用于和缓减速的移动装置的警示装置以及用于调整具有运动的移动装置的警示灵敏度的方法与流程

本公开是关于警示装置，且特别是关于用于和缓减速的移动装置的警示装置以及用于调整具有运动的移动装置的警示灵敏度的方法。

背景技术：

自从工业革命以来，人们生活的步调愈来愈紧凑，工作也愈繁忙，尤其是坐办公室不活动的工作，其常造成人们因工作时程压力而久坐不动，加上三餐饮食都大鱼大肉而营养不均衡，此更容易引起高血压、高血脂、糖尿病、肥胖等慢性病，甚至对于从不运动的人而言，癌症悄悄找上门而不自知。

骑自行车既可节能减碳，同时亦可健身，若慢慢沿着美丽风景前进，不仅有易于生理机能，亦减缓工作压力，有益于心理健康，其不失为一项绝佳的运动项目。骑自行车时，安全警示的装置相当重要，因为自行车骑士会根据这些警示装置来迅速判断前方的自行车是否煞车减速，而可马上进行煞车的动作。尤其是在夜间，若无煞车灯等警示装置，后方自行车容易追撞到前方自行车，

在现有技术中，煞车灯大多是安装在煞车装置上，煞车装置的煞车线穿过煞车灯的具有压缩弹簧的夹具，当按压煞车制动单元时，煞车线随之压缩而压缩压缩弹簧，因应此机械式的压缩力，煞车灯被点亮；当按压煞车制动单元放开后，煞车线随之伸展而使压缩弹簧恢复原形，因而煞车灯熄灭。

另一种煞车灯内建加速度传感器，且安装在自行车坐垫后方，当煞车时加速度传感器侦测到自行车的运动是正在减速，即加速度为负值时，则煞车灯将会被点亮，反之，若未侦测到自行车的运动是正在减速，即加速度为大于或等于零时，则煞车灯不会被点亮。

但当自行车在慢速行进且和缓煞车时，加速度传感器较难明显地侦测到自行车的运动是正在做减速度运动，因此期待一种用于和缓减速的移动装置的警示装置以及用于调整具有运动的移动装置的警示灵敏度的方法。

技术实现要素：

本公开提出一种用于和缓减速的移动装置的警示装置，警示装置配置于所述移动装置上，用以指示所述移动装置的运动状态，例如加速度为负的减速的运动状态。所述警示装置具有指示运动状态的灵敏度，并可因应所述移动装置所行进的地形变化(例如地面的颠簸程度)而即时动态地调整其指示运动状态的灵敏度。所述警示装置包含传感单元、数据处理单元、以及运动分析单元。所述传感单元例如为加速度计，用以侦测所述移动装置的运动状态而生成多个加速度信号，所述数据处理单元接收所述多个加速信号并将其转换为多个加速度数据。所述运动分析单元每隔一段采样区间从所述多个加速度数据中找出具有最大加速度值的加速度数据以及具有最小加速度值的加速度数据，以分别形成加速度序列sa与加速度序列sb，再将所述加速度序列sa与所述加速度序列sb使用加权平均算法，而分别生成平滑化加速度序列sc与平滑化加速度序列sd。所述运动分析单元将所述平滑化加速度序列sc中的多个加速度值一对一地减去所述平滑化加速度序列sd中的多个加速度值，以获得与路面状况相关的多个震度值。所述运动分析单元可比较各所述震度值与预定阈值来即时判断是否调整所述灵敏度，例如在所述移动装置缓慢行进于相对平滑或较不颠簸的地面时，各所述震度值小于所述预定阈值，则所述运动分析单元调整所述灵敏度，使所述多个加速信号更容易触发所述警示装置，例如所述警示装置被点亮。所述数据处理单元与所述运动分析单元可建构在处理单元上，所述处理单元依据不同的程式或不同的算法使所述数据处理单元运行加速度数据处理的功能，并使所述运动分析单元判断是否需调整所述预定阈值以及判断是否正在煞车而发送控制信号使煞车灯亮。

