白克强 刘满禄 姜官武

(1.西南科技大学研究生部 四川绵阳 621010；2.西南科技大学信息工程学院 四川绵阳 621010)



基于GPS导航系统的车车冲突检测算法研究

白克强1刘满禄2姜官武2

(1.西南科技大学研究生部 四川绵阳 621010；2.西南科技大学信息工程学院 四川绵阳 621010)

针对车车冲突检测，提出基于GPS导航系统的声源定位和系统检测方程，估计冲突车辆在其局部坐标系下的坐标，然后通过无线通信方式将对方车辆在其坐标系下的坐标广播给车辆驾驶人员，从而实现由被动变主动，提高检测的可靠性，防止事故的发生。

检测方法 车车冲突 GPS导航 声源定位

汽车自诞生以来，给人们日常生活带来了方便。然而，随着社会的高速发展，因汽车而造成的各种各样的问题也严重地困扰着人类社会。特别是交通事故，给成千上万的家庭带来灾难性的后果，而且经济损失也难以估计。

为了解决交通所带来的问题，欧美等发达国家已经从交通系统的改造和管理体系方面对现有的道路进行新的技术研发，尤其是对智能交通系统开展研究。智能交通系统是一个庞大而复杂的系统，其中最难控制和预测的是纵横车车碰撞系统。目前国内外对车辆冲突检测已有诸多研究。国外学者利用GPS与惯性导航系统(Inertial Navigation System, INS)的强互补性，开展了大量基于GPS/INS非线性解耦的研究[1-2]，国内主要以计算机视觉技术和模式识别技术为基础，采用图像处理智能提取交通信号灯的视频检测识别的被动方法[3-4]。文献[5]基于流行病模型的车路协同预警信息交互方法，将各种安全预警信息通过无线电信号传递给相关车辆，能有效减少各种碰撞事故的发生。但这些方法仍然受光线、环境复杂度的影响，实际应用仍存在很多缺陷。本文提出一种基于GPS导航系统的声源定位和系统检测方程对冲突车辆进行估计的方法。

1 GPS车辆数学模型描述

由于汽车动力学模型是强耦合、多自由度的非线性系统，获取它的运动状态对研究其模型非常重要，这也是最为关键和最难突破的瓶颈。在有了车载GPS以后，获取其位置、速度、加速度和航向角就变得简单和容易，这些数据可以直接检测，通过计算机计算获得。但是如何才能准确判断不同方向来车避免碰撞，让驾驶人员轻松驾驶就不是那么简单。这就需要建立动态模型，通过算法实现，最终显示在车载GPS上。

由于车辆动态模型类似于附有车辆弹簧质量的自行车模型，在建模的时候可以按照这个类似模型建模并对其研究和分析，通过差分GPS测量来对车辆的运动地面坐标进行转换，其状态方程用下式来表示：

(1)

式中，(x,y)为车辆坐标位置，vx,vy为车辆纵向和横向速度，φ为航向角；这几个矢量可以由差分GPS获得。ax为纵向加速度可由加速度计获取；ωz为偏航角速度可由陀螺仪得到，σ为转向角。

2 车车冲突检测算法

2.1 理论研究

现假设一对车辆A和B，当车辆即将进入十字路口区域时，初始位置和速度以及航向角都是已知的，均可以由式(1)计算得出，其中采样周期为T。那么车辆A的行驶位置信息如下：

0≤t≤T

(2)

由此可以得出，车辆A沿着下面的直线行驶：

y1(t)=y1(0)+(x1(t)-x1(0))tanφ1或

x1(t)=x1(0)+(y1(t)-y1(0))cotφ1

0≤t≤T

(3)

