车辆事故自动呼救系统碰撞识别方法抗干扰性研究＊

陆颖 叶恒毅 魏凯

（1.江苏大学，镇江 212013；2.金龙联合汽车工业（苏州）有限公司，苏州 215026）

1 前言

车辆事故自动呼救（Automatic Crash Notification，ACN）系统属于汽车事故后安全系统，它可以在车辆发生碰撞事故时触发紧急呼救并将发生事故的地理位置等信息发送给救援中心，从而提高救援效率[1]。目前多数ACN系统以安全气囊的点火信号作为其呼救模块的触发信号，但其可靠性受限于安全气囊的可靠性[2]。未装备ACN系统的车辆在加装这种类型的ACN系统时，由于涉及到安全气囊的更改，面临很高的技术难度和极大的安全风险，在一些国家甚至是严格禁止的[3]。除安全气囊点火信号外，以车身加速度信号作为触发信息源的ACN系统也较常见，其原理是通过某种算法来比较处理后的加速度信号与事先设置的阈值参数，从而判断碰撞事故是否发生及其严重程度，并最终决定是否对外报警。但是，这种触发报警的方式抗干扰性较差，会使救援中心作出错误判断[4]。因此，设计一套合适的方法来设置合理的阈值可以显著提高ACN系统的抗干扰性[5]。

在现有的多种ACN系统触发算法中，比功率法和移动窗积分法由于具有较强的综合性且计算简便，更适合用作ACN系统的触发算法。本文分析了比功率法和移动窗积分法的输出信号，并结合这两种算法，提出一种含有两阶段阈值的触发算法，给出确定每一阶段阈值的方法，利用两阶段阈值的算法验证了该阈值的合理性。

2 碰撞识别方法

2.1 比功率法

功率的导数即比功率。假设汽车的初速度为v0，质量为m，加速度为a(t)，Δv为速度变化量，可通过对加速度信号进行积分得到[6]。

汽车速度为：

碰撞过程中的动能为：

对其求导得到功率：

再对功率求导得到瞬时比功率：

式中，J(t)为汽车碰撞瞬时的加速度坡度；v0J(t)是很小的量，所以计算过程中可忽略不计[6]。

加速度坡度的计算公式为：

式中，a(t)为当前的加速度；a(t-Δt)为上一时间单位的加速度；Δt为2个加速度信号之间的时间间隔。

由此可得单位质量的比功率为：

由式（6）可知，单位质量比功率与加速度、速度变化量和加速度坡度都有关联。由于比功率法的综合性，这种方法是目前ACN系统触发算法的研究重点[7]。

2.2 移动窗积分法

移动窗积分法先确定窗宽w，对窗宽内的加速度进行积分，然后使窗移动以便获取每一时刻所对应的速度变化量。窗宽内加速度的积分值为[8]：

式中，t为汽车行驶的时间。

取w=50 ms，为了便于计算，可以将式（7）近似地变为时间间隔Δt与窗宽内所有加速度之和的乘积，即

式中，Δt可以根据采样频率进行调整。

移动窗积分算法是速度变化量法的变形，速度变化量法虽然具有一定的抗干扰性，但是对碰撞不敏感，而且需要配合加速度峰值来确定积分开始时刻[8]。移动窗积分算法就是对当前时刻之前的w时间段内的加速度数据进行积分，得到在这一时间段内的速度变化量，将其与阈值进行比较，如果超过阈值就发出报警。因为由移动窗积分算法得到的窗宽内积分值曲线较单纯的加速度曲线平滑很多，所以这种方法有较强的抗干扰能力。此外，移动窗积分法能够快速响应汽车碰撞过程，具有良好的灵敏度且不需要确定积分开始时刻[9]。

3 数据的采集、处理和信号分析

3.1 数据的采集和处理

根据ACN系统的触发特点，本文主要研究不同工作条件下车身的x向（车辆行进方向）加速度信号对ACN系统触发模块的干扰。为了确保研究具有代表性，本文在车速为50 km/h的条件下，分别采集汽车在鹅卵石路面（见图1）、紧急制动以及正面100%重叠刚性壁障碰撞时车身x向的加速度信号，在试验过程中，其他的外部条件均一致，以排除其他干扰因素对试验结果的影响。

图1 鹅卵石路面

在紧急制动和鹅卵石路面试验中，构成数据采集系统的装置主要有：三轴加速度传感器、NI数据采集卡、带有NI LabVIEW软件的计算机等，如图2所示。系统中传感器的供电电压为4.9～5.5 V，输入范围为-25～25g，灵敏度为80 mV/g，在试验过程中采用5 V锂电池为该传感器供电。

