混合动力车(HEV)及纯电动汽车(EV)等电动车辆不仅燃效高，而且行驶声音小。但由于行驶声音小，行人很难察觉到车辆靠近，因此存在在人来人往的道路上引发事故的概率较高的问题。东京大学的研究小组开发出了用一部智能手机来解决该问题的技术，并在2014年7月举行的“泛在计算研究会第43届研究会”上发表了演讲(图1)注1)。这项技术可通过与眼镜式及手表式可穿戴设备联动来发挥作用。
图1 利用开关噪声来检测有无电动车辆靠近
东京大学的研究小组开发出了一种系统，可利用智能手机的麦克风来收集HEV、EV等电动车辆的功率转换器发出的开关噪声，从而提醒用户有车辆靠近。(上图来自谷歌，下图来自东京大学)
注1)演讲题目和论文名称为“利用智能手机来检测有无纯电动汽车或混合动力车靠近的方法”。这是东京大学研究生院信息理工学系研究科电子信息专业的教授浅见彻与副教授川原圭博的研究室开发出来的成果。主要研究者是该研究室的高木雅和藤本浩介。
把目光投向开关噪声
在日本市场销售的HEV及EV均安装了向周围发出电子声音来通知行人有车辆靠近的设备。不过，这种方法存在的问题是，会损害车辆好不容易才实现的静音性，而且驾驶员必须开启这项功能才能发挥作用。尽管车辆和行人相互传递位置信息的人车间通信系统也在开发之中，但这种系统构建起来既费时又费力。
于是，东京大学的研究小组将目光投向了HEV及EV的驱动马达在起动时产生的开关噪声。驱动马达的逆变器及转换器等电力转换器经常以5kHz或10kHz的频率来开关IGBT，在该频带以及为其整数倍的15kHz频带、20kHz频带，容易产生开关噪声。电力转换器中的开关动作会使磁场发生变化，使马达外壳产生振动，从而发出噪声。市销车的行驶声音测量结果显示，HEV(普锐斯PHV)在5kHz附近达到峰值，EV(LEAF)在10kHz和20kHz附近达到峰值。
利用出现峰值的三个频带
此次的检测技术根据预先用iPod touch录制的HEV和EV的行驶声音，按照以下步骤构建了用来检测车辆靠近的决策树。(1)以48kHz的频率对录音数据进行采样，为了便于进行FFT，将其分成同等的3.2768万份样本(每份为0.683秒)，并把每份定义为1帧。(2)对各帧的波形数据实施FFT，获得频谱。(3)针对5kHz、10kHz、20kHz附近的三个频带，各设定16个区段。(4)计算出各区段的最大音量和平均音量，再利用所有频带的平均音量对各区段进行正规化。(5)对上一步获得的96维(3×16×2)特征向量赋予含有车型及车速信息的正确答案标签。(6)利用该正确答案标签，以名为“J48”的算法编制决策树。采用J48决策树的原因是，原理简单、精度高，借助智能手机等便携设备的运算能力就能进行判断。
使用这种检测技术时，要针对智能手机的麦克风收集的声音数据，按照与上述(1)?(5)的步骤来获得96维特征向量，并将这些向量放入J48决策树中来判断有无HEV/EV靠近(图2)。实验结果显示，最晚可在电动车辆与行人达到最近距离之前约两秒钟，检测出有车辆靠近(图3)。
图2 使用三个频带来检测有无车辆靠近
电动车辆的电力转换器的开关噪声在5kHz、10kHz、20kHz附近达到峰值。因此，此次的技术利用这三个频带的最大音量和平均音量，来判断有无电动车辆靠近。
图3 可在约两秒前发出警告
使用同一辆EV，在住宅区、停车场及主要街道等环境声音不同的三个地方进行了实验，实验结果显示，在环境声音较小的住宅区可最早检测出有车辆靠近并发出警告(a)。另外，还比较了在停车场检测HEV和EV并发出警告时间，发现二者差别不大(b)。最晚均可在约两秒前发出有车辆靠近的警告。
将这种检测算法作为安卓应用安装到Nexus 4上进行测试后发现，可以在EV与行人达到最近距离之前4秒钟检测到车辆。而且，东京大学还试制出了在谷歌眼镜上显示警告的系统，并在车辆与行人达到最近距离之前检测出有车辆靠近。除了眼镜式终端之外，手表式终端也可采用此次的技术来提醒行人有车辆靠近。