即，车辆B沿着下面的直线行驶：

y2(t)=y2(0)+(x2(t)-x2(0))tanφ2或

x2(t)=x2(0)+(y2(t)-y2(0))cotφ2

若要判断两车的碰撞情况，从二者的行驶轨迹解方程就可以得出一般的结论，但是行驶的汽车是有方向的，因此在建立模型的时候采用矢量的方法。

假设车辆为一质点，其碰撞示意图如图1所示，红色质点为碰撞时车辆的位置。

图1 车辆为质点时碰撞示意图Fig.1 Schematic diagram of vehicle collision

由图1可知，当两车发生碰撞时，有x1(t)=x2(t)=xc，y1(t)=y2(t)=yc，而(xc,yc)为碰撞时的位置坐标[6]，故有：

x1(0)+(y1(t)-y1(0))cotφ1=

x2(0)+(y2(t)-y2(0))cotφ2

y1(0)+(x1(t)-x1(0))tanφ1=

y2(0)+(x2(t)-x2(0))tanφ2

(4)

(5)

若φ1或φ2等于0°或π时，yc为C1。

若式(4)和式(5)均有解，则说明两车有潜在的冲突，否则两车不会发生碰撞。

2.2 声源定位和系统检测方程估计

通过2.1节可以看出，如果在假设的前提下，通过理论研究可以精确地计算出碰撞车辆的位置，但实际行驶的车辆在特殊环境条件下无法通过计算机视觉技术和模式识别技术智能提取图像，利用理论算法精确定位。因此，下面研究采用声源定位和系统检测方程结合对冲突车辆进行估计。由于主车辆(声源)和进行定位的副车辆(M1和M2)可以通过无线通信使声音信号同步， 因此可以把到声源的距离估计和声源所在角度的估计分步进行。 我们采用基于远场模型的 TDOA 法估计声源方向，采用声音到达时间 (Time of arrival,TOA)[5]的方法估计声源到麦克风阵列的距离，这样使得计算更加简便。

2.2.1 声源方位估计

本文采用 2 个麦克风组成的传感器阵列对声源进行定位，如图2所示。2个麦克风M1，M2表示两个相对麦克风之间的距离，α，β分别是坐标原点到声源之间的连线与X轴正向、Y轴正向之间的夹角，θ与s为声源方向与距离估计的结果。

图2 麦克风阵列构型Fig.2 Microphone array

如图2所示，麦克风M1，M2接收到的经过硬件滤波的含有噪声的单频信号x1(n)和x2(n)可以描述如下：

x1(n)=α1s(n-τ1)+v1(n)

(6)

x2(n)=α2s(n-τ2)+v2(n)

(7)

(8)

设声音到达麦克风M1，M2的时间差为τ12。将式(6)和式(7)代入式(8)可以得出：

α1α2Rs(τ-τ12)

(9)

d=cτ12

(10)

(11)

2.2.2 声源距离估计

利用固定阈值法判断出声音信号的起始位置，则可求得声音从声源到达麦克风的时间：

(12)

其中，fs为声音信号采样频率。此时，可求得声源到2个麦克风M1，M2中离声源最近的一个麦克风的距离：

s'=cts

(13)

根据声源相对于阵列的角度θ，s' 和该麦克风在阵列中的位置，可以很容易求得声源到麦克风阵列中心的距离s。

2.2.3 系统检测方程估计

假设第i个参考点c在某一时刻t的位置为(xi,yi,zi)，则车辆A到参考点c的伪测量值u为

ui=ri-l0-wui

(14)

(15)

式中ri为车辆A到参考点c的距离真值；x,y,z分别为t时刻车辆A到空间坐标系的位置真值；l0为时钟误差等效的距离误差；wui为白噪声误差。

(16)

将式(15)在位置估计值处用泰勒展开并带入(14)式，然后用式(16)与所得结果相减就可以得到车辆A到参考点c的估计值与测量值的差。

3 冲突检测仿真验证

本文采用具有通信仿真和交通仿真功能的开源NCTUns6.0网络仿真软件，基于Fedora 12操作系统，IEEE 802.11p无线通信协议。按照交叉口冲突检测方法构建了RSU(广播与中继信息)与OBU模型(广播信息并控制车辆运动)，仿真车辆为20 veh(车辆数超过40 veh时，通信时延急剧变差[4])，仿真时间设置为400 s, OBU与RSU每秒广播1次信息。图3表示实物场景图，将仿真生成的定位误差噪声加入到定位结果中，选取典型场景，在不同定位误差下进行仿真，图4与图5给出了冲突数量和交通量的仿真验证误差直观图。从图4中可以看出随着冲突数量的升高，误差在增大。图5中，随着交通量达到饱和后，误差逐渐减少慢慢趋于稳定。如果从正态分布看，符合实际交通规律。

