基于GPS導(dǎo)航系統(tǒng)的車車沖突檢測算法研究

白克強 劉滿祿 姜官武

(1.西南科技大學(xué)研究生部 四川綿陽 621010；2.西南科技大學(xué)信息工程學(xué)院 四川綿陽 621010)

?

基于GPS導(dǎo)航系統(tǒng)的車車沖突檢測算法研究

白克強1劉滿祿2姜官武2

(1.西南科技大學(xué)研究生部 四川綿陽 621010；2.西南科技大學(xué)信息工程學(xué)院 四川綿陽 621010)

針對車車沖突檢測，提出基于GPS導(dǎo)航系統(tǒng)的聲源定位和系統(tǒng)檢測方程，估計沖突車輛在其局部坐標系下的坐標，然后通過無線通信方式將對方車輛在其坐標系下的坐標廣播給車輛駕駛?cè)藛T，從而實現(xiàn)由被動變主動，提高檢測的可靠性，防止事故的發(fā)生。

檢測方法 車車沖突 GPS導(dǎo)航 聲源定位

汽車自誕生以來，給人們?nèi)粘Ｉ顜砹朔奖恪Ｈ欢?，隨著社會的高速發(fā)展，因汽車而造成的各種各樣的問題也嚴重地困擾著人類社會。特別是交通事故，給成千上萬的家庭帶來災(zāi)難性的后果，而且經(jīng)濟損失也難以估計。

為了解決交通所帶來的問題，歐美等發(fā)達國家已經(jīng)從交通系統(tǒng)的改造和管理體系方面對現(xiàn)有的道路進行新的技術(shù)研發(fā)，尤其是對智能交通系統(tǒng)開展研究。智能交通系統(tǒng)是一個龐大而復(fù)雜的系統(tǒng)，其中最難控制和預(yù)測的是縱橫車車碰撞系統(tǒng)。目前國內(nèi)外對車輛沖突檢測已有諸多研究。國外學(xué)者利用GPS與慣性導(dǎo)航系統(tǒng)(Inertial Navigation System, INS)的強互補性，開展了大量基于GPS/INS非線性解耦的研究[1-2]，國內(nèi)主要以計算機視覺技術(shù)和模式識別技術(shù)為基礎(chǔ)，采用圖像處理智能提取交通信號燈的視頻檢測識別的被動方法[3-4]。文獻[5]基于流行病模型的車路協(xié)同預(yù)警信息交互方法，將各種安全預(yù)警信息通過無線電信號傳遞給相關(guān)車輛，能有效減少各種碰撞事故的發(fā)生。但這些方法仍然受光線、環(huán)境復(fù)雜度的影響，實際應(yīng)用仍存在很多缺陷。本文提出一種基于GPS導(dǎo)航系統(tǒng)的聲源定位和系統(tǒng)檢測方程對沖突車輛進行估計的方法。

1 GPS車輛數(shù)學(xué)模型描述

由于汽車動力學(xué)模型是強耦合、多自由度的非線性系統(tǒng)，獲取它的運動狀態(tài)對研究其模型非常重要，這也是最為關(guān)鍵和最難突破的瓶頸。在有了車載GPS以后，獲取其位置、速度、加速度和航向角就變得簡單和容易，這些數(shù)據(jù)可以直接檢測，通過計算機計算獲得。但是如何才能準確判斷不同方向來車避免碰撞，讓駕駛?cè)藛T輕松駕駛就不是那么簡單。這就需要建立動態(tài)模型，通過算法實現(xiàn)，最終顯示在車載GPS上。

由于車輛動態(tài)模型類似于附有車輛彈簧質(zhì)量的自行車模型，在建模的時候可以按照這個類似模型建模并對其研究和分析，通過差分GPS測量來對車輛的運動地面坐標進行轉(zhuǎn)換，其狀態(tài)方程用下式來表示：

(1)

式中，(x,y)為車輛坐標位置，vx,vy為車輛縱向和橫向速度，φ為航向角；這幾個矢量可以由差分GPS獲得。ax為縱向加速度可由加速度計獲取；ωz為偏航角速度可由陀螺儀得到，σ為轉(zhuǎn)向角。

2 車車沖突檢測算法

2.1 理論研究

現(xiàn)假設(shè)一對車輛A和B，當車輛即將進入十字路口區(qū)域時，初始位置和速度以及航向角都是已知的，均可以由式(1)計算得出，其中采樣周期為T。那么車輛A的行駛位置信息如下：

0≤t≤T

(2)

由此可以得出，車輛A沿著下面的直線行駛：

y1(t)=y1(0)+(x1(t)-x1(0))tanφ1或

x1(t)=x1(0)+(y1(t)-y1(0))cotφ1

0≤t≤T

(3)

