[發(fā)明專(zhuān)利]一種基于慣性測(cè)量單元智能預(yù)防交通事故的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810369758.0
• 申請(qǐng)日: 2018-04-23
• 公開(kāi)（公告）號(hào): CN108563891B
• 公開(kāi)（公告）日: 2021-06-08
• 發(fā)明（設(shè)計(jì)）人: 溫泉;于海洋;孫曉穎;陳建;王慶龍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 吉林大學(xué)
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06N3/08
• 代理公司: 吉林長(zhǎng)春新紀(jì)元專(zhuān)利代理有限責(zé)任公司 22100
• 代理人: 魏征驥

1.一種基于慣性測(cè)量單元智能預(yù)防交通事故的方法，其特征在于，包括下列步驟：

(1)使用慣性測(cè)量單元IMU實(shí)時(shí)獲取車(chē)輛加速度A和角速度W；

(2)根據(jù)加速度A和角速度W，采用機(jī)器學(xué)習(xí)算法智能判斷車(chē)輛當(dāng)前是否處于異常駕駛模式；

其中采用機(jī)器學(xué)習(xí)算法智能判斷車(chē)輛的行駛模式，具體包括下列步驟：

1)采用四元數(shù)方法，根據(jù)IMU實(shí)時(shí)獲取的角速度W和加速度A，計(jì)算車(chē)輛行駛的偏航直行角度γ；

2)將偏航直行角度γ按8個(gè)分區(qū)編號(hào)為相應(yīng)數(shù)字；

3)重復(fù)步驟1)和2)n次，n取3～5，形成一個(gè)γ的數(shù)字編號(hào)序列

4)存儲(chǔ)器中事先存儲(chǔ)了訓(xùn)練好的模型，將步驟3)中的傳入模型中進(jìn)行識(shí)別，判別車(chē)輛行駛狀態(tài)；

(3)根據(jù)步驟(2)的分析結(jié)果，反饋警告單元做出相應(yīng)觸覺(jué)方式的警告。

2.根據(jù)權(quán)利要求1所述的一種基于慣性測(cè)量單元智能預(yù)防交通事故的方法，其特征在于，所述步驟(2)的步驟4)中的模型是事先根據(jù)樣本數(shù)據(jù)訓(xùn)練得到，具體訓(xùn)練過(guò)程包括下列步驟：

a)樣本數(shù)據(jù)采集，采用步驟3)中獲取的方法，分別按正常和異常駕駛情況下采集車(chē)輛行駛狀態(tài)數(shù)據(jù)，正常下得到的數(shù)據(jù)記為異常下得到的數(shù)據(jù)記為采集到足夠數(shù)量的和后，可形成訓(xùn)練樣本數(shù)據(jù)庫(kù)；

b)確定一個(gè)BP三層神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)；

c)將訓(xùn)練樣本數(shù)據(jù)庫(kù)中的和分別傳入網(wǎng)絡(luò)結(jié)構(gòu)得到訓(xùn)練誤差；

d)根據(jù)訓(xùn)練誤差，利用梯度下降方法，得到網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的最優(yōu)解并存入檢測(cè)單元的存儲(chǔ)器。

3.根據(jù)權(quán)利要求1所述的一種基于慣性測(cè)量單元智能預(yù)防交通事故的方法，其特征在于，所述步驟(3)中觸覺(jué)方式的警告以振動(dòng)人體背部的方式進(jìn)行報(bào)警，振動(dòng)器件采用一個(gè)樂(lè)感換能器陣列。