2.3.1 導(dǎo)航信息獲取

　　慣性導(dǎo)航工作原理簡述^[14]：參照圖2導(dǎo)航坐標(biāo)系和載體坐標(biāo)系，兩坐標(biāo)系的空間關(guān)系如下(其中為轉(zhuǎn)換矩陣)：

　　通過對加速度積分，離散化連續(xù)時域下的速度公式，得到汽車在導(dǎo)航坐標(biāo)系下的速度。同理，對速度積分，得到汽車的位移信息。

2.3.2 基于卡爾曼濾波組合導(dǎo)航

　　卡爾曼濾波是一種最優(yōu)遞推最小方差估計技術(shù)，對僅與部分狀態(tài)有關(guān)的測量值處理，得到估計誤差最小的更多狀態(tài)估計值。離散卡爾曼濾波方程為：

3 數(shù)據(jù)無線傳輸

　　以PC機作為服務(wù)器，借用移動公司的GPRS網(wǎng)絡(luò)作為無線數(shù)據(jù)傳輸平臺，將數(shù)據(jù)發(fā)送至服務(wù)器以存儲備用^[16]。GPRS網(wǎng)絡(luò)是在GSM網(wǎng)絡(luò)的基礎(chǔ)上發(fā)展起來的一種無線分組服務(wù)技術(shù)，具有接入范圍廣、高速傳輸、快捷登錄、永遠在線、按流量計費的特點，可以實現(xiàn)系統(tǒng)的高速、實時、靈活的要求^[17-18]。工作過程如下：

　　微控制器通過指令控制GPRS模塊，將傳感器直接輸出的加速度、角速度數(shù)據(jù)，以及通過軟件的姿態(tài)解算算法得到的姿態(tài)角度、速度(合速度)、位移(合位移)以5HZ的頻率使用GPRS網(wǎng)絡(luò)發(fā)送至internet的指定IP地址服務(wù)器上，服務(wù)器通過編程接收車載終端傳過來的數(shù)據(jù)報文，按照指定的TCP/IP協(xié)議和數(shù)據(jù)格式進行報文解析，將數(shù)據(jù)存入服務(wù)器。

4 功能測試

　　受條件限制，僅對7個參數(shù)進行試驗評測。方法如下：1)實驗室條件下，利用水平儀和重垂線將電路板放置水平位置，然后讓其垂直下落至墊子上測a_z; 2)讓車以固定半徑10m固定速度20km/h、30km/h、40km/h行駛，測角速度;3)讓車分別以20km/h、40km/h、60km/h的固定速度行駛在一段水平路況測速度，并且在過程中記錄位移;4)以三組姿態(tài)角行駛測姿態(tài)角。其中加速度單位為m/s²，角速度單位為rad/s，姿態(tài)角單位為°，速度單位為km/h，位移單位為km，平均值是測量10次的均值，評測結(jié)果如表1。

　　如表1所示，姿態(tài)角、加速度和角速度準(zhǔn)確率很高，受累積積分影響嚴重的速度位移準(zhǔn)確率相對偏低，總體來看，該系統(tǒng)采集的數(shù)據(jù)準(zhǔn)確率偏高，符合評判駕駛員駕駛行為的設(shè)計要求。

　　為了更好地驗證系統(tǒng)，形象地反映駕駛員駕駛狀況，選取一條有水平路段、轉(zhuǎn)彎路段和上坡路段的線路，駕駛汽車不停地變換檔位在該線路上行駛，并進行數(shù)據(jù)采集，鑒于數(shù)據(jù)量大，無法把整個過程數(shù)據(jù)呈現(xiàn)，故截取有代表性的數(shù)據(jù)，說明駕駛?cè)笋{駛車輛情況。結(jié)果如圖3~圖6，其中姿態(tài)角以三維圖給出，加速度、角速度、位移、速度以時間為橫坐標(biāo)給出二維圖。

　　描述車輛狀態(tài)的直接參數(shù)有速度、加速度，包括翻滾角、俯仰角及導(dǎo)航角的姿態(tài)角度，間接參數(shù)就是定位。速度、加速度參數(shù)會反映駕駛?cè)笋{駛車輛是否平穩(wěn)，是否有不良駕車陋習(xí)，位移軌跡可以看出駕駛?cè)耸欠裉幱诰岂{、打瞌睡，或是開車不專心的狀態(tài)，姿態(tài)角度可以看出車輛是處于下坡路段，還是上坡路段，是否擇優(yōu)選擇道路行駛。從上面數(shù)據(jù)分析駕駛員駕駛車輛運行情況如下：俯仰角θ最大達45°78′，翻滾角γ變化很小，偏航角Ψ變化幅度大且頻繁，表明車輛姿態(tài)平穩(wěn)，有上坡路段或是有路況不好顛簸現(xiàn)象，結(jié)合加速度和速度數(shù)據(jù)知，司機先后都是勻速行駛，中間有加減速變化，幅度適中，但變速加減速頻繁，位移軌跡的平滑說明司機行車穩(wěn)重，處于良好的駕駛狀態(tài)。