即，車輛B沿著下面的直線行駛：

y2(t)=y2(0)+(x2(t)-x2(0))tanφ2或

x2(t)=x2(0)+(y2(t)-y2(0))cotφ2

若要判斷兩車的碰撞情況，從二者的行駛軌跡解方程就可以得出一般的結(jié)論，但是行駛的汽車是有方向的，因此在建立模型的時候采用矢量的方法。

假設(shè)車輛為一質(zhì)點，其碰撞示意圖如圖1所示，紅色質(zhì)點為碰撞時車輛的位置。

圖1 車輛為質(zhì)點時碰撞示意圖Fig.1 Schematic diagram of vehicle collision

由圖1可知，當兩車發(fā)生碰撞時，有x1(t)=x2(t)=xc，y1(t)=y2(t)=yc，而(xc,yc)為碰撞時的位置坐標[6]，故有：

x1(0)+(y1(t)-y1(0))cotφ1=

x2(0)+(y2(t)-y2(0))cotφ2

y1(0)+(x1(t)-x1(0))tanφ1=

y2(0)+(x2(t)-x2(0))tanφ2

(4)

(5)

若φ1或φ2等于0°或π時，yc為C1。

若式(4)和式(5)均有解，則說明兩車有潛在的沖突，否則兩車不會發(fā)生碰撞。

2.2 聲源定位和系統(tǒng)檢測方程估計

通過2.1節(jié)可以看出，如果在假設(shè)的前提下，通過理論研究可以精確地計算出碰撞車輛的位置，但實際行駛的車輛在特殊環(huán)境條件下無法通過計算機視覺技術(shù)和模式識別技術(shù)智能提取圖像，利用理論算法精確定位。因此，下面研究采用聲源定位和系統(tǒng)檢測方程結(jié)合對沖突車輛進行估計。由于主車輛(聲源)和進行定位的副車輛(M1和M2)可以通過無線通信使聲音信號同步， 因此可以把到聲源的距離估計和聲源所在角度的估計分步進行。 我們采用基于遠場模型的 TDOA 法估計聲源方向，采用聲音到達時間 (Time of arrival,TOA)[5]的方法估計聲源到麥克風陣列的距離，這樣使得計算更加簡便。

2.2.1 聲源方位估計

本文采用 2 個麥克風組成的傳感器陣列對聲源進行定位，如圖2所示。2個麥克風M1，M2表示兩個相對麥克風之間的距離，α，β分別是坐標原點到聲源之間的連線與X軸正向、Y軸正向之間的夾角，θ與s為聲源方向與距離估計的結(jié)果。

圖2 麥克風陣列構(gòu)型Fig.2 Microphone array

如圖2所示，麥克風M1，M2接收到的經(jīng)過硬件濾波的含有噪聲的單頻信號x1(n)和x2(n)可以描述如下：

x1(n)=α1s(n-τ1)+v1(n)

(6)

x2(n)=α2s(n-τ2)+v2(n)

(7)

(8)

設(shè)聲音到達麥克風M1，M2的時間差為τ12。將式(6)和式(7)代入式(8)可以得出：

α1α2Rs(τ-τ12)

(9)

d=cτ12

(10)

(11)

2.2.2 聲源距離估計

利用固定閾值法判斷出聲音信號的起始位置，則可求得聲音從聲源到達麥克風的時間：

(12)

其中，fs為聲音信號采樣頻率。此時，可求得聲源到2個麥克風M1，M2中離聲源最近的一個麥克風的距離：

s'=cts

(13)

根據(jù)聲源相對于陣列的角度θ，s' 和該麥克風在陣列中的位置，可以很容易求得聲源到麥克風陣列中心的距離s。

2.2.3 系統(tǒng)檢測方程估計

假設(shè)第i個參考點c在某一時刻t的位置為(xi,yi,zi)，則車輛A到參考點c的偽測量值u為

ui=ri-l0-wui

(14)

(15)

式中ri為車輛A到參考點c的距離真值；x,y,z分別為t時刻車輛A到空間坐標系的位置真值；l0為時鐘誤差等效的距離誤差；wui為白噪聲誤差。

(16)

將式(15)在位置估計值處用泰勒展開并帶入(14)式，然后用式(16)與所得結(jié)果相減就可以得到車輛A到參考點c的估計值與測量值的差。

3 沖突檢測仿真驗證

本文采用具有通信仿真和交通仿真功能的開源NCTUns6.0網(wǎng)絡(luò)仿真軟件，基于Fedora 12操作系統(tǒng)，IEEE 802.11p無線通信協(xié)議。按照交叉口沖突檢測方法構(gòu)建了RSU(廣播與中繼信息)與OBU模型(廣播信息并控制車輛運動)，仿真車輛為20 veh(車輛數(shù)超過40 veh時，通信時延急劇變差[4])，仿真時間設(shè)置為400 s, OBU與RSU每秒廣播1次信息。圖3表示實物場景圖，將仿真生成的定位誤差噪聲加入到定位結(jié)果中，選取典型場景，在不同定位誤差下進行仿真，圖4與圖5給出了沖突數(shù)量和交通量的仿真驗證誤差直觀圖。從圖4中可以看出隨著沖突數(shù)量的升高，誤差在增大。圖5中，隨著交通量達到飽和后，誤差逐漸減少慢慢趨于穩(wěn)定。如果從正態(tài)分布看，符合實際交通規(guī)律。

