基于碰撞试验的车辆碰撞声信号特征

凤鹏飞，金会庆，2*

(1.安徽三联学院交通工程学院，安徽合肥 230601；2.国家车辆驾驶安全工程技术研究中心，安徽合肥 230601)

基于碰撞试验的车辆碰撞声信号特征

凤鹏飞1，金会庆1，2*

(1.安徽三联学院交通工程学院，安徽合肥 230601；2.国家车辆驾驶安全工程技术研究中心，安徽合肥 230601)

为使车辆碰撞发生重大交通事故后，能够及时报警和施救，将声音识别技术应用于交通事故的检测和报警。采用声音信号特征提取方法，通过试验搜集车辆典型碰撞声、自然界雷声、喇叭声等多种交通复合声音信号。使用Matlab工具，对采集的车辆正常行驶过程中无干扰、有干扰以及不同车速和不同角度碰撞时的3类声信号特征进行频谱分析。分析表明：发生重大交通事故时的车辆碰撞声信号频率远远高于其余两类状态，完全可以通过提取车辆碰撞声音信号特征来判断是否发生了重大交通事故。

车辆碰撞声；特征提取；Matlab；频谱分析

道路交通事故严重威胁着人类的生命安全，正常行驶的车辆发生严重碰撞后，乘员无法及时报警，从而不能及时施救，使伤亡更为惨重。声音识别技术是以声音为研究对象，是声音信号处理技术的一个重要研究方向，也是模式识别的一个分支。声音识别技术涉及到多个学科领域，包括计算机科学、信号处理、物理学等[1-2]。识别的关键技术是合理选取声音特征，通过科学试验、数据分析处理等，得出不同声音特征的个性差别，通过不同声音信号特征的提取达到预期的目的。

车辆在发生碰撞时必将伴随碰撞声音，将声音信号通过特征分析与提取，用于识别车辆是否发生了交通事故，以便及时施救[3]。

1 声信号特征提取技术在交通领域的应用

声音信号的检测方法有声波法和共振法。其检测原理是：每种材料的介质都有其固有的弹性模量和共振频率，在受到激励产生自由振动时，会发出固有频率的声音，通过测定工件在外力作用下振动的声音信号参数(共振频率和衰减率)，就可以检测材料的内部质量，如球墨铸铁的石墨情况、基体组织和机械性能等[4-5]。

道路交通声音信号因干扰因素较多，研究情况较为复杂，国内外对声音信号应用于交通安全领域检测的研究较少。文献[6]使用音频信号检测交叉口的交通事故；文献[7]设计基于音频信号分析的十字路口交通事故检测系统；文献[8]把音频信号处理模块应用于十字路口交通管理系统，利用车辆在十字路口的碰撞音频信号来检测发生的交通事故；文献[9]利用声信号检测高速公路交通流的特征参数，提出道路交通流特征参数检测的新方法——车辆声学特征检测法；文献[10]进行道路交通事故自动声信号检测算法的研究，分析声信号处理条件下的交通事故自动检测算法的运用；文献[11]在基于声音识别的交通信息检测技术研究中，提出将声音识别的方法应用于交通信息的检测。

2 基于碰撞试验的车辆碰撞声特征分析

借助Matlab工具进行声音信号分析，通过声音频谱分析得出车辆发生碰撞时高幅值的频率范围，以此来确定车辆碰撞声的特征。为了真实还原车辆在行驶过程中的碰撞，分别分析车辆正常行驶状态下可能遇到的某些干扰声特征以及真实车辆的碰撞声特征，将二者进行对比分析。

2.1车辆正常行驶的声信号特征

2.1.1 正常行驶无干扰声

正常行驶无干扰是指车辆不受到喇叭、雷声的干扰，但车辆正常行驶过程中伴随着轮胎摩擦、风速、发动机声音等随机变化的非稳态低频噪声[12]，同时还受到车流量、车速等条件的影响。一般来说，汽车正常行驶时的声音信号频率为250～500 Hz，属于低频声信号[13]。

2.1.2 正常行驶有干扰声

车辆实际正常行驶过程中，会受到车辆喇叭声和自然界雷声的干扰，这些干扰声音在听觉效果上非常接近车辆产生碰撞的声音，但喇叭声和雷声在响度、音调、衰减及频谱方面都不同于车辆碰撞声音。通过试验分别采集了4种车辆喇叭声音和4种雷声进行对比分析。

1)车辆喇叭声

车辆在正常行驶中，驾驶员使用喇叭用以警示和提醒行人或其它车辆，不同的车辆喇叭声音不同。为研究车辆喇叭声音与车辆重大碰撞声音的区别，采集多款车型的汽车喇叭声音样本，选取 4种车型的喇叭声音样本通过Matlab软件将其转化为频谱图[14-15]，如图1所示。

