車路協(xié)同環(huán)境下基于路面濕滑狀態(tài)識別的車輛安全預(yù)警導(dǎo)航系統(tǒng)

翟子洋 暢宏達(dá) 董世浩 伍新月 牛一帆 翟繼元 楊煒

(1、長安大學(xué)信息工程學(xué)院,陜西 西安 710064 2、長安大學(xué)汽車學(xué)院,陜西 西安 710064 3、長安大學(xué)電控學(xué)院,陜西 西安 710064)

1 概述

當(dāng)路面積水、積雪、結(jié)冰時,濕滑路面會減小輪胎的附著性能[1],成為易發(fā)追尾、碰撞等交通事故的危險路段。

在對積水積雪路面狀態(tài)檢測識別方面,苑會珍[2]等人基于測量光線線偏振度,提出了一種非接觸式路面狀態(tài)探測方法。傳統(tǒng)的道路傳感器的時效性較差,而機器視覺圖像識別技術(shù)識別的準(zhǔn)確率不高,消耗的時間與數(shù)據(jù)成本巨大。

鑒于此,本文將Inception_v3 模型遷移學(xué)習(xí)到新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來識別路面濕滑狀態(tài),在減少時間成本的同時提高識別正確率。同時采用DSRC通信設(shè)備進行車路協(xié)同通信,信息實時傳輸與處理做到最大程度地減小傳輸時延。最終借助Android 車載終端軟件,在車輛導(dǎo)航過程中,通過最小安全距離與臨界車速算法提供安全預(yù)警服務(wù),有針對性地提高車輛行駛的安全系數(shù)與通行效率。

2 系統(tǒng)總體方案

車輛在行駛過程中車載單元(OBU)通過CAN總線獲得車輛行駛信息,包括自車行駛狀態(tài)信息如速度,加速度,車輪轉(zhuǎn)動角速度等；同時路側(cè)單元(RSU)獲得路面實時性圖像數(shù)據(jù)后,通過道路濕滑狀態(tài)感知算法,將路面數(shù)據(jù)以廣播形式傳送。

當(dāng)車輛行至危險路面時,RSU 與OBU建立連接,OBU獲得路面狀態(tài)信息。同時,本車OBU 與前車OBU 之間進行車車通信,獲取他車的行駛信息。由此本車車載單元已獲得安全距離預(yù)警與臨界車速預(yù)警所需的所有數(shù)據(jù)及路面狀態(tài)信息分類。而后,車載單元與Android 車載終端軟件通過socket進行通信,將已知數(shù)據(jù)導(dǎo)入安全距離模型與車速模型,實現(xiàn)在進行導(dǎo)航時,提醒駕駛員注意隨道路濕滑狀態(tài)變化而改變駕駛行為,對駕駛員加減速度的操作進行輔助預(yù)警。

在車載終端應(yīng)用程序方面,為用戶提供登錄注冊、路線查詢、尋找道路、地圖瀏覽、距離與速度預(yù)警提示、道路與車態(tài)信息提示等功能,如圖1 所示。

3 系統(tǒng)功能模塊設(shè)計

3.1 路面濕滑狀態(tài)識別模塊

3.1.1 基于Inception-v3 的路面濕滑狀態(tài)模型構(gòu)建。本文使用路面圖像數(shù)據(jù)集重新訓(xùn)練Inception-v3 模型的最后一層(即連接層),構(gòu)建新的卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,得到預(yù)訓(xùn)練模型,接下來通過Softmax分類模型對比輸出結(jié)果與真實狀態(tài)之間的差別,用交叉熵函數(shù)調(diào)整權(quán)重參數(shù),最終得到成熟模型來預(yù)測路面濕滑狀態(tài),路面濕滑狀態(tài)識別遷移學(xué)習(xí)模型構(gòu)建如圖2 所示。