5 總結(jié)展望

　　通過功能檢測，含GPS定位的汽車姿態(tài)大數(shù)據(jù)采集系統(tǒng)以最低92.3%的準(zhǔn)確度實現(xiàn)了數(shù)據(jù)的采集功能，結(jié)合組合導(dǎo)航信息排除路況原因，更能反映駕駛?cè)说臓顟B(tài)，可以作為評判駕駛?cè)诵袨槭欠穹弦蟮囊罁?jù)，完全可以為公交公司、出租車公司，以及一些運營車輛的公司的安全控制策略研究提供數(shù)據(jù)依據(jù)。此外，本系統(tǒng)可以作為遠程監(jiān)控平臺的基礎(chǔ)，加入基于GPRS的通信技術(shù)，實現(xiàn)對司機駕駛狀態(tài)的實時監(jiān)控，并可以進行緊急情況的遠程控制及處理，具有實際的應(yīng)用價值。

參考文獻：

　　[1]Ranney,T.et al.NATSA Driver Distraction Research:Past,Present and Future.Driver Distraction Internet Forum,2000.

　　[2]吳巖.基于握力特征量的駕駛員異常行為檢測系統(tǒng)的研究[D].吉林大學(xué),2010:1-44.

　　[3]吳超.基于駕駛行為特征的疲勞駕駛檢測方法的實現(xiàn)[D].武漢理工大學(xué),2013:5-6.

　　[4]張楠,黃康.人眼識別技術(shù)在駕駛行為檢測中的應(yīng)用[J].測控自動化,2007.8(1):254-258.

　　[5]童兵亮.基于嘴部狀態(tài)的疲勞駕駛和精神分散狀態(tài)檢測方法研究[D].吉林大學(xué),2004：33-83.

　　[6]王丹.基于機器視覺的駕駛員打電話行為檢測[D].北京理工大學(xué),2015:10-62.

　　[7]黃巖.汽車檢測技術(shù)的發(fā)展趨勢[J].汽車維修與保養(yǎng),2004(04):42-44.

　　[8]孫金秋，游有鵬，傅忠云.基于共軛梯度法和互補濾波相結(jié)合的姿態(tài)解算算法[J].傳感器技術(shù)學(xué)報,2014,27(4):524-528.

　　[9]孫榮輝,賈宏光,陳濤.基于四元數(shù)法的捷聯(lián)式慣性導(dǎo)航系統(tǒng)的姿態(tài)解算[J].光學(xué)精密工程，2008,16(10):1962-1970.

　　[10]姜建飛.基于STM32的捷聯(lián)慣性測量系統(tǒng)設(shè)計[D].南京理工大學(xué),2014:7-52.

　　[11]李景輝,楊立才.基于多傳感器信息融合的人體姿態(tài)解算算法[J].山東大學(xué)學(xué)報,2013,43(5):49-54.

　　[12]劉晶璟.采用加速度傳感器技術(shù)實現(xiàn)盲區(qū)定位的研究和開發(fā)[J].計算機應(yīng)用與軟件,2012(03):274—277.

　　[13]唐康華.GPS/MIMU嵌入式組合導(dǎo)航關(guān)鍵技術(shù)研究[D].國防科技大學(xué):2008：77-90.

　　[14]趙俊梅.GPS/SINS組合導(dǎo)航系統(tǒng)濾波算法研究[D].中北大學(xué):2006.

　　[15]徐梓峰,盧艷娥,龐春雷.基于GPS的捷聯(lián)慣導(dǎo)系統(tǒng)誤差校正研究[J].計算機測量與控制,2013,21(9):2518-2521.

　　[16]胡先智,梁艷.基于GPRS遠程無線數(shù)據(jù)采集系統(tǒng)實現(xiàn)[J].信息與電腦,2010,12:58-59.

　　[17]成春旺.監(jiān)控系統(tǒng)中基于GPRS的無線數(shù)據(jù)傳輸系統(tǒng)的研究與實現(xiàn)[D].北京郵電大學(xué): 2006.

　　[18]王磊，許小琳.GPRS無線數(shù)據(jù)傳輸中服務(wù)器端軟件的設(shè)計和實現(xiàn)[J].測控技術(shù)，2007,26(11):55-57.

本文來源于《電子產(chǎn)品世界》2017年第1期第44頁，歡迎您寫論文時引用，并注明出處。