基于碰撞試驗的車輛碰撞聲信號特征

鳳鵬飛，金會慶，2*

(1.安徽三聯學院交通工程學院，安徽合肥 230601；2.國家車輛駕駛安全工程技術研究中心，安徽合肥 230601)

基于碰撞試驗的車輛碰撞聲信號特征

鳳鵬飛1，金會慶1，2*

(1.安徽三聯學院交通工程學院，安徽合肥 230601；2.國家車輛駕駛安全工程技術研究中心，安徽合肥 230601)

為使車輛碰撞發生重大交通事故后，能夠及時報警和施救，將聲音識別技術應用于交通事故的檢測和報警。采用聲音信號特征提取方法，通過試驗搜集車輛典型碰撞聲、自然界雷聲、喇叭聲等多種交通復合聲音信號。使用Matlab工具，對采集的車輛正常行駛過程中無干擾、有干擾以及不同車速和不同角度碰撞時的3類聲信號特征進行頻譜分析。分析表明：發生重大交通事故時的車輛碰撞聲信號頻率遠遠高于其余兩類狀態，完全可以通過提取車輛碰撞聲音信號特征來判斷是否發生了重大交通事故。

車輛碰撞聲；特征提取；Matlab；頻譜分析

道路交通事故嚴重威脅著人類的生命安全，正常行駛的車輛發生嚴重碰撞后，乘員無法及時報警，從而不能及時施救，使傷亡更為慘重。聲音識別技術是以聲音為研究對象，是聲音信號處理技術的一個重要研究方向，也是模式識別的一個分支。聲音識別技術涉及到多個學科領域，包括計算機科學、信號處理、物理學等[1-2]。識別的關鍵技術是合理選取聲音特征，通過科學試驗、數據分析處理等，得出不同聲音特征的個性差別，通過不同聲音信號特征的提取達到預期的目的。

車輛在發生碰撞時必將伴隨碰撞聲音，將聲音信號通過特征分析與提取，用于識別車輛是否發生了交通事故，以便及時施救[3]。

1 聲信號特征提取技術在交通領域的應用

聲音信號的檢測方法有聲波法和共振法。其檢測原理是：每種材料的介質都有其固有的彈性模量和共振頻率，在受到激勵產生自由振動時，會發出固有頻率的聲音，通過測定工件在外力作用下振動的聲音信號參數(共振頻率和衰減率)，就可以檢測材料的內部質量，如球墨鑄鐵的石墨情況、基體組織和機械性能等[4-5]。

道路交通聲音信號因干擾因素較多，研究情況較為復雜，國內外對聲音信號應用于交通安全領域檢測的研究較少。文獻[6]使用音頻信號檢測交叉口的交通事故；文獻[7]設計基于音頻信號分析的十字路口交通事故檢測系統；文獻[8]把音頻信號處理模塊應用于十字路口交通管理系統，利用車輛在十字路口的碰撞音頻信號來檢測發生的交通事故；文獻[9]利用聲信號檢測高速公路交通流的特征參數，提出道路交通流特征參數檢測的新方法——車輛聲學特征檢測法；文獻[10]進行道路交通事故自動聲信號檢測算法的研究，分析聲信號處理條件下的交通事故自動檢測算法的運用；文獻[11]在基于聲音識別的交通信息檢測技術研究中，提出將聲音識別的方法應用于交通信息的檢測。

2 基于碰撞試驗的車輛碰撞聲特征分析

借助Matlab工具進行聲音信號分析，通過聲音頻譜分析得出車輛發生碰撞時高幅值的頻率范圍，以此來確定車輛碰撞聲的特征。為了真實還原車輛在行駛過程中的碰撞，分別分析車輛正常行駛狀態下可能遇到的某些干擾聲特征以及真實車輛的碰撞聲特征，將二者進行對比分析。

2.1車輛正常行駛的聲信號特征

2.1.1 正常行駛無干擾聲

正常行駛無干擾是指車輛不受到喇叭、雷聲的干擾，但車輛正常行駛過程中伴隨著輪胎摩擦、風速、發動機聲音等隨機變化的非穩態低頻噪聲[12]，同時還受到車流量、車速等條件的影響。一般來說，汽車正常行駛時的聲音信號頻率為250～500 Hz，屬于低頻聲信號[13]。

2.1.2 正常行駛有干擾聲

車輛實際正常行駛過程中，會受到車輛喇叭聲和自然界雷聲的干擾，這些干擾聲音在聽覺效果上非常接近車輛產生碰撞的聲音，但喇叭聲和雷聲在響度、音調、衰減及頻譜方面都不同于車輛碰撞聲音。通過試驗分別采集了4種車輛喇叭聲音和4種雷聲進行對比分析。

1)車輛喇叭聲

車輛在正常行駛中，駕駛員使用喇叭用以警示和提醒行人或其它車輛，不同的車輛喇叭聲音不同。為研究車輛喇叭聲音與車輛重大碰撞聲音的區別，采集多款車型的汽車喇叭聲音樣本，選取 4種車型的喇叭聲音樣本通過Matlab軟件將其轉化為頻譜圖[14-15]，如圖1所示。

