一个电动自行车转弯防滑预警系统技术方案

本发明专利技术公开了一个电动自行车转弯防滑预警系统，属于交通安全领域，所述的电动自行车转弯防滑预警系统包括感知层、判断层、反应层，所述的是一个多传感器数据融合采集系统，用于检测电动自行车实时运行状态，由多轴姿态传感器、手机蓝牙、红外传感器、重力传感器所组成；所述的判断层判断骑行状态的物理模型和预测骑行危险等级的机器学习模型，物理模型基于力学方程构建转弯速度、倾斜角度与转弯半径、坡度、摩擦系数等参数之间的关系；所述的反应层由智能头盔预警系统组成，智能头盔兼顾固体防护和电系统预警；本发明专利技术通过不同行驶状态来划分电动自行车动态行驶风险等级，并构建风险的辨识与预测方法，在研究对象及切入点上具有研究特色。究特色。究特色。

【技术实现步骤摘要】
一个电动自行车转弯防滑预警系统


[0001]本专利技术属于交通安全领域，更具体的说涉及一个电动自行车转弯防滑预警系统。

技术介绍

[0002]近10多年来，我国电动车市场出现增长趋势明显。现在全国电动车拥有量达1400万辆。据全国各大城市的市民需求调查，高达76％的市民有将电动车作为代步交通工具的需求。
[0003][0004]在国家相关政策的大力支持下，电动自行车成为中国交通工具制造领域产量规模较大的制造产业。未来发展中，电动自行车朝着综合性技术开发能力不断优化发展，不断推出高附加值的新产品，通过综合技术赢得消费者的选择。
[0005]国外电动自行车发展较早的是日本以及德国等欧洲国家，近几年美国发展也较快。日本在生产和市场上都具备相当大的规模，但是关于防护设备，目前只有安全帽，缺乏相关配套防护系统。
[0006]欧洲在电动自行车车市场最为成熟。最大的市场是德国，荷兰以及比利时。欧洲市场每年的销量在300万至400万辆。欧盟执委会在欧洲10国赞助一项E
‑
Tour计划，推动电动车车辆的发展，此计划以电动自行车为主。这也给发展电动自行车和相关配套装备提供了资金和机会。
[0007]
技术实现思路

