一種基于汽車姿態及軌跡的道路運行風險辨識研究方法

栗權鐘　周宇航　王贏正　于濤槊　馮美軒

摘 要：道路是城市交通的載體，但在其使用過程中不可避免地會出現坑洼、凸起、障礙物等路面損壞，且不能被相關部門及時發現、處理。嚴重影響運輸效率和出行安全。在對國內外研究現狀進行綜合分析和評價后。本項目考慮利用車載三軸加速度傳感器對路面坑洼和凸起進行檢測，通過開展實車實驗收集車輛行駛的三軸加速度信號、速度信號和GPS信號，并開發異常路面的檢測算法，該算法對坑洼和凸起的檢測率達到80%以上，誤報率10%以下，取得了較好的效果。同時本項目創新性考慮到部分司機面對障礙物會繞行，因此可利用汽車繞行參數檢測路面障礙物。繞行時車輛主要出現的異常參數為四輪轉彎半徑的變化。項目組采用駕駛模擬器，收集數據，采用神經網絡算法進行檢測。通過四輪轉彎半徑，得到障礙物長度和寬度。該算法對障礙物尺寸的預測誤差低于0.1m。通過車載采集終端獲取到上述異常路面數據后，結合高精度GPS裝置將這這些異常的位置信息通過車聯網服務平臺實時上傳到交通管理部門的后臺，使他們及時修補異常路面，提高運輸效率。并可以在電子地圖上標注這些異常點，為居民選擇出行路線提供參考，避開這些損壞路面，提高出行安全。

關鍵詞：路面質量檢測 加速度傳感器 轉彎半徑 神經網絡 車聯網

1 引言

道路是城市交通的載體，但在其使用過程中不可避免地會出現裂縫、坑槽、沉陷、表面破損等路面病害，這些道路損壞問題不僅會對交通正常運行帶來不便，同時還會對車輛本身造成諸多影響，如：懸架的壓力會陡然增大導致懸架損傷；車窗的負荷增大，導致車窗的升降系統損壞；輪胎鼓包開裂、輪輞變形，底盤磕碰等。

隨著經濟的發展和汽車保有量逐年提升，據統計，在中國每年大約有七萬人死于交通事故，這使得中國道路成為了世界上最危險的道路之一。當然這是多種因素造成的結果，其中因路面異常造成的交通安全事故是道路安全問題中不容忽視的一環。

盡管道路管理部門會定時對路面破壞或者障礙物進行修補與清理，但是由于相關消息不能及時的匯報，路面上仍然會存在坑洼以及障礙物尚未處理的問題。

因此通過采集不同車輛的運行姿態（顛簸等），或者車輛對某地的繞行軌跡的方法，實時上報給道路管理部門及時采取行動，就可以減少駕駛員以及其他道路通勤者的安全隱患，同時也有利于道路交通的秩序維護和流暢通行。

2 國內外研究現狀

當前國內外路面檢測的方法多是圍繞地物檢測展開的，其方法主要分為三個方面：

2.1 基于專業設備的路面異常變化檢測方法

這類方法使用激光掃描儀，探地雷達等專業設備采集路面信息，并分析所采集數據的變化情況以識別路面異常變化。Wang 等人通過采集路面三維數據，模擬平整狀況下路面的等高線，計算實測數據和模擬等高線的差值，設置路面異常變化的深度閾值，將大于深度閩值的區域判定為路面異常變化。

2.2 基于圖像處理的路面異常變化檢測方法

基于圖像處理的方法主要使用相機采集路面圖片或者視頻，分析路面異常變化。Christan 等人錄制道路視頻，使用實時算法提取出現問題的路面幀，利用缺陷識別算法識別出這些地物的類型，通過使用缺陷屬性算法判定路面異常對路面平整性的影響程度。

2.3 基于移動傳感器的異常變化檢測方法

這類方法主要是使用搭載多傳感器的手機或者單片機為載體，采集路面信息井檢測路面路面異常變化情況，該方法可細分為基于單片機系統的移動傳感器自動檢測方法和基于智能手機的的自動檢測方法。基于移動傳感器的異常變化檢測方法使用移動傳感器或者搭載了移動傳感器的設備作為信息收集的載體，進步減少了人的工作，甚至可以全自動采集數據然后終端對數據進行分析。

綜上，使用專業設備對路面進行檢測，得到的結果具有較高的精準度，然而由于需要專業設備和專業人員，數據采集成本高且檢測效率較低；基于圖像的方法獲在路面地物檢測方面可以達到較好的效果，并且數據獲取較便捷，數據覆蓋范圍廣，但是采集的圖像易受到光照和天氣的影響，存在一定局限性；基于移動傳感器的自動檢測方法具有全天候檢測的優點，數據更易獲取且來源廣泛且檢測結果準確率較高。

3 設計原理

3.1 數據采集終端

3.1.1 車輛碾壓坑洼或凸起條件下識別

通過在特定道路開展實車實驗，收集三軸加速度傳感器，速度傳感器和GPS裝置獲取數據，而后利用卡爾曼濾波對數據進行預處理，之后利用算法輸入三軸加速度、速度信號，將坑洼與猛關車門、緊急制動、高速行駛時小石頭引起的加速度沖擊、減速帶，公路連接帶等情況區分開，最后只保留坑洼引起的異常加速度，并結合GPS確定位置。

最后保留的這些點即為濾波模型檢測的坑洼，共12個。導出它們的橫坐標如下：242、412、476、534、566、832、980、1027、1056、1192、1213、1303。

