[發(fā)明專利]一種車輛事故識(shí)別方法、車載終端及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710839648.1
• 申請(qǐng)日: 2017-09-18
• 公開(kāi)（公告）號(hào): CN107730028A
• 公開(kāi)（公告）日: 2018-02-23
• 發(fā)明（設(shè)計(jì)）人: 李宏;殷建紅;陸龍;黃道旭;王忠;吳良平;林少媚
• 申請(qǐng)（專利權(quán)）人: 廣東翼卡車聯(lián)網(wǎng)服務(wù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/26;G06Q50/30;G06N3/04
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)44268
• 代理人: 王永文,朱陽(yáng)波

1.一種車輛事故識(shí)別方法，其特征在于，所述方法包括：

實(shí)時(shí)采集車輛在行駛過(guò)程中的全量數(shù)據(jù)，并對(duì)采集到的全量數(shù)據(jù)進(jìn)行清洗并分離成數(shù)值型數(shù)據(jù)與非數(shù)值型數(shù)據(jù)；

獲取非數(shù)值型數(shù)據(jù)，并對(duì)非數(shù)值型數(shù)據(jù)進(jìn)行用于將非數(shù)值型數(shù)據(jù)轉(zhuǎn)成數(shù)值型數(shù)據(jù)的特征工程改造處理；

將全量數(shù)據(jù)中數(shù)值型數(shù)據(jù)以及由非數(shù)值型數(shù)據(jù)經(jīng)特征改造處理之后轉(zhuǎn)換成的數(shù)值型數(shù)據(jù)套入預(yù)先建立好的數(shù)據(jù)模型，經(jīng)數(shù)據(jù)模型運(yùn)算處理，得出事故發(fā)生的概率；

當(dāng)事故發(fā)生的概率大于預(yù)設(shè)的第一概率閾值時(shí)，則控制車載終端發(fā)出用于警告的預(yù)警信息；當(dāng)事故發(fā)生的概率大于預(yù)設(shè)的第二概率閾值時(shí)，則控制車載終端向后臺(tái)服務(wù)器上報(bào)所述車輛的事故信息。

2.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述全量數(shù)據(jù)包括數(shù)值型數(shù)據(jù)及非數(shù)值型數(shù)據(jù)；

所述數(shù)值型數(shù)據(jù)具體包括：所述車輛的速度、加速度值；

所述非數(shù)值型數(shù)據(jù)具體包括：GPS數(shù)據(jù)、所述車輛的左右前后位置是否有其他車輛以及所述車輛用戶的駕駛狀態(tài)。

3.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述實(shí)時(shí)采集車輛在行駛過(guò)程中的全量數(shù)據(jù)，并對(duì)采集到的全量數(shù)據(jù)進(jìn)行清洗并分離成數(shù)值型數(shù)據(jù)與非數(shù)值型數(shù)據(jù)之前還包括：

預(yù)先采集大量車輛的全量數(shù)據(jù)進(jìn)行模型訓(xùn)練，并建立一數(shù)據(jù)模型；

所述數(shù)據(jù)模型為基于時(shí)間序列數(shù)據(jù)處理的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型；

所述數(shù)據(jù)模型用于當(dāng)實(shí)時(shí)采集到所述車輛的全量數(shù)據(jù)時(shí)，直接套入所述數(shù)據(jù)模型，經(jīng)數(shù)據(jù)模型運(yùn)算，得出所述車輛發(fā)生事故的概率。

4.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述實(shí)時(shí)采集車輛在行駛過(guò)程中的全量數(shù)據(jù)，并對(duì)采集到的全量數(shù)據(jù)進(jìn)行清洗并分離成數(shù)值型數(shù)據(jù)與非數(shù)值型數(shù)據(jù)具體包括：

當(dāng)車輛啟動(dòng)后，在預(yù)設(shè)時(shí)間和固定周期內(nèi)開(kāi)始采集車輛在行駛過(guò)程中的全量數(shù)據(jù)；