圖2 路面濕滑狀態(tài)識別遷移學(xué)習(xí)模型構(gòu)建

3.1.2 基于Softmax的路面濕滑狀態(tài)識別分類器。本文在對路面濕滑狀態(tài)進行劃分時,需要使用logistic 回歸模型在多分類問題上的推廣[3],即Softmax回歸模型作為分類器。

模型訓(xùn)練過程要通過重復(fù)學(xué)習(xí)對Softmax回歸模型的參數(shù)θ進行不斷地調(diào)整,縮小實際數(shù)據(jù)與預(yù)測數(shù)據(jù)之間的差距。下式為交叉熵?fù)p失函數(shù),即

對其求導(dǎo)得到梯度的公式為

由于Softmax存在冗余參數(shù)集,可對代價函數(shù)懲罰過大的參數(shù)值進行修改。代價函數(shù)可轉(zhuǎn)化為

對上式J(θ)求導(dǎo)進行算法優(yōu)化可得

由此便可得到一個較優(yōu)的Softmax回歸模型作為分類器,對路面濕滑狀態(tài)進行劃分,并有效提高識別效果的精度。

在利用以上所述的深度學(xué)習(xí)方法進行路面濕滑狀態(tài)識別模型建立與訓(xùn)練后,則將其應(yīng)用于Jetson TX2 開發(fā)板進行邊緣計算。接下來,本文通過車路協(xié)同通信技術(shù),將神經(jīng)網(wǎng)絡(luò)模型計算得到的當(dāng)前路面濕滑狀態(tài)信息進行實時傳輸與處理。

3.2 車路協(xié)同通信模塊

本文采用DSRC技術(shù)來實現(xiàn)在車- 路以及車- 車之間建立信息的雙向傳輸。

本文采用CohdaWireless 公司的MK5 設(shè)備,具有很強的相鄰信道接收性能,可實現(xiàn)單一或雙信道廣播、快速的時間同步信道切換,并且支持雙廣播時間同步和多信道操作。MK5 最終完成車- 路與車- 車的快速、高效通信的功能,進行路面濕滑狀態(tài)信息的傳輸與處理。

在整體的路面狀態(tài)數(shù)據(jù)傳輸實現(xiàn)中,采用了socat 端口轉(zhuǎn)發(fā)功能,將數(shù)據(jù)發(fā)送到設(shè)備UDP 端口上。OBU將RSU傳輸?shù)穆访鏍顟B(tài)數(shù)據(jù)發(fā)送到其IP 地址的UDP 端口上,利用C 語言的socket 通信將數(shù)據(jù)發(fā)送至計算機。通過USB數(shù)據(jù)線連接車載終端與計算機,構(gòu)建一個局域網(wǎng),將數(shù)據(jù)發(fā)送至車載終端IP 地址的UDP 端口上。車載終端利用Java 代碼進行路面狀態(tài)數(shù)據(jù)的接收與處理。

在利用上述車路協(xié)同通信設(shè)備進行路面濕滑狀態(tài)信息與行車狀態(tài)信息的數(shù)據(jù)傳輸后,實時數(shù)據(jù)存在于Android 車載終端軟件,如何處理數(shù)據(jù)并進行頁面可視化,為駕駛員提供安全距離與安全車速預(yù)警服務(wù)是Android 車載終端軟件進一步開發(fā)與設(shè)計的內(nèi)容。

3.3 Android 車載終端模塊

“車輛智能引導(dǎo)”采用前端Android+后端數(shù)據(jù)的開發(fā)模式,其中Android 的開發(fā)使用MVC開發(fā)模式。

利用IDEA構(gòu)建Maven 用戶登錄服務(wù)器項目,通過Android 借助阿里云云數(shù)據(jù)庫進行登陸注冊的功能,使用花生殼進行內(nèi)網(wǎng)穿透與服務(wù)器的搭建。而Android 車載終端定位導(dǎo)航功能基于高德地圖sdk 實現(xiàn)的Android 地圖導(dǎo)航App,主要包括定位、POI 搜索、多種交通方式路徑規(guī)劃以及導(dǎo)航等功能。

