一种基于车辆噪音的智能手机交通危险预警方法与系统与流程

本发明涉及交通安全和声学领域，特别涉及一种基于车辆噪音的智能手机交通危险预警方法和系统。

背景技术：

现如今，智能手机在给人们带来极大便利的同时也出现了潜在的交通安全隐患，在马路上边走路或骑车边用耳机听手机的现象随处可见，因路上沉溺于看手机或用耳机听手机而无法注意到道路车辆状况所导致的交通事故经常被媒体报道；此外，在无信号控制的交叉口或人行横道处，一些有听力障碍的特殊人群因自身障碍无法提前预知交叉口或人行横道盲区是否有到来车辆，而且容易被驾驶员忽略导致交通事故发生。针对存在的这些交通安全隐患，如果能够提前提醒行人对到来车辆做出应急避险，就可以有效降低道路上的事故率，保护特殊人群，提高安全出行率。

现今社会智能手机已经成为社会大众不可或缺的通讯和娱乐工具，已经普及到人们生活的方方面面，且智能手机本身已经安装有各种感应器和硬件设备，将智能手机作为一种对到来车辆做出提前预警的工具，对于提高出行安全性无疑是一种非常可行且便利可靠的方法措施。

本发明提出一种基于车辆噪音的智能手机交通危险预警方法和系统，车辆在道路上行驶时发出的噪音比较明显且易于分辨，利用车辆噪音提醒行人无疑是一种非常便利的方式。

技术实现要素：

基于以上背景，本发明的目的在于保护马路上沉溺于看手机或用耳机听手机的行人和特殊群体，降低道路事故率，达到提前预警行人的目的。

本发明提出一种基于车辆噪音的智能手机交通危险预警系统，其特征在于，该智能手机交通危险预警系统包括采集模块、特征提取模块、中央处理单元、后台数据库、控制模块及预警模块，所述的特征提取模块的输入端连接采集模块，输出端连接中央处理单元，所述的中央处理单元输出端与控制模块连接，并且与后台数据库相互通讯，所述的控制模块负责接收中央处理单元的控制指令，并控制预警模块的工作状态。

所述的智能手机交通危险预警系统是作为一项在智能手机平台上开发出的应用程序APP存在于手机主界面的。

所述的采集模块，包括置于智能手机内部的麦克风，负责实时感应并采集周围的车辆噪音数据，所述的车辆噪音数据包括车辆噪音声强数据和音频数据；所述的特征提取模块，负责从车辆噪音数据数组中提取车辆噪音特征，并将其传输给中央处理单元，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征；

所述的中央处理单元，是整个系统的决策单元，与后台数据库进行通讯，负责根据车辆噪音特征调用后台数据库中存储的匹配关系和模型，向模型中输入当前车辆噪音数据，输出结果，进行分析判断，并向控制模块发出指令；

所述的控制模块，内部有预先设定好的控制程序，负责接收中央处理单元的指令，控制预警装置的工作状态；

所述的预警模块，即置于智能手机内部的常用硬件响应设备，包括手机屏幕、语音设备以及振动设备，负责提醒智能手机用户及时避让车辆。

所述的后台数据库中存储的匹配关系和模型的建立方法步骤如下：

B1.采集训练样本：采集的训练样本存储在后台数据库中，训练样本包括车辆噪音数据、车辆类型、车速、车辆与行人间距以及车辆与行人相对距离关系；所述的车辆类型包括大型车、中型车以及小型车三种类型；所述的车辆与行人相对距离关系包括车辆驶近行人和驶离行人两种相对距离关系；

B2.提取车辆噪音特征：分别在车辆驶近行人和驶离行人两种情况下，分析并提取出三种车辆类型以不同车速行驶时共同的车辆噪音声强变化特征，在驶近行人情况下，分析并提取出分别与三种类型车辆相对应的不同行驶车速下共同的车辆噪音音频频谱特征；

B3.建立匹配关系：所述的匹配关系包括两种匹配关系，即第一种是车辆噪音声强变化特征和车辆与行人相对距离关系之间的匹配关系，用于根据车辆噪音声强变化特征来判断车辆是驶近行人还是驶离行人，第二种是车辆噪音音频频谱特征与车辆类型之间的匹配关系，用于根据车辆噪音音频频谱特征匹配出车辆类型；

