汽車駕駛行為與行駛狀態的數據監測系統設計

封宇華，楊擁民，杜凱，錢彥嶺

(國防科學技術大學 裝備綜合保障技術重點實驗室，長沙 410073)

?

封宇華，楊擁民，杜凱，錢彥嶺

(國防科學技術大學 裝備綜合保障技術重點實驗室，長沙 410073)

摘要:為了分析駕駛員駕駛行為與油耗之間的關系，需要實時監控并記錄駕駛員駕駛行為與車輛瞬時油耗。利用MEMS慣性傳感器和汽車OBD系統設計了一種汽車行駛數據監測系統，實現了對汽車行駛數據的實時監測；并開發了基于Android操作系統的應用程序，將Android智能手機作為接收、處理、存儲、顯示汽車行駛數據的終端。實驗結果表明，系統能夠采集并存儲汽車行駛數據，為后續分析駕駛員駕駛行為與汽車油耗之間的關系提供了平臺。

關鍵詞:OBD；傳感器；MEMS；駕駛行為識別；汽車狀態監測

引言

本文設計了一種基于MEMS慣性傳感器和OBD的汽車行駛數據監測系統，充分利用汽車OBD數據，實現了對汽車行駛狀態的監測與駕駛員駕駛行為的識別。

1系統整體設計

本文提出的系統對汽車的行駛數據進行監測并分析，實現對汽車狀態的在線監測與駕駛員駕駛行為的識別，從而為后面分析汽車行駛狀態、駕駛員駕駛行為與油耗等汽車行駛結果之間的關系打下基礎。本文所涉及的系統關系如圖1所示。

圖1　本文所涉及的系統關系

MEMS產品成本低、功耗少、尺寸小、批量化，而隨著技術的進步，傳感器精度越來越高。本文將MEMS傳感器應用于汽車行駛數據采集，利用高精度六軸慣性導航模塊對汽車三個方向上的加速度、三軸角速度、三軸角度實現了監測，并利用串口-WIFI通信模塊將數據發送至智能移動終端。

車速、發動機轉速、發動機冷卻液溫度等汽車行駛數據信息可通過OBD2接口獲取。安裝在汽車OBD2接口上的OBD汽車故障診斷儀獲取相關信息后，通過藍牙通信模塊將數據發送至智能移動終端。系統整體方案設計如圖2所示。

圖2　系統整體方案設計

系統中的串口-WIFI通信模塊采用了模塊化的解決方案。因此，如圖3所示，還可利用此模塊進一步擴展監測數據類型，實現對汽車行駛數據更全面的實時監測，也可以為提高汽車安全性提供支持。擴展系統設計略——編者注。

圖3　串口-WIFI通信模塊工作原理圖

2系統硬件

系統所用到的主要設備有OBD2汽車故障診斷儀、六軸慣性導航模塊、串口-WIFI通信模塊、智能移動終端、實驗車輛等。OBD2汽車故障診斷儀用于接收智能移動終端指令，并從OBD2接口獲取汽車行駛狀態數據，再通過藍牙將數據發送至智能移動終端。六軸慣性導航模塊則直接獲取汽車行駛狀態數據并通過串口將信息發送至串口-WIFI通信模塊；串口-WIFI通信模塊則負責將傳感器采集到的數據通過WIFI發送至智能移動終端。

2.1串口-WIFI通信模塊

串口-WIFI通信模塊主要由IAP15W413AS單片機、USR-WIFI232-T超低功耗串口轉WIFI模塊、鋰電池、USB接口等部分構成。如圖3所示，六軸慣性導航模塊將數據按照串口通信協議打包輸出，通過USB接口插接在串口-WIFI通信模塊上，單片機將數據解析并按照自定義格式打包，再通過串口轉WIFI模塊向智能移動終端發送數據。

2.2六軸慣性導航模塊

六軸慣性導航模塊主要集成了高精度的陀螺加速度計MPU6050，通過處理器讀取MPU6050的測量數據，然后通過串口輸出，模塊內部自帶電壓穩定電路并保留了MPU6050的I2C總線接口，采用數字濾波技術，集成了姿態結算期，能夠在動態環境下準確輸出模塊的當前姿態。圖6 六軸慣性導航模塊

上位機通過向其發送指令使其初始化，初始化后不需要再對其進行設置，而在本設計中20Hz的測量數據即可滿足要求，將傳感器設置為20 Hz(波特率9600bps)。模塊發送至上位機每幀數據分為加速度包、角速度包、角度包，輸出數據格式略——編者注[1]。