在車載終端集成獲取的各類數(shù)據(jù)后進行的安全預(yù)警模塊中,Android 車載終端通過CAN總線獲取自車當(dāng)前行駛狀態(tài),包括車速、加速度等信息,通過與車路協(xié)同設(shè)備之間進行socket 通信,以UDP 協(xié)議進行包含其他車輛行駛狀態(tài)信息、當(dāng)前路面濕滑狀態(tài)信息的數(shù)據(jù)包接收,最終將以上獲取的數(shù)據(jù)導(dǎo)入安全車速與安全距離模型中,在安全距離模型建立過程中參考文獻(xiàn)[4]考慮了車輛形式狀態(tài)參數(shù)、道路狀態(tài)參數(shù)、駕駛員反應(yīng)時間和車輛本身的一些參數(shù)對剎車距離的影響。通過當(dāng)前車輛行駛過程中檢測到的滑移率數(shù)值進行臨界車速預(yù)判,并且由自車與前車的車速與加速度等行駛狀態(tài)結(jié)合路面濕滑狀態(tài)對應(yīng)的附著力系數(shù)進行安全車距預(yù)判,得到預(yù)測結(jié)果后利用Android Service 實現(xiàn)不同界面間通信來進行數(shù)據(jù)傳輸與處理,并以UI 界面與語音預(yù)警方式顯示。

4 實驗分析與性能測試

Android 車載終端軟件“車輛智能引導(dǎo)”實現(xiàn)了系統(tǒng)總體架構(gòu)與模塊化程序設(shè)計,通過UI 界面將路面濕滑狀態(tài)信息與行車狀態(tài)信息實時顯示,在測試過程中,完成了12 組數(shù)據(jù)的準(zhǔn)確性驗證。

并且,在測試中預(yù)警操作內(nèi)容的顯示在導(dǎo)航界面完成,將安全預(yù)警功能作為地圖與導(dǎo)航功能的插件使用,充分將行車導(dǎo)航與UI界面安全預(yù)警相結(jié)合,測試體驗效果良好,“人機友好”技術(shù)指標(biāo)有效提升?！败囕v智能引導(dǎo)”同時提供更多狀態(tài)信息的采集,做到實時更新與顯示。

測試過程中,狀態(tài)信息能夠完整且準(zhǔn)確地顯示與刷新切換,信息數(shù)據(jù)吻合度高,在數(shù)據(jù)包傳遞、接收與處理方面充分體現(xiàn)出車路協(xié)同設(shè)備無線通信的良好優(yōu)越性,并且,每兩秒鐘一次的刷新速度提供良好的觀看效果。另外,豐富的信息種類能夠使得駕駛員對現(xiàn)有行車狀態(tài)精確、全面把握的同時不會產(chǎn)生觀看疲勞的現(xiàn)象,有效協(xié)助駕駛員做出合理駕駛決策。

“車輛智能引導(dǎo)”測試后反應(yīng)良好、準(zhǔn)確性能較高、時效性把持良好、人機交互層面有所加強,功能齊全。

5 結(jié)論

本文設(shè)計了車路協(xié)同環(huán)境下基于路面濕滑狀態(tài)識別的車輛安全預(yù)警導(dǎo)航系統(tǒng),將濕滑路面狀態(tài)識別的信息技術(shù)應(yīng)用于車輛安全預(yù)警解決的交通問題上,建立的基于Inception-v3 的遷移學(xué)習(xí)模型對路面濕滑狀態(tài)分類有良好的泛化能力和較高的分類正確率,提高駕駛輔助決策的準(zhǔn)確度,車路協(xié)同通信技術(shù)進行無線通信,有效提高汽車安全預(yù)警信息的及時性,將車與路緊密結(jié)合起來,有效實現(xiàn)安全預(yù)警系統(tǒng)的精準(zhǔn)化,有針對性地提高車輛行駛的安全系數(shù)與通行效率。