CN105930680A - 损伤等级模型验证方法及系统 - Google Patents

损伤等级模型验证方法及系统 Download PDF

Info

Publication number
CN105930680A
CN105930680A CN201610364653.7A CN201610364653A CN105930680A CN 105930680 A CN105930680 A CN 105930680A CN 201610364653 A CN201610364653 A CN 201610364653A CN 105930680 A CN105930680 A CN 105930680A
Authority
CN
China
Prior art keywords
data
impairment scale
sample
checking
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610364653.7A
Other languages
English (en)
Inventor
田雨农
黄顺亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610364653.7A priority Critical patent/CN105930680A/zh
Publication of CN105930680A publication Critical patent/CN105930680A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

损伤等级模型验证方法及系统，包括，读取新数据，分为两种形式：一是读取已经处理好的特征数据；二是读取原始碰撞数据所在的文件，读取该文件夹下所有需要验证的数据；对所有需要验证的数据进行处理，得到特征数据；选择已经训练好的分类模型对特征数据进行损伤等级的分类验证；显示验证结果。本发明对已训练好的分类模型进行新数据的验证，通过显示结果可以观察到具体是哪些零件产生了什么等级的损伤，反映出该零件的分类模型的准确性。

Description

损伤等级模型验证方法及系统
技术领域
本发明属于数据处理和机器学习领域，具体说是损伤等级模型验证方法及系统。
背景技术
目前汽车的保有量每年在逐渐的增加，道路交通的不断规划使车辆的行驶速度有所提升，交通事故的发生率也在增加，汽车再发生碰撞后主要的理赔流程为：出险--报案--查勘--定损--核价--核损--核赔--支付，其中定损是根据保险公司所派的专业人员到现场进行勘察之后，根据损失的部位痕迹及程度进行现场初步定损，或者直接到修理厂、4S店、定损中心去定损。这不但耗费了大量的人力物力，而且在定损的过程中对定损员的专业要求较高，所以利用目前较为成熟的机器学习方法对汽车碰撞进行远程定损，不但可以解决人力物力的资源浪费，而且也可更快速更全面的对车辆零件损坏进行判定，所以对车辆低速碰撞远程定损具有重要的意义。
怎样选择适合的模型及数据处理方法，提高对损伤等级判定的准确性是车辆远程定损技术中重要的步骤。分类模型的好坏是根据已训练好的模型进行测试而得到的结果来反映的，传统对模型好坏的分析主要是针对在测试后模型的准确率进行观察，但是由于训练及测试样本分布的不均匀等诸多因素的影响，单纯依靠测试结果的准确率已经不能反映模型的好坏了。
发明内容
本发明是对已训练好的分类模型进行新数据的验证，通过显示结果可以观察到具体是哪些零件产生了什么等级的损伤，反映出该零件的分类模型的准确性。
一方面，本发明提供了损伤等级模型验证方法，包括：
S1：读取新数据，分为两种形式：
一是读取已经处理好的特征数据，则直接跳至步骤S3；
二是读取原始碰撞数据所在的文件，读取该文件夹下所有需要验证的数据，则跳至步骤S2；
S2：对所有需要验证的数据进行处理，得到特征数据；
S3：选择已经训练好的分类模型对特征数据进行损伤等级的分类验证；
S4：显示验证结果。
具体的，读取新数据所使用的预处理方法，包括滤波方法及参数、特征提取方法及参数、归一化方法，然后对数据进行数据滤波、特征提取、特征归一化和特征向量单位化处理，进而得到特征数据；
具体的，步骤S3针对选择的分类模型，读取相应分类模型所对应的特征变换形式，将得到的特征数据分别输入到不同零件的分类模型中，进行损伤等级分类。
更具体的，步骤S4在进行结果显示时，选取需要验证的样例，所述需要验证的样例是已知零件损伤等级的仿真数据或是真实的碰撞数据：
如果是仿真数据，则显示所选样例对模型中每一个零件所预测的损伤等级，以及该样例对每一个零件的真实损伤等级；
如果验证样例是真实的碰撞数据，则显示所选样例对每个零件的预测损伤等级；
进而观察到该零件的分类模型的准确性。
更具体的，继续观察其他样例，选择需要的验证样例，显示该样例对所有零件产生的实际损伤等级及预测损伤等级，进而观察到该零件的分类模型的准确性。
另一方面，本发明还提供了一种损伤等级模型验证系统，包括：
