一种应用智能手机的机动车行驶状态判定方法与流程

本发明涉及一种判定方法，具体是一种应用智能手机的机动车行驶状态判定方法。

背景技术：

目前金融保险领域有一种新型的业务模式，即基于使用及驾驶行为的车险(Usage-Based Insurance，简称UBI)。基于智能手机内置的G-sensor、GPS模块的UBI方案是最轻量级、最易于商业推广运营的UBI方案。

目前一种类似的方法是通过综合使用智能手机中的G-sensor、磁力计来判断急加减速事件、急转弯事件。这种方法要求进行复杂的数学计算，效率不高且占用过多内存。当智能手机没有固定在机动车上，由于使用手机产生的干扰信号影响事件判断的准确性。磁力计产生的原始基础数据往往易受其他因素干扰，这将降低该方法的有效性。

目前另一种方法是通过智能手机内置的算法直接读取线性加速度，即去掉重力加速度影响后的加速度。该方法的缺点在于某些品牌的智能手机并没有提供内置算法直接获取线性加速度，且该种方法在某些情况下给出的结果并不准确。

技术实现要素：

本发明的目的在于提供一种应用智能手机的机动车行驶状态判定方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种应用智能手机的机动车行驶状态判定方法，通过G-sensor读取手机坐标系下三个方向的加速度值，并综合考虑通过GPS模块读取的速度信息，判定机动车是否处于不平稳的加速过程、不平稳的减速过程及风险性极大的急转弯过程。

作为本发明再进一步的方案：判定机动车是否处于不平稳的加速过程、不平稳的减速过程及风险性极大的急转弯过程的方法如下：首先通过一个滑动时间窗口寻找平稳行驶的时间区间：根据速度的变化程度判断区间内速度是否平稳，如果平稳再根据滤波后的加速度判断加速度是否平稳，两者都满足平稳条件后就找到了平稳行驶的区间，然后再对该区 间之后的Δt′时间内的数据进行计算：首先将加速度数据中的重力因素去掉获得手机本身的加速度，然后对加速度数据进行判断是否出现急加速，急减速或者急转弯事件采样点，如果出现则利用该类采样点进一步判断是否出现急加减速事件、急转弯事件。

与现有技术相比，本发明的有益效果是：本发明对GPS和G-sensor数据进行融合，得到更精确的加速度和速度值，降低了传感器数据带来的误差。本发明不要求将智能手机固定在机动车上，但能区分出加速度数据波动是由用户使用手机带来，还是驾驶风险性行为所造成，在用户使用手机时也能进行分析，提高了客户体验。本发明提出的数据分析方法和驾驶行为判断模型提高了风险性行为识别的准确率。

附图说明

图1为应用智能手机的机动车行驶状态判定方法中手机坐标系示意图；

图2为应用智能手机的机动车行驶状态判定方法中数据采样流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～2，本发明实施例中，一种应用智能手机的机动车行驶状态判定方法，通过G-sensor读取手机坐标系下三个方向的加速度值，并综合考虑通过GPS模块读取的速度信息，判定机动车是否处于不平稳的加速过程、不平稳的减速过程及风险性极大的急转弯过程。判定机动车是否处于不平稳的加速过程、不平稳的减速过程及风险性极大的急转弯过程的方法如下：首先通过一个滑动时间窗口寻找平稳行驶的时间区间：根据速度的变化程度判断区间内速度是否平稳，如果平稳再根据滤波后的加速度判断加速度是否平稳，两者都满足平稳条件后就找到了平稳行驶的区间，然后再对该区间之后的Δt′时间内的数据进行计算：首先将加速度数据中的重力因素去掉获得手机本身的加速度，然后对加速度数据进行判断是否出现急加速，急减速或者急转弯事件采样点，如果出现则利用该类采样 点进一步判断是否出现急加减速事件、急转弯事件。

本发明通过智能手机内置的G-sensor、GPS模块，利用卫星定位技术及APP开发技术，采集手机坐标系下三个方向的加速度、速度及该等数据的采样时间，并按照如下流程设计算法。