图1 4种常见车型的喇叭声频谱图

由图1可以看出：汽车在正常行驶过程中，驾驶员按喇叭发出的声音频率不高，轿车与越野车的频率呈分散状态，轻型卡车与重型卡车呈相对聚集状态，频率范围一般为3～13 kHz，车辆差异大，频率范围较广。

2)自然界雷声

车辆在正常行驶时，偶尔会遇到自然界的雷声，选取自然界常见的4种雷声进行试验，并通过Matlab软件将其转化为频谱图，如图2所示。由图2可以看出：雷声呈现一定的声音聚集状态，但雷声产生的频率都偏低，一般为20～70 kHz。以上4种雷声信号的采集，因受到当时的测试距离、天气和周围杂音的干扰不同，所测的声音频率有一定的误差[16]。

图2 4种常见雷声频谱图

2.2车辆碰撞时的声信号特征

上海某汽车碰撞实验室车辆碰撞场地如图3所示。选取吉利远景、三菱蓝瑟、力帆和雪佛兰乐风等4款车型进行碰撞试验。车辆碰撞形式如图4所示，正面碰撞采取一车处于静止状态，另一车在距离100 m处起步并加速至规定车速30～100 km/h后，与静止车辆车头碰撞；侧面碰撞时，碰撞角度为90°(垂直)或30°；追尾碰撞时，与正面碰撞行驶类似，与被碰撞车辆车尾相撞。声音采集装置放于发动机机舱内部靠近驾驶员的位置处。

图3 车辆碰撞场地示意图 图4 车辆碰撞形式示意图

对4款汽车进行了8次不同车速、不同角度的碰撞试验。将采集到的碰撞声音信号进行音频转化，借助Matlab工具进行频谱读取与分析，得出如图5所示的频谱图。

由图5可以得出，由于碰撞的速度和角度不同，碰撞时表现的频谱分布略有差异，4款车辆碰撞声音信号频率为130～420 kHz，车辆在产生碰撞时声音瞬间聚集性非常强，频率大大高于喇叭声和雷声[17]，如表1所示。

2.3车辆正常行驶与碰撞时声信号特征

将车辆正常行驶过程中无干扰和有干扰(喇叭与雷声)时的声信号与不同车速、不同角度碰撞时的声信号特征进行对比分析，正常行驶无干扰时的声信号频率在500 Hz以内。喇叭声频率为3～13 kHz以内，雷声频率为20～70 kHz。在车辆碰撞发生重大交通事故时声信号频率最小为130～150 kHz。图6为车辆在以上4种状态下声信号频率范围的比较，由图6可知，发生重大交通事故时的车辆碰撞声信号频率远远高于正常行驶和有干扰声信号状态下的声信号频率，碰撞声信号特征明显，完全可以作为声音识别信号来判断是否发生了重大交通事故[18]。

图5 4种车型8种碰撞声音频谱图

表1 4种车型8种碰撞声音信号频率 单位：kHz

图6 车辆4种状态下的声信号频率比较

3 结论

发生重大交通事故的背景下，车辆碰撞发出碰撞声信号，通过采集无干扰状态下的车辆行驶声信号、车辆喇叭声信号、自然界雷声和不同速度、不同角度的车辆碰撞时的声信号，借助Matlab软件进行频谱分析。车辆在碰撞时声音瞬间聚集性非常强，频率约为喇叭声的10倍多，雷声的2倍多。重大交通事故发生时的车辆碰撞声信号特征明显，完全可以通过提取车辆碰撞声音信号特征来判断是否发生了重大交通事故。

[1]李宏松，苏健民，黄英来，等.基于声音信号的特征提取方法的研究[J].信息技术，2006(1)：91-94. LI Hongsong，SU Jianmin，HUANG Yinglai，et al.The research on characteristics extraction based on voice signal[J].Information Technology，2006(1):91-94.

[2]陈学煌，李文全，赵云娥.声音基频检测技术的研究与应用[J].电声技术，2010(12)：54-56，64. CHEN Xuehuang，LI Wenquan，ZHAO Yun′e.Research and application of sound fundamental frequency examination technology[J].Electroacoustic Technology，2010(12):54-56，64.

[3]宋扬.基于音频检测的碰撞型重大交通事故报警技术的研究[C]//第八届国际汽车交通安全学术会议论文集.芜湖：第八届国际汽车交通安全学术会议，2010：322-327. SONG Yang.Collision detection based on audio alarm technology of major traffic tccidents[C]//Proceedings of the 8th international forum of automotive traffic safety.Wuhu:The 8th International Forum of Automotive Traffic Safety，2010：322-327.

[4]梁民，叶剑民.声音信号质量评价技术[J].数字技术与应用，2011(6)：139-144. LIANG Min，YE Jianmin.Technologies for quality assessment of sound signals[J].Digital Technology and Application，2011(6)：139-144.

[5]倪其育.音频技术教程[M].2版.北京:国防工业出版社，2011：1.

