混合動力電動汽車（HEV）和純電動汽車（EV）等電動汽車不僅燃油效率高，而且行駛噪音低。然而，由于行駛聲音較低，行人很難察覺到車輛的靠近，因此在人來人往的道路上存在事故發生概率較高的問題。東京大學的研究團隊開發了一種用智能手機解決這一問題的技術，并在2014年7月舉行的第43屆普遍計算研究會研究會議上發表了演講（圖1）。這項技術可以通過連接眼鏡和手表的可穿戴設備發揮作用。
圖1使用開關噪聲來檢測電動汽車是否靠近。
東京大學的研究團隊開發了一種系統，可以使用智能手機的麥克風來收集HEV、EV和其他電動汽車的功率轉換器發出的開關噪音，從而提醒用戶有車輛靠近。（上圖來自谷歌，下圖來自東京大學）
注1）演講主題和論文標題為“使用智能手機檢測純電動汽車或混合動力汽車接近的方法”。這是由電子信息專業的Imho教授和東京大學信息技術研究生院的Keibo Kawahara副教授開發的結果。主要研究人員是該實驗室的Takamuya和Hirosuke Fujimoto。
關注開關噪聲
在日本市場上銷售的HEV和EV都配備了向周圍地區發送電子聲音的設備，以通知行人車輛正在靠近。然而，這種方法的問題在于，它會破壞來之不易的車輛安靜性，駕駛員必須打開此功能才能發揮作用。盡管車輛和行人之間的通信系統也在開發中，但建立這樣的系統既耗時又費力。
因此，東京大學的研究團隊將注意力轉向了HEV和EV的驅動電機在啟動時產生的開關噪音。功率變換器，如逆變器和驅動電機的變換器，通常在5kHz或10kHz的頻率下切換IGBT，在這個頻段、15kHz頻段和20kHz頻段很容易產生開關噪聲，這是它的整數倍。功率變換器中的開關動作會改變磁場，使電機外殼振動，從而產生噪聲。商用車行駛聲音的測量結果表明，HEV（普銳斯PHV）在5kHz左右達到峰值，EV（LEAF）在10kHz和20kHz左右達到高峰。
使用具有峰值的三個頻帶
該檢測技術根據iPod touch預先記錄的HEV和EV的行駛聲音，按照以下步驟構建用于檢測車輛接近的決策樹。（1） 所記錄的數據以48kHz的頻率進行采樣。為了FFT的方便，它被劃分為32768個相等的樣本（每個樣本0.683秒），并且每個樣本被定義為一幀。（2） 對每個幀的波形數據執行FFT以獲得頻譜。（3） 對于5kHz、10kHz和20kHz左右的三個頻段，分別設置了16個頻段。（4） 計算每個部分的最大音量和平均音量，然后使用所有頻帶的平均音量對每個部分進行歸一化。（5） 對上一步中獲得的96維（3×16×2）特征向量給出了包含車型和車速信息的正確答案標簽。（6） 使用正確答案標簽，使用名為“J48”的算法編譯決策樹。之所以采用J48決策樹，是因為原理簡單、準確度高，而且可以借助智能手機等便攜式設備的計算能力進行判斷。
在使用這種檢測技術時，智能手機麥克風收集的聲音數據應符合上述（1）？（5） 步驟獲得96維特征向量，并將這些向量放入J48決策樹中，以判斷HEV/EV是否接近（圖2）。實驗結果表明，最晚在電動汽車與行人最近距離前兩秒左右可以檢測到電動汽車的接近（圖3）。
圖2使用三個頻帶來檢測是否有車輛靠近。
電力變換器的開關噪聲……
ic車輛在5kHz、10kHz和20kHz附近達到峰值。因此，這項技術利用這三個頻段的最大音量和平均音量來判斷是否有電動汽車靠近。
圖3可以在大約兩秒鐘前發出警告。
使用相同的電動汽車，在住宅區、停車場和主要街道等三個環境聲音不同的地方進行了實驗。實驗結果表明，在環境聲音較低的居民區，可以最早檢測到車輛靠近，并發出警告（a）。此外，比較了在停車場檢測HEV和EV并發出警告的時間，發現它們之間的差異很小（B）。車輛接近的警告至少可以在兩秒鐘前發出。
在Nexus 4上安裝該檢測算法作為Android應用程序進行測試后，發現在電動汽車到達與行人最近的距離前4秒可以檢測到車輛。此外，東京大學還開發了一種系統，可以在谷歌眼鏡上顯示警告，并在車輛與行人達到最近距離之前檢測車輛是否靠近。除了眼鏡型終端，手表型終端還可以利用這項技術提醒行人車輛正在靠近。混合動力電動汽車（HEV）和純電動汽車（EV）等電動汽車不僅燃油效率高，而且行駛噪音低。然而，由于行駛聲音較低，行人很難察覺到車輛的靠近，因此在人來人往的道路上存在事故發生概率較高的問題。東京大學的研究團隊開發了一種用智能手機解決這一問題的技術，并在2014年7月舉行的第43屆普遍計算研究會研究會議上發表了演講（圖1）。這項技術可以通過連接眼鏡和手表的可穿戴設備發揮作用。
圖1使用開關噪聲來檢測電動汽車是否靠近。