(一)数据采样方法

1.1基于APP开发环境，配置G-sensor加速度采样时间间隔；

1.2基于APP开发环境，配置GPS模块精度、采样频率；

1.3将加速度数据与GPS返回的速度数据融合，(x_i,y_i,z_i,Speed_i,Time_i)，其中：

数据采样流程图见图2。

(二)确定用于判定机动车是否处于平稳行驶状态的时间间隔Δt

当通过智能手机判定机动车行程已经开启后计时，记时间间隔Δt内的数据为 每次进入该步，丢掉上一次数据集中的第一个采样点，并更新Δt时间区间内的数据；

(三)机动车平稳行驶状态判断

3.1速度平稳性判断

速度平稳性条件为：

且

其中MaxThreshold和MinThreshold为可配置参数。当速度平稳性条件不满足时，返回至(一)1.3；当速度平稳性条满足时，执行(三)3.2及接下来的操作。

3.2加速度平稳性判断

智能手机传感器即便在处于静止状态时，也会产生高频振荡的加速度信号，为此采用低通滤波法进行处理，记处理之后的数据为具体见下式：

其中，(x₁,y₁,z₁)为Δt时间间隔内的第1个观测值，B为可配置参数，用来控制过滤程度。

加速度平稳性条件为：

且

且

且

其中MaxX,MinX,MaxY,MinY,MaxZ,MinZ为可配置参数。当加速度平稳性条件不满足时，返回(一)1.3；当加速度平稳性条件满足时，执行接下来的操作。

(四)重力校准

当寻找到机动车处于平稳行驶的时间区间后，本发明获取的原始加速度信息是包含重力加速度影响的，为了判断汽车行驶方向的加速度大小，需要将重力加速度的影响去掉。

记去掉重力加速度影响的加速度为见下式

其中，

(五)校准向量

5.1Δt′时间区间内加速度值是否足够大

定义矢量AvgData_N用来近似代表汽车速度方向。考虑Δt时间间隔之后Δt′时间区间内可能发生的急加减速事件采样点。如果Δt′时间区间内采样点加速度值均过小，则说明该区间内不存在急加减速事件；只有当Δt′时间区间内采样点加速度值超过阈值calibrationAccMagnitudeThresh，且其速度变化超过calibrationSpeedVariation时才进一步判断是否为可能的急加减速事件，如在Δt′时间区间内没有找到符合条件的采样点，则更新Δt时间区间内的采样点，重复本文前述过程。也就是说，算法的策略是当汽车开始表现出急加减速迹象时才处理，否则不处理。

其中的定义见下文，称CalibrationVector_N为校准向量。

表示用来判断是否为急加减速事件采样点相比平稳时间区间Δt初始速度变化的绝对值，N⁺表示Δt′时间区间内的采样点。

(六)急加减速事件、急转弯事件判断规则

6.1基本定义

先定义加速度值表达式(7)，表示汽车产生的加速度值的大小。

其中

表示Δt′时间区间内的采样点，该采样点经过低通滤波处理并进行了重力校准。

在计算出汽车行驶方向校准向量后，需要对Δt′时间区间的采样点，分别采用低通滤波法、递推平均滤波法过滤掉高频干扰及重力干扰，并计算该向量表示汽车Δt′时间区间内的加速度向量，即：

寻找满足条件(8)式的N⁺，找到时记录其位置，并记录其时间

(8)式中的CalibrationAccForce为可配置参数，需要根据中国不同地区的道路交通环境及人文环境确定其值。

6.2α角度

符合条件(8)式的加速度方向与汽车行驶方向的夹角记为则有：

其中||||表示向量模运算，·表示向量点积。汽车速度方向与加速度方向的夹角在判断汽车姿态和手机状态方面发挥着以下重要作用：

●接近90°，表明汽车可能在急转弯；

●手机瞬间沿着垂直汽车行驶方向移动也会导致接近90°；

●如果车主拿起手机接听电话，但不慎导致手机掉落，此时也会接近90°；

●正常情况下，由于各种扰动，将在一定范围内波动。

6.3判断规则

根据前文的分析，并结合数据分析结果，确定下述急加减速事件判断规则：

(1)如果则判定为急加速事件，且将 输出；

(2)如果则判定为急减速事件，且将 输出；

(3)如果则判定为急减速事件，且将 输出；

(4)则判定为急加速事件，且将 输出。

假设符合上述(1)-(4)条件的有另外一个约束性条件为：

即任何急加减速事件的时间差必须大于TimeThreshold。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权 利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。