圖1 4種常見車型的喇叭聲頻譜圖

由圖1可以看出：汽車在正常行駛過程中，駕駛員按喇叭發出的聲音頻率不高，轎車與越野車的頻率呈分散狀態，輕型卡車與重型卡車呈相對聚集狀態，頻率范圍一般為3～13 kHz，車輛差異大，頻率范圍較廣。

2)自然界雷聲

車輛在正常行駛時，偶爾會遇到自然界的雷聲，選取自然界常見的4種雷聲進行試驗，并通過Matlab軟件將其轉化為頻譜圖，如圖2所示。由圖2可以看出：雷聲呈現一定的聲音聚集狀態，但雷聲產生的頻率都偏低，一般為20～70 kHz。以上4種雷聲信號的采集，因受到當時的測試距離、天氣和周圍雜音的干擾不同，所測的聲音頻率有一定的誤差[16]。

圖2 4種常見雷聲頻譜圖

2.2車輛碰撞時的聲信號特征

上海某汽車碰撞實驗室車輛碰撞場地如圖3所示。選取吉利遠景、三菱藍瑟、力帆和雪佛蘭樂風等4款車型進行碰撞試驗。車輛碰撞形式如圖4所示，正面碰撞采取一車處于靜止狀態，另一車在距離100 m處起步并加速至規定車速30～100 km/h后，與靜止車輛車頭碰撞；側面碰撞時，碰撞角度為90°(垂直)或30°；追尾碰撞時，與正面碰撞行駛類似，與被碰撞車輛車尾相撞。聲音采集裝置放于發動機機艙內部靠近駕駛員的位置處。

圖3 車輛碰撞場地示意圖 圖4 車輛碰撞形式示意圖

對4款汽車進行了8次不同車速、不同角度的碰撞試驗。將采集到的碰撞聲音信號進行音頻轉化，借助Matlab工具進行頻譜讀取與分析，得出如圖5所示的頻譜圖。

由圖5可以得出，由于碰撞的速度和角度不同，碰撞時表現的頻譜分布略有差異，4款車輛碰撞聲音信號頻率為130～420 kHz，車輛在產生碰撞時聲音瞬間聚集性非常強，頻率大大高于喇叭聲和雷聲[17]，如表1所示。

2.3車輛正常行駛與碰撞時聲信號特征

將車輛正常行駛過程中無干擾和有干擾(喇叭與雷聲)時的聲信號與不同車速、不同角度碰撞時的聲信號特征進行對比分析，正常行駛無干擾時的聲信號頻率在500 Hz以內。喇叭聲頻率為3～13 kHz以內，雷聲頻率為20～70 kHz。在車輛碰撞發生重大交通事故時聲信號頻率最小為130～150 kHz。圖6為車輛在以上4種狀態下聲信號頻率范圍的比較，由圖6可知，發生重大交通事故時的車輛碰撞聲信號頻率遠遠高于正常行駛和有干擾聲信號狀態下的聲信號頻率，碰撞聲信號特征明顯，完全可以作為聲音識別信號來判斷是否發生了重大交通事故[18]。

圖5 4種車型8種碰撞聲音頻譜圖

表1 4種車型8種碰撞聲音信號頻率 單位：kHz

圖6 車輛4種狀態下的聲信號頻率比較

3 結論

發生重大交通事故的背景下，車輛碰撞發出碰撞聲信號，通過采集無干擾狀態下的車輛行駛聲信號、車輛喇叭聲信號、自然界雷聲和不同速度、不同角度的車輛碰撞時的聲信號，借助Matlab軟件進行頻譜分析。車輛在碰撞時聲音瞬間聚集性非常強，頻率約為喇叭聲的10倍多，雷聲的2倍多。重大交通事故發生時的車輛碰撞聲信號特征明顯，完全可以通過提取車輛碰撞聲音信號特征來判斷是否發生了重大交通事故。

[1]李宏松，蘇健民，黃英來，等.基于聲音信號的特征提取方法的研究[J].信息技術，2006(1)：91-94. LI Hongsong，SU Jianmin，HUANG Yinglai，et al.The research on characteristics extraction based on voice signal[J].Information Technology，2006(1):91-94.

[2]陳學煌，李文全，趙云娥.聲音基頻檢測技術的研究與應用[J].電聲技術，2010(12)：54-56，64. CHEN Xuehuang，LI Wenquan，ZHAO Yun′e.Research and application of sound fundamental frequency examination technology[J].Electroacoustic Technology，2010(12):54-56，64.

[3]宋揚.基于音頻檢測的碰撞型重大交通事故報警技術的研究[C]//第八屆國際汽車交通安全學術會議論文集.蕪湖：第八屆國際汽車交通安全學術會議，2010：322-327. SONG Yang.Collision detection based on audio alarm technology of major traffic tccidents[C]//Proceedings of the 8th international forum of automotive traffic safety.Wuhu:The 8th International Forum of Automotive Traffic Safety，2010：322-327.

[4]梁民，葉劍民.聲音信號質量評價技術[J].數字技術與應用，2011(6)：139-144. LIANG Min，YE Jianmin.Technologies for quality assessment of sound signals[J].Digital Technology and Application，2011(6)：139-144.