B4.建立模型：不考虑车辆驶离行人的情况，仅在车辆驶近行人的情况下建立与三种车辆类型分别相对应的车辆噪音数据和车速、车辆与行人间距的人工神经网络模型，且一种车辆类型对应一种人工神经网络模型的执行程序；所述的人工神经网络模型对车辆噪音数据和车速、车辆与行人间距进行并行协同处理，通过调整网络中内部节点之间的相互连接关系，找到车辆噪音数据和车速、车辆与行人间距之间的相应关系；所述的人工神经网络模型采用简单式的BP神经网络模型，其输入层是车辆噪音数据，输出层是车速、车辆与行人间距。

所述的采集的训练样本的存储形式是：按照车辆与行人相对距离关系建立两个储存文件，然后分别在车辆与行人相对距离关系的储存文件中建立三个车辆类型的子文件，将上述车速样本值、车辆与行人间距样本值及采集到的相应的车辆噪音数据以分类矩阵的形式存储在子文件中。

所述的车辆噪音声强变化特征和车辆与行人相对位置关系之间的匹配关系是：车辆噪音声强变化呈降低趋势的特征与车辆驶离行人相匹配，呈升高趋势的特征与车辆驶近行人相匹配。

一种基于车辆噪音的智能手机交通危险预警方法，该方法步骤如下：

S1.利用智能手机麦克风实时采集周围环境中的车辆噪音数据，构成车辆噪音数据数组，所述的车辆噪音数据数组包括车辆噪音声强数据数组和音频数据数组；

S2.对采集到的车辆噪音数据数组进行车辆噪音特征提取，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征；

S3.根据车辆噪音声强变化特征，调用后台数据库中存储的车辆噪音声强变化特征和车辆与行人相对距离关系的匹配关系进行匹配得出结果；

S4.若匹配结果是车辆正处于驶近行人状态，则立即触发智能手机初次预警，否则，智能手机仍处于实时采集状态；

S5.在智能手机已触发初次预警前提下，根据车辆噪音音频频谱特征调用后台数据库中存储的车辆噪音音频频谱特征与车辆类型的匹配关系，匹配出当前车辆类型，从而调用该车辆类型所对应的人工神经网络模型；

S6.分别从车辆噪音声强数据数组和音频数据数组中提取最后一个数据分量，即当前的车辆噪音数据，输入到人工神经网络模型中，输出当前车速、车辆与行人间距；

S7.由当前车速确定距离阈值，所述的距离阈值指车辆制动距离、驾驶员的反应距离以及系统反应距离之和；

S8.比较当前车辆与行人间距和距离阈值的大小，若当前车辆与行人间距小于等于距离阈值，则立即触发智能手机紧急预警，否则，仍处于车辆噪音数据的实时采集状态。

所述的车辆噪音特征提取方法包括如下：

S21.智能手机麦克风实时采集处理周围环境中的车辆噪音数据，构成车辆噪音数据数组，所述的车辆噪音数据数组包括车辆噪音声强数据数组和音频数据数组；

S22.将声强数据数组中离散的声强数据值做连续化处理，得出函数曲线变化图，提取曲线变化趋势特征，即为声强变化特征；

S23.将车辆噪音音频数据数组做傅里叶变换得到噪音频谱，然后提取噪音音频频谱的频率、振幅及相位特征，即为音频频谱特征。

所述的初次预警是当智能手机检测到车辆噪音后，对手机用户的振动和语音提醒，该初次预警不对智能手机其他应用程序进行任何干扰控制。

所述的紧急预警是当车辆与行人间距进入阈值后，系统控制智能手机进行振动提醒、中断手机当前任务、自动切换手机屏幕以及向耳机插孔中强制性插入语音提示，当危险消除后，则立即回复原来工作状态。

基于以上技术方案，本发明利用车辆噪音的智能手机提前预警方法与系统具备以下优势：

本发明不需要在智能手机上或者其他地方安装其他硬件设备，花销少且便于携带。

本发明通过采集训练样本数据建立两种匹配关系和BP神经网络模型的方法使车辆噪音转变为智能手机的提醒信号，为沉溺于玩手机人员或特殊人群提供提前预警，更有利的保护了出行人员，降低事故发生率。