依据上述构想，本公开提供一种用于和缓减速的移动装置的警示装置，包含传感单元、数据处理单元、以及运动分析单元。所述传感单元包含加速度计，并侦测所述移动装置的可变加速度，以生成用于所述和缓减速的减速辨识的多个加速度数据；所述数据处理单元系由采用移动加权算法的处理器所构成，其中所述数据处理单元每隔特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；所述运动分析单元根据所述多个加权平均值差异来获得多个震度值，比对各所述震度值与第一预定阈值以生成第一结果，并根据所述第一结果来调整相关于所述减速辨识的第二预定阈值。

依据上述构想，本公开提供一种用于调整具有运动的移动装置的警示灵敏度的方法，包含下列步骤：提供移动加权算法；侦测所述运动以生成用于所述运动的运动辨识的多个加速度数据；每隔特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；以及根据所述多个加权平均值差异来获得多个震度值，比对各所述震度值与第一预定阈值以生成第一结果，并根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

依据上述构想，本公开提供一种用于调整具有运动的移动装置的警示灵敏度的方法，包含下列步骤：侦测所述运动以生成相关于所述运动的运动辨识用多个加速度数据；每隔特定采样区间，采样所述多个加速度数据以获得多个参数值；比对各所述参数值与第一预定阈值以生成第一结果；以及根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

本公开提供一种用于调整具有运动的移动装置的警示灵敏度的方法，其可依据路面颠簸状况或路面坡度来动态调整警示装置的灵敏度，使得警示装置更精准地发出警示信号，特别是在路面相对较平滑、速度较缓慢且轻缓制动煞车的情况下。

附图说明

本公开得通过下列附图的详细说明，获得更深入的了解︰

图1为在本公开各式各样实施例中运动系统的示意图。

图2为本公开与移动装置相关的加速度传感信号的加速度变化图。

图3为本公开优选实施例经不同算法处理后的加速度数据以曲线方式表示的示意图。

图4为本公开优选实施例用于调整具有运动的移动装置的警示灵敏度的方法。

图5为本公开另一优选实施例用于调整具有运动的移动装置的警示灵敏度的方法。

具体实施方式

请参阅图1、图2。图1为在本公开各式各样实施例中运动系统801的示意图。图2为与移动装置22相关的加速度a(t)的加速度传感信号s1的加速度变化图。在所述移动装置22于柏油路面上于移动参考方向22a1中以可变加速度b1行进时，所述可变加速度b1被侦测以获得所述加速度传感信号s1。

所述运动系统801包含路面21、在所述路面21上移动的所述移动装置22、及耦合于所述移动装置22的警示装置23。例如，所述移动装置22是车辆。例如，所述车辆是自行车25。所述移动装置22具有移动参考轴22a。所述警示装置23基于所述移动参考轴22a而被设置于所述移动装置22上。所述移动参考轴22a具有所述移动参考方向22a1。

在一些实施例中，所述移动装置22包含装置本体221、前轮222、后轮223、座椅224、煞车制动单元225、驱动结构226和操纵单元227。所述警示装置23、所述前轮222、所述后轮223、所述座椅224、所述煞车制动单元225、所述驱动结构226和所述操纵单元227皆耦合于所述装置本体221。所述操纵单元227被配置以控制所述前轮222和所述煞车制动单元225。例如，所述驱动结构226是踏板结构。例如，所述移动装置22包含第一后侧部分229，且所述警示装置23基于所述移动参考轴22a而设置于所述第一后侧部分229上。例如，所述装置本体221包含第二后侧部分2211，且所述警示装置23设置于所述第二后侧部分2211上。

在一些实施例中，用于以所述可变加速度b1移动的所述移动装置22的所述警示装置23包含传感单元231、耦合于所述传感单元231的处理器232、和耦合于所述处理器232的警示单元233。所述传感单元231包含加速度计2311，并侦测所述可变加速度b1以生成加速度传感信号s1。所述处理器232基于所述加速度传感信号s1来判断是否要使所述警示单元233发出警示信号q1；即做出判断结果r1，并且当所述判断结果r1为肯定时，使所述警示单元233发出所述警示信号q1。所述处理器232包含数据处理单元2321以及运动分析单元2322，并且从所述加速度传感信号s1取出多个加速度数据(即图2中的原始加速度数据(rawdata))以供后续分析。所述运动分析单元2322基于所述加速度传感信号s1来判断是否需调整所述移动装置22的警示灵敏度；即作出判断结果r2，并且当所述判断结果r1为肯定时，所述处理器232调整所述警示灵敏度。

