基于声波信号的车辆驾驶行为感知技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61772338
  • 项目类别：
    面上项目
  • 资助金额：
    60.0万
  • 负责人：
    俞嘉地
  • 依托单位：
    上海交通大学
  • 学科分类：
    F0208.物联网及其他新型网络
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

With the rapid popularization of smartphones, mobile sensing technology gets rapid development. Combining transportation system with the mobile sensing technology leads to a secure, fast and convenient intelligent transportation system. The sensing vehicle driving behaviors is a key issues in intelligent transportation system, and it is foundation and a key technology to intelligent transportation system. Since audio signals have the advantages of strong penetrability, wide sensing range and low cost, the sensing technology based on audio signals provides novel technology supports to implement the sensing vehicle driving behaviors. For two key problems of the sensing technology: behavior recognition and motion tracking, this project researches on sensing vehicle driving behaviors based on audio signals. We first both discuss the behavior recognition and motion tracking technology and analyze the interference from traffic environments to audio signals，and propose the behavior recognition and motion tracking methods under traffic environments. Then, to deal with the real demand of intelligent transportation system, we design the inattentive driving behaviors recognition and steering tracking methods, and implement an applied demonstration system for sensing vehicle driving behaviors. This project provides basic theories about mobile sensing technology and the breakthrough technology in sensing vehicle driving behaviors, making contribution to the practical development of intelligent transportation system.
随着智能终端产业爆发式增长，移动感知技术得以快速发展。将基于智能终端的感知技术与交通系统相结合可以打造出安全、快速和便捷的智能化交通系统。在智能交通系统中，感知车辆驾驶行为是备受关注的问题之一，是构架智能交通系统的应用基础与关键技术。由于声波信号穿透性强，感知范围大，能耗低等特点，智能终端声源装置为实现车辆驾驶行为的感知任务带来了新的技术支持。本项目拟针对感知技术的两个核心问题-行为识别和轨迹追踪，深入研究基于声波信号的车辆驾驶行为感知技术。首先从声波信号特性入手，探讨基于声波信号的运动行为识别和轨迹追踪技术，分析复杂交通环境对声波信号的干扰，提出面向复杂交通环境的运动行为识别与轨迹追踪技术方案；然后针对智能交通系统实际需求，设计疏忽驾驶行为识别方法和方向盘转动轨迹追踪方法，实现车辆驾驶行为感知应用示范系统。本课题的成功开展，将促进移动感知技术推动社会经济发展，为智能交通的实用化做出贡献。

结项摘要

在智能交通系统中，车辆驾驶状态的监控是备受关注的问题之一，是构架智能化城市交通系统的应用基础与关键技术。智能终端自带的声源装置，为在车辆交通系统中实现车辆驾驶行为的感知任务带来了新的技术支持。本项目针对感知技术的两个核心问题-行为识别和轨迹追踪，深入研究基于声波信号在复杂车辆驾驶环境下的驾驶行为感知技术。. 在重要研究成果方面，本课题取得的成果包括：1）提出了基于声波信号的驾驶员疏忽驾驶行为早期识别技术及系统，通过设计基于超声波信号多普勒效应的行为运动感知算法，和驾驶环境下驾驶员行为动作早期识别算法，实现了对驾驶员异常驾驶行为的早期识别与监测；2）提出了基于声波信号的车辆方向盘转动轨迹追踪技术及系统，通过设计基于声波信号的多目标运动轨迹追踪算法，和基于投影变换的跨维度运动轨迹追踪算法，实现了对方向盘转动角度进行实时追踪；3）提出了非接触式的的驾驶员生命体征监测技术及系统，设计了复杂驾驶环境下驾驶员细粒度呼吸信息提取算法和驾驶员细粒度心跳信息感知算法，实现了驾驶环境下驾驶员的呼吸和心跳实时监测；4）设计并实现了车辆驾驶行为感知的示范应用系统，部署在实际的驾驶车辆环境下，具有良好实际应用价值。. 本项目的研究团队超额完成考核指标。完成学术专著1部。共发表高质量论文27篇，其中项目为第一标注论文18篇，CCF A类论文14篇，CCF B类论文10篇。发表高质量国际期刊论文15篇，例如IEEE Transactions on Mobile Computing 5篇，IEEE/ACM Transactions on Networking 1篇等；高质量国际会议论文11篇，例如IEEE MobiCom 1篇，IEEE INFOCOM 2篇， ACM UbiComp 2篇等；CCF A类中文期刊1篇。申请国家发明专利10项，已全部授权，并获得软件著作权2项。 2019获得上海市自然科学二等奖。本项目的成功开展取得了国际领先水平的科研成果，为国家智能交通产业和信息产业的持续高速发展提供核心关键技术的支持。