图2 加速度数据采集系统

碰撞条件下的试验于上海机动车检测中心进行。碰撞试验所采用的试验车排量为1.6 L，长、宽、高分别为4 520 mm、1 779 mm、1 470 mm，轴距为2 600 mm，整备质量为1 308 kg。采用的数据采集设备为DTS TDAS/G5型96通道数据采集仪，整个数据采集系统的内存为64 Mb，采样频率为10 kHz[10]。试验车碰撞过程如图3所示。

图3 车辆碰撞过程

将所得3种条件下试验车x向加速度信号与时间的对应数据导入MATLAB。在MATLAB中对加速度信号进行滤波，滤波方法选择FIR滤波。因为FIR滤波算法没有反馈回路，不存在不稳定性。此外，在幅度特性随意设置的同时，这种滤波方法可以保证精确的相位对应。紧急制动数据的滤波频率设为10 Hz，碰撞和鹅卵石路面数据的滤波频率设为1 Hz，这样可使加速度信号保持原有波动趋势的情况下排除一些干扰信号的影响。

3.2 信号分析

3.2.1 比功率信号

由式（6）可得汽车紧急制动、在鹅卵石路面行驶以及碰撞时车身x向比功率随时间变化的曲线，如图4所示。

由图4可以看出：紧急制动时比功率只在1.7～3.5 s间波动剧烈，波谷出现在第5.2 s左右，此时比功率接近1 000 m2/s4，方向为负，但从整体上看，变化趋势比较平稳；在鹅卵石路面行驶时，比功率在第22 s左右最大，比功率的绝对值在大部分时间内不超过400 m2/s4，虽然比功率波动更频繁，但波动幅度不大；碰撞时比功率在1.5～2.6 s间波动剧烈，波峰出现在第1.7 s左右，峰值较其他2组数据高得多，但大部分时刻的比功率小于107m2/s4。

综上，可以看出比功率确实具有更出色的抗干扰性，而且由于比功率法引入了速度变化量、加速度坡度等参考量，可使结果更具有实用价值。

图4 3种工作条件下比功率变化曲线

3.2.2 窗宽内积分值

根据式（8），利用移动窗积分算法计算出窗宽内的积分值，由此分别得到3种工作条件下的窗宽内积分曲线，如图5所示。

图5 3种工作条件下窗宽内积分曲线

由图5可以看出：紧急制动时，窗宽内积分的绝对值在第4.5 s左右达到最大值，接近0.33 m/s，方向为负；在鹅卵石路面行驶时，窗宽内积分的绝对值只在18.5～19.2 s间多次达到峰值，而其它大部分数据虽然波动频繁，但幅度不大；碰撞时窗宽内积分的绝对值在第2 s左右达到最大值，约为170 m/s，方向为负，相比于其他2组数据有更明显的波动幅度，是因为此时汽车处于较快的减速状态。

综上，可以看出由移动窗积分算法绘制的曲线相对比较平稳，且这种方法具有很强的灵敏度和可靠性。

4 呼救系统阈值的分析和设定

4.1 两阶段阈值算法

ACN系统的可靠性与触发算法的阈值有关，本文采用两阶段阈值算法来提高系统的可靠性，即用两个阶段的阈值来判定是否发生严重碰撞并向救援机构呼救。基于比功率算法确定阈值1，用来对加速度信号进行初级筛选，如果低于阈值1则终止；基于移动窗积分算法确定阈值2，用来判定是否发出求救信号。为确定阈值1的具体数值，本文提出如下算法：首先设置阈值的初始值，使其与不同工作条件下的比功率进行仿真模拟，查看报警情况；随后，阈值依次递增，每次变动阈值，记录报警情况，最终形成报警次数与对应阈值的关系图像，通过分析图像来确定阈值1的数值。因为阈值2的确定方法与阈值1类似，所以只以碰撞数据的比功率阈值分析为例，其具体流程如图6所示。

图6中，i为加速度以及比功率信号对应的时间记号，p为比功率阈值的递增单位，n为p的个数，这里将n的上限设定为10 000，q为报警次数。而在鹅卵石路面行驶或紧急制动时，希望系统不触发报警，此时只需要将第1个判断框中的“≥”改为“＜”即可，此时q为不报警次数。最后的输出结果是以阈值大小作为横坐标，报警次数或不报警次数作为纵坐标的图像。

图6 碰撞时比功率阈值分析流程

4.2 比功率阈值的分析及初定

根据上述流程，绘制出3种工作条件下比功率阈值与报警或不报警次数的关系曲线，如图7所示。

在算法中，比功率阈值作为阈值1。由图7可知：紧急制动时，当阈值1超过550 m2/s4，则没有信号可以通过阈值1，这并不符合阈值1的要求；在鹅卵石路面上，当阈值超过470 m2/s4时，同样没有信号可以通过阈值1。因此，将阈值1初定在470～550 m2/s4间，可保证部分信号能够通过阈值1。