東京大學的研究團隊開發了一種系統，可以使用智能手機的麥克風來收集HEV、EV和其他電動汽車的功率轉換器發出的開關噪音，從而提醒用戶有車輛靠近。（上圖來自谷歌，下圖來自東京大學）
注1）演講主題和論文標題為“使用智能手機檢測純電動汽車或混合動力汽車接近的方法”。這是由電子信息專業的Imho教授和東京大學信息技術研究生院的Keibo Kawahara副教授開發的結果。主要研究人員是該實驗室的Takamuya和Hirosuke Fujimoto。
關注開關噪聲
在日本市場上銷售的HEV和EV都配備了向周圍地區發送電子聲音的設備，以通知行人車輛正在靠近。然而，這種方法的問題在于，它會破壞來之不易的車輛安靜性，駕駛員必須打開此功能才能發揮作用。盡管車輛和行人之間的通信系統也在開發中，但建立這樣的系統既耗時又費力。
因此，東京大學的研究團隊將注意力轉向了HEV和EV的驅動電機在啟動時產生的開關噪音。功率變換器，如逆變器和驅動電機的變換器，通常在5kHz或10kHz的頻率下切換IGBT，在這個頻段、15kHz頻段和20kHz頻段很容易產生開關噪聲，這是它的整數倍。功率變換器中的開關動作會改變磁場，使電機外殼振動，從而產生噪聲。商用車行駛聲音的測量結果表明，HEV（普銳斯PHV）在5kHz左右達到峰值，EV（LEAF）在10kHz和20kHz左右達到高峰。
使用具有峰值的三個頻帶
該檢測技術根據iPod touch預先記錄的HEV和EV的行駛聲音，按照以下步驟構建用于檢測車輛接近的決策樹。（1） 所記錄的數據以48kHz的頻率進行采樣。為了FFT的方便，它被劃分為32768個相等的樣本（每個樣本0.683秒），并且每個樣本被定義為一幀。（2） 對每個幀的波形數據執行FFT，以獲得頻率……
電能。（3） 對于5kHz、10kHz和20kHz左右的三個頻段，分別設置了16個頻段。（4） 計算每個部分的最大音量和平均音量，然后使用所有頻帶的平均音量對每個部分進行歸一化。（5） 對上一步中獲得的96維（3×16×2）特征向量給出了包含車型和車速信息的正確答案標簽。（6） 使用正確答案標簽，使用名為“J48”的算法編譯決策樹。之所以采用J48決策樹，是因為原理簡單、準確度高，而且可以借助智能手機等便攜式設備的計算能力進行判斷。
在使用這種檢測技術時，智能手機麥克風收集的聲音數據應符合上述（1）？（5） 步驟獲得96維特征向量，并將這些向量放入J48決策樹中，以判斷HEV/EV是否接近（圖2）。實驗結果表明，最晚在電動汽車與行人最近距離前兩秒左右可以檢測到電動汽車的接近（圖3）。
圖2使用三個頻帶來檢測是否有車輛靠近。
電動汽車電源轉換器的開關噪聲在5kHz、10kHz和20kHz左右達到峰值。因此，這項技術利用這三個頻段的最大音量和平均音量來判斷是否有電動汽車靠近。
圖3可以在大約兩秒鐘前發出警告。
使用相同的電動汽車，在住宅區、停車場和主要街道等三個環境聲音不同的地方進行了實驗。實驗結果表明，在環境聲音較低的居民區，可以最早檢測到車輛靠近，并發出警告（a）。此外，比較了在停車場檢測HEV和EV并發出警告的時間，發現它們之間的差異很小（B）。車輛接近的警告至少可以在兩秒鐘前發出。
在Nexus 4上安裝該檢測算法作為Android應用程序進行測試后，發現在電動汽車到達與行人最近的距離前4秒可以檢測到車輛。此外，東京大學還開發了一種系統，可以在谷歌眼鏡上顯示警告，并在車輛與行人達到最近距離之前檢測車輛是否靠近。除了眼鏡型終端，手表型終端還可以利用這項技術提醒行人車輛正在靠近。
標簽：發現
節能與新能源車目錄已經推出59批，車型豐富，但此次出臺的新能源汽車免稅目錄要求較高。
1900/1/1 0:00:00電動公交車上崗，綿陽市將迎來首批試點。作者28日從四川綿陽市經信委了解到，今年年底前，綿陽市有望在3條線路上投入30輛電動公交車。
1900/1/1 0:00:00目前電動車在中國汽車市場上仍處于邊緣地帶，但政府的大力支持即將改變這種局面。與比亞迪合資制造的騰勢電動車將成為奔馳在中國的新希望。
1900/1/1 0:00:00新能源車補貼標準確定，車輛購置稅從9月1日起免征一大波的利好政策涌來，新能源車市場的反響如何？作者這個周末走訪車市發現，新能源車私人購買市場終于啟動，但不同類型的車冷熱不均，
1900/1/1 0:00:00地處北歐的挪威是世界上人均擁有電動車數量最多的國家。為鼓勵人們購買電動汽車，挪威政府推出了許多優惠政策。
1900/1/1 0:00:00近日，大洋電機、方正電機等5家電機企業陸續發布2014半年報業績，其中大洋電機、信質電機、江特電機同比均有所增長，而云意電氣、方正電機同比有所下降。
1900/1/1 0:00:00
汽車導航