一种汽车紧急呼救系统门槛阈值动态匹配方法与流程

本发明涉及汽车被动安全领域，尤其涉及一种汽车紧急呼救系统门槛阈值动态匹配的方法。

背景技术

随着中国汽车保有量的增加，交通事故由单一性向复杂性、严重性发展，由两车碰撞向多车碰撞方向发展。重大交通事故的发生，给人民的生命财产带来严重损失，所以，对汽车紧急呼救系统的研究十分必要。

现有的汽车紧急呼救系统，主要是将安全气囊点火信号作为触发信号源，即系统中的事故监测模块一旦检测到安全气囊发生点火，就自动触发呼救模块。但是，其可靠性受到安全气囊系统的制约，且对于那些原本未装备该系统的车辆来说，要想加装这种类型的紧急呼救系统需要对安全气囊系统更改，具有很高的技术难度和极大的安全风险。基于此，近年来国内外积极研发非安全气囊点火信号触发的紧急呼救系统。由于车身加速度信号具有采集、处理方便，车内系统改装容易的优势，因此以车身加速度信号作为触发信号源的紧急呼救系统是目前研究的热点。

以车身加速度信号作为触发信息源的紧急呼救系统，其事故检测模块中的事故检测算法通过比较加速度峰值与事先设置的阈值来判断事故是否发生以及事故的严重程度。但是，这类呼救系统一般都采用单一的阈值，而且为了提高对碰撞的敏感性，这种阈值往往设置得较低，出现误报警的概率很大。因而，新型的汽车紧急呼救系统，其阈值通常包括两个层次：一是“门槛阈值”，用来判断事故是否发生，即区分交通事故与紧急刹车、特殊路面行驶等特殊工况；二是“触发阈值”，用来决定汽车紧急呼救系统是否对外发出呼救信号，即区分轻微碰撞事故与严重事故。汽车紧急呼救系统门槛阈值的设定主要是通过路障和颠簸路面的实车试验得到，一般是以试验过程中的加速度峰值作为门槛阈值，采用的是一个静态的数值，当路面情况发生变化时，静态的门槛阈值无法有效地过滤干扰信号，也就无法有效准确地判定事故是否发生。

国际平整度指数(internationalroughnessindex，iri)是评价路面性能方面应用最广泛的指标之一。该指标以四分之一车辆模型为基础，测试车辆以80km/h的速度行驶在路面上，在行驶距离内由动态反应系统的累积竖向位移量作为iri值。iri的检测方法主要是通过建立路面高程与iri的关系来计算出iri值，测量设备多为激光式平整度仪或者是水准仪，但是这些方法需要大量的人力物力支撑，成本很高，不具备普适性。由于车身加速度信号只需要加速度传感器就可以获得，而且加速度传感器的成本也比较低，因此现有的研究主要是通过车身加速度信号的功率谱密度(powerspectrumdensity，psd)来建立车身加速度与iri的关联关系。

综上所述，目前的研究虽然已经将车身加速度psd、车速、iri进行关联，但仍未建立iri、车速与汽车紧急呼救系统中的门槛阈值的关联模型，因此，无法根据路面情况与车速实时调整门槛阈值。

技术实现要素：

针对以上问题，本发明提供了一种可根据路面情况不断调整门槛阈值的方法。该方法主要通过建立iri、车速、门槛阈值之间的关联模型，再根据已有的加速度psd、车速、iri的关联模型，实现汽车紧急呼救系统的门槛阈值可根据加速度信号和车速信号调整门槛阈值的目的，最终提高整个汽车紧急呼救系统的抗干扰性能。

本发明具体采用如下技术方案：

一种汽车紧急呼救系统门槛阈值动态匹配方法，包括如下步骤：

步骤一、采集汽车行驶过程中的加速度数据与车速数据；

步骤二、计算加速度数据的功率谱密度；

步骤三、通过预置在汽车紧急呼救系统中的加速度psd、车速与iri的关联模型，根据采集到的加速度psd与车速计算出相应的iri值，从而达到路面识别的目的；

步骤四、通过预置在汽车紧急呼救系统中的iri、车速与门槛阈值的关联模型，根据计算得到的iri值及采集到的车速计算出门槛阈值。

本发明的有益效果是：

目前的汽车紧急呼救系统很少与外界环境进行关联，本发明建立了iri值、车速、门槛阈值的关联模型，将路面与汽车紧急呼救系统联系起来，对汽车紧急呼救系统的研究具体推动意义。