對(duì)獲取到的全量數(shù)據(jù)進(jìn)行去噪、濾波、空值和/或重復(fù)值處理，清除無(wú)效數(shù)據(jù)，并將全量數(shù)據(jù)分離成數(shù)值型數(shù)據(jù)與非數(shù)值型數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的車輛事故識(shí)別方法，其特征在于，所述當(dāng)車輛啟動(dòng)后，在預(yù)設(shè)時(shí)間和固定周期內(nèi)開(kāi)始采集車輛在行駛過(guò)程中的全量數(shù)據(jù)具體包括：

通過(guò)所述車輛上的預(yù)裝的傳感器、GPS以及監(jiān)控?cái)z像頭定時(shí)采集所述車輛的全量數(shù)據(jù)；所述傳感器包括重力傳感器、加速度傳感器、陀螺儀傳感器以及距離傳感器；

所述GPS用于獲取當(dāng)前車輛的周圍其他車輛的車速；

所述監(jiān)控?cái)z像頭用于收集所述車輛的用戶的駕駛狀態(tài)。

6.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述獲取非數(shù)值型數(shù)據(jù)，并對(duì)非數(shù)值型數(shù)據(jù)進(jìn)行用于將非數(shù)值型數(shù)據(jù)轉(zhuǎn)成數(shù)值型數(shù)據(jù)的特征工程改造處理具體包括：

獲取所述全量數(shù)據(jù)中的非數(shù)值型數(shù)據(jù)；

對(duì)所述非數(shù)值型數(shù)據(jù)進(jìn)行特征工程改造處理，使所述非數(shù)值型數(shù)據(jù)轉(zhuǎn)換成數(shù)值型數(shù)據(jù)；

對(duì)處理后的數(shù)據(jù)進(jìn)行相關(guān)性分析，并將相關(guān)性強(qiáng)的數(shù)據(jù)合并。

7.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述將全量數(shù)據(jù)中數(shù)值型數(shù)據(jù)以及由非數(shù)值型數(shù)據(jù)經(jīng)特征改造處理之后轉(zhuǎn)換成的數(shù)值型數(shù)據(jù)套入預(yù)先建立好的數(shù)據(jù)模型，經(jīng)數(shù)據(jù)模型運(yùn)算處理，得出事故發(fā)生的概率具體包括：

根據(jù)預(yù)先設(shè)置好的數(shù)據(jù)模型，套入全量數(shù)據(jù)中的數(shù)值型數(shù)據(jù)以及經(jīng)處理后的非數(shù)值型數(shù)據(jù)；

所述數(shù)據(jù)模型中預(yù)設(shè)的函數(shù)關(guān)系自動(dòng)進(jìn)行運(yùn)算，得出所述車輛事故發(fā)生的概率。

8.根據(jù)權(quán)利要求1所述的車輛事故識(shí)別方法，其特征在于，所述當(dāng)事故發(fā)生的概率大于預(yù)設(shè)的第一概率閾值時(shí)，則控制車載終端發(fā)出用于警告的預(yù)警信息；當(dāng)事故發(fā)生的概率大于預(yù)設(shè)的第二概率閾值時(shí)，則控制車載終端向后臺(tái)服務(wù)器上報(bào)所述車輛的事故信息具體包括：

預(yù)先設(shè)置一用于觸發(fā)所述車載終端發(fā)出預(yù)警信息的第一概率閾值，所述第一概率閾值為0.5；

預(yù)先設(shè)置一用于觸發(fā)所述車載終端向后臺(tái)服務(wù)器上報(bào)車輛的事故信息的第二概率閾值，所述第二概率閾值為0.9；

當(dāng)事故發(fā)生的概率大于0.5時(shí)，則控制車載終端發(fā)出用于警告的預(yù)警信息；當(dāng)事故發(fā)生的概率大于0.9時(shí)，則判斷所述車輛已經(jīng)發(fā)生了交通事故，控制車載終端向后臺(tái)服務(wù)器上報(bào)所述車輛的事故信息。