例如，所述移动装置22做出具有所述可变加速度b1的运动m1。所述路面21是所述柏油路面，且所述运动m1是行进运动。例如，所述运动m1由所述可变加速度b1所特性化，且通过所述加速度传感信号s1来表示所述可变加速度b1。例如，所述加速度计2311被配置以具有体坐标系统、及相关于所述体坐标系统的x轴传感方向、y轴传感方向和z轴传感方向，且所述x轴传感方向被配置以相同于所述移动参考方向22a1，并被配置以指向所述移动装置22的行进方向hm1。例如，所述加速度传感信号s1被配置以表示在所述行进方向hm1的加速度，并以数据数据表示。

如图2所示，所述加速度传感信号s1充满杂讯，以致难以做出所述判断结果r1。因此，有必要改善所述加速度计2311所生成的所述加速度传感信号s1具有各种频率杂讯的先天缺失，其中不同的频率杂讯源自不同的运动环境、不同的操作或是不同的信号撷取机制。时间区间pbk代表按压煞车后到自行车25停止的区间，时间点tbk代表在时间区间pbk第二预定临界值th2改变的时间点。

一般而言，通过使用所述加速度计2311来侦测所述自行车25在行进时的减速度以启动对应的减速度警示灯号的应用概念是相对直观。然而，使用包含所述加速度计2311的所述传感单元231侦测载具或车辆的加减速度的状态要面对的最严重的问题如下所述。由于所述加速度计2311在本质上相对宽频域的动态传感特性，所述加速度计2311不可避免地会侦测到环境杂讯，特别是振动信号。然而，此等振动杂讯却会严重影响必须要明确侦测到的车辆减速度信号。在一些实施例中，通过使用低通滤波来消除此种高频率振动杂讯。例如，以硬体形式实践的低通滤波器被使用以执行所述低通滤波。例如，通过使用运算法(比如移动平均算法am1)而以软体形式来实践的低通滤波器被使用以执行所述低通滤波，在本公开优选实施例中是以软体形式来实践带通滤波器，所述数据处理单元2321类似所述带通滤波器。在另一优选实施例中，例如通过移动加权算法wa1来决定多个震度值，当各所述震度值较小的时候，代表路面较平滑较不容易触发让煞车灯发亮，所以煞车灯的警示灵敏度可适当调整，以使煞车灯较容易被触发亮灯。

然而，在较平滑或较不颠簸的路面上，即使杂讯可被过滤掉，若是所述自行车25以相对较慢的速度行驶且和缓地煞车时，自行车25的减速度信号通常是比较微弱而难以触发来启动减速度警示灯号，因此本公开提供一种移动加权算法wa1来对原始加速度数据(rawdata)采样，而计算出多个震度值，并将各所述震度值与阈值比对，以判断是否符合上述相对较慢的速度行驶且和缓地煞车的状况，而可动态地调整所述警示装置23的灵敏度，使得自行车25的减速度信号比较容易触发而来启动减速度警示灯号。

请同时参阅图1与图2，所述数据处理单元2321每隔特定采样区间td1,td2,td3,td4…tdn从所述多个加速度数据(rawdata)采样最大加速度值a1,a2,a3,a4…an以及最小加速度值b1,b2,b3,b4…bn，而分别形成加速度序列sa＝{a1,a2,a3,a4…an}以及加速度序列sb＝{b1,b2,b3,b4…bn}，并基于所述移动加权算法wa1分别对所述加速度序列sa,sb作平滑化。所述特定采样区间td1,td2,td3,td4…tdn优选为相同的采样区间，也可依照原始多个加速度数据rawdata的变化来决定采样特定采样区间td1,td2,td3,td4…tdn的宽度，例如当变化相对较剧烈时则减少宽度，而当变化相对较和缓时则增加宽度。以相等宽度为例子，例如所述数据处理单元2321对第n个最大加速度值与第n+1个最大加速度值作多个第一加权运算，并对第n个最小加速度值与第n+1个最小加速度值作多个第二加权运算，以分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，其中n为自然数。例如多个最大加速度加权平均值可计算如下：a1×25％+a2×75％＝c1，a2×25％+a3×75％＝c2，a3×25％+a4×75％＝c3,a4×25％+a5×75％＝c4…an×25％+a(n+1)×75％＝cn；例如多个最小加速度加权平均值可计算如下：b1×25％+b2×75％＝d1，b2×25％+b3×75％＝d2，b3×25％+b4×75％＝d3,b4×25％+b5×75％＝d4…bn×25％+b(n+1)×75％＝dn，而可分别形成如同图3的曲线sc,sd，其代表加权加速度序列sc＝{c1,c2,c3,c4…cn}以及加权加速度序列sd＝{d1,d2,d3,d4…dn}。从图3可知加速度序列sa,sb经由所述移动加权算法运算之后所得到的加权加速度序列sc,sd已经平滑化。与第n个最大/小加速度值所相乘的第一加权值，以及与n+1个最大/小加速度值所相乘的第二加权值，两者可弹性调整，并可依照不断尝试来得到最佳化。一般来说，第一加权值的范围在0～50％且第二加权值的范围在50～100％可得到较平滑的曲线；反之，第一加权值的范围在50～100％且第二加权值的范围在0～50％可得到较陡峭变化较剧烈的曲线。