目前的汽车紧急呼救系统采用的都是静态的门槛阈值，抗干扰性较差。本发明采用动态门槛阈值，从而更有效地过滤干扰信号，避免过多无效信号进入系统，导致系统的运行时间增加。同时，也尽可能地保留了对判断碰撞有用的信号，避免汽车紧急呼救系统在发生碰撞时不触发或误触发，最终提高整个汽车紧急呼救系统的运行效率和对外呼救的准确性。

附图说明

图1是本发明所述的汽车紧急呼救系统门槛阈值动态调整的流程图；

图2是建立车速、iri与门槛阈值的关联模型的流程图。

具体实施方式

下面结合附图对本发明的技术方法做进一步的详细说明：

如图1所示，本发明所述的一种汽车紧急呼救系统门槛阈值动态匹配方法，包括：

步骤一、采集汽车行驶过程中的加速度数据与车速数据：

通过加速度传感器采集汽车z向加速度数据，通过汽车的can总线获得汽车的车速数据。

步骤一中的加速度数据可通过加速度传感器获得，加速度传感器选用的型号是adi公司的adxl377，总共需要两个完全相同的加速度传感器，分别放置于车内左、右车轮的正上方。采集到的加速度信号通过a/d通道输入进汽车紧急呼救系统的终端中。步骤一中的车速数据可通过将汽车紧急呼救系统终端的can接口接入车辆内部总线获得。

步骤二、计算加速度数据的功率谱密度:根据步骤一中得到的车身加速度数据，通过预置在汽车紧急呼救系统中的计算程序计算出加速度psd。

进一步地，步骤二中计算功率谱密度的算法为：先计算信号的自相关函数，再求出自相关函数的傅里叶变换即可得到加速度的功率谱密度。具体地，利用matlab中的xcorr函数计算加速度信号的自相关函数，利用matlab中的fft函数计算出自相关函数的功率谱密度。

进一步地，在matlab中将计算加速度功率谱密度的程序编写完成之后，利用matlab的c++编译器将matlab语言转化成c语言，从而能够将其导入汽车紧急呼救系统的终端中。

步骤三、根据采集到的加速度信号与车速信号，通过预置在汽车紧急呼救系统中的加速度功率谱密度、车速与iri的关联模型计算出相应的iri值，从而达到路面识别的目的。

进一步地，步骤三中加速度功率谱密度、车速与iri的关联模型，采用目前已有的模型，该模型的具体表达式为：

iri＝0.562αxl+6.471αxr-0.1651

式中，α为速度的修正系数，且v为车速，xl为放置于汽车左前轮上方的加速度传感器测得的加速度数据的功率谱密度的积分开方值，xr为放置于汽车右前轮上方的加速度传感器测得的加速度数据的功率谱密度的积分开方值。

步骤四、通过预置在汽车紧急呼救系统中的iri、车速与门槛阈值的关联模型，根据计算得到的iri值及采集到车速计算出门槛阈值。

如图2所示，是建立iri、车速、门槛阈值的关联模型的流程图。

进一步地，iri、车速、门槛阈值三者之间的关联模型是依据汽车动力学仿真软件carsim模拟出的车速、iri、门槛阈值(加速度峰值)数据建立的，只需要在carsim软件中构建车辆运动仿真模型即可模拟出这些数据。车辆运动仿真模型由路面模型和车辆模型两部分组成，将这两个模型建立完成，即可进行仿真。

carsim中路面模型的建立需要三维路面坐标，三维路面坐标可由一维路面坐标逐步拓展得到，而一维路面坐标可由路面重构算法模拟得到。本发明选用的路面重构算法为傅里叶逆变换法，该算法虽然编程较为复杂，但是其运算效率较快，而且运算结果也比较精确。通过路面重构算法可以模拟出不同等级的路面高程数据，但这些高程数据属于一维路面高程数据。

