Automatic Detection of Emergency Cars
Authors
Drastrup, Mads Johan Kongsbak ; Lopez Montoro, Jonas
Term
4. term
Education
Publication year
2017
Submitted on
2017-06-07
Pages
99
Abstract
Uopmærksomhed er en væsentlig faktor i trafikuheld og indgik i cirka en tredjedel af ulykkerne i Danmark i 2010. Afledning inde i bilen – som musik eller håndfri kommunikation – kan gøre bilister mindre opmærksomme på udrykningskøretøjer. Derfor undersøger dette projekt et proof of concept for automatisk detektion af ambulancer. Vi analyserer ambulancesirenens sirenehyl og laver feltmålinger både stationært og i bevægelse for at beskrive signalets egenskaber. Med udgangspunkt i de unikke kendetegn og Doppler-effekten (ændringen i tonehøjde, når lydkilden bevæger sig) udvikler vi tre algoritmer: sirenedetektion, retningsbestemmelse og afstandsbestemmelse. Tilsammen skal de opdage nærliggende ambulancer, afgøre om de nærmer sig eller bevæger sig væk, og anslå afstanden. Algoritmerne afprøves på de optagne målinger i forskellige stationære og kørende scenarier. Resultaterne viser, at sirenedetektionen fungerede fejlfrit på alle signalprøver; retningsalgoritmen havde mangler, når den byggede på Doppler-egenskaber; og afstandsbestemmelsen kræver yderligere forbedringer for at blive tilstrækkeligt præcis.
Inattention is a major factor in traffic crashes and contributed to about a third of accidents in Denmark in 2010. In-car distractions—such as music or hands-free calls—can make drivers miss nearby emergency vehicles. This motivates a proof-of-concept system for automatic ambulance detection. We study the acoustic “wail” of an ambulance siren and conduct field measurements in both stationary and moving scenarios to describe its signal characteristics. Using these unique features and the Doppler effect (the change in pitch as the source moves), we develop three algorithms: Siren Detection, Direction Determination, and Distance Estimation. Together, they aim to detect nearby ambulances, tell whether one is approaching or receding, and estimate its distance. We test the algorithms on recorded measurements across various stationary and moving setups. The results show that siren detection performed perfectly on all signal samples; the direction algorithm had shortcomings when relying on Doppler properties; and the distance estimation needs further improvement to achieve accurate results.
[This abstract was generated with the help of AI]
Documents