車輛事故自動呼救系統(tǒng)碰撞識別方法抗干擾性研究＊

陸穎 葉恒毅 魏凱

（1.江蘇大學(xué)，鎮(zhèn)江 212013；2.金龍聯(lián)合汽車工業(yè)（蘇州）有限公司，蘇州 215026）

1 前言

車輛事故自動呼救（Automatic Crash Notification，ACN）系統(tǒng)屬于汽車事故后安全系統(tǒng)，它可以在車輛發(fā)生碰撞事故時觸發(fā)緊急呼救并將發(fā)生事故的地理位置等信息發(fā)送給救援中心，從而提高救援效率[1]。目前多數(shù)ACN系統(tǒng)以安全氣囊的點(diǎn)火信號作為其呼救模塊的觸發(fā)信號，但其可靠性受限于安全氣囊的可靠性[2]。未裝備ACN系統(tǒng)的車輛在加裝這種類型的ACN系統(tǒng)時，由于涉及到安全氣囊的更改，面臨很高的技術(shù)難度和極大的安全風(fēng)險，在一些國家甚至是嚴(yán)格禁止的[3]。除安全氣囊點(diǎn)火信號外，以車身加速度信號作為觸發(fā)信息源的ACN系統(tǒng)也較常見，其原理是通過某種算法來比較處理后的加速度信號與事先設(shè)置的閾值參數(shù)，從而判斷碰撞事故是否發(fā)生及其嚴(yán)重程度，并最終決定是否對外報警。但是，這種觸發(fā)報警的方式抗干擾性較差，會使救援中心作出錯誤判斷[4]。因此，設(shè)計一套合適的方法來設(shè)置合理的閾值可以顯著提高ACN系統(tǒng)的抗干擾性[5]。

在現(xiàn)有的多種ACN系統(tǒng)觸發(fā)算法中，比功率法和移動窗積分法由于具有較強(qiáng)的綜合性且計算簡便，更適合用作ACN系統(tǒng)的觸發(fā)算法。本文分析了比功率法和移動窗積分法的輸出信號，并結(jié)合這兩種算法，提出一種含有兩階段閾值的觸發(fā)算法，給出確定每一階段閾值的方法，利用兩階段閾值的算法驗(yàn)證了該閾值的合理性。

2 碰撞識別方法

2.1 比功率法

功率的導(dǎo)數(shù)即比功率。假設(shè)汽車的初速度為v0，質(zhì)量為m，加速度為a(t)，Δv為速度變化量，可通過對加速度信號進(jìn)行積分得到[6]。

汽車速度為：

碰撞過程中的動能為：

對其求導(dǎo)得到功率：

再對功率求導(dǎo)得到瞬時比功率：

式中，J(t)為汽車碰撞瞬時的加速度坡度；v0J(t)是很小的量，所以計算過程中可忽略不計[6]。

加速度坡度的計算公式為：

式中，a(t)為當(dāng)前的加速度；a(t-Δt)為上一時間單位的加速度；Δt為2個加速度信號之間的時間間隔。

由此可得單位質(zhì)量的比功率為：

由式（6）可知，單位質(zhì)量比功率與加速度、速度變化量和加速度坡度都有關(guān)聯(lián)。由于比功率法的綜合性，這種方法是目前ACN系統(tǒng)觸發(fā)算法的研究重點(diǎn)[7]。

2.2 移動窗積分法

移動窗積分法先確定窗寬w，對窗寬內(nèi)的加速度進(jìn)行積分，然后使窗移動以便獲取每一時刻所對應(yīng)的速度變化量。窗寬內(nèi)加速度的積分值為[8]：

式中，t為汽車行駛的時間。

取w=50 ms，為了便于計算，可以將式（7）近似地變?yōu)闀r間間隔Δt與窗寬內(nèi)所有加速度之和的乘積，即

式中，Δt可以根據(jù)采樣頻率進(jìn)行調(diào)整。

移動窗積分算法是速度變化量法的變形，速度變化量法雖然具有一定的抗干擾性，但是對碰撞不敏感，而且需要配合加速度峰值來確定積分開始時刻[8]。移動窗積分算法就是對當(dāng)前時刻之前的w時間段內(nèi)的加速度數(shù)據(jù)進(jìn)行積分，得到在這一時間段內(nèi)的速度變化量，將其與閾值進(jìn)行比較，如果超過閾值就發(fā)出報警。因?yàn)橛梢苿哟胺e分算法得到的窗寬內(nèi)積分值曲線較單純的加速度曲線平滑很多，所以這種方法有較強(qiáng)的抗干擾能力。此外，移動窗積分法能夠快速響應(yīng)汽車碰撞過程，具有良好的靈敏度且不需要確定積分開始時刻[9]。