请参阅图3，其为本公开优选实施例经不同算法处理后的加速度数据以曲线方式表示的示意图。曲线sc,sd分别代表平滑化后的加权加速度序列sc＝{c1,c2,c3,c4…cn}以及加权加速度序列sd＝{d1,d2,d3,d4…dn}。曲线se为多个加权平均值差异所形成的序列se＝sc-sd＝{c1-d1,c2-d2,c3-d3,c4-d4…cn-dn}＝{e1,e2,e3,e4…en}，其中e1,e2,e3,e4…en为多个震度值。曲线sf则是代表所述数据处理单元2321基于所述移动平均算法所形成的平均加速度序列sf。所述平均加速度序列sf可用来判断是否煞车已经启动，如下方式：请同时参阅图1至图3，所述数据处理单元2321基于所述移动平均算法am1从所述多个加速度数据选定两个不同预定采样大小的加速度数据采样，以生成多个采样平均值差异dg1，所述运动分析单元2322基于预定检核算法ae1来分析所述多个采样平均值差异以获得导出合成值va1，并比对所述导出合成值va1与预定阈值th2以生成所述结果r1。当所述结果r1为肯定时，则判定煞车已经启动。在一般的状况下可从上述的方法来判断是否煞车已经启动而发出控制信号使煞车灯亮。

但在特殊的状况下，例如所述移动装置22在相对平滑路面、或在相对较无颠簸的路面上进行所述和缓减速的状况下、或所述移动装置22以相对慢速在一般柏油路面上进行所述和缓减速的状况下，所述导出合成值va1不容易达到预定阈值th2而无法使煞车灯亮，在本公开中则透过运算各所述震度值e1,e2,e3,e4…en来调整所述预定阈值th2，而使所述导出合成值va1较容易达到预定阈值th2而使煞车灯亮。所述警示装置23更包含控制单元，例如所述控制单元为所述警示单元233，用以在所述和缓减速时生成所述警示信号q1。所述预定检核算法ae1具有计数算法或面积算法，并用以分析所述多个采样平均值差异dg1以获得所述导出合成值va1。

在图3中sf曲线代表根据所述多个采样平均值差异dg1所形成的所述导出合成值va1＝{va1,va2,va3,va4…van}，所述导出合成值va1的求法如下：提供移动平均算法am1；基于所述移动平均算法am1从所述多个加速度数据选定两个不同预定采样大小的加速度数据采样，以生成多个采样平均值差异dg1；基于预定检核算法ae1来分析所述多个采样平均值差异dg1以获得所述导出合成值va1。

请同时参阅图1至图3，在图3中加入了是否调整所述预定阈值th2的判断，例如当运动分析单元2322确认各所述震度值e1,e2,e3,e4…en大于或等于所述第一预定阈值th1时，则不调整所述第二预定阈值th2。例如当所述运动分析单元2322确认各所述震度值e1,e2,e3,e4…en小于所述第一预定阈值th1时，所述运动分析单元2322调整所述第二预定阈值th2至第三预定阈值th3，从而使所述导出合成值va1较容易达到所述第三预定阈值th3。而所述警示装置23在所述导出合成值va1达到所述第三预定阈值th3时生成所述警示信号q1。在图3中的优选实施例中，第一预定阈值约为0.099，第二预定阈值约为-0.06，第三预定阈值约为-0.039。