用于读取新数据的数据选取模块；
对所有需要验证的数据进行处理的数据处理模块；
对特征数据进行分类的分类器；
用于显示验证结果的显示系统。
本发明由于采用以上技术方法，能够取得如下的技术效果：
1.在模型确定过程中，首先是通过对已知输出结果的样例数据进行训练、测试来确定模型的可用性，在训练、测试中允许有部分样例的交叉，而验证是通过真实样例数据对模型进一步验证，可以更加真实的反映该模型分类的性能。
2.验证的过程实际是模拟系统在实际应用时的情况，能够对整个系统有一个初步的真实性评价。
附图说明
为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为损伤等级模型验证方法流程图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：
实施例1
一方面，本发明提供了损伤等级模型验证方法，包括：
S1：读取新数据，分为两种形式：
一是读取已经处理好的特征数据，则直接跳至步骤S3；
二是读取原始碰撞数据所在的文件，读取该文件夹下所有需要验证的数据，则跳至步骤S2；读取新数据所使用的预处理方法，包括滤波方法及参数、特征提取方法及参数、归一化方法；
S2：对所有需要验证的数据进行数据滤波、特征提取、特征归一化和特征向量单位化处理，进而得到特征数据；
S3：选择已经训练好的分类模型对特征数据进行损伤等级的分类验证；针对选择的分类模型，读取相应分类模型所对应的特征变换形式，将得到的特征数据分别输入到不同零件的分类模型中，进行损伤等级分类；
S4：显示验证结果；选取需要验证的样例，所述需要验证的样例是已知零件损伤等级的仿真数据或是真实的碰撞数据：
如果是仿真数据，则显示所选样例对模型中每一个零件所预测的损伤等级，以及该样例对每一个零件的真实损伤等级；
如果验证样例是真实的碰撞数据，则显示所选样例对每个零件的预测损伤等级；
进而观察到该零件的分类模型的准确性。
S5：继续观察其他样例，选择需要的验证样例，显示该样例对所有零件产生的实际损伤等级及预测损伤等级，进而观察到该零件的分类模型的准确性。
本发明还提供了一种损伤等级模型验证系统，包括：
用于读取新数据的数据选取模块；
对所有需要验证的数据进行处理的数据处理模块；
对特征数据进行分类的分类器；
用于显示验证结果的显示系统。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.损伤等级模型验证方法，其特征在于，包括：
S1：读取新数据，分为两种形式：
一是读取已经处理好的特征数据，则直接跳至步骤S3；
二是读取原始碰撞数据所在的文件，读取该文件夹下所有需要验证的数据，则跳至步骤S2；
S2：对所有需要验证的数据进行处理，得到特征数据；
S3：选择已经训练好的分类模型对特征数据进行损伤等级的分类验证；
S4：显示验证结果。
2.根据权利要求1所述的损伤等级模型验证方法，其特征在于，读取新数据所使用的预处理方法，包括滤波方法及参数、特征提取方法及参数、归一化方法，然后对数据进行数据滤波、特征提取、特征归一化和特征向量单位化处理，进而得到特征数据。
3.根据权利要求1所述的损伤等级模型验证方法，其特征在于，步骤S3针对选择的分类模型，读取相应分类模型所对应的特征变换形式，将得到的特征数据分别输入到不同零件的分类模型中，进行损伤等级分类。
4.根据权利要求1所述的损伤等级模型验证方法，其特征在于，步骤S4在进行结果显示时，选取需要验证的样例，所述需要验证的样例是已知零件损伤等级的仿真数据或是真实的碰撞数据：
如果是仿真数据，则显示所选样例对模型中每一个零件所预测的损伤等级，以及该样例对每一个零件的真实损伤等级；
如果验证样例是真实的碰撞数据，则显示所选样例对每个零件的预测损伤等级；
进而观察到该零件的分类模型的准确性。
5.根据权利要求1所述的损伤等级模型验证方法，其特征在于，继续观察其他样例，选择需要的验证样例，显示该样例对所有零件产生的实际损伤等级及预测损伤等级，进而观察到该零件的分类模型的准确性。
6.一种损伤等级模型验证系统，其特征在于，包括：
用于读取新数据的数据选取模块；
对所有需要验证的数据进行处理的数据处理模块；
对特征数据进行分类的分类器；
用于显示验证结果的显示系统。
CN201610364653.7A 2016-05-27 2016-05-27 损伤等级模型验证方法及系统 Pending CN105930680A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610364653.7A CN105930680A (zh) 2016-05-27 2016-05-27 损伤等级模型验证方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610364653.7A CN105930680A (zh) 2016-05-27 2016-05-27 损伤等级模型验证方法及系统