與原始數據點的GPS位置、通過時間對比后，駛過的13處坑洼共檢測到11處，誤報為坑洼的1處，為下水道井蓋。

通過實驗，該系統坑洼檢測率達到84.62%，誤報率為8.33%，取得了較好效果。對于將下水道井蓋誤報為異常路面這個問題，通過加速度傳感器將其與坑洼區分開是極其困難的，比較好的解決方法是通過交通管理部門獲取這些井蓋的分布位置，在后臺建立黑名單，自動刪除這些點。

3.1.2 車輛繞行障礙物條件下識別

繞行時車輛主要出現的異常參數為四輪轉彎半徑的變化。項目組采用駕駛模擬器，收集數據，采用神經網絡算法進行檢測。通過四輪轉彎半徑，得到障礙物長度和寬度。

該算法對障礙物尺寸的預測誤差低于0.1m，取得了較好的結果。

采用駕駛模擬器對實際情況進行仿真：在道路上設置多個不同大小的障礙物讓不同的駕駛人對同一障礙物進行多次繞行操作，提取與繞行關聯數據：車速、方向盤轉角和左右前輪的轉速。

在分析數據時，我們發現汽車的繞行軌跡與障礙物的尺寸有關，因此我們提煉出一下兩個特點：

①繞行軌跡橢圓的軸比與所繞過障礙物的長寬比相同；

②車輛繞行時四輪的轉彎半徑均不同。

特點1分析：

橢圓長軸=車輛橫向位移，橢圓短軸=車輛縱向位移，軸比（AR）=橫向位移/縱向位移=障礙物長度/障礙物寬度。設質心速度為v，橫擺角為θ，則可得到：

橫向位移=，

縱向位移=，

則：。

特點2分析：

兩前輪所走過的距離分別為：Si=Ri*θ，Si=Ri*θ

R是汽車后輪的轉彎半徑，B是左右車輪的間距，L是汽車的軸距，可得：

k為左右前車輪所走過的距離之比，則：

通過變換可提取后輪轉彎半徑：

綜上四輪轉彎半徑為：

轉彎半徑之間的比值為：

選定樣本數據集

設方向盤轉角為φi，m為最小變化角度，如果：

則記為繞行數據開始，當：

則記為繞行數據截至。

分離繞行樣本

排除正常轉彎干擾：設方向盤轉角為φi? n為閾值，如果：

所獲的樣本數據段為汽車繞行障礙物時的數據段。

采用神經網絡預測障礙物尺寸

BP神經網絡采用類似于“黑箱”的方法，通過學習和記憶，找出輸入、輸出變量之間的非線性關系，最終得出合理的答案與結果。傳統BP神經網絡網絡收斂速度慢，且容易陷入局部最優解。

我們采用鯨魚優化算法優化BP神經網絡，鯨魚優化算法是2016年由澳大利亞格里菲斯大學的學者提出的一種新型群體智能優化算法。但傳統的鯨魚優化算法數據計算速度較慢，且計算結果容易是局部最優解。因此，我們做了進一步改進：

采用Cubic混沌映射序列初始化位置向量，公式如下：

從而更好模擬座頭鯨隨機分布的狀態。

采用適應進化權重調整，公式如下：

從而使鯨魚具有較高的探尋能力。

改進鯨魚優化算法可以優化神經網絡的權值和閾值，進而對神經網絡的整體結構進行優化，使其更符合此應用場景，有助于構建轉彎半徑之比與障礙物尺寸的非線性關系，進而取得更精準的預測結果。

我們采用的神經網絡為6輸入1輸出結構，輸入為轉彎半徑之間的比值為：

輸出為障礙物長度，則障礙物寬度y=AR*x。

從結果中可以看到CIWOA優化的BP神經網絡尺寸預測誤差更小，尺寸預測更準確。

3.2 數據傳輸模型

該系統共包括車輛采集終端，GPS衛星，移動公共網，網關，后臺服務器5部分。通過車載采集終端獲取到上述異常路面數據后，結合高精度GPS裝置將這這些異常的位置信息通過車聯網服務平臺實時上傳到交通管理部門的后臺，使他們及時修補異常路面，提高運輸效率。并可以在電子地圖上標注這些異常點，為居民選擇出行路線提供參考，避開這些損壞路面，提高出行安全。

4 結語

隨著網聯環境的不斷優化和5G、電子地圖技術、智能交通系統的不斷發展以及人們對城市道路表面質量的關注，對損壞路面的及時發現和維修將極大提高市民出行方便和運輸效率，具有重要研究意義。

本系統通過車載加速度傳感器和GPS結合，及時檢測路面凸起和坑洼。并創新提出利用車輛異常繞行參數，實現對路面障礙物的檢測。未來可通過安裝在出租車等車輛上構成基于分布式移動傳感器的監測網絡，應用前景光明。

參考文獻：

[1]謝淑琦，王學成，周世英.汽車保險業務發展的影響因素一基于計量回歸模型[J]中國市場，2021（14）：56-57+66.

[2]王浩翔.融合軌跡與手機多傳感器的路面異常變化檢測方法研究，2021.

[3]晏華文.基于藍牙的車輪力數據傳輸系統設計，2013.

[4]張志遠.激光路面平整度檢測系統研究.太原理工大學，2013.

[5]徐慶江.基于車載傳感器的路面質量監測系統的設計和實現，2012.

[6]HustonDR，PelczarskiNV，EsserB，et al Damage detection in roadways with ground penetrating radar[Cy/8th International Conference on Ground PenetratingRadarISI] [s.n]，2000：91-94.

[7]張子茹.基于車載PQCR-PSL傳感器的路面損壞監測系統，2019.