基于Android传感器的驾驶事件识别关键技术研究

摘要

毋庸置疑,智能手机已经成为人们生活中的必需品,以 Android和 iOS为主流的智能操作系统使得手机具备如同 PC桌面系统一般可扩展性,能够“随时随地”提供各种娱乐和信息资讯。从苹果公司创新性地将传感器应用到苹果 iphone4手机开始,手机的功能不再仅仅具备通话与短信功能,而是具备更强的智能“感知”能力。目前智能手机内置的传感器主要用于开发电子罗盘、体感游戏或提升用户体验的屏幕旋转等。
　　而伴随我国城市汽车数量井喷式的增长,道路交通拥堵已经严重影响着人们的日常生活,而频发的严重交通事故引发全社会对于交通安全的关注与重视。国内外对于交通事故的统计分析指出,引发交通事故的主要原因来自驾驶者,而由周围环境或车辆自身造成的比例较小。同时研究表明,当驾驶者处于监督状态时其驾驶行为往往更具安全性。
　　本文将利用Android智能手机的传感器,将智能手机的功能扩展性到驾驶识别领域中。车辆行驶过程的加速度信息能够反映当前车辆行驶的有效信息,比如正常行驶的加速减速以及转向,或者危险驾驶引发的急刹车或紧急转向等情形。智能手机具有“随时随地”“感知”的特性,因此将其以特定姿态放置在车辆内,就能够采集“宿主”车辆行驶过程中的实时加速度,从而识别当前车辆的驾驶情况。
　　目前,智能手机传感器识别驾驶事件的研究方法,主要是将加速度测试模板与已知参考模板分别计算最短距离,对应的值最小,则将这段时间的驾驶识别为对应的事件。主要应用的算法有两种:一种是广泛应用到孤立语音识别的动态时间规划算法(DTW);另一种是时间序列相似性度量的符号集近似算法(SAX)。SAX相较于 DTW算法时间复杂度低,但PAA数据分割降维过程中容易丢失时间序列的极值信息。
　　针对DTW与SAX算法的不足之处,本文在SAX算法的基础上利用扩展的符号集近似算法(Extended SAX,简称 E-SAX),对 PAA分割的每一分段数据保留其极值信息,并对字符化后的序列应用最长公共子序列(LCS)进行模式识别的匹配度计算,从而提高驾驶事件识别的准确率。除此之外,本文为消除汽车自身重力对行驶加速度测量的影响,应用加速度传感器与磁感应器的旋转矩阵,将 Android手机标准坐标系旋转至世界坐标系(WCS)进行校准。
　　通过测试实验,表明本文应用的 E-SAX算法能够有效地识别驾驶事件;最后分析可能影响实验结果的多种因素并指出今后研究的改进思路。

目录

封面

声明

中文摘要

英文摘要

1 绪论

1.1 研究背景

1.2 国内外研究现状与发展趋势

1.3 本文主要研究内容和意义

1.4 论文组织结构

2 相关硬件平台介绍

2.1 Android 操作系统

2.2 Android 传感器

2.3 本章小结

3 相关识别算法介绍

3.1 驾驶行为概述及特点

3.2 隐马尔科夫链模型 HMM

3.3 动态规划和 DTW 算法

3.4 符号集聚合近似算法 SAX

3.5 本章小结

4 加速度采集与预处理流程

4.1 加速度数据采集

4.2 加速度预处理流程

4.3 驾驶加速度特征分析

4.4 本章小结

5 基于 Extended SAX 算法的驾驶事件识别

5.1 E-SAX 算法

5.2 基于 E-SAX 算法的加速度时序符号化

5.3 车辆行驶状态识别流程图

5.4 实验测试

5.5 本章小结

6 总结与展望

6.1 论文工作总结

6.2 研究展望

参考文献

致谢

个人简历

发表的学术论文