基于主动预警的智能穿戴设备

参与道路交通的行人会受车辆和其他快速移动物体的威胁,且行人规避车辆撞击伤害的方式几乎都是被动的。从行人的角度出发,提出了一种智能穿戴设备设计,使行人可以对运动车辆或物体的撞击做出早期预警,主动规避撞击伤害的风险。该智能穿戴设备采用毫米波雷达传感器测得移动物体的各种物理参数,通过STM32蓝牙系统将数据传送至APP进行安全算法运算,再根据计算结果对撞击风险做出评估并向穿戴者进行早期预警。

基于多Agent强化学习的危险车辆预警算法

针对目前行人易受到车辆撞击,且缺乏主动保护手段的问题,文中设计了一个包括雷达等模块的智能可穿戴设备来保护行人免受车辆的冲击。在此基础上,提出了基于模糊综合评价的安全智能算法,从行人的角度出发,综合考虑将雷达探测的车辆数据、当地道路交通状况、天气、行人状态等多种影响因素作为评价指标。为提高算法的准确性和适应性,提出了基于BP神经网络和多Agent强化学习的方法赋予模糊综合评价的各指标动态权重。仿真验证结果显示,相较于AHP等取权重方法,该预警算法的警报准确率提高了55%以上;相较单Agent强化学习,该方法学习效率提高了近28倍,说明该智能穿戴设备可以对车辆撞击行人进行有效地预测和警告。