基于移动互联网的人车协同感知系统

王婷婷++李雅红++李嘉兴++张云飞

摘要： 在车路协同基础上，本文提出了基于移动互联网的人车协同感知系统。系统除了针对行进车辆与交通道路外，将非机动车辆和行人也纳入系统中，较大改善了车辆道路的行车安全。本文对系统的功能设计、结构框架设计、技术路线与关键问题进行了深入的研究。在功能设计方面，对如何感知车辆、环境和道路信息，交通数据的传输、处理和智能决策以及交通状态显示、交通异常预警或报警的功能进行了设计；在结构设计方面，构建了车载感知子系统、数据传输子系统、数据处理和预警子系统和信息发布子系统，形成了一套完整的结构框架。

关键词： 车路协同； 智能交通； 人车协同感知系统； 大数据； 智能预测

中图分类号：TP391.9

文献标志码：A

文章编号：2095-2163（2017）04-0031-04

0引言

车路协同系统作为现代化智能交通领域的发展重点，主要针对层面为道路上的车辆。而本文所提出的“人车协同”是基于移动互联网，用来实现人车与互联网技术的结合应用的感知系统。除了针对行进车辆外，该系统将非机动车辆和行人也纳入研究架构中。在原理设计上，就是依靠传感器获取路面信息，通过GPS获取车辆和行人的地理位置，并使用移动网络上传至服务器形成大数据共享。服务器将处理后的数据共享给每一个用户，在移动终端上显示出人与车的精确位置和相对位置，并及时地预测其运动轨迹，对用户进行提醒。与移动互联网技术的结合，为搭建人车协同系统提供了一个更加宽广的应用平台，使其在智能交通领域有了突破性的进展。

1国内外发展情况

交通问题日益严峻，普遍的人工管理办法已经呈现出一定的局限与不足。日本自1995年即已启动研发道路车辆和信息通信系统，该系统是将GPS导航技术与无线通信技术相结合，能够实时地将当前的道路交通情况反映给驾驶者。作为全球ITS技术领先娴熟的国家，20世纪80年代美国首创了一种新的概念——“智能交通系统”[1]，并于2005年提出了VII计划 [2]。为了使得道路交通更具安全性，继而创意发布了“Safer”、“Smarter”和“Greener”的理念，因其能为各个所需阶层搜罗获取重要信息，[JP2]以实现货物与人员的高效移动[3]。在第十届智能交通世界大会上，欧洲ERTICO组织率先设计推出了“eSafety”系统[4]。该系统的主要技术是通过车载设备对车路、车车的协同环境进行监测来预测危险，优化安全系统，进而提高道路交通安全性[5]。与发达国家相比，中国对ITS的研究起步较晚。进入“十二五”以后，以车路协同为主体的“智能车路协同关键技术研究”项目始得确立并进入研究。[JP]

而在人车协同感知系统的发展方面，国内外却并未得出清晰共识。现有的智能交通体系将人、车、路构建成统一整体，加强三者之间的信息交流与联系，及时准确地将实时信息发送至云端，通过云端对所有数据展开“采集-传输-存储-分析”一体化处理，再次反馈给人、车、路。实现了对“人—车—路”的动态管理以及助力其中的主体—人从决策者向执行者的身份过渡[5]，而从未针对人与车以及非机动车提出一套完整的协同系统。现有的车路协同系统在交通公司管理交通中，既可以保证交通的安全，还能通过数学的智能算法来优化寻获最好的方法路径以及其他车路、车速、车辆等信息[6]。而在此基础上，本文研发提出的人车协同感知系统则拓展加入了行人与非机动车辆的信息，如此将更加利于对现实交通的综合有效管理，为人们的出行提供全新智能安全保障。

2系统功能设计

基于互联网技术的人车协同感知系统的基本目标：能够保证在任何时间、地点都能及时接收到车辆和行人的行进情况，向需求者迅捷发送信息、服务和危险警报，来降低交通事故的发生率。为此，系统应包含具备的重要功能可分析阐释如下：

1）感知车辆、环境和道路信息。实时感知车辆的行进状态与周围其他车辆的行驶情况，能够准确获取行人与车辆的位置信息与行进速度，再设计应用预测算法来预测其行进轨迹，以此来做出有效的预警与报警。

2）交通数据的传输。实现车辆与车辆、行人与车辆之间的较小距离的通信和数据的传输，将采集到的交通数据上传至服务器形成大数据共享。服务器将处理后的数据共享给每一个用户，显示在其设备终端。