在已有一维路面高程数据的情况下，将傅里叶逆变换中的一维变量用二维变量代替即可得到二维路面坐标。

为了将二维路面坐标拓展成carsim软件所需要的三维路面坐标，只需要将二维路面坐标所用的(x,y,z)坐标系转化为适用于carsim软件的(s,l,z)坐标系即可。当建立的路面为弯道路面时，这种坐标系的转化比较复杂，但是建立的路面是平直路面时，(x,y,z)坐标系与(s,l,z)坐标系完全相同，所以不需要转化。本发明在构建关联模型时所建立的路面就是平直路面，所以在构建三维虚拟路面时所用到的三维路面坐标就是二维路面坐标。

在得到二维路面坐标之后，需要将其导入carsim软件中的三个路面文件。第一个是道路水平线形文件，也就是一个表格，表格的第一列和第二列输入位于路面中心线处的所有坐标点的x坐标和其对应的y坐标；第二个是纵断面线形文件，表格的第一列和第二列输入位于路面中心线处的所有坐标点的x坐标和其对应的z坐标；第三个是路面不平度文件，表格的第一列输入位于路面中心线处的所有坐标点的x坐标，用路面重构算法模拟出的路面坐标的x坐标和y坐标有很多相同的部分，将y坐标相同的部分输入表格的第一行，表格的剩余部分为整个路面各个坐标点的z坐标，同时，每个坐标点的z坐标排列的位置必须与表格第一列和第一行的x坐标和y坐标对应。

进一步地，将二维路面坐标导入三个路面文件之后，carsim软件即可生成三维虚拟路面。

构建车辆运动仿真模型除了需要构建三维虚拟路面，还需要构建完整的车辆模型。在carsim中自带不同等级的车辆模型，所以可直接选用carsim软件中的车辆模型。在建立路面模型和车辆模型之后，即可进行车辆动力学仿真。

汽车行驶过程中的加速度数据可以在运行车辆运动仿真模型之后输出。iri值需要通过路面高程计算，路面高程已利用路面重构算法计算得到，也可以在运行车辆运动仿真模型之后输出，根据路面高程数据，运用1986年世界银行发布的45号文件《theinternationalroadroughnessexperimentstandardformeasurement》中规定的iri计算方法来计算所构建的三维虚拟路面对应的iri值。车速可以在仿真运行之前设置。

进一步地，求出汽车行驶过程中加速度峰值，将此峰值作为门槛阈值。将得到门槛阈值、iri值与车速导入spss软件中，将门槛阈值作为因变量，iri值和车速作为自变量，建立三者之间的回归方程，将此回归方程输入汽车紧急呼救系统终端中，作为门槛阈值、车速与iri值的关联模型。得到的关联模型为：

式中，v表示汽车车速。

式中，门槛阈值与车速和iri的关联模型之所以是一个分段函数，是因为对在a级路面(iri<2.433m/km)上进行车辆运动仿真后得到的数据进行回归，得到的回归方程的显著性较差。所以，需要单独考虑a级路面的门槛阈值。事实上，当汽车在a级路面上行驶时，将阈值设为2g已经可以过滤大部分的干扰信号，所以，选择2g作为a级路面的门槛阈值，对于其他等级的路面(iri≥2.433m/km)，门槛阈值的设定可通过回归得到的关联模型计算得到。

进一步地，将iri与加速度psd、车速之间的关联模型代入门槛阈值与iri、车速之间的关联模型中，即可根据汽车z向加速度与车速计算出对应的汽车紧急呼救系统的门槛阈值。

通过以上步骤，建立了z向加速度与汽车速度—iri—门槛阈值之间的关联关系。汽车紧急呼救系统可根据车速信号与加速度传感器测得的z向加速度数据实时调整紧急呼救系统的门槛阈值，从而达到提高系统抗干扰性能的目的。但需要注意的是，这里所说的“实时调整”并不是加速度传感器采集到一个加速度信号就调整一次门槛阈值，也就是说调整门槛阈值的频率不能与加速度传感器采集信号的频率一致，而是要远远小于加速度传感器采集信号的频率，因为当这两种频率一致时，也就是紧急呼救系统的门槛阈值变化过快，反而无法准确过滤加速度信号即无法准确区分交通事故与紧急刹车、特殊路面行驶等特殊工况。为了使得用来调整加速度峰值(门槛阈值)的加速度信号足够多，本发明规定汽车每行驶500m，自动调整门槛阈值一次。