Publications (1)

Publication Number Publication Date
CN105930680A true CN105930680A (zh) 2016-09-07

Family

ID=56842226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610364653.7A Pending CN105930680A (zh) 2016-05-27 2016-05-27 损伤等级模型验证方法及系统

Country Status (1)

Country Link
CN (1) CN105930680A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359542A (zh) * 2018-09-18 2019-02-19 平安科技（深圳）有限公司 基于神经网络的车辆损伤级别的确定方法及终端设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239964A (zh) * 2014-08-18 2014-12-24 华北电力大学 基于谱聚类和遗传优化极端学习机的超短期风速预测方法
CN105243672A (zh) * 2015-11-03 2016-01-13 苏交科集团股份有限公司 防腐涂层损伤辨别系统及其评估方法
CN105243394A (zh) * 2015-11-03 2016-01-13 中国矿业大学 一种类不平衡对分类模型性能影响程度的评价方法
CN105447519A (zh) * 2015-11-20 2016-03-30 携程计算机技术（上海）有限公司 基于特征选择的模型检测方法
CN105488789A (zh) * 2015-11-24 2016-04-13 大连楼兰科技股份有限公司 汽车零部件分级定损方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239964A (zh) * 2014-08-18 2014-12-24 华北电力大学 基于谱聚类和遗传优化极端学习机的超短期风速预测方法
CN105243672A (zh) * 2015-11-03 2016-01-13 苏交科集团股份有限公司 防腐涂层损伤辨别系统及其评估方法
CN105243394A (zh) * 2015-11-03 2016-01-13 中国矿业大学 一种类不平衡对分类模型性能影响程度的评价方法
CN105447519A (zh) * 2015-11-20 2016-03-30 携程计算机技术（上海）有限公司 基于特征选择的模型检测方法
CN105488789A (zh) * 2015-11-24 2016-04-13 大连楼兰科技股份有限公司 汽车零部件分级定损方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冯艳玲等: "基于支持向量机的高强度聚焦超声束损伤程度分类识别", 《生物医学工程学杂志》 *
刘祥凯等: "车辆装备战场损伤等级评估方法", 《装甲兵工程学院学报》 *
吴亮等: "基于元分类器的SVM模型验证算法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
编委会编: "《计算机技术与应用进展2009上》", 31 July 2009 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359542A (zh) * 2018-09-18 2019-02-19 平安科技（深圳）有限公司 基于神经网络的车辆损伤级别的确定方法及终端设备

Similar Documents

Publication Publication Date Title
CN105448103B (zh) 车辆套牌检测方法与系统
CN111666995B (zh) 基于深度学习模型的车辆定损方法、装置、设备及介质
CN105976449A (zh) 车辆远程自动定损碰撞检测方法及系统
CN106066907A (zh) 基于多零件多模型判断的定损分等级方法
CN106127747A (zh) 基于深度学习的汽车表面损伤分类方法及装置
CN109727229A (zh) 虚焊检测方法及装置
CN105389985B (zh) 一种基于手机传感器的智能驾驶行为分析方法
US7945606B2 (en) Method and apparatus for evaluating a time varying signal
CN106203437B (zh) 个体驾驶行为特征识别方法和装置
CN110516691A (zh) 一种车辆尾气检测方法和装置
CN112241127B (zh) 自动驾驶安全评分方法、装置、计算机设备和存储介质
CN113674015A (zh) 一种车辆快速定损及残值估价方法
CN105930680A (zh) 损伤等级模型验证方法及系统
CN114943875A (zh) 用于电缆元件识别的视觉分析方法
Claros et al. Site-specific safety analysis of diverging diamond interchange ramp terminals
Brunauer et al. Supporting road maintenance with in-vehicle data: Results from a field trial on road surface condition monitoring
CN106066935A (zh) 损伤等级模型的性能分析方法及系统
Staniek Repeatability of road pavement condition assessment based on three-dimensional analysis of linear accelerations of vehicles
CN116071335A (zh) 墙面验收方法、装置、设备及存储介质
US10935464B2 (en) Method for determining support points of a test plan
CN110017998A (zh) 车辆检测方法、装置和设备
CN103544169B (zh) 页面调整方法及装置
CN114549091A (zh) 数据处理方法、设备以及计算机可读存储介质
CN114323512A (zh) 一种重载车辆识别方法及系统
CN102903235B (zh) 一种对实时路况进行质量评价的方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160907