3）数据处理与智能决策。能够精准、快速地对上传的道路交通数据进行综合分析与处理，通过各个路段和路网的现场实况来拟定科学合理的管理决策，同时再通过行人与车辆对道路交通情况的感知信息来研究预测其行进状态，以此来确保行驶的安全。

4）交通状态显示和交通异常预警或报警。当人与车的相对位置小于安全距离或预测结果存在危险时，系统会及时向用户推送消息、发出警告，进而降低危险系数。

3系统框架结构设计

人车协同系统是基于移动互联网技术的，在框架结构上可划定为4个组成部分。下面将针对各部分给出技术详解与设计论述。

3.1车载感知子系统

车载感知子系统中，尤为重要的则是环境感知模块。因其不但能够实时获取车辆在行驶途中的道路信息情况，还能够实时获取附近行人、车辆的行进情况，在此基础上将迅捷生成有关其车距与车速的准确判定并及时发送给驾驶者，以便于驾驶者提前做出应对策略。

3.2數据传输子系统

数据传输子系统能够实现不同距离时的无线或有线通信，其主要应用设计可定义为车载通信模块。通过数据通信使得其他车辆能够获知当前车辆的行驶状态信息，从而维持安全车距、便于及时反应。通过建立车辆与行人之间的联系，预测双方行进路线并迅捷做出行动调整。而且，还能通过行人或车辆与基站间的通信，将道路交通及路况信息上传至服务器进行监控，或把服务器推送的指令下发至各个移动终端，由此实现全程覆盖的智能先进数据传输。

3.3数据处理及预警子系统endprint

数据处理及预警子系统能够承载数据的逻辑推演与分析，提前预警和及时报警。该系统主要由数据处理模块、预警和报警模块两部分构成。其中，数据处理模块主要应用于交通数据的分析处理。也就是能够将道路的交通情况、路面的状况信息、当天的天气情况等通过云计算与GPS进行匹配，并对这些数据展开后续各类定制的方法探究与展示。

预警与报警模块主要应用于车辆在行驶过程中遇到突发状况前的预警和报警，对于其检测到的可能危险会以声光的形式提前给驾驶员发出警报，再通过最佳执行操作来避免危险的发生。

3.4信息发布子系统

信息发布子系统主要是利用通信装置来自动接收服务器发送的信息，实时发布给各个移动终端。信息发布的对象不但可以是指定的行驶车辆，还可以是某一地区的终端设备。

综上可知，本次研发系统的结构框架设计则如图1所示。其中的4个子系统之间联系密切，不但能够将行人、车辆、道路与环境之间联结成统一开发模式，还能够将人车形成一个有机整体，从而优质实现了系统研发的功能与目的。

4关键技术与实现

系统除了针对行进车辆与交通道路外，将非机动车辆和行人也纳入研究考量范畴，在系统实现过程中，本文提出了研究设计中的重点关键技术，具体论述如下。

4.1行人与车辆位置信息的采集

从终端用户的角度考虑，通过Wi-Fi技术与4G高速网络的结合，使用多线程轮询终端的方法，让其中的某个线程接收GPS数据并与车载终端进行联系。为了使得GPS数据的接收、分析与处理更趋可靠高效，应用了多个线程的协作运行，进而成功发送了经过高端处理后的优化数据。这种方法不但能够让服务器实时地接收请求并做出回应，还能够减少其占用CPU的时间。数据线程处理则如图2所示。

对于障碍的检测与测量，可以应用超声波距离传感器技术。该技术的测距原理是通过超声波发射器向某一方向发射超声波，在发射的起始时刻将开启计时，超声波在空气中传播时遇到障碍物就立即返回来，超声波接收器收到反射波就立即停止计时。超声波在空气中的传播速度为v ，而根据计时器记录的测出发射和接收回波的时间差△t ，就可以计算出发射点距障碍物的距离S，即：

S = v·△t /2[JY]（1）

4.2数据通信与共享

在网络环境下，用户可通过键入URL或者点击链接直接调用数据，也可以通过手机和服务器来封装socket通信协议。服务器会接收大量的车载终端或移动终端发来的定位数据短信和服务请求，处理并回复后将这些数据存入数据库，进而实现交互的目的。在访问数据时，为了保证其统一性，以及不同数据源之间的数据转换，需要一个通用的接口。无论是数据库数据源还是表格文件数据源，都可以通过这一接口来执行查看。

在服务器方面，Android消息推送组件的设计主要是由两大部分组成——服务器、客户端。外部接口组件的核心作用便是接收命令，这些命令大都是由系统和客户端发出的，当接收命令后再向应用系统发出通知，以此来实现信息的发送。Android消息组件的应用重点则是开发jar包和基于Tomcat的服务器。其中，Android开发jar包只要引入Android项目即可，基于Tomcat的服务器应用则直接在Tomcat上部署即可[7]。

