与Y轴加速度输出曲线斜率各5种程度的模糊集合，就会形成25中模糊规则查询表如表1，通过规则表就得出机动车行驶状态，

表1

将X,Y轴输出的加速度输出值滤波平滑后处理，再经过线性回归系数算出X,Y轴的各点频率，从而画出行车状态模糊化输出状态图，根据模糊规则查询表就可判断车辆的行驶状态。

与现有技术相比，本发明除了可以实时对驾驶员的驾驶行为预警以外，还可以合理地对驾驶员的行车行为习惯进行评判，从短期和长期两方面保障驾驶员和车辆的安全。

附图说明

图1为原始加速度信号曲线图；

图2为平滑处理后加速度信号曲线图；

图3为线性回归后加速度斜率曲线图；

图4为X轴加速度信号的隶属度函数图；

图5为Y轴加速度信号的隶属度函数图；

图6为车辆行驶的状态图；

图7为转弯前未减速状态机之状态图；

图8为本发明流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

本方法利用自主设计的加速度传感器，同时采集两个不同方向的加速度数据。将该采集装置安装在车上，测得车辆在行驶状态下的数据。然后，对数据进行平滑化处理，计算数据的变化斜率曲线，建立隶属度函数进行模糊化处理，构造两个有限状态机来侦测分析车的行驶状态。其中两个不同方向的加速度数据可以用做输入参数，通过中值滤波算法来实现对数据的误差处理，将优化过的数据进行斜率曲线的计算保障加速度的稳定，同时进行基于隶属度函数的模糊处理匹配最终实现描述车辆行驶状态的有限状态机。

第一步，根据自设传感器摆放的位置确定各轴方向输出数据的具体含义。在静止时，理想状态下有两个轴的输出为0g，另一个轴的输出按照摆放的位置决定输出，若与重力加速度方向相同则输出-9.8g，若相反则输出9.8g。传感器发送到单片机的数据为3个数据包，分别为加速度包、角速度包和角度包，三个数据包顺序输出。如此，单片机获取自设传感器采集的在行车过程中的加速度与角速度和角度，并对其进行数据处理与分析，最终得到汽车行驶的状态。

第二步，因为三轴加速度传感器在平稳状态下输出的加速度值为0值附近，随着摆放的位置不同输出的值也会有些许波动，该速度传感器在X轴方向上大于0值为加速状态，小于零值为减速状态，Y轴方向大于0值为左转，小于0值为右转，通过加速度传感器读取的数据会由于外部一些因素引起一些波动。因此对一个数字信号x_j(-∞＜j＜+∞)进行滤波处理时，首先要定义一个长度为奇数的L长窗口，L＝2N+1，N为正整数。设在某一个时刻，窗口内的信号样本为x(i-N),…,x(i),…x(i+N)，x(i)为位于窗口中心的信号样本值。对这L个信号样本值按从小到大的顺序排列后，其中值，在i处的样值，便定义为中值滤波的输出值。图1与图2分别为读取的原始实验数据曲线以及经过中值平滑处理后的数据曲线。

第三步，当分析机动车行驶状态时，关注汽车的加减速及左右转的急缓程度，这样通过计算输出的加速度的斜率就可以判断机动车的行使状态，选用最小二乘法的理论推导出一元线性回归计算斜率。

其中t为第t个离散时间点，x(t)为第t时刻的输出值，经过对m窗值不断的实验，最后可以得出窗输出25值，输出的斜率最为合理。通过计算得到对应的输出斜率如图3所示。

第四步，对行车状态进行隶属度函数的建立,取论域为[-5 -4 -3 -2 -1 0 1 2 34 5],

对于加速度传感器X轴的加速度输出曲线斜率，定义五种不同程度的模糊集合：

X轴加速度输出曲线斜率＝{急减速，减速，正常，加速，急加速}

对于加速度传感器Y轴的加速度输出曲线斜率，也定义五种不同程度的模糊集合：

Y轴加速度＝{大右转，右转，正常，左转，大左转}

形成了25条模糊控制规划。这里隶属度函数选用常用的矩形隶属度函数，其X轴与Y轴隶属度函数如图4，图5所示；

第五步，首先选择隶属度函数，根据X,Y轴各自的五种情况，会形成5*5的25条模糊规则，其模糊规则查询表如下，序号为汽车不同情况下的行驶状态。

对于X轴加速度曲线斜率与Y轴加速度输出曲线斜率各5种程度的模糊集合，就会形成25中模糊规则查询表如表1，通过规则表就可以得出机动车行驶状态。将X,Y轴输出的加速度输出值滤波平滑后处理，再经过线性回归系数算出X,Y轴的各点频率，从而可以画出行车状态模糊化输出状态图。根据模糊规则查询表就可以判断车辆的行驶状态。

根据以上状态表的25种状态结合实际采集转弯减速未减速、频繁变道与否的数据画出车辆行驶的状态图如图6所示

第六步，在正常行为人正常行驶状态下，在做出下一动作前都会做出一些预备状态，例如遇到转弯会将行车速度降下来，我们设计的有限状态分析机就是侦测车辆在转弯前是否减速，状态机的输入为车辆行驶状态编号，输出1为危险状态，输出0为安全状态，侦测转弯前状态的状态表如表2和表3所示，状态图如图7所示.

