导言

自行车出行是改善可持续城市交通系统的一种潜在方式。然而，自行车骑行质量和慢行交通路面状况的评价方法和指标仍处于初级阶段。传统的自行车振动测量采用的是仪器探针式自行车(IPB)，它包含多个独立的测量装置，数据的获取是离散的，而且这种方法不能显示详细的路面状况。将智能交通系统与自行车相结合是实时监测自行车舒适性和详细获取路面状况的一项技术挑战。本研究提出了两种基于便携式终端测量系统的振动数据采集方案。方案(1)采用基于IPB的GPS、加速度计和运动相机独立模块系统。方案(2)采用单片机对多个模块进行集成开发，引入小波分析对随机信号数据进行分析，同时通过振动响应反映路面状况。该系统所获得的数据可成功应用于推广自行车作为慢行路面条件评价依据的基础，并路面养护和骑行者选择骑行路线提供参考数据库。

（文献来源：Xie N, Li H, Zhao W, Ni Y, Liu C, Zhang Y, Xu Z. Measurement of dynamic vibration in cycling using portable terminal measurement system [J] 2019, 13(3):469-474. DOI: 10.1049/iet-its.2018.5181）

引言

安全性和舒适性是自行车骑行推行面临的两个主要挑战。其中，自行车的振动是影响自行车骑行者舒适感受最重要的因素之一，即当振动增加时，骑行者的舒适性评价降低。舒适的骑行要求平稳的滚动，最小的能量损耗，研究自行车的舒适性不仅对路面设计具有重要意义，对路面养护和骑行者也具有重要意义。当前对自行车舒适性方法的研究仍在初级阶段，主要参考与汽车相关的方法，如激光纹理扫描仪(LTS)、惯性轮廓仪(IP)等来测试行驶舒适性，但这些系统既复杂又昂贵，不适于灵活性强、体积小的自行车的装载使用。因此，本研究考虑装载在自行车上的传感器，重点开发了便携式终端测量系统测试自行车振动情况。最终，考虑基于小波分析的数据分析方法，为骑行舒适度和路面状况的检测提供依据。

系统与实验

本研究提出了两种不同的数据采集方案。方案一配备加速度计、GPS手表和Go pro 运动相机。方案二提出了集成多个模块的Arduino Mega 2560单片机系统采集数据，包含GPS模块、数字加速度计模块和存储SD卡几个部分。动态振动测试系统及传感器安装示意图见图1，选择了位于上海市共用车道的六种不同路面进行了现场试验，试验环境稳定，不受da流量干扰。囿于篇幅限制，具体测试过程及系统开发请参考文章。

图1 动态振动测试系统及传感器安装示意图

结果与分析

基于集成电路单片机技术，本研究完成了便携性系统的开发并采用两个方案对慢行交通路面的自行车振动输入信号进行了分析。

针对路面信号进行了小波分析，以弥补傅里叶变换分析不能同时反映信号在时间和频率两域范围内细节信息的缺陷，反应路面平整度的详细信息。采用Daubechies 3小波将路面输入信号分解为频率不同的6层，发现路面振动源信号符合正态分布，均值在-1.01g附近波段，其中，低频部分幅值较大，是决定信号大小的主要分量(参考文章中Figure 6和7)。

通过去噪分析，消除了随机振动对路面振动信号的影响。此处以典型块状路面信号(Road Signal)为例，消除噪声因素干扰后的路面源信号见图2。可以发现，与原始信号相比，剩余信号可较清晰完整地体现路面振动情况，分析结果可与路面运动相机记录画面和周期性规律一一对应，证明了系统的可靠性。

图2 振动原始信号与去噪剩余信号

主要结论

本研究提出了两套基于便携式终端的自行车振动信息采集方案。方案(1)基于仪表化探针式自行车(IPB)的独立装置。方案(2)是基于Arduino Mega 2560单片机的三模块集成测试系统。将单片机与模块相结合的概念应用于舒适性测量是智能交通系统与慢速交通相结合的重要一步。小波分析适用于路面振动信号分析，可获得常信号中的局部异常信息，反映路面的坑洞、裂缝或其他路面损伤类型。低频信号是确定自行车振动信号大小的主要组成部分，因此考虑低频信号对路面和自行车设计与维修的影响具有重要意义。本研究着眼于测试系统的开发并进行了初步分析，后续将基于小波分析，对自行车舒适度评价指标的建立，及自行车路面舒适度与路面状况的相关性评价进行研究。

参考文献

Winters, M., Davidson, G., Kao, D., et al.: ‘Motivators and deterrents of bicycling: comparing influences on decisions to ride’, Transportation, 2011, 38, (1), pp. 153-168

Li, H., and Harvey, J.: ‘Bicycle Ride Quality: The Effect of Pavement Macrotexture’, Journal of Transport & Health, 2016, 3, (2), pp. S52

Giubilato, F., and Petrone, N.: ‘A method for evaluating the vibrational response of racing bicycles wheels under road roughness excitation’, Procedia Engineering, 2012, 34, pp. 409-414

Olieman, M., Marin-Perianu, R., and Marin-Perianu, M.: ‘Measurement of dynamic comfort in cycling using wireless acceleration sensors’, Procedia Engineering, 2012, 34, pp. 568-573

Gao, J., Sha, A., Huang, Y., et al.: ‘Evaluating the cycling comfort on urban roads based on cyclists' perception of vibration’, Journal of Cleaner Production, 2018

Chui C K, Mhaskar H N.: ‘ Signal decomposition and analysis via extraction of frequencies’, Applied & Computational Harmonic Analysis, 2016, 40, (1), pp. 97-136