[5]倪其育.音頻技術教程[M].2版.北京:國防工業出版社，2011：1.

[6]LI D, SETHI I K, DIMITROVA N, et al.Classification of general audio data for content-based retrieval[J].Pattern Recognition Letters，2001，22(5):533-544.

[7]DEVASENA C L, LATHA M H.Automatic classification of audio data using gradient descent neural network based algorithm[J].Journal of Theoretical & Applied Information Technology, 2014(1):562-567.

[8]CHANG B R, TSAI H F, YOUNG C P.Intelligent data fusion system for predicting vehicle collision warning using vision/GPS sensing[J].Expert Systems with Applications , 2010, 37(3):2439-2450.

[9]陳強.高速公路交通流特征參數被動聲學檢測技術研究[D].長春：吉林大學，2005. CHEN Qiang.Research on technology of passive acoustics detection of expressway traffic flow characteristic parameters[D].Changchun:Jilin University，2005.

[10]戴碩.基于聲信號處理的交通事故自動檢測方法研究[D].合肥：中國科學技術大學，2010. DAI Shuo.Acoustic ssignal processing based automatic detection method for traffic accident[D].Hefei：University of Science and Technology of China，2010.

[11]李云煥.基于聲音識別的交通信息檢測技術研究[D].西安：長安大學，2014. LI Yunhuan.Research on traffic information cetection technology based on voice recognition[D].Xi′an: Chang′an University，2014.

[12]王雙維，陳強，李江，等.不同車型的車輛聲音與振動信號特征研究[J].聲學技術，2007，26(3)：460-463. WANG Shuangwei，CHEN Qiang，LI Jiang，et al.Character of radiated noise and ground vibration signals of vehicles[J].Technical Acoustics，2007，26(3)：460-463.

[13]王養軍，舒歌群，王剛志.道路交通噪聲預測和控制方法的研究進展[J].拖拉機與農用運輸車，2005(4)：4-7. WANG Yangjun，SHU Gequn，WANG Gangzhi.Development of traffic noise prediction and control methods[J].Tractors and Fam Transporter，2005(4)：4-7.

[14]陳家焱，陳冬嬌，張達響.基于Matlab的聲音信號采集與分析處理[J].計算機與現代化，2005(6)：91-92，96. CHEN Jiayan，CHEN Dongjiao，ZHANG Daxiang.Collecting and processing of sound signal with matlab[J].Computer & Modern，2005(6)：91-92，96.

[15]馮偉東，韓雪冰.LabVIEW與MATLAB在聲音信號采集與小波降噪中的應用[J].長春工業大學學報(自然科學版)，2006，27(1)：40-42. FENG Weidong，HAN Xuebing.Applications of LabVIEW and MATLAB in signal collecting and wavelet denoising of sound [J].Journal of Changchun University of Technology(Natural Science Edition)，2006，27(1)：40-42.

[16]蘇斌.基于音頻特征分析的車輛識別軟件實現[D].成都：電子科技大學，2014. SU Bin.Research of vehicle recognition based on audio feature analysis[D].Chengdu: University of Electronic Science and Technology，2014.

[17]瓦普尼克.統計學習理論[M].北京：電子工業出版社，2004.

[18]CHERNG S, FANG C Y, CHEN C P, et al.Critical motion detection of nearby moving vehicles in a vision-based driver-assistance system[J].IEEE Transactions on Intelligent Transportation Systems，2009，10(1):70-82

(責任編輯：楊秀紅)

MessageCharacteristicsofVehicleCollisionSoundBasedonCrashTest

FENGPengfei1，JINHuiqing1，2*

(1.SchoolofTrafficEngineering,AnhuiSanlianUniversity,Hefei230601,China; 2.NationalCenterofEngineeringandTechnologyforVehicleDrivingSafety，Hefei230601，China)

In order to make the vehicle crash after a major traffic accident timely alarm and rescue, the sound recognition technology is used in traffic accident detection and alarm. Through the test, the method of sound characteristics extraction is used to collect a typical vehicle collision sound, natural thunder, horn sound and other traffic composite sound signals. Through the Matlab, the spectrum is analyzed for the characteristics of three kinds of acoustic signals when the collected vehicle in the normal driving process collides without interference, interference, different speed and different angles. The analysis shows that the frequency of the vehicle collision sound signal is much higher than that of the other two states of collision when the major traffic accident occurs, and it is completely possible to determine whether it is a major traffic accident or not through the extraction of vehicle collision sound signal features.

vehicle collision sound; characteristics extraction; Matlab; spectrum analysis

2017-02-12

國家科技支撐計劃項目(2011BAK20B00)

鳳鵬飛(1979—)，男,安徽宿州人，講師，工學碩士,主要研究方向為車輛安全檢測工程,E-mail: fengpengfei@126.com.

*通訊作者：金會慶(1956—)，男,上海人，教授，工學博士,博士生導師,主要研究方向為道路交通事故防治工程,E-mail: jgc@slu.edu.cn.

10.3969/j.issn.1672-0032.2017.02.002

U491.31

：A

：1672-0032(2017)02-0009-05