[6]LI D, SETHI I K, DIMITROVA N, et al.Classification of general audio data for content-based retrieval[J].Pattern Recognition Letters，2001，22(5):533-544.

[7]DEVASENA C L, LATHA M H.Automatic classification of audio data using gradient descent neural network based algorithm[J].Journal of Theoretical & Applied Information Technology, 2014(1):562-567.

[8]CHANG B R, TSAI H F, YOUNG C P.Intelligent data fusion system for predicting vehicle collision warning using vision/GPS sensing[J].Expert Systems with Applications , 2010, 37(3):2439-2450.

[9]陈强.高速公路交通流特征参数被动声学检测技术研究[D].长春：吉林大学，2005. CHEN Qiang.Research on technology of passive acoustics detection of expressway traffic flow characteristic parameters[D].Changchun:Jilin University，2005.

[10]戴硕.基于声信号处理的交通事故自动检测方法研究[D].合肥：中国科学技术大学，2010. DAI Shuo.Acoustic ssignal processing based automatic detection method for traffic accident[D].Hefei：University of Science and Technology of China，2010.

[11]李云焕.基于声音识别的交通信息检测技术研究[D].西安：长安大学，2014. LI Yunhuan.Research on traffic information cetection technology based on voice recognition[D].Xi′an: Chang′an University，2014.

[12]王双维，陈强，李江，等.不同车型的车辆声音与振动信号特征研究[J].声学技术，2007，26(3)：460-463. WANG Shuangwei，CHEN Qiang，LI Jiang，et al.Character of radiated noise and ground vibration signals of vehicles[J].Technical Acoustics，2007，26(3)：460-463.

[13]王养军，舒歌群，王刚志.道路交通噪声预测和控制方法的研究进展[J].拖拉机与农用运输车，2005(4)：4-7. WANG Yangjun，SHU Gequn，WANG Gangzhi.Development of traffic noise prediction and control methods[J].Tractors and Fam Transporter，2005(4)：4-7.

[14]陈家焱，陈冬娇，张达响.基于Matlab的声音信号采集与分析处理[J].计算机与现代化，2005(6)：91-92，96. CHEN Jiayan，CHEN Dongjiao，ZHANG Daxiang.Collecting and processing of sound signal with matlab[J].Computer & Modern，2005(6)：91-92，96.

[15]冯伟东，韩雪冰.LabVIEW与MATLAB在声音信号采集与小波降噪中的应用[J].长春工业大学学报(自然科学版)，2006，27(1)：40-42. FENG Weidong，HAN Xuebing.Applications of LabVIEW and MATLAB in signal collecting and wavelet denoising of sound [J].Journal of Changchun University of Technology(Natural Science Edition)，2006，27(1)：40-42.

[16]苏斌.基于音频特征分析的车辆识别软件实现[D].成都：电子科技大学，2014. SU Bin.Research of vehicle recognition based on audio feature analysis[D].Chengdu: University of Electronic Science and Technology，2014.

[17]瓦普尼克.统计学习理论[M].北京：电子工业出版社，2004.

[18]CHERNG S, FANG C Y, CHEN C P, et al.Critical motion detection of nearby moving vehicles in a vision-based driver-assistance system[J].IEEE Transactions on Intelligent Transportation Systems，2009，10(1):70-82

(责任编辑：杨秀红)

MessageCharacteristicsofVehicleCollisionSoundBasedonCrashTest

FENGPengfei1，JINHuiqing1，2*

(1.SchoolofTrafficEngineering,AnhuiSanlianUniversity,Hefei230601,China; 2.NationalCenterofEngineeringandTechnologyforVehicleDrivingSafety，Hefei230601，China)

In order to make the vehicle crash after a major traffic accident timely alarm and rescue, the sound recognition technology is used in traffic accident detection and alarm. Through the test, the method of sound characteristics extraction is used to collect a typical vehicle collision sound, natural thunder, horn sound and other traffic composite sound signals. Through the Matlab, the spectrum is analyzed for the characteristics of three kinds of acoustic signals when the collected vehicle in the normal driving process collides without interference, interference, different speed and different angles. The analysis shows that the frequency of the vehicle collision sound signal is much higher than that of the other two states of collision when the major traffic accident occurs, and it is completely possible to determine whether it is a major traffic accident or not through the extraction of vehicle collision sound signal features.

vehicle collision sound; characteristics extraction; Matlab; spectrum analysis

2017-02-12

国家科技支撑计划项目(2011BAK20B00)

凤鹏飞(1979—)，男,安徽宿州人，讲师，工学硕士,主要研究方向为车辆安全检测工程,E-mail: fengpengfei@126.com.

*通讯作者：金会庆(1956—)，男,上海人，教授，工学博士,博士生导师,主要研究方向为道路交通事故防治工程,E-mail: jgc@slu.edu.cn.

10.3969/j.issn.1672-0032.2017.02.002

U491.31

：A

：1672-0032(2017)02-0009-05