2.3.1 導航信息獲取

　　慣性導航工作原理簡述^[14]：參照圖2導航坐標系和載體坐標系，兩坐標系的空間關系如下(其中為轉換矩陣)：

　　通過對加速度積分，離散化連續時域下的速度公式，得到汽車在導航坐標系下的速度。同理，對速度積分，得到汽車的位移信息。

2.3.2 基于卡爾曼濾波組合導航

　　卡爾曼濾波是一種最優遞推最小方差估計技術，對僅與部分狀態有關的測量值處理，得到估計誤差最小的更多狀態估計值。離散卡爾曼濾波方程為：

3 數據無線傳輸

　　以PC機作為服務器，借用移動公司的GPRS網絡作為無線數據傳輸平臺，將數據發送至服務器以存儲備用^[16]。GPRS網絡是在GSM網絡的基礎上發展起來的一種無線分組服務技術，具有接入范圍廣、高速傳輸、快捷登錄、永遠在線、按流量計費的特點，可以實現系統的高速、實時、靈活的要求^[17-18]。工作過程如下：

　　微控制器通過指令控制GPRS模塊，將傳感器直接輸出的加速度、角速度數據，以及通過軟件的姿態解算算法得到的姿態角度、速度(合速度)、位移(合位移)以5HZ的頻率使用GPRS網絡發送至internet的指定IP地址服務器上，服務器通過編程接收車載終端傳過來的數據報文，按照指定的TCP/IP協議和數據格式進行報文解析，將數據存入服務器。

4 功能測試

　　受條件限制，僅對7個參數進行試驗評測。方法如下：1)實驗室條件下，利用水平儀和重垂線將電路板放置水平位置，然后讓其垂直下落至墊子上測a_z; 2)讓車以固定半徑10m固定速度20km/h、30km/h、40km/h行駛，測角速度;3)讓車分別以20km/h、40km/h、60km/h的固定速度行駛在一段水平路況測速度，并且在過程中記錄位移;4)以三組姿態角行駛測姿態角。其中加速度單位為m/s²，角速度單位為rad/s，姿態角單位為°，速度單位為km/h，位移單位為km，平均值是測量10次的均值，評測結果如表1。

　　如表1所示，姿態角、加速度和角速度準確率很高，受累積積分影響嚴重的速度位移準確率相對偏低，總體來看，該系統采集的數據準確率偏高，符合評判駕駛員駕駛行為的設計要求。

　　為了更好地驗證系統，形象地反映駕駛員駕駛狀況，選取一條有水平路段、轉彎路段和上坡路段的線路，駕駛汽車不停地變換檔位在該線路上行駛，并進行數據采集，鑒于數據量大，無法把整個過程數據呈現，故截取有代表性的數據，說明駕駛人駕駛車輛情況。結果如圖3~圖6，其中姿態角以三維圖給出，加速度、角速度、位移、速度以時間為橫坐標給出二維圖。

　　描述車輛狀態的直接參數有速度、加速度，包括翻滾角、俯仰角及導航角的姿態角度，間接參數就是定位。速度、加速度參數會反映駕駛人駕駛車輛是否平穩，是否有不良駕車陋習，位移軌跡可以看出駕駛人是否處于酒駕、打瞌睡，或是開車不專心的狀態，姿態角度可以看出車輛是處于下坡路段，還是上坡路段，是否擇優選擇道路行駛。從上面數據分析駕駛員駕駛車輛運行情況如下：俯仰角θ最大達45°78′，翻滾角γ變化很小，偏航角Ψ變化幅度大且頻繁，表明車輛姿態平穩，有上坡路段或是有路況不好顛簸現象，結合加速度和速度數據知，司機先后都是勻速行駛，中間有加減速變化，幅度適中，但變速加減速頻繁，位移軌跡的平滑說明司機行車穩重，處于良好的駕駛狀態。

5 總結展望

　　通過功能檢測，含GPS定位的汽車姿態大數據采集系統以最低92.3%的準確度實現了數據的采集功能，結合組合導航信息排除路況原因，更能反映駕駛人的狀態，可以作為評判駕駛人行為是否符合要求的依據，完全可以為公交公司、出租車公司，以及一些運營車輛的公司的安全控制策略研究提供數據依據。此外，本系統可以作為遠程監控平臺的基礎，加入基于GPRS的通信技術，實現對司機駕駛狀態的實時監控，并可以進行緊急情況的遠程控制及處理，具有實際的應用價值。

參考文獻：

　　[1]Ranney,T.et al.NATSA Driver Distraction Research:Past,Present and Future.Driver Distraction Internet Forum,2000.

　　[2]吳巖.基于握力特征量的駕駛員異常行為檢測系統的研究[D].吉林大學,2010:1-44.

　　[3]吳超.基于駕駛行為特征的疲勞駕駛檢測方法的實現[D].武漢理工大學,2013:5-6.

　　[4]張楠,黃康.人眼識別技術在駕駛行為檢測中的應用[J].測控自動化,2007.8(1):254-258.

　　[5]童兵亮.基于嘴部狀態的疲勞駕駛和精神分散狀態檢測方法研究[D].吉林大學,2004：33-83.

　　[6]王丹.基于機器視覺的駕駛員打電話行為檢測[D].北京理工大學,2015:10-62.

　　[7]黃巖.汽車檢測技術的發展趨勢[J].汽車維修與保養,2004(04):42-44.

　　[8]孫金秋，游有鵬，傅忠云.基于共軛梯度法和互補濾波相結合的姿態解算算法[J].傳感器技術學報,2014,27(4):524-528.

　　[9]孫榮輝,賈宏光,陳濤.基于四元數法的捷聯式慣性導航系統的姿態解算[J].光學精密工程，2008,16(10):1962-1970.

　　[10]姜建飛.基于STM32的捷聯慣性測量系統設計[D].南京理工大學,2014:7-52.

　　[11]李景輝,楊立才.基于多傳感器信息融合的人體姿態解算算法[J].山東大學學報,2013,43(5):49-54.

　　[12]劉晶璟.采用加速度傳感器技術實現盲區定位的研究和開發[J].計算機應用與軟件,2012(03):274—277.

　　[13]唐康華.GPS/MIMU嵌入式組合導航關鍵技術研究[D].國防科技大學:2008：77-90.

　　[14]趙俊梅.GPS/SINS組合導航系統濾波算法研究[D].中北大學:2006.

　　[15]徐梓峰,盧艷娥,龐春雷.基于GPS的捷聯慣導系統誤差校正研究[J].計算機測量與控制,2013,21(9):2518-2521.

　　[16]胡先智,梁艷.基于GPRS遠程無線數據采集系統實現[J].信息與電腦,2010,12:58-59.

　　[17]成春旺.監控系統中基于GPRS的無線數據傳輸系統的研究與實現[D].北京郵電大學: 2006.

　　[18]王磊，許小琳.GPRS無線數據傳輸中服務器端軟件的設計和實現[J].測控技術，2007,26(11):55-57.

本文來源于《電子產品世界》2017年第1期第44頁，歡迎您寫論文時引用，并注明出處。