2.3OBD2汽車故障診斷儀

OBD2汽車故障診斷儀主要包含OBD協議轉換芯片ELM327和藍牙模塊。ELM327是一款通用的網關芯片，專門用于與汽車診斷系統通信，支持所有OBD2自診斷系統的通信協議，還可以自動檢測協議并作為協議解析中介[2]。作為診斷接口，ELM327可以通過汽車OBD2接口與汽車通信，也可以通過藍牙與智能手機通信，起到一個通信中繼的作用[3]。診斷儀能夠通過內置的藍牙模塊與智能移動終端連接。如圖4所示，OBD2汽車故障診斷儀接收智能移動終端讀取汽車OBD信息指令后，從汽車OBD2接口獲取相應信息，再通過藍牙模塊將數據發送至智能移動終端。

圖4　OBD2汽車故障診斷儀工作原理圖

3系統軟件

軟件系統集實時顯示、數據匯總、數據處理、發送存儲于一體，主要由顯示層、業務處理層、數據層構成，總體結構如圖5所示。

圖5　軟件總體結構

軟件采用Java語言和Eclipse作為系統開發環境，軟件界面略——編者注。

4關鍵技術分析

4.1移動平均濾波算法

發動機啟動時，其震動會對加速度輸出曲線造成影響。因此，采用移動平均濾波器(Moving Average Filter)[4]對數據進行平滑濾波處理，過濾由于車身抖動和芯片漂移造成的誤差。移動平均濾波器可以通過遞歸算法實現，表示為：

其中：M表示設定滑動窗口的大小；x[k]表示原始采樣點數值；p=(M-1)/2；q=p+1。

滑動窗口M的大小影響濾波的效果，若M過小，則數據平滑效果不明顯；若M過大，則容易缺失車輛實際信息。一般情況下，窗口M設定在[5,15]之間[5]。本系統采用M=5對x軸和y軸方向的數據進行濾波平滑。通過圖6中的對比可以看出，平滑效果明顯，可以有效濾除車輛震動帶來的噪聲。

圖6　x軸加速度平滑濾波前后對比

4.2加速度坐標變換算法

處于傾斜路面或顛簸道路情況下，由于車輛自身的重力疊加效應，智能手機此時采集的加速度信息包含了重力加速度，會對分析結果產生一定影響[5]。因此，需要消除車輛運行狀態下自身重力加速度的影響。

六軸陀螺儀輸出的信息中包含了所處時刻的姿態角度信息，為在一定程度上對消除重力加速度的影響提供了數據基礎。

汽車在平面上行駛時，六軸陀螺儀輸出的三方向加速度能直接反映汽車在行駛方向和橫向的加速度。但是，在傾斜路面和顛簸道路上行駛時，重力加速度會直接疊加在汽車行駛方向與橫向上。此時，需要對坐標系進行變換，消除重力加速度疊加的影響，獲得汽車在行駛方向上和橫向上因汽車動力變化導致的速度變化。

坐標系分別繞x軸、y軸、z軸旋轉θ后，形成旋轉矩陣，表示為：

將重力加速度視為過質心的矢量(0，0，-g)，在旋轉后的坐標系表示為：

式(5)簡化后得到重力加速度在三個方向上的分量，分別為：

式(6)～(8)分別代表重力加速度在汽車車頭方向(前進方向為正)、橫向(前進方向右側為正)、垂直汽車地面方向(向上為正)三方向上的分量。其中，α、β、γ分別表示繞x軸、y軸、z軸旋轉的角度，即滾轉角、俯仰角、方位角。

對x軸方向加速度濾波并消除重力加速度影響前后的對比圖略——編者注。

4.3駕駛行為識別算法

對于所涉及的主要駕駛行為，可以分為縱向(前進方向)操縱行為和橫向操縱行為。急加速與急減速都是在車輛縱向(前進方向)上的，主要通過對x軸方向上的加速度進行監測；急轉彎則通過y軸方向上的加速度(轉彎時的向心加速度方向)進行監測。將它們的數值和持續時間作為識別駕駛行為的依據，在記錄這些駕駛行為的同時，也記錄數值和時間，即該行為的持續時間與大小程度。

受到智能移動終端實時處理能力的限制，在移動終端APP應用上采用較為簡單的算法，通過設置比較閾值實現對駕駛行為的識別。[6]移動應用程序采用的算法如圖7所示，通過實驗確定閾值，較為簡單地實現對駕駛行為的識別。急轉彎識別算法流程圖略——編者注。

圖7　急加速/減速識別算法流程圖

4.4瞬時油耗算法

有的車輛通過OBD2系統直接提供發動機燃油消耗率(Engine Fuel Rate，EFR)，智能移動終端可以通過ELM327采集到車輛的發動機燃油消耗率。同時，車輛的行駛速度V也可獲取，此時對應的瞬時油耗FCPHK(Fuel Consumption Per Hundred Kilometers，百公里油耗)，計算公式為：