[0008]本专利技术通过感知层采集骑行人员和电动自行车的数据，在通过判断层判断出电动自行车是否有滑倒的危险，最后通过反应层为用户提供分析结果和预警，防止用户骑行的过程中出现滑倒等安全事故的发生。
[0009]为了实现上述目的，本专利技术是采用以下技术方案实现的：所述的电动自行车转弯防滑预警系统包括感知层、判断层、反应层；
[0010]所述的感知层是一个多传感器数据融合采集系统，用于检测电动自行车实时运行状态，由多轴姿态传感器、手机蓝牙、红外传感器、重力传感器所组成；
[0011]所述的判断层判断骑行状态的物理模型和预测骑行危险等级的机器学习模型，物理模型基于力学方程构建转弯速度、倾斜角度与转弯半径、坡度、摩擦系数参数之间的关系；
[0012]所述的反应层由智能头盔预警系统组成，智能头盔兼顾固体防护和电系统预警。
[0013]进一步地，所述的感知层还包括手机app通过手机蓝牙与感知层连接，感知层的传感器采集到的数据后进行如下处理:
[0014]S101对数据进行时间戳同步；
[0015]S102对数据进行融合处理；
[0016]S103在将融合处理后的数据传输到判断层。
[0017]进一步地，所述的判断层分为理论模型搭建阶段和机器学习模型搭建阶段两个主要步骤；所述的理论模型搭建阶段采用以下步骤实现的：
[0018]S201通过物理公式和理论模型推导得出电动自行车骑行的物理模型；
[0019]S202带入真实数据进行模型标定得到方程偏差容忍度，当实际数据代入方程误差落在容忍度区间内即认为不存在受力失衡，反之则认为存在受力失衡，具有一定的危险；
[0020]所述的机器学习模型搭建阶段采用以下步骤实现的：
[0021]S301在具有危险的情形下进行人工经验判断，并进行危险程度进行标定；
[0022]S302引入多源融合数据，利用XGboost决策树模型进行十折交叉训练；
[0023]S303通过贝叶斯网格搜索进行超参数调整，输出危险程度预测效果最好的一折模型作为电动自行车防滑预警系统的决策树模型。
[0024]进一步地，所述的S201通过物理公式和理论模型推导得出电动自行车骑行的物理模型；
[0025]其中C表示骑行重心，f为摩擦力，G为重力，g为重力加速度，R为转弯半径，v为地面支持力，θ表示倾斜角度，β为纵向道路倾角，α为横向道路倾角，F为离心力，h为重心离地面的高度。
[0026]根据临界状态下受力平衡及力矩平衡，可得以下公式：
[0027]tanθ
·
g≥v2·
R
ꢀꢀꢀꢀ
(式1)
[0028][0029][0030]Fhcosα＝Ghcosβsinα
ꢀꢀꢀ
(式4)。
[0031]进一步地，所述的反应层具备灯光、蜂鸣、震动等功能，主要作用是根据专家处理系统得到的危险等级做出相应的反应，用于驾驶人骑行过程中的实时人机交互，实现电动自行车转弯防滑预警提示的功能。
[0032]进一步地，所述的感知层、判断层、反应层通过有线(CAN总线)和无线(WLAN)两种方式进行连接。
[0033]本专利技术有益效果：
[0034]本专利技术通过感知层采集骑行人员和电动自行车的数据，在通过判断层判断出电动自行车是否有滑倒的危险，最后通过反应层为用户提供分析结果和预警，防止用户骑行的过程中出现滑倒等安全事故的发生。
附图说明
[0035]图1为本专利技术系统框图；
[0036]图2为本专利技术物理模型示意图；
[0037]图3为本专利技术元器件安装示意图；
[0038]图4为本专利技术红外光谱路面湿滑程度测量经验曲线图。
具体实施方式
[0039]下面将结合附图对本专利技术进行详细说明，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]防滑预警系统由感知层、判断层、反应层所组成。感知层是一个多传感器数据融合采集系统，用于检测电动自行车实时运行状态，由多轴姿态传感器、手机蓝牙、红外传感器、重力传感器所组成。将采集到的骑行姿态数据、骑者体重信息、气象条件、摩擦系数等数据机进行降噪、插值恢复、集成、归纳以后传输给判断层。判断层为专家系统，包括判断骑行状态的物理模型和预测骑行危险等级的机器学习模型。物理模型基于力学方程构建转弯速度、倾斜角度与转弯半径、坡度、摩擦系数等参数之间的关系，得到方程偏差容忍度。机器学习模型基于XGboost决策树算法，由导出的物理模型训练完成后构建，并通过贝叶斯搜索进行超参数调整，具备较好的泛化性和鲁棒性。专家系统能够实时预判电动自行车侧滑摔倒的风险水平，并将数据传输给反应层。反应层由智能头盔预警系统组成，智能头盔兼顾固体防护和电系统预警。电系统中的控制单元用于接收判别层传输过来的风险水平，当风险水平较高时，震动转子、蜂鸣器、LED灯光原件同时作用，从触觉、声音、视觉三个维度对骑行者和行人进行提示，具体安装示意图如图3
[0041]所述的感知层还包括手机app通过手机蓝牙与感知层连接，感知层的传感器采集到的数据后进行如下处理:
[0042]S101对数据进行时间戳同步；
[0043]S102对数据进行融合处理；
[0044]S103在将融合处理后的数据传输到判断层。
[0045]电动自行车侧滑摔倒事件是多因素共同作用所致，除驾驶人驾驶因素之外，地面摩擦系数、风雨雪气象条件等外部因素也是导致电动车摔倒的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一个电动自行车转弯防滑预警系统，其特征在于：所述的电动自行车转弯防滑预警系统包括感知层、判断层、反应层；所述的感知层是一个多传感器数据融合采集系统，用于检测电动自行车实时运行状态，由多轴姿态传感器、手机蓝牙、红外传感器、重力传感器所组成；所述的判断层判断骑行状态的物理模型和预测骑行危险等级的机器学习模型，物理模型基于力学方程构建转弯速度、倾斜角度与转弯半径、坡度、摩擦系数参数之间的关系；所述的反应层由智能头盔预警系统组成，智能头盔兼顾固体防护和电系统预警。2.根据权利要求1所述的一个电动自行车转弯防滑预警系统，其特征在于：所述的感知层还包括手机app通过手机蓝牙与感知层连接，感知层的传感器采集到的数据后进行如下处理:S101对数据进行时间戳同步；S102对数据进行融合处理；S103在将融合处理后的数据传输到判断层。3.根据权利要求1所述的一个电动自行车转弯防滑预警系统，其特征在于：所述的判断层分为理论模型搭建阶段和机器学习模型搭建阶段两个主要步骤；所述的理论模型搭建阶段采用以下步骤实现的：S201通过物理公式和理论模型推导得出电动自行车骑行的物理模型；S202带入真实数据进行模型标定得到方程偏差容忍度，当实际数据代入方程误差落在容忍度区间内即认为不存在受力失衡，反之则认为存在受力失衡，具有一定的危险；所述的机器学习模型搭建阶段采用以下步骤实现的：S301在具有危险的...

【专利技术属性】
技术研发人员：罗旭，郭凤香，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：