图3 典型场景示意图Fig.3 Schematic diagram of a typical scenario

图4 车辆冲突数量Fig.4 The number of vehicles in conflict

图5 车辆交通量Fig.5 The number of vehicles in traffic

4 结束语

本文在文献[7-11]的基础上，从GPS导航系统的思想出发，结合车辆运动学模型，利用差分GPS定位和航向角测量建立动态数学模型，从理论研究分析到声源定位和系统检测方程估计结合算法描述，给出了特殊环境下基于信息交互的两车碰撞判断和计算方法，若将车车防碰撞模块化，最终集成或者移植到车载GPS上，将为道路交通事故的减少提供更好的手段，具有很好的实际应用价值。

[1] CUI You-jing, GE S S.Autonomous vehicle positioning with GPS in urban canyon environments [J]. IEEE Transactionson Robotics and Automation, 2003，19(1):15-25.

[2] SHI E. An improved real-time adaptive Kalman filter for lowcost integrated GPS/INS navigation[C]//MIC. 2012 Intetnational Conference on Measurement, Information and Control.Beijing: MIC, 2012. 1093-1098.

[3] 岳晓奎，袁建平. 滤波算法及其在GPS/SINS组合导航系统中的应用[J]航空学报，2001,22(4):366-368.

[4] 黄罗毅，吴志周，杨晓光,等.基于仿真的IEEE 802.11p在车路协同中的适应性研究[J].交通信息与安全,2011,29(3):123-126.

[5] 王云鹏，易振国，夏海英,等.基于流行病模型的车路协同预警信息交互力法[J].北京航空航天大学学报，2011,37(5):515-518.

[6] 谢建平.基于多车协作感知的主动安全技术研究[D]. 上海交通大学硕士学位论文，2009.

[7] FRAMPTON K D. Acoustic self-localization in distributed sen-sor network. IEEE Sensors Journal, 2006, 6(1): 166-172.

[8] 田晶晶，李世武.基于车路协同的动态车辆安全状态评价模型[J].哈尔滨工业大学学报，2012，44(4)：131-135.

[9] 姚佼，杨晓光.基于车载数据的交叉口车辆行为辨识[J].公路交通科技，2012，29(6)：127-132.

[10] 王祺，胡坚明.一种基于车间通信的交通信息采集方法[J].吉林大学学报:工学版，2009，39(S2)：7-12.

[11] 李鹏凯，杨晓光.车路协同环境下信号交叉口车速引导建模与仿真[J]. 交通信息与安全，2012，30(3)：136-140.

Truck Collision Detection Algorithm Research Based on GPS Navigation System

BAI Ke-Qiang1, LIU Man-Lu2, JIANG Guan-Wu2

(1.GraduateDepartmentOffice,SouthwestUniversityofScienceandTechnology,Mianyang621010,Sichuan,China; 2.InformationEngineeringCollege,SouthwestUniversityofScienceandTechnology,Mianyang621010,Sichuan,China)

The traditional road traffic detection methods are mainly based on computer vision and pattern recognition techniques, the use of smart passive approach to extract images will encounter a lot of deficiencies in some special circumstances. Based the GPS navigation system’s sound source localization and system detection equation algorithms, this paper proposes an innovative method of identifying the coordinates of the vehicles in conflict, which will then be communicated by wireless network to the drivers accordingly, so as to enhance the reliability of vehicle detection and prevent accidents.

Detection methods; Vehicle conflict; GPS navigation; Sound source localization

2014-09-05

四川省教育厅项目(14ZB0120)。

白克强(1979—)，男，博士研究生，讲师，研究方向为机器人、现代检测和数学建模。 E-mail：baisir2009@126.com

P228.4

A

1671-8755(2015)01-0071-04