3 數(shù)據(jù)的采集、處理和信號分析

3.1 數(shù)據(jù)的采集和處理

根據(jù)ACN系統(tǒng)的觸發(fā)特點(diǎn)，本文主要研究不同工作條件下車身的x向（車輛行進(jìn)方向）加速度信號對ACN系統(tǒng)觸發(fā)模塊的干擾。為了確保研究具有代表性，本文在車速為50 km/h的條件下，分別采集汽車在鵝卵石路面（見圖1）、緊急制動以及正面100%重疊剛性壁障碰撞時車身x向的加速度信號，在試驗(yàn)過程中，其他的外部條件均一致，以排除其他干擾因素對試驗(yàn)結(jié)果的影響。

圖1 鵝卵石路面

在緊急制動和鵝卵石路面試驗(yàn)中，構(gòu)成數(shù)據(jù)采集系統(tǒng)的裝置主要有：三軸加速度傳感器、NI數(shù)據(jù)采集卡、帶有NI LabVIEW軟件的計算機(jī)等，如圖2所示。系統(tǒng)中傳感器的供電電壓為4.9～5.5 V，輸入范圍為-25～25g，靈敏度為80 mV/g，在試驗(yàn)過程中采用5 V鋰電池為該傳感器供電。

圖2 加速度數(shù)據(jù)采集系統(tǒng)

碰撞條件下的試驗(yàn)于上海機(jī)動車檢測中心進(jìn)行。碰撞試驗(yàn)所采用的試驗(yàn)車排量為1.6 L，長、寬、高分別為4 520 mm、1 779 mm、1 470 mm，軸距為2 600 mm，整備質(zhì)量為1 308 kg。采用的數(shù)據(jù)采集設(shè)備為DTS TDAS/G5型96通道數(shù)據(jù)采集儀，整個數(shù)據(jù)采集系統(tǒng)的內(nèi)存為64 Mb，采樣頻率為10 kHz[10]。試驗(yàn)車碰撞過程如圖3所示。

圖3 車輛碰撞過程

將所得3種條件下試驗(yàn)車x向加速度信號與時間的對應(yīng)數(shù)據(jù)導(dǎo)入MATLAB。在MATLAB中對加速度信號進(jìn)行濾波，濾波方法選擇FIR濾波。因?yàn)镕IR濾波算法沒有反饋回路，不存在不穩(wěn)定性。此外，在幅度特性隨意設(shè)置的同時，這種濾波方法可以保證精確的相位對應(yīng)。緊急制動數(shù)據(jù)的濾波頻率設(shè)為10 Hz，碰撞和鵝卵石路面數(shù)據(jù)的濾波頻率設(shè)為1 Hz，這樣可使加速度信號保持原有波動趨勢的情況下排除一些干擾信號的影響。

3.2 信號分析

3.2.1 比功率信號

由式（6）可得汽車緊急制動、在鵝卵石路面行駛以及碰撞時車身x向比功率隨時間變化的曲線，如圖4所示。

由圖4可以看出：緊急制動時比功率只在1.7～3.5 s間波動劇烈，波谷出現(xiàn)在第5.2 s左右，此時比功率接近1 000 m2/s4，方向?yàn)樨?fù)，但從整體上看，變化趨勢比較平穩(wěn)；在鵝卵石路面行駛時，比功率在第22 s左右最大，比功率的絕對值在大部分時間內(nèi)不超過400 m2/s4，雖然比功率波動更頻繁，但波動幅度不大；碰撞時比功率在1.5～2.6 s間波動劇烈，波峰出現(xiàn)在第1.7 s左右，峰值較其他2組數(shù)據(jù)高得多，但大部分時刻的比功率小于107m2/s4。

綜上，可以看出比功率確實(shí)具有更出色的抗干擾性，而且由于比功率法引入了速度變化量、加速度坡度等參考量，可使結(jié)果更具有實(shí)用價值。

圖4 3種工作條件下比功率變化曲線

3.2.2 窗寬內(nèi)積分值

根據(jù)式（8），利用移動窗積分算法計算出窗寬內(nèi)的積分值，由此分別得到3種工作條件下的窗寬內(nèi)積分曲線，如圖5所示。

圖5 3種工作條件下窗寬內(nèi)積分曲線

由圖5可以看出：緊急制動時，窗寬內(nèi)積分的絕對值在第4.5 s左右達(dá)到最大值，接近0.33 m/s，方向?yàn)樨?fù)；在鵝卵石路面行駛時，窗寬內(nèi)積分的絕對值只在18.5～19.2 s間多次達(dá)到峰值，而其它大部分?jǐn)?shù)據(jù)雖然波動頻繁，但幅度不大；碰撞時窗寬內(nèi)積分的絕對值在第2 s左右達(dá)到最大值，約為170 m/s，方向?yàn)樨?fù)，相比于其他2組數(shù)據(jù)有更明顯的波動幅度，是因?yàn)榇藭r汽車處于較快的減速狀態(tài)。