在图2中对原始加速度数据的采样区间单位为时间，采样周期大约为每隔数毫秒，然后即时地经由所述数据处理单元2321的数据处理与所述运动分析单元的数据分析后，其处理与分析时间大约为数毫秒或数十毫秒，依照所述警示装置23的处理效能而定，效能愈好与能即时反应而调整其灵敏度，即调整所述第二预设阈值th2。在图3中约0-12.5秒的时间区间内，虽然se曲线所代表的震度值小于第一预定阈值th1，所述第二预定阈值th2将被即时地调整到所述第三预定阈值th3，但此时sf曲线所代表的导出合成值va1并未小于所述第三预定阈值th3，所以并不会使所述警示单元233生成所述警示信号q1。在图3中约12.5-15.5秒的时间区间内，se曲线所代表的震度值大于第一预定阈值th1，因此第三预定阈值th3即时地被调回第二阈值th2，此时虽然sf曲线所代表的导出合成值va1小于第三阈值th3，但并未小于即时调整后的第二预定阈值th2，故亦不会使所述警示单元233生成所述警示信号q1。在图3中约15.5-22.5秒的时间区间内也同理可推知。

在图3中的曲线sf约在23秒附近的时间区间tp1，sf曲线所代表的导出合成值va1小于第二阈值th2，所述警示单元233短暂地生成所述警示信号q1，然后在接近25-30秒的时间区间，从时间点tbk开始，因为此时se曲线所代表的震度值小于第一预定阈值th1，所以第二预定阈值th2被调整到第三预定阈值th3且维持住，此时sf曲线所代表的导出合成值va1小于第三阈值th3，在其中的几个时间区间tp2,tp3,tp4,tp5内，所述警示单元233生成所述警示信号q1，尤其是在时间区间tp5所述警示信号q1维持较久。

在另一优选实施例中，可使用面积算法，所述运动分析单元233可计算在一段时间间隔内所累积的下面积是否达到面积阈值ath1来判断是否所述警示单元233生成所述警示信号q1。在图3中的曲线sf在约13秒时，所述导出合成值va1开始进入负值，且可看出曲线sf在约13-15,15-17,17-19,19-21,21-23秒的区间范围时有周期性的变化，且曲线sf约在加速度值为0的正负之间来回震荡，此代表曲线sf在上述同一周期内的曲线sf与通过零加速度值的水平线所围成的上下面积可几乎抵销，此种面积算法藉以判断是否所述移动装置22处于煞车状态。而从sf曲线约在26-29秒的区间范围可知，其所围成的下面积ar1未被抵消，此时面积阈值ath1亦可动态调整至面积阈值ath2，使所述运动分析单元2322较容易判定下面积ar1大于所述面积阈值ath2，而使所述警示单元233生成所述警示信号q1，也就是ath1>ar1>ath2。

在另一优选实施例中，当se曲线所代表的震度值大于第一预定阈值th1、sf曲线所代表的导出合成值va1小于第二阈值th2、且sf曲线所围成的下面积ar1大于面积阈值ath1的时候，使所述警示单元233生成所述警示信号q1。当se曲线所代表的震度值小于第一预定阈值th1时，第二阈值th2会被调整至第三阈值th3，且所述面积阈值ath1被调整至面积阈值ath2，使得ath1>ar1>ath2，此时若sf曲线所代表的导出合成值va1小于第三阈值th3、且sf曲线所围成的下面积ar1大于面积阈值ath2的时候，所述运动分析单元2322使所述警示单元233生成所述警示信号q1。

请参阅图4，其为本公开优选实施例用于调整具有运动的移动装置的警示灵敏度的方法s10，包含下列步骤。步骤s101，提供移动加权算法；步骤s102，侦测所述运动以生成用于所述运动的运动辨识的多个加速度数据；步骤s103，每隔特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；以及步骤s104，根据所述多个加权平均值差异来获得多个震度值，比对各所述震度值与第一预定阈值以生成第一结果，并根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

请参阅图5，其为本公开另一优选实施例用于调整具有运动的移动装置的警示灵敏度的方法s20，包含下列步骤。步骤s201，侦测所述运动以生成相关于所述运动的运动辨识用多个加速度数据；步骤s202，每隔特定采样区间，采样所述多个加速度数据以获得参数值；步骤s203，比对所述参数值与第一预定阈值以生成第一结果；以及步骤s204，根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