本发明方法和系统是对智能手机的应用开发的一项推广，具有较宽广的发展前景。

附图说明

图1是本发明的基于车辆噪音的智能手机交通危险预警系统示意图；

图2是本发明的后台数据库中存储的匹配关系和模型建立方法的流程图；

图3是本发明中所采用的BP神经网络模型的工作网络示意图；

图4是本发明的基于车辆噪音的智能手机交通危险预警方法的流程图；

图5是本发明的车辆噪音特征提取方法的流程图。

具体实施方式

下面结合附图对本发明做进一步详细描述。

如图1所示，是本发明基于车辆噪音的智能手机交通危险预警系统的示意图：

本发明的一种基于车辆噪音的智能手机交通危险预警系统，包括采集模块(10)、特征提取模块(20)、中央处理单元(30)、后台数据库(40)、控制模块(50)及预警模块(60)，所述的特征提取模块(20)的输入端连接采集模块(10)，输出端连接中央处理单元(30)，所述的中央处理单元(30)输出端与控制模块(50)连接，并且与后台数据库(40)相互通讯，所述的控制模块(50)负责接收中央处理单元(30)的控制指令，并控制预警模块的工作状态。

本发明的一种基于车辆噪音的智能手机交通危险预警系统可以作为一项开发出的应用程序存在于智能手机平台中，与智能手机中常用的硬件设备配合工作，对用户达到危险预警的作用，其内部包括的模块如下：

采集模块(10)，负责实时感应并采集周围车辆噪音数据，包括车辆噪音声强数据和音频数据，其中采集的频率可以默认系统设置，也可以由用户自行设置，每次分别采集m个车辆噪音声强数据和音频数据，构成车辆噪音数据数组，其中车辆噪音数据数组包括车辆噪音声强数据数组和音频数据数组；

特征提取模块(20)，负责从车辆噪音数据数组中提取车辆噪音特征，所述的车辆噪音特征包括噪音声强变化特征和音频频谱特征，并将其传输给中央处理单元(30)；

中央处理单元(30)，是整个系统的决策单元，与后台数据库(40)进行通讯，负责根据车辆噪音特征和车辆噪音数据调用后台数据库(40)中存储的匹配关系和模型得出结果进行分析判断，并根据判断结果向控制模块(50)发出指令。其中，根据车辆噪音声强变化特征与后台数据库(40)中存储的车辆与行人的相对距离关系相匹配，判断车辆是驶近还是驶离行人，如果车辆近行人，则利用车辆噪音音频频谱特征在后台数据库(40)中匹配出车辆类型，进而调用该车辆类型对应的人工神经网络模型对当前车辆噪音数据进行处理，输出当前车速和车辆与行人间距，进而得出阈值距离和车辆与行人间距进行危险判断；

控制模块(50)，内部有预先设定好的控制程序，负责接收中央处理单元(30)的指令，控制预警装置的工作状态；

预警设备(60)，即智能手机上所配备的常用硬件设备，负责提醒智能手机用户及时避让车辆，包括手机振动设备、语音设备，当预警设备(60)接收到控制模块(50)的指令时，对于初次预警产生振动信号和预先录制的语音信息提醒手机用户，对于紧急预警同时切换手机屏幕以屏幕显示信息、振动信号和向耳机插孔中强制性插入语音提醒信息提醒手机用户紧急避让。

如图2所示，上述的后台数据库(40)中存储的匹配关系和模型的建立方法步骤如下：

B1.采集训练样本：要采集的训练样本包括车辆噪音数据、车辆类型、车速、车辆与行人的间距以及两者的相对位置关系，然后对训练样本按照一定的存储方式存储在数据库中，其中所述的车辆噪音数据包括车辆噪音声强数据和音频数据；

上述的车辆噪音训练样本包括p个车速、g个车辆与行人间距、三种车辆类型以及两种车辆与行人位置关系下的共6pg对车辆噪音训练样本数据；

上述的存储方式是：按照车辆与行人的相对距离关系建立两个储存文件，然后分别在车辆与行人的相对距离关系的储存文件中建立三个车辆类型的子文件，将上述速度样本值、间距样本值及采集到的相应的车辆噪音数据存储在子文件中，其中在三种车辆类型的子文件中车速样本值、车辆与行人间距样本值及采集到的相应的车辆噪音数据以分类矩阵的形式进行存储，矩阵内容见下表所示：其中V_i(i＝1,2,...,p)是p个车速训练样本值，S_j(j＝1,2,...,g)是车辆与行人间距训练样本值，F_ij是车辆以车速V_i在间距值S_j时的车辆噪音声强值，Q_ij是车辆以车速V_i在间距值S_j时的车辆噪音音频值；