圖3 典型場景示意圖Fig.3 Schematic diagram of a typical scenario

圖4 車輛沖突數(shù)量Fig.4 The number of vehicles in conflict

圖5 車輛交通量Fig.5 The number of vehicles in traffic

4 結(jié)束語

本文在文獻[7-11]的基礎(chǔ)上，從GPS導(dǎo)航系統(tǒng)的思想出發(fā)，結(jié)合車輛運動學(xué)模型，利用差分GPS定位和航向角測量建立動態(tài)數(shù)學(xué)模型，從理論研究分析到聲源定位和系統(tǒng)檢測方程估計結(jié)合算法描述，給出了特殊環(huán)境下基于信息交互的兩車碰撞判斷和計算方法，若將車車防碰撞模塊化，最終集成或者移植到車載GPS上，將為道路交通事故的減少提供更好的手段，具有很好的實際應(yīng)用價值。

[1] CUI You-jing, GE S S.Autonomous vehicle positioning with GPS in urban canyon environments [J]. IEEE Transactionson Robotics and Automation, 2003，19(1):15-25.

[2] SHI E. An improved real-time adaptive Kalman filter for lowcost integrated GPS/INS navigation[C]//MIC. 2012 Intetnational Conference on Measurement, Information and Control.Beijing: MIC, 2012. 1093-1098.

[3] 岳曉奎，袁建平. 濾波算法及其在GPS/SINS組合導(dǎo)航系統(tǒng)中的應(yīng)用[J]航空學(xué)報，2001,22(4):366-368.

[4] 黃羅毅，吳志周，楊曉光,等.基于仿真的IEEE 802.11p在車路協(xié)同中的適應(yīng)性研究[J].交通信息與安全,2011,29(3):123-126.

[5] 王云鵬，易振國，夏海英,等.基于流行病模型的車路協(xié)同預(yù)警信息交互力法[J].北京航空航天大學(xué)學(xué)報，2011,37(5):515-518.

[6] 謝建平.基于多車協(xié)作感知的主動安全技術(shù)研究[D]. 上海交通大學(xué)碩士學(xué)位論文，2009.

[7] FRAMPTON K D. Acoustic self-localization in distributed sen-sor network. IEEE Sensors Journal, 2006, 6(1): 166-172.

[8] 田晶晶，李世武.基于車路協(xié)同的動態(tài)車輛安全狀態(tài)評價模型[J].哈爾濱工業(yè)大學(xué)學(xué)報，2012，44(4)：131-135.

[9] 姚佼，楊曉光.基于車載數(shù)據(jù)的交叉口車輛行為辨識[J].公路交通科技，2012，29(6)：127-132.

[10] 王祺，胡堅明.一種基于車間通信的交通信息采集方法[J].吉林大學(xué)學(xué)報:工學(xué)版，2009，39(S2)：7-12.

[11] 李鵬凱，楊曉光.車路協(xié)同環(huán)境下信號交叉口車速引導(dǎo)建模與仿真[J]. 交通信息與安全，2012，30(3)：136-140.

Truck Collision Detection Algorithm Research Based on GPS Navigation System

BAI Ke-Qiang1, LIU Man-Lu2, JIANG Guan-Wu2

(1.GraduateDepartmentOffice,SouthwestUniversityofScienceandTechnology,Mianyang621010,Sichuan,China; 2.InformationEngineeringCollege,SouthwestUniversityofScienceandTechnology,Mianyang621010,Sichuan,China)

The traditional road traffic detection methods are mainly based on computer vision and pattern recognition techniques, the use of smart passive approach to extract images will encounter a lot of deficiencies in some special circumstances. Based the GPS navigation system’s sound source localization and system detection equation algorithms, this paper proposes an innovative method of identifying the coordinates of the vehicles in conflict, which will then be communicated by wireless network to the drivers accordingly, so as to enhance the reliability of vehicle detection and prevent accidents.

Detection methods; Vehicle conflict; GPS navigation; Sound source localization

2014-09-05

四川省教育廳項目(14ZB0120)。

白克強(1979—)，男，博士研究生，講師，研究方向為機器人、現(xiàn)代檢測和數(shù)學(xué)建模。 E-mail：baisir2009@126.com

P228.4

A

1671-8755(2015)01-0071-04