在本公开另一优选实施例中，所述第二预定阈值每经所述特定采样区间被调整一次，所述参数值为震度值。请回到图3，在另一优选实施例中，所述运动分析单元2322可根据在第一时间点的所述震度值e1位于不同的阈值区间gp1,gp2,gp3…gpn来调整第二预定阈值th2至相对应的第三预定阈值gn1,gn2,gn3…gnn，例如当移动装置22在陡坡、下坡、平面、石子路、或各种路况下行驶，所述运动分析单元2322根据所述震度值e1位于哪个阈值区间，而调整第二预定阈值th2至相对应的第三预定阈值gn1,gn2,gn3…gnn，即，根据不同的行使路面状况来调整所述警示装置23的灵敏度。

实施例

1.一种用于和缓减速的移动装置的警示装置，包含传感单元、数据处理单元、以及运动分析单元。所述传感单元包含加速度计，并侦测所述移动装置的可变加速度，以生成用于所述和缓减速的减速辨识的多个加速度数据；所述数据处理单元系由采用移动加权算法的处理器所构成，其中所述数据处理单元每隔特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；所述运动分析单元根据所述多个加权平均值差异来获得多个震度值，比对各所述震度值与第一预定阈值以生成第一结果，并根据所述第一结果来调整相关于所述减速辨识的第二预定阈值。

2.如实施例1所述的警示装置，其中所述移动装置在相对平滑路面、或在相对较无颠簸的路面上进行所述和缓减速；所述移动装置以相对慢速在一般柏油路面上进行所述和缓减速；当运动分析单元确认各所述震度值大于或等于所述第一预定阈值时，不调整所述第二预定阈值；以及所述数据处理单元类似带通滤波器。

3.如实施例1-2任一实施例所述的警示装置，其中所述移动加权算法是对第n个最大加速度值与第n+1个最大加速度值作多个第一加权运算，并对第n个最小加速度值与第n+1个最小加速度值作多个第二加权运算，以分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，其中n为自然数；以及所述数据处理单元将所述多个最大加速度加权平均值分别减去所述多个最小加速度加权平均值而得到所述多个加权平均值差异，其中所述多个加权平均值差异形成所述多个震度值。

4.如实施例1-3任一实施例所述的警示装置，其中所述数据处理单元还采用移动平均算法；所述数据处理单元基于所述移动平均算法从所述多个加速度数据选定两个不同预定采样大小的加速度数据采样，以生成多个采样平均值差异；所述运动分析单元基于预定检核算法来分析所述多个采样平均值差异以获得导出合成值，并比对所述导出合成值与所述第二预定阈值以生成第二结果，其中所述第二结果包含所述导出合成值未达到所述第二预定阈值的结果；所述警示装置更包含控制单元，所述控制单元用以在所述和缓减速时生成警示信号；当所述运动分析单元确认各所述震度值小于所述第一预定阈值时，所述运动分析单元调整所述第二预定阈值至第三预定阈值，从而使所述导出合成值较容易达到所述第三预定阈值；所述警示装置在所述导出合成值达到所述第三预定阈值时生成所述警示信号；以及所述预定检核算法具有计数算法或面积算法，并用以分析所述多个采样平均值差异以获得所述导出合成值。

5.一种用于调整具有运动的移动装置的警示灵敏度的方法，包含下列步骤：提供移动加权算法；侦测所述运动以生成用于所述运动的运动辨识的多个加速度数据；每隔特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；以及根据所述多个加权平均值差异来获得多个震度值，比对各所述震度值与第一预定阈值以生成第一结果，并根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

6.如实施例5所述的警示方法，更包含下列步骤：对第n个最大加速度值与第n+1个最大加速度值作多个第一加权运算，并对第n个最小加速度值与第n+1个最小加速度值作多个第二加权运算，以分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，其中n为自然数，且所述特定的采样区间为时间采样区间；以及将所述多个最大加速度加权平均值分别减去所述多个最小加速度加权平均值以得到所述多个加权平均值差异，其中所述多个加权平均值差异形成所述多个震度值。