上述的车辆类型包括小型车、中型车以及大型车，其中小型车包括小轿车、小货车以及7座以下的旅行车等；中型车包括中型货车、7至40座的中型客车等；大型车包括挂车、工程车、40座以上的大客车、大货车以及集装箱车等；

上述的车辆与行人的相对距离关系的分类原则是按照与行人的距离变化趋势进行分类，分为驶近行人和驶离行人两种情况，分别在这两种情况下采集每种类型车辆的行驶速度、车辆与行人间距以及车辆噪音数据；

上述的车辆与行人间距是在智能手机能够检测到车辆噪音的最大范围D内，将该最大范围均匀等分所得到的g个间距值；

上述的车速样本值是根据经验值在车辆速度区间(0，100km/h)内分别均匀选取p个车速作为训练样本；

B2.提取车辆噪音特征：首先分别在驶近和驶离行人两种情况下，分析并提取出三种车辆类型以不同车速行驶时共同的车辆噪音声强变化特征；在驶近行人情况下，分析并提取分别与三种类型的车辆相对应的不同车速下共同的车辆噪音音频频谱特征；

B3.建立匹配关系：所述的匹配关系包括两种，第一种是车辆与行人的相对距离关系与车辆噪音声强变化特征之间的匹配关系，用于判断车辆正在驶近行人还是驶离行人；所述车辆与行人的相对距离关系与车辆噪音声强变化特征之间的匹配关系是：车辆噪音声强变化呈降低趋势的特征与车辆驶离行人相匹配，呈升高趋势的特征与车辆驶近行人相匹配；第二种是车辆噪音音频频谱特征与车辆类型之间的匹配关系，大型车、中型车及小型车分别与三种车辆噪音音频频谱特征相匹配，用于根据车辆噪音音频频谱特征识别车辆类型；

B4.建立模型：不考虑车辆驶离行人的情况，仅在车辆驶近行人的情况下建立每种车辆类型所对应的车辆噪音数据和车速、车辆与行人间距的人工神经网络模型；其中，所述的人工神经网络模型中将车辆噪音数据和车速、车辆与行人间距进行分布式并行信息处理，通过调整内部节点之间的相互连接关系找到车辆噪音数据和车速、车辆与行人间距之间的相应关系。

上述的人工神经网络模型按照车辆类型进行分类，调用人工神经网络模型时首先根据车辆噪音音频频谱特征识别出车辆类型，向该车辆类型对应的人工神经网络模型中输入当前车辆噪音数据，通过改变隐含层的层数进行训练，在输出层得到当前车速、车辆和行人间距。

上述的人工神经网络采用简单式的BP神经网络，如图3所示，该网络模型建立步骤如下：

其中，x_i表示车辆噪音数据，i＝1,2,，x₁、x₂分别表示车辆噪音声强数据值和音频数据值；ω_ji表示隐含层第j个隐含节点到输入层第i个输入节点之间的权重值，j＝1,2,...,h；γ(x)表示隐含层的激励函数；θ_j表示隐含层第j个隐含节点的阈值；W_kj表示输出层第k个输出节点到隐含层第j个隐含节点之间的权重值；η(x)表示输出层的激励函数；b_k表示输出层第k个输出节点的阈值，k＝1,2。

信号在BP神经网络模型中的传播过程如下：

隐含层第j个隐含节点的输入值

隐含层第j个隐含节点的输出值

输出层第k个输出节点的输入值

输出层第k个输出节点的输出值y_k，即y₁和y₂分别表示车速和车辆与行人间距的值：

如图4所示，一种基于车辆噪音的智能手机交通危险预警方法，该方法步骤如下：

S1.利用智能手机麦克风实时采集处理周围环境中的车辆噪音数据，构成车辆噪音数据数组，所述的车辆噪音数据数组包括车辆噪音声强数据数组(F₁,F₂,...,F_m)和音频数据数组(Q₁,Q₂,...,Q_m)；

S2.对采集到的车辆噪音数据数组进行车辆噪音特征提取，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征；