由图7c可知，比功率阈值在0～50 m2/s4范围内急剧下降，当比功率超过100 m2/s4时，碰撞信号的报警次数逐渐平缓。为了尽可能多地使碰撞时产生的数据通过阈值1，其设定越小越符合要求。图7a中，当阈值超过500 m2/s4后，曲线趋于平缓，说明500 m2/s4已经过滤掉了大部分信号，也可以在碰撞时通过更多信号，因此初定阈值1为500 m2/s4。

4.2 窗宽内积分阈值的分析及初定

研究窗宽内积分阈值的算法与比功率法类似，最终得到的3种工作条件下窗宽内积分阈值与报警或不报警次数的关系曲线如图8所示。

在算法中，窗宽内积分阈值作为阈值2。由图8可知：当鹅卵石路面的阈值设定超过0.25 m/s时，系统不再发生误触发；紧急制动时的阈值超过0.35 m/s才能达到相同效果。对于紧急制动时产生的窗宽内积分信号，是不希望其触发报警的，所以阈值2必须大于0.35 m/s。

由图8c可知，当阈值2设定在2 m/s内，报警次数随着阈值的降低而急剧减少，之后报警次数减少的趋势放缓。这说明阈值2在2 m/s的设定区间内受到很多较小窗宽内积分的干扰，当阈值2超过这一界限时，能通过阈值2的信号均为非常典型的碰撞产生的窗宽内积分信号，此时阈值2的设定具有较强的抗干扰性。为了提高移动窗积分算法的抗干扰性，可选择较阈值2最低设定值高出2个量级的数值作为阈值2的初定方案，初设为20 m/s。此时碰撞状态下报警次数可以达到2 000次左右，也基本符合使尽可能多的碰撞信号通过阈值2的设计需求。

5 阈值的验证

在2个阈值已有初定值的情况下，对其进行验证分析：首先，计算3种工作条件下的加速度信号所对应的比功率和窗宽内积分；随后，将其输入两阶段阈值算法中，分别与初定的阈值1和阈值2进行比较并记录信号能同时通过两个阈值的次数；最后查看通过次数。

验证结果显示：汽车紧急制动工况下采集到7 200个加速度信号，汽车在鹅卵石路面行驶时，采集到了23 900个加速度信号，这2种工况下的加速度数据能同时通过2个阈值的次数都为0，说明所设定的两个阈值达到了增强系统抗干扰性能的目的；而在碰撞情况下，采集到了11 000个加速度信号，能同时通过2个阈值的次数为1 534次，虽触发的比例不高，但也达到了在碰撞发生时可以准确触发ACN系统的目的。因此，阈值1和阈值2的确定是合理的。

6 结束语

本文结合比功率法和移动窗积分法，设计了一种两阶段阈值的ACN系统触发算法并确定了这2个阶段的阈值，并验证了阈值的合理性。结果表明：将阈值1确定为500 m2/s4，阈值2设定为20 m/s，可以提高ACN系统的抗干扰性。

[1]Jeong E,Oh C,Lee J.Evaluation of Safety Benefits of Auto⁃matic Crash Information Notification Systems on Freeways[J].International Journal of Automotive Technology,2014,15(3):495-503.

[2]沈佳苗.隐患存数年6家车企卷入大陆安全气囊故障风波[N].法治周末,2016-02-24.

[3]李彬,罗明君,黄永,等.基于微型遗传算法汽车安全气囊系统优化设计[J].汽车技术,2017（5）：51-54.

[4]沃格勒M,琼格M,菲希特M.用于在汽车中触发紧急呼救的装置和方法：德国,CN104272360A[P].2015-01-07.

[5]Plevin R E,Kaufman R,Fraade-Blanar L,et al.Evaluating the Potential Benefits of Advanced Automatic Crash Notifica⁃tion[J].Prehospital&Disaster Medicine,2017,32(2):156.

[6]李仲兴,沈健,陆颖,等.基于比功率的车辆事故自动呼救系统触发算法研究[J].科学技术与工程,2015,15（26）：84-88.

[7]殷文强,王玉龙,徐盼盼,等.汽车安全气囊点火算法综述[J].汽车工程学报,2013,3（2）：79-87.

[8]Xiao W,Li Z,Chen W,et al.Trigger Algorithm of Vehicle Automatic Crash Notification System[J].International Journal of Automotive Technology,2016,17(2):273-280.

[9]葛如海,朱文婷,臧绫.基于改进移动窗算法的碰撞识别控制策略的研究[J].汽车工程,2011,33（7）：590-593+622.

[10]干金鹏.汽车正面碰撞后排乘员约束系统建模与坐垫翻转参数匹配[D].镇江：江苏大学,2014.