在接口方面，OLE DB就是一个应用性较强的接口，而且可适用于多种场合情况。其设计作用便是与数据提供者进行交互，以此来实现数据使用者需要对数据库展开的一系列操作。而在此过程中，数据使用者与提供者均不需要明确对方的用途与目的，只需借用这个接口获取效果即可。OLE DB接口结构即如图3所示。

在超声波测距传感器的测量下，当人车协同系统中实物之间的距离或者距前方障碍物的距离小于某一安全距离时，客户端便会向服务器发送提醒。在智能算法预测人车轨迹的辅助下，在相互阻隔前就可对其行进路线求得有效协同，避免发生碰撞。报警功能是在MQTT协议下通过消息推送提醒实现。并且，MQTT由于源代码开放，耗电量低微等特点，国内很多企业都广泛采用MQTT作为Android手机客户端与服务器端推送消息的基础设计协议。

4.3数据组织与处理

对于数据处理系统，本文将其研究划定为3个模块。各模块的技术内容可分述如下。

1）数据存储模块。主要是对车辆的方位数据进行采集，应用通信协议来分割所采集到的数据并存入数据库中。

2）数据管理模块。主要是对各种数据进行分类管理，采用“一对一”的管理模式，即同一类型的数据属于一组用户管理，使得数据更加突显其安全可靠特性。

3）数据备份模块。主要是对数据进行备份，使用的备份方式则为多地备份。这一方式不但能够保证系统的正常运行，还能够极大地减少数据的损坏。

在数据的组织过程中，监控系统数据库居于核心位置。系统的各个功能模块都是通过系统数据库进行数据交换和控制信息交换的。本文设计采用了一款轻量级的关系型数据库—SQLite。首先，SQLite的兼容性很好，支持很多主流操作系统，当然也支持Android这一目前主流的移动操作系统。其次，资源占用率也少，这一优势即使得众多的嵌入式设备都纷纷优选这款关系型数据库来增进设计效益。

4.4預测

本文以人车协同感知系统中的轨迹预测方法为研究对象，构建轨迹预测系统模型，模拟行人与车辆在不同路况下可能会发生的场景，并通过智能预测算法预测其行进轨迹，进而预测出可能会发生的危险。而Kalman 滤波正具备了最优估计的能力。

Kalman滤波理论属于估计理论范畴，是现代控制理论的一个重要分支。Kalman 滤波器主要由2个环节组成。相应地，其一是动态过程的模型，主要是为了实现预测功能；其二是反馈修正，可将增益与残差的乘积作用于模型上。endprint

5结束语

随着机动车的飞速发展与普及，人们的出行也随即面临着日趋复杂的安全隐患。为此本文提出了基于移动互联网的人车协同感知系统的构建方案，同时对该方案设计的技术路线和关键问题进行了深入的研讨与分析。在下一步研究中，将会结合现有的车路协同系统，建立人车路协同系统，而且能够在智能交通中得到实际应用并在一定程度上解决交通隐患，对缓解交通拥堵以及改善交通安全产生更大助益以及提供更好帮助。

参考文献：

倪钰婷，梁宇峰，郝博闻，等. 交通标志识别研究综述[J]. 软件工程，2016，19（7）：1-5.

[2] MISENER J A. Vehicleinfrastructure integration （VII） and safety： Rubber and radio meets the road in California[J]. Intellimotion， 2005， 11（2）：1-3.

[3] PARK H， SMITH B L. Investigating benefits of IntelliDrive in freeway operations： Lane changing advisory case study[J]. Journal of Transportation Engineering， 2012， 138（9）： 1113-1122.

[4] SIKORA A. Communication and localization for a cooperative eSafetySystem[C]// Intelligent Data Acquisition and Advanced Computing Systems： Technology and Applications， 2007. IDAACS 2007. 4th IEEE Workshop on.Dortmund， Germany：IEEE， 2007：682-685.

[5] 劉慧鹏，李主南，范益彪.车路协同环境下的智能交通体系研究[J]. 科技展望，2015（12）：226.

[6] 程兴园. 关于我国智能交通车路协同系统的探讨与研究[J]. 交通世界（运输.车辆），2014（12）：84-85.

[7] 倪红军. 基于Android平台的消息推送研究与实现[J]. 实验室研究与探索，2014，33（5）：96-100.

[8] 陈超，吕植勇，付姗姗，等. 国内外车路协同系统发展现状综述[J]. 交通信息与安全， 2011， 29（1）： 102-105，109.[ZK）][FL）]endprint