S3.根据车辆噪音声强变化特征，调用后台数据库(40)中存储的车辆噪音声强变化特征和车辆与行人相对距离关系的匹配关系进行匹配得出结果；

S4.若匹配结果是车辆正处于驶近行人状态，则立即触发智能手机初次预警，否则，智能手机仍处于实时采集状态；

S5.在智能手机已触发初次预警前提下，根据音频频谱特征调用后台数据库(40)中存储的音频频谱特征与车辆类型的匹配关系匹配出当前车辆类型，从而调用该车辆类型所对应的人工神经网络模型；

S6.分别从车辆噪音声强数据数组和音频数据数组中提取最后一个分量，即当前的车辆噪音数据，输入到人工神经网络模型中，输出当前车速V及车辆与行人间距S；

S7.由当前车速V确定距离阈值L，所述的距离阈值L指车辆制动距离L₁、驾驶员的反应距离L₂及系统反应距离L₃之和，其中车速与车辆制动距离之间的关系为式子中a取值于大、中、小型车辆的经验值，该经验值作为系统的默认值，也可以由用户按照自己的意愿自行设置；

S8.比较距离阈值L和当前车辆与行人间距S的大小，若当前车辆与行人间距S小于等于距离阈值L，则立即触发智能手机紧急预警，否则，仍处于车辆噪音数据的实时采集状态。

进一步的，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征，如图5所示，特征提取方法包括如下：

S21.智能手机麦克风实时感应采集车辆噪音声强数据数组和音频数据数组；

S22.将声强数据数组中离散的声强数据值做连续化处理，得出函数曲线变化图，提取曲线变化趋势特征，即为声强变化特征；

S23.将车辆噪音音频数据数组做傅里叶变换，得到噪音频谱，然后提取噪音音频频谱的频率、振幅及相位特征，即为音频频谱特征。

上述的初次预警是当智能手机检测到车辆行驶噪音后，对手机用户的振动和语音提醒，该初次预警不对智能手机其他应用程序进行任何干扰控制。

上述的紧急预警是当车辆与行人间距进入阈值后，系统控制智能手机进行振动提醒、中断手机任务、自动切换手机屏幕以及向耳机插孔中插入强制性语音提示，当危险消除后，则立即回复原来工作状态。

本发明的基于车辆噪音的智能手机交通危险预警系统可以作为在智能手机中一项软件应用程序，即可以为各平台的智能手机用户提供免费下载安装程序，用户下载并安装相应的程序后，利用智能手机即可进行危险预警，提高出行的安全率。

上述的智能手机交通危险预警系统在智能手机开机后，就一直处于开启状态，打开该系统后，在系统界面上设置有与功能选择一一对应的虚拟按键，每一种功能选择下设定有多个合理的选择项，可以默认系统设置，也可以供用户自行设置。

利用这些虚拟按键，用户可以选择智能手机采集车辆噪音数据的频率，以及每次构成车辆噪音数据数组的分量个数m；根据系统已设定好的选项，用户可以为后台数据库(40)中计算距离阈值设置所期望的制动加速度a，或者直接在预警系统中设置所期望的阈值距离x，系统中设置的制动加速度a选项取值于通常每种社会车辆的制动加速度经验值，阈值距离x的选项是在车辆与行人的安全距离内取的值，若用户同时设置所期望的制动加速度a和阈值距离x，则系统自动默认用户设置的阈值距离x为有效设置。

同时，通过功能选择虚拟按键，用户可以设置所期望的预警提醒间隔和提醒形式，提醒形式选项包括振动提醒、语音提醒、屏幕切换提醒，可以选择一种或多种，但必须至少要选择一种，也可以保持系统默认的全部选定状态。

基于以上技术方案，本发明利用车辆噪音的智能手机交通危险预警方法与系统具备以下优势：

本发明不需要在智能手机上或者其他地方安装其他硬件设备，花销少且便于携带，通过采集训练样本数据采取建立匹配关系和BP神经网络模型的方法使车辆噪音转变为智能手机的提醒信号，为沉溺于玩手机或用耳机听手机的行人或特殊人群在道路上提供危险提前预警，更有利的保护了出行人员，降低了事故发生率；此外，本发明方法和系统是对智能手机的应用开发的一项推广，具有较宽广的发展前景。

最后所应说明的是，以上技术方案对本发明进行了详细说明，本技术领域人员对本方案进行修改或者等同替换，都不脱离本技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。