有的車輛對外不提供發動機燃油消耗率，此時需要通過汽車其他參數進行計算，求出相應瞬時油耗，除了汽車行駛速度V外，還要獲取車輛進氣空氣速度MAF(Mass Air Flow Rate)，計算公式為：

其中，AF為發動機空燃比，對于普通汽車而言，其理想值通常設置為每g燃料對應14.7g空氣，ρ為汽油密度[2]。

5測試與結果

5.1實驗平臺搭建

六軸慣性導航模塊通過USB接口插接在串口-WIFI通信模塊上，將三個方向加速度等信息通過WIFI網絡發送至移動終端。

5.2車載實驗

采用移線實驗方法和蛇形實驗方法來開展實驗[10]。

汽車處于穩定直線行駛的同一段時間內x軸(前進方向)加速度、車速、發動機轉速、冷卻液溫度的變化曲線略——編者注。車速、冷卻液溫度在瞬間的變化并不明顯，發動機轉速的波谷/波峰分別稍稍滯后于前進方向加速度的波峰/波谷。經此種情況產生的原因是駕駛員感受到汽車加速度變化，控制油門，對發動機轉速產生直接影響的結果。

汽車采用移線實驗方法略——編者注。

結語

設計的汽車行駛數據監測系統實現了對汽車行駛過程中數據的實時在線測量、處理與傳輸。通過實車實驗，驗證了利用系統監測汽車行駛數據的可行性，并為進一步分析處理數據提供了基礎實驗平臺。

下一步工作中，可以利用系統實時監測獲取的汽車行駛數據實現對駕駛員駕駛行為更精確的識別，并進一步分析汽車行駛狀態、駕駛員駕駛行為與油耗等汽車行駛結果之間的關系。

參考文獻

[1] 君悅智控．高精度6軸慣性導航模塊說明書[EB/OL]．[2015-07].http://yunpan.taobao.com/s/1viuph6K5vs．

[2] 李小敏．基于Android智能手機的汽車診斷系統的研究與實現[D]．青島:中國海洋大學，2014．

[3] Furmanczyk C，Nufer D，Sandona B，et al．Integrating OBD-II,Android,and Google App Engine to Decrease Emissions and Improve Driving Habits[EB/OL]．[2015-07].http://www.benjaminullom.net．

[4] Hamilton J D．Time series analysis[M]．Princeton：Princeton University Press，1994.

[5] 宋雅清．基于Android傳感器的駕駛事件識別關鍵技術研究[D].青島:中國海洋大學，2014.

[6] 黃勛．基于車聯網的車輛移動狀態識別研究[D]．廣州:華南理工大學，2012．

[7] Eren H，Makinist S，Akin E，et al．Estimating Driving Behavior by a Smartphone[C]//IEEE Intelligent Vehicles Symposium，Korea,2012：234-239.

[8] Chaovalit P，Saiprasert C，Pholprasit T A．A Method for Driving Event Detection Using SAX on Smartphone Sensors[C]//13th International Conference on ITS Telecommunications，Finland,2013：450-455.

[9] Alberto Díaz，Francisco Serradilla，José Eugenio，et al．Modeling the Driving Behavior of Electric Vehicles Using Smartphones and Neural Networks[J].IEEE Intelligent Transportation Systems Magazine，2014，6(3)：44-53．

[10] 秦洪武，石存杰，劉軍．基于MEMS和GPS的駕駛行為和車輛狀態監測系統設計[J]．傳感器與微系統,2012,31(9)．

封宇華(碩士研究生)，主要研究方向為裝備綜合保障。

Feng Yuhua,Yang Yongmin,Du Kai,Qian Yanling

(Laboratory of Science and Technology on Integrated Logistics Support,National

University of Defense Technology,Changsha 410073,China)

Abstract：In order to analyze the relation between driver’s driving behavior and fuel consumption,it is necessary to monitor and record the driver’s driving behavior and the vehicle’s instant fuel consumption in real time.A vehicle driving data monitoring system based on MEMS inertial sensor and OBD system is designed,which achieves the real-time monitoring of vehicle driving data.In addition,an application based on the Android system is developed,the smart phone with Android system can receive,manage,store,display the vehicle driving data.The road test results show that the system can realize the goal of capturing and storing vehicle driving data,it provides a platform for the further analysis between the driver’s driving behavior and the fuel consumption.

Key words:OBD;sensor;MEMS;driving behavior recognition;vehicle state monitoring

收稿日期：(責任編輯：楊迪娜2015-07-07)

中圖分類號:TP277

文獻標識碼:A