7.如实施例5-6任一实施例所述的警示方法，更包含下列步骤：提供移动平均算法；基于所述移动平均算法从所述多个加速度数据选定两个不同预定采样大小的加速度数据采样，以生成多个采样平均值差异；基于预定检核算法来分析所述多个采样平均值差异以获得导出合成值；比对所述导出合成值与第二预定阈值以生成第二结果，其中所述第二结果包含所述导出合成值未达到所述第二预定阈值的结果；当各所述震度值小于所述第一预定阈值时，调整所述第二预定阈值至第三预定阈值，从而使所述导出合成值较容易达到所述第三预定阈值；以及在所述导出合成值达到所述第三预定阈值时生成警示信号。

8.一种用于调整具有运动的移动装置的警示灵敏度的方法，包含下列步骤：侦测所述运动以生成相关于所述运动的运动辨识用多个加速度数据；每隔特定采样区间，采样所述多个加速度数据以获得多个参数值；比对各所述参数值与第一预定阈值以生成第一结果；以及根据所述第一结果来调整反应所述警示灵敏度的第二预定阈值。

9.如实施例8所述的警示方法，其中所述第二预定阈值每经所述特定采样区间被调整一次；所述参数值为震度值；所述方法更包含下列步骤：提供移动平均算法；基于所述移动平均算法从所述多个加速度数据选定两个不同预定采样大小的加速度数据采样，以生成多个采样平均值差异；基于预定检核算法来分析所述多个采样平均值差异以获得所述导出合成值；比对所述导出合成值与所述第二预定阈值以生成第二结果，其中所述第二结果包含所述导出合成值未达到所述第二预定阈值的结果；当各所述震度值小于所述第一预定阈值时，调整所述第二预定阈值至第三预定阈值，从而使所述导出合成值较容易达到所述第三预定阈值；以及在所述导出合成值达到所述第三预定阈值时生成警示信号。

10.如实施例8-9任一实施例所述的警示方法，其中所述第二预定阈值每经所述特定采样区间被调整一次；所述参数值为震度值；所述方法更包含下列步骤：每隔所述特定采样区间从所述多个加速度数据采样最大加速度值以及最小加速度值，并基于所述移动加权算法来分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，以获得两者的多个加权平均值差异；对第n个最大加速度值与第n+1个最大加速度值作多个第一加权运算，并对第n个最小加速度值与第n+1个最小加速度值作多个第二加权运算，以分别形成多个最大加速度加权平均值以及多个最小加速度加权平均值，其中n为自然数；所述移动加权算法抑制所述多个最大加速度加权平均值以及所述多个最小加速度加权平均值的相对剧烈变动；以及将所述多个最大加速度加权平均值分别减去所述多个最小加速度加权平均值以得到所述多个加权平均值差异，其中所述多个加权平均值差异形成所述多个震度值。

提出于此的本公开多数变形例与其他实施例，将对于本领域技术人员理解到具有呈现于上述说明与相关附图的教导的益处。因此，吾人应理解到本公开并非受限于所公开的特定实施例，而变形例与其他实施例意图是包含在以下的权利要求的范畴之内。

符号说明

21：路面22：移动装置

221：装置本体2211：第二后侧部分

222：前轮223：后轮

224：座椅225：煞车制动单元

226：驱动结构227：操纵单元

21：路面22：移动装置

221：装置本体

229：第一后侧部分22a：移动参考轴

22a1：移动参考方向23：警示装置

231：传感单元2311：加速度计

232：处理器233：警示单元

a(t)：在时间域上的加速度25：自行车

2321：数据处理单元2322：运动分析单元

ae1：预定检核算法am1：移动平均算法

s1：加速度传感信号s2：结果信号

dg1：第一采样平均值差异va1：导出合成值

q1：警示信号wa1：移动加权算法

th1：第一预定阈值th2：第二预定阈值

th3：第三预定阈值tbk：时间点

sf：平均加速度序列tp1,tp2,tp3,tp4,tp5：时间区间

sa,sb：加速度序列sc,sd：平滑化加速度序列

se：多个加权平均值差异的序列ar1：下面积

td1,td2,td3,td4…tdn：特定采样区间ath1,ath2：面积阈值

gn1,gn2,gn3…gnn：相对应的第gp1,gp2,gp3…gpn：阈值区间三阈值

pbk：时间区间