綜上，可以看出由移動窗積分算法繪制的曲線相對比較平穩(wěn)，且這種方法具有很強(qiáng)的靈敏度和可靠性。

4 呼救系統(tǒng)閾值的分析和設(shè)定

4.1 兩階段閾值算法

ACN系統(tǒng)的可靠性與觸發(fā)算法的閾值有關(guān)，本文采用兩階段閾值算法來提高系統(tǒng)的可靠性，即用兩個階段的閾值來判定是否發(fā)生嚴(yán)重碰撞并向救援機(jī)構(gòu)呼救。基于比功率算法確定閾值1，用來對加速度信號進(jìn)行初級篩選，如果低于閾值1則終止；基于移動窗積分算法確定閾值2，用來判定是否發(fā)出求救信號。為確定閾值1的具體數(shù)值，本文提出如下算法：首先設(shè)置閾值的初始值，使其與不同工作條件下的比功率進(jìn)行仿真模擬，查看報警情況；隨后，閾值依次遞增，每次變動閾值，記錄報警情況，最終形成報警次數(shù)與對應(yīng)閾值的關(guān)系圖像，通過分析圖像來確定閾值1的數(shù)值。因?yàn)殚撝?的確定方法與閾值1類似，所以只以碰撞數(shù)據(jù)的比功率閾值分析為例，其具體流程如圖6所示。

圖6中，i為加速度以及比功率信號對應(yīng)的時間記號，p為比功率閾值的遞增單位，n為p的個數(shù)，這里將n的上限設(shè)定為10 000，q為報警次數(shù)。而在鵝卵石路面行駛或緊急制動時，希望系統(tǒng)不觸發(fā)報警，此時只需要將第1個判斷框中的“≥”改為“＜”即可，此時q為不報警次數(shù)。最后的輸出結(jié)果是以閾值大小作為橫坐標(biāo)，報警次數(shù)或不報警次數(shù)作為縱坐標(biāo)的圖像。

圖6 碰撞時比功率閾值分析流程

4.2 比功率閾值的分析及初定

根據(jù)上述流程，繪制出3種工作條件下比功率閾值與報警或不報警次數(shù)的關(guān)系曲線，如圖7所示。

在算法中，比功率閾值作為閾值1。由圖7可知：緊急制動時，當(dāng)閾值1超過550 m2/s4，則沒有信號可以通過閾值1，這并不符合閾值1的要求；在鵝卵石路面上，當(dāng)閾值超過470 m2/s4時，同樣沒有信號可以通過閾值1。因此，將閾值1初定在470～550 m2/s4間，可保證部分信號能夠通過閾值1。

由圖7c可知，比功率閾值在0～50 m2/s4范圍內(nèi)急劇下降，當(dāng)比功率超過100 m2/s4時，碰撞信號的報警次數(shù)逐漸平緩。為了盡可能多地使碰撞時產(chǎn)生的數(shù)據(jù)通過閾值1，其設(shè)定越小越符合要求。圖7a中，當(dāng)閾值超過500 m2/s4后，曲線趨于平緩，說明500 m2/s4已經(jīng)過濾掉了大部分信號，也可以在碰撞時通過更多信號，因此初定閾值1為500 m2/s4。

4.2 窗寬內(nèi)積分閾值的分析及初定

研究窗寬內(nèi)積分閾值的算法與比功率法類似，最終得到的3種工作條件下窗寬內(nèi)積分閾值與報警或不報警次數(shù)的關(guān)系曲線如圖8所示。

在算法中，窗寬內(nèi)積分閾值作為閾值2。由圖8可知：當(dāng)鵝卵石路面的閾值設(shè)定超過0.25 m/s時，系統(tǒng)不再發(fā)生誤觸發(fā)；緊急制動時的閾值超過0.35 m/s才能達(dá)到相同效果。對于緊急制動時產(chǎn)生的窗寬內(nèi)積分信號，是不希望其觸發(fā)報警的，所以閾值2必須大于0.35 m/s。