项目成果

期刊论文数量（16）
专著数量（1）
科研奖励数量（3）
会议论文数量（10）
专利数量（10）
Leveraging Audio Signals for Early Recognition of Inattentive Driving with Smartphones
利用音频信号及早识别智能手机驾驶时的注意力不集中
  • DOI：
    10.1109/tmc.2017.2772253
  • 发表时间：
    2018-07
  • 期刊：
    IEEE Transactions on Mobile Computing(IEEE TMC)
  • 影响因子：
    --
  • 作者：
    Xu Xiangyu;Yu Jiadi;Chen Yingying;Zhu Yanmin;Qian Shiyou;Li Minglu
  • 通讯作者：
    Li Minglu
Enable Traditional Laptops with Virtual Writing Capability Leveraging Acoustic Signals
利用声音信号为传统笔记本电脑提供虚拟写入功能
  • DOI：
    10.1093/comjnl/bxz153
  • 发表时间：
    2020-01
  • 期刊：
    Computer Journal
  • 影响因子：
    1.4
  • 作者：
    Lu Li;Liu Jian;Yu Jiadi;Chen Yingying;Zhu Yanmin;Kong Linghe;Li Minglu
  • 通讯作者：
    Li Minglu
Fine-Grained Air Quality Inference with Remote Sensing Data and Ubiquitous Urban Data
利用遥感数据和无处不在的城市数据进行细粒度空气质量推断
  • DOI：
    10.1145/3340847
  • 发表时间：
    2019
  • 期刊：
    ACM Transactions on Knowledge Discovery from Data
  • 影响因子：
    3.6
  • 作者：
    Xu Yanan;Zhu Yanmin;Shen Yanyan;Yu Jiadi
  • 通讯作者：
    Yu Jiadi
Evolutionary game-based cooperative strategy for effective capacity of multiple-input-multiple-output communications
基于进化博弈的多输入多输出通信有效容量合作策略
  • DOI：
    10.1177/1550147717737969
  • 发表时间：
    2017
  • 期刊：
    International Journal of Distributed Sensor Networks
  • 影响因子：
    2.3
  • 作者：
    Liu Jianhua;Yu Jiadi;Li Minglu;Li Luqun;Li Dazhi;Shen Shigen
  • 通讯作者：
    Shen Shigen
基于声波感知的移动设备实时防窃方法研究
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    卢立;俞嘉地;李明禄
  • 通讯作者：
    李明禄

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Improvement of Incentive M echanism on BitTorrent-like Peer-to-Peer File Sharing Systems
类BitTorrent点对点文件共享系统激励机制的改进
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Journal of Donghua University (English Edition),
  • 影响因子：
    --
  • 作者：
    洪峰;俞嘉地;薛广涛;李明禄
  • 通讯作者：
    李明禄

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

俞嘉地的其他基金

基于毫米波信号感知人体行为特征的身份认证
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
基于毫米波信号感知人体行为特征的身份认证
  • 批准号：
    62172277
  • 批准年份：
    2021
  • 资助金额：
    59.00 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码