混合動(dòng)力車(chē)(HEV)及純電動(dòng)汽車(chē)(EV)等電動(dòng)車(chē)輛不僅燃效高，而且行駛聲音小。但由于行駛聲音小，行人很難察覺(jué)到車(chē)輛靠近，因此存在在人來(lái)人往的道路上引發(fā)事故的概率較高的問(wèn)題。東京大學(xué)的研究小組開(kāi)發(fā)出了用一部智能手機(jī)來(lái)解決該問(wèn)題的技術(shù)，并在2014年7月舉行的“泛在計(jì)算研究會(huì)第43屆研究會(huì)”上發(fā)表了演講(圖1)注1)。這項(xiàng)技術(shù)可通過(guò)與眼鏡式及手表式可穿戴設(shè)備聯(lián)動(dòng)來(lái)發(fā)揮作用。

圖1 利用開(kāi)關(guān)噪聲來(lái)檢測(cè)有無(wú)電動(dòng)車(chē)輛靠近

東京大學(xué)的研究小組開(kāi)發(fā)出了一種系統(tǒng)，可利用智能手機(jī)的麥克風(fēng)來(lái)收集HEV、EV等電動(dòng)車(chē)輛的功率轉(zhuǎn)換器發(fā)出的開(kāi)關(guān)噪聲，從而提醒用戶有車(chē)輛靠近。(上圖來(lái)自谷歌，下圖來(lái)自東京大學(xué))

注1)演講題目和論文名稱(chēng)為“利用智能手機(jī)來(lái)檢測(cè)有無(wú)純電動(dòng)汽車(chē)或混合動(dòng)力車(chē)靠近的方法”。這是東京大學(xué)研究生院信息理工學(xué)系研究科電子信息專(zhuān)業(yè)的教授淺見(jiàn)徹與副教授川原圭博的研究室開(kāi)發(fā)出來(lái)的成果。主要研究者是該研究室的高木雅和藤本浩介。

把目光投向開(kāi)關(guān)噪聲

在日本市場(chǎng)銷(xiāo)售的HEV及EV均安裝了向周?chē)l(fā)出電子聲音來(lái)通知行人有車(chē)輛靠近的設(shè)備。不過(guò)，這種方法存在的問(wèn)題是，會(huì)損害車(chē)輛好不容易才實(shí)現(xiàn)的靜音性，而且駕駛員必須開(kāi)啟這項(xiàng)功能才能發(fā)揮作用。盡管車(chē)輛和行人相互傳遞位置信息的人車(chē)間通信系統(tǒng)也在開(kāi)發(fā)之中，但這種系統(tǒng)構(gòu)建起來(lái)既費(fèi)時(shí)又費(fèi)力。

于是，東京大學(xué)的研究小組將目光投向了HEV及EV的驅(qū)動(dòng)馬達(dá)在起動(dòng)時(shí)產(chǎn)生的開(kāi)關(guān)噪聲。驅(qū)動(dòng)馬達(dá)的逆變器及轉(zhuǎn)換器等電力轉(zhuǎn)換器經(jīng)常以5kHz或10kHz的頻率來(lái)開(kāi)關(guān)IGBT，在該頻帶以及為其整數(shù)倍的15kHz頻帶、20kHz頻帶，容易產(chǎn)生開(kāi)關(guān)噪聲。電力轉(zhuǎn)換器中的開(kāi)關(guān)動(dòng)作會(huì)使磁場(chǎng)發(fā)生變化，使馬達(dá)外殼產(chǎn)生振動(dòng)，從而發(fā)出噪聲。市銷(xiāo)車(chē)的行駛聲音測(cè)量結(jié)果顯示，HEV(普銳斯PHV)在5kHz附近達(dá)到峰值，EV(LEAF)在10kHz和20kHz附近達(dá)到峰值。

利用出現(xiàn)峰值的三個(gè)頻帶

此次的檢測(cè)技術(shù)根據(jù)預(yù)先用iPod touch錄制的HEV和EV的行駛聲音，按照以下步驟構(gòu)建了用來(lái)檢測(cè)車(chē)輛靠近的決策樹(shù)。(1)以48kHz的頻率對(duì)錄音數(shù)據(jù)進(jìn)行采樣，為了便于進(jìn)行FFT，將其分成同等的3.2768萬(wàn)份樣本(每份為0.683秒)，并把每份定義為1幀。(2)對(duì)各幀的波形數(shù)據(jù)實(shí)施FFT，獲得頻譜。(3)針對(duì)5kHz、10kHz、20kHz附近的三個(gè)頻帶，各設(shè)定16個(gè)區(qū)段。(4)計(jì)算出各區(qū)段的最大音量和平均音量，再利用所有頻帶的平均音量對(duì)各區(qū)段進(jìn)行正規(guī)化。(5)對(duì)上一步獲得的96維(3×16×2)特征向量賦予含有車(chē)型及車(chē)速信息的正確答案標(biāo)簽。(6)利用該正確答案標(biāo)簽，以名為“J48”的算法編制決策樹(shù)。采用J48決策樹(shù)的原因是，原理簡(jiǎn)單、精度高，借助智能手機(jī)等便攜設(shè)備的運(yùn)算能力就能進(jìn)行判斷。

使用這種檢測(cè)技術(shù)時(shí)，要針對(duì)智能手機(jī)的麥克風(fēng)收集的聲音數(shù)據(jù)，按照與上述(1)?(5)的步驟來(lái)獲得96維特征向量，并將這些向量放入J48決策樹(shù)中來(lái)判斷有無(wú)HEV/EV靠近(圖2)。實(shí)驗(yàn)結(jié)果顯示，最晚可在電動(dòng)車(chē)輛與行人達(dá)到最近距離之前約兩秒鐘，檢測(cè)出有車(chē)輛靠近(圖3)。

圖2 使用三個(gè)頻帶來(lái)檢測(cè)有無(wú)車(chē)輛靠近

電動(dòng)車(chē)輛的電力轉(zhuǎn)換器的開(kāi)關(guān)噪聲在5kHz、10kHz、20kHz附近達(dá)到峰值。因此，此次的技術(shù)利用這三個(gè)頻帶的最大音量和平均音量，來(lái)判斷有無(wú)電動(dòng)車(chē)輛靠近。

圖3 可在約兩秒前發(fā)出警告

使用同一輛EV，在住宅區(qū)、停車(chē)場(chǎng)及主要街道等環(huán)境聲音不同的三個(gè)地方進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果顯示，在環(huán)境聲音較小的住宅區(qū)可最早檢測(cè)出有車(chē)輛靠近并發(fā)出警告(a)。另外，還比較了在停車(chē)場(chǎng)檢測(cè)HEV和EV并發(fā)出警告時(shí)間，發(fā)現(xiàn)二者差別不大(b)。最晚均可在約兩秒前發(fā)出有車(chē)輛靠近的警告。

將這種檢測(cè)算法作為安卓應(yīng)用安裝到Nexus 4上進(jìn)行測(cè)試后發(fā)現(xiàn)，可以在EV與行人達(dá)到最近距離之前4秒鐘檢測(cè)到車(chē)輛。而且，東京大學(xué)還試制出了在谷歌眼鏡上顯示警告的系統(tǒng)，并在車(chē)輛與行人達(dá)到最近距離之前檢測(cè)出有車(chē)輛靠近。除了眼鏡式終端之外，手表式終端也可采用此次的技術(shù)來(lái)提醒行人有車(chē)輛靠近。

返回第一電動(dòng)網(wǎng)首頁(yè) >