由圖8c可知，當(dāng)閾值2設(shè)定在2 m/s內(nèi)，報警次數(shù)隨著閾值的降低而急劇減少，之后報警次數(shù)減少的趨勢放緩。這說明閾值2在2 m/s的設(shè)定區(qū)間內(nèi)受到很多較小窗寬內(nèi)積分的干擾，當(dāng)閾值2超過這一界限時，能通過閾值2的信號均為非常典型的碰撞產(chǎn)生的窗寬內(nèi)積分信號，此時閾值2的設(shè)定具有較強(qiáng)的抗干擾性。為了提高移動窗積分算法的抗干擾性，可選擇較閾值2最低設(shè)定值高出2個量級的數(shù)值作為閾值2的初定方案，初設(shè)為20 m/s。此時碰撞狀態(tài)下報警次數(shù)可以達(dá)到2 000次左右，也基本符合使盡可能多的碰撞信號通過閾值2的設(shè)計需求。

5 閾值的驗(yàn)證

在2個閾值已有初定值的情況下，對其進(jìn)行驗(yàn)證分析：首先，計算3種工作條件下的加速度信號所對應(yīng)的比功率和窗寬內(nèi)積分；隨后，將其輸入兩階段閾值算法中，分別與初定的閾值1和閾值2進(jìn)行比較并記錄信號能同時通過兩個閾值的次數(shù)；最后查看通過次數(shù)。

驗(yàn)證結(jié)果顯示：汽車緊急制動工況下采集到7 200個加速度信號，汽車在鵝卵石路面行駛時，采集到了23 900個加速度信號，這2種工況下的加速度數(shù)據(jù)能同時通過2個閾值的次數(shù)都為0，說明所設(shè)定的兩個閾值達(dá)到了增強(qiáng)系統(tǒng)抗干擾性能的目的；而在碰撞情況下，采集到了11 000個加速度信號，能同時通過2個閾值的次數(shù)為1 534次，雖觸發(fā)的比例不高，但也達(dá)到了在碰撞發(fā)生時可以準(zhǔn)確觸發(fā)ACN系統(tǒng)的目的。因此，閾值1和閾值2的確定是合理的。

6 結(jié)束語

本文結(jié)合比功率法和移動窗積分法，設(shè)計了一種兩階段閾值的ACN系統(tǒng)觸發(fā)算法并確定了這2個階段的閾值，并驗(yàn)證了閾值的合理性。結(jié)果表明：將閾值1確定為500 m2/s4，閾值2設(shè)定為20 m/s，可以提高ACN系統(tǒng)的抗干擾性。

[1]Jeong E,Oh C,Lee J.Evaluation of Safety Benefits of Auto?matic Crash Information Notification Systems on Freeways[J].International Journal of Automotive Technology,2014,15(3):495-503.

[2]沈佳苗.隱患存數(shù)年6家車企卷入大陸安全氣囊故障風(fēng)波[N].法治周末,2016-02-24.

[3]李彬,羅明君,黃永,等.基于微型遺傳算法汽車安全氣囊系統(tǒng)優(yōu)化設(shè)計[J].汽車技術(shù),2017（5）：51-54.

[4]沃格勒M,瓊格M,菲希特M.用于在汽車中觸發(fā)緊急呼救的裝置和方法：德國,CN104272360A[P].2015-01-07.

[5]Plevin R E,Kaufman R,Fraade-Blanar L,et al.Evaluating the Potential Benefits of Advanced Automatic Crash Notifica?tion[J].Prehospital&Disaster Medicine,2017,32(2):156.

[6]李仲興,沈健,陸穎,等.基于比功率的車輛事故自動呼救系統(tǒng)觸發(fā)算法研究[J].科學(xué)技術(shù)與工程,2015,15（26）：84-88.

[7]殷文強(qiáng),王玉龍,徐盼盼,等.汽車安全氣囊點(diǎn)火算法綜述[J].汽車工程學(xué)報,2013,3（2）：79-87.

[8]Xiao W,Li Z,Chen W,et al.Trigger Algorithm of Vehicle Automatic Crash Notification System[J].International Journal of Automotive Technology,2016,17(2):273-280.

[9]葛如海,朱文婷,臧綾.基于改進(jìn)移動窗算法的碰撞識別控制策略的研究[J].汽車工程,2011,33（7）：590-593+622.

[10]干金鵬.汽車正面碰撞后排乘員約束系統(tǒng)建模與坐墊翻轉(zhuǎn)參數(shù)匹配[D].鎮(zhèn)江：江蘇大學(xué),2014.