表2

表3

以上步骤可以参考图8，直观地给出了本发明的实施流程。使用现有状态机可以有效地帮助实现对汽车驾驶过程中对转弯前是否减速和频繁变道行为的侦测、预警。

Claims (9)

1.一种基于状态机的车辆行驶状态描述和驾驶行为侦测的方法，其特征在于，使用有限状态机来描述驾驶行为，通过三轴加速度传感器来采集汽车行驶过程当中的数据，并由此构建有限状态机模型，以及最终实现对转弯前是否减速和频繁变道行为的侦测、预警，保障驾驶员和车辆的安全。

2.根据权利要求1所述的方法，其特征在于，该方法实现过程为：

将三轴加速度传感器安装在车上，测得车辆在行驶状态下的数据；然后，对数据进行平滑化处理，计算数据的变化斜率曲线，建立隶属度函数进行模糊化处理，构造两个有限状态机来侦测分析车的行驶状态；转弯前是否减速的侦测分析结果和频繁变道行为侦测分析结果在当危险驾驶行为发生时，能有效发出警报，提升驾车安全性，降低事故率。

3.根据权利要求2所述的方法，其特征在于，该方法具体实现过程如下：

第一步：使用三轴加速度传感器来实时采集汽车的加速度以及角速度；

第二步：对三轴加速度传感器采集的数据通过中值平滑滤波消除躁动；

第三步：根据汽车的加减速及左右转的急缓程度，通过计算输出的加速度斜率，来判断机动车的行车状态；

第四步：根据模糊控制理论对行车状态进行隶属度函数的建立，取论域为[-5 -4 -3 -2 -1 0 1 2 3 4 5]；

第五步：选择隶属度函数，根据X,Y轴各自的五种情况，形成5*5的25条模糊规则将X,Y轴输出的加速度输出值滤波平滑后处理，再经过线性回归系数算出X,Y轴的各点频率，从而画出行车状态模糊化输出状态图，根据模糊规则查询表判断车辆的行驶状态，并根据状态表的25种状态结合实际采集转弯减速未减速、频繁变道与否的数据画出车辆行驶的状态图。

4.根据权利要求3所述的方法，其特征在于，所述的三轴加速度传感器以数字形式输出6轴的旋转矩阵、四元数、欧拉角格式的融合演算数据，并且对高达±16g的加速度和±2000°/sec(dps)的角速度进行16位分辨率测量。

5.根据权利要求3所述的方法，其特征在于，所述的三轴速度传感器在X轴方向上大于0值为加速状态，小于零值为减速状态，Y轴方向大于0值为左转，小于0值为右转。

6.根据权利要求3所述的方法，其特征在于，所述的第一步中的三轴加速度传感器是结合三轴加速度传感器与三轴陀螺仪的传感器，适用于移动设备，实时采集移动设备的加速度以及角速度；所述的三轴加速度传感器的输出轴方向包括x轴、y轴和z轴三个方向，根据摆放的位置确定各轴方向输出数据的具体含义，在静止时，理想状态下有两个轴的输出为0g，另一个轴的输出按照摆放的位置决定输出，若与重力加速度方向相同则输出-9.8g，若相反则输出9.8g。

7.根据权利要求3所述的方法，其特征在于，所述的第二步中，使用中值滤波是在“最小绝对误差”准则下的最优滤波，对一个数字信号x_j(-∞＜j＜+∞)进行滤波处理时，首先要定义一个长度为奇数的L长窗口，L＝2N+1，N为正整数；设在某一个时刻，窗口内的信号样本为x(i-N),…,x(i),…x(i+N)，x(i)为位于窗口中心的信号样本值，对这L个信号样本值按从小到大的顺序排列后，其中值，在i处的样值，便定义为中值滤波的输出值，并最终实现平滑处理消除躁动。

8.根据权利要求3所述的方法，其特征在于，所述的第三步当中，计算输出斜率公式如下

$v=\frac{m\left(\underset{k=0}{\overset{m-1}{\Σ}}\right(t-k\left)x\right(t-k\left)\right)-\left(\underset{k=0}{\overset{m-1}{\Σ}}\right(t-k\left)\right)\left(\underset{k=0}{\overset{m-1}{\Σ}}x\right(t-k\left)\right)}{m\left(\underset{k=0}{\overset{m-1}{\Σ}}{\left(t-k\right)}^2\right)-\left(\underset{k=0}{\overset{m-1}{\Σ}}{\left(t-k\right)}^2\right)}$

其中t为第t个离散时间点，x(t)为第t时刻的输出值，经过对m窗值不断的实验，最后可以得出窗输出25值，输出的斜率最为合理。

9.根据权利要求3所述的方法，其特征在于，所述的第四步当中，对于加速度传感器X轴的加速度输出曲线斜率，定义五种不同程度的模糊集合：

X轴加速度输出曲线斜率＝{急减速，减速，正常，加速，急加速}

对于加速度传感器Y轴的加速度输出曲线斜率，也定义五种不同程度的模糊集合：

Y轴加速度＝{大右转，右转，正常，左转，大左转}

形成了25条模糊控制规划；

所述的第五步当中对于X轴加速度曲线斜率与Y轴加速度输出曲线斜率各5种程度的模糊集合，就会形成25中模糊规则查询表如表1，通过规则表就得出机动车行驶状态，

表1

将X,Y轴输出的加速度输出值滤波平滑后处理，再经过线性回归系数算出X,Y轴的各点频率，从而画出行车状态模糊化输出状态图，根据模糊规则查询表就可判断车辆的行驶状态。