CN106066907A - 基于多零件多模型判断的定损分等级方法 - Google Patents
基于多零件多模型判断的定损分等级方法 Download PDFInfo
- Publication number
- CN106066907A CN106066907A CN201610363733.0A CN201610363733A CN106066907A CN 106066907 A CN106066907 A CN 106066907A CN 201610363733 A CN201610363733 A CN 201610363733A CN 106066907 A CN106066907 A CN 106066907A
- Authority
- CN
- China
- Prior art keywords
- collision simulation
- model
- data
- collision
- signal
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于多零件多模型判断的定损分等级方法,属于数据处理及机器学习领域,为了解决对于汽车碰撞时,各零部件的专门损伤等级确定的问题,技术要点是:包括:S1.由汽车碰撞试验和建立碰撞仿真模型对比分析校验,得到碰撞仿真信号;S2.对碰撞仿真信号分零件初步处理,依据初步处理后的碰撞仿真信号数据对零件产生的损伤程度划分损伤等级;S3.对零件初步处理得到的碰撞仿真信号数据以每个零件为一个独立单元,对每个零件进行预处理,得到特征数据;S4.选择分类方法,训练分类器,将特征数据作为输入,相应的损伤等级作为输出,对模型进行训练,分别为每个零件训练一个专属的分类模型。效果是:可以实现各零部件的专门损伤等级确定。
Description
技术领域
本发明属于数据处理及机器学习领域,涉及一种定损等级方法。
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,也不能完全避免在定损的过程中会有一些汽车内部零件无法判断,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。在对低速行驶车辆远程定损过程中,主要是对车辆携带设备所采集的加速度、角速度(以下简称车辆行驶信号)等信号进行处理分析、学习判断。
发明内容
为了解决对于汽车碰撞时,各零部件的专门损伤等级确定的问题,适应不同分类标准的分零件损伤等级确定,本发明提供了一种基于多零件多模型判断的定损分等级方法,以实现快速损伤分类并确定各零件损伤等级,提供汽车碰撞的参考数据。
为了实现上述目的,本发明的技术方案是:一种基于多零件多模型判断的定损分等级方法,包括:
S1.由汽车碰撞试验和建立碰撞仿真模型对比分析校验,得到碰撞仿真信号;
S2.对碰撞仿真信号分零件初步处理,依据初步处理后的碰撞仿真信号数据对零件产生的损伤程度划分损伤等级;
S3.对零件初步处理得到的碰撞仿真信号数据以每个零件为一个独立单元,对每个零件进行预处理,得到特征数据;
S4.选择分类方法,训练分类器,将特征数据作为输入,相应的损伤等级作为输出,对模型进行训练,分别为每个零件训练一个专属的分类模型。
进一步的,所述步骤S1的具体方法是:
步骤一:由汽车碰撞试验获得汽车真实碰撞信号;
步骤二:利用有限元的方式建立碰撞仿真模型,通过碰撞仿真模型得到汽车碰撞仿真数据;
步骤三:通过对汽车碰撞的真实信号数据与汽车碰撞仿真数据对比分析,进行仿真模型校验,并建立汽车碰撞损伤零件库,通过校验得到近似汽车真实碰撞信号的碰撞仿真信号数据,则继续进行步骤S2;否则,不断重复步骤一至步骤三。
进一步的,在得到碰撞仿真信号后,对碰撞仿真信号进行分零件初步处理,所述初步预处理是把碰撞仿真信号作为各零件的分析数据,依据碰撞仿真信号对零件产生的损伤程度划分损伤等级。
进一步的,所述步骤S3具体的方法是:对初步处理后的数据以每个零件为一个独立单元,对每个零件进行滤波、特征提取、归一化、特征变换、标准化的数据预处理,得到特征数据。
进一步的,所述的方法还包括步骤S5.对于新产生的汽车碰撞真实信号数据,在对汽车碰撞真实信号数据进行预处理之后,将该数据分别输入到每个零件下的分类模型中,得出该数据对每个零件所产生的损伤等级。
有益效果:本发明对于汽车碰撞时,可以实现各零部件的专门损伤等级确定,并适应不同分类标准的分零件损伤等级确定,也实现了快速损伤分类并确定各零件损伤等级,提供汽车碰撞的参考数据。
附图说明
图1为本发明实施例2所述方法的流程图。
具体实施方式
实施例:一种基于多零件多模型判断的定损分等级方法,在对汽车行驶信号进行分析的过程中,由于信号的复杂性,无法准确的对车辆的主要零件得到一个整体较好的模型,所以针对不同零件训练不同的分类模型对于提高损伤等级的判断准确率有较大的提高,本实施例通过对汽车碰撞数据及仿真数据的分析,根据每个碰撞数据对不同的零件所产生的损伤等级将数据进行初步的整理,每个零件的数据都有自己独立的数据,将每个零件下的数据对模型进行训练,分别训练一个分类器。在对新数据进行判断的时候,把新数据分别输入到每个零件下的分类模型中,最后输出对该零件所产生的损伤等级为几级。
该方法包括
S1.由汽车碰撞试验和建立碰撞仿真模型对比分析校验,得到碰撞仿真信号;
所述步骤S1的具体方法是:
步骤一:由汽车碰撞试验获得汽车真实碰撞信号;
步骤二:利用有限元的方式建立碰撞仿真模型,通过碰撞仿真模型得到汽车碰撞仿真数据;
步骤三:通过对汽车碰撞的真实信号数据与汽车碰撞仿真数据对比分析,进行仿真模型校验,并建立汽车碰撞损伤零件库,通过校验得到近似汽车真实碰撞信号的碰撞仿真信号数据,则继续进行步骤S2;否则,不断重复步骤一至步骤三。
S2.对碰撞仿真信号分零件初步处理,依据初步处理后的碰撞仿真信号数据对零件产生的损伤程度划分损伤等级;
所述步骤S2具体的方法是:在得到碰撞仿真信号后,对碰撞仿真信号进行分零件初步处理,所述初步预处理是把碰撞仿真信号作为各零件的分析数据,依据碰撞仿真信号对零件产生的损伤程度划分损伤等级。具体的划分方式是:若其中有的碰撞信号没有对该零件产生损伤,则视为损伤等级为1,造成损伤的根据损伤的严重程度分别分为2、3、4损伤等级。
S3.对零件初步处理得到的碰撞仿真信号数据以每个零件为一个独立单元,对每个零件进行预处理,得到特征数据;所述步骤S3具体的方法是:对初步处理后的数据以每个零件为一个独立单元,对每个零件进行滤波、特征提取、归一化、特征变换、标准化的数据预处理,得到特征数据。
S4.选择分类方法,训练分类器,将特征数据作为输入,相应的损伤等级作为输出,对模型进行训练,分别为每个零件训练一个专属的分类模型。
S5.对于新产生的汽车碰撞真实信号数据,在对汽车碰撞真实信号数据进行预处理之后,将该数据分别输入到每个零件下的分类模型中,得出该数据对每个零件所产生的损伤等级。
实施例2:
一种基于多零件多模型判断的定损分等级方法,
步骤1:通过汽车碰撞试验获得汽车碰撞的真实信号
步骤2:利用有限元的方式建立碰撞仿真模型,通过仿真模型得到汽车碰撞仿真数据
步骤3:通过对实际试验数据与仿真数据的对比分析进行仿真模型的校验,并建立汽车碰撞损伤零件库,如果通过校验得到数据近似真实碰撞信号,则继续进行步骤4;否则,不断重复1、2、3步骤
步骤4:在得到准确的碰撞仿真信号后,对碰撞信号进行分零件初步处理,把所有碰撞信号作为该零件的分析数据,若其中有的碰撞信号没有对该零件产生损伤,则视为损伤等级为1,造成损伤的根据损伤的严重程度分别分为2、3、4损伤等级
步骤5:对初步处理后的数据以每个零件为一个独立单元,对每个零件进行滤波、特征提取、归一化、特征变换、标准化等数据预处理,得到最终的特征数据
步骤6:选择适合的分类方法,将特征数据作为输入,相应的损伤等级作为输出对模型进行训练,分别为每个零件训练一个专属的分类模型。
步骤7:对于新产生的汽车碰撞数据,在对数据进行预处理之后,将数据分别输入到每个零件下的分类模型中,最终得出该数据对每个零件所产生的损伤等级。
更为具体的,本实施例所述的方法中,要涉及以下内容:
1汽车碰撞损伤零件库的建立,需要在试验及仿真过程中对损伤零件全面考虑,建立的零件库要较全面且不冗余。2将碰撞仿真数据初步处理为对单个零件产生不同损伤等级,需要有较准确的判断,及较合理的等级区分。3模型参数的调节,需要在训练学习过程中,根据不同的零件的数据特点,不断的对模型参数进行调节,以适合每个零件都能具有最优的模型。
以上所述,仅为本发明创造较佳的具体实施方式,但本发明创造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创造披露的技术范围内,根据本发明创造的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明创造的保护范围之内。
Claims (5)
1.一种基于多零件多模型判断的定损分等级方法,其特征在于,包括
S1.由汽车碰撞试验和建立碰撞仿真模型对比分析校验,得到碰撞仿真信号;
S2.对碰撞仿真信号分零件初步处理,依据初步处理后的碰撞仿真信号数据对零件产生的损伤程度划分损伤等级;
S3.对零件初步处理得到的碰撞仿真信号数据以每个零件为一个独立单元,对每个零件进行预处理,得到特征数据;
S4.选择分类方法,训练分类器,将特征数据作为输入,相应的损伤等级作为输出,对模型进行训练,分别为每个零件训练一个专属的分类模型。
2.如权利要求1所述的基于多零件多模型判断的定损分等级方法,其特征在于,所述步骤S1的具体方法是:
步骤一:由汽车碰撞试验获得汽车真实碰撞信号;
步骤二:利用有限元的方式建立碰撞仿真模型,通过碰撞仿真模型得到汽车碰撞仿真数据;
步骤三:通过对汽车碰撞的真实信号数据与汽车碰撞仿真数据对比分析,进行仿真模型校验,并建立汽车碰撞损伤零件库,通过校验得到近似汽车真实碰撞信号的碰撞仿真信号数据,则继续进行步骤S2;否则,不断重复步骤一至步骤三。
3.如权利要求1所述的基于多零件多模型判断的定损分等级方法,其特征在于,所述步骤S2具体的方法是:在得到碰撞仿真信号后,对碰撞仿真信号进行分零件初步处理,所述初步预处理是把碰撞仿真信号作为各零件的分析数据,依据碰撞仿真信号对零件产生的损伤程度划分损伤等级。
4.如权利要求1所述的基于多零件多模型判断的定损分等级方法,其特征在于,所述步骤S3具体的方法是:对初步处理后的数据以每个零件为一个独立单元,对每个零件进行滤波、特征提取、归一化、特征变换、标准化的数据预处理,得到特征数据。
5.如权利要求1所述的基于多零件多模型判断的定损分等级方法,其特征在于,还包括步骤S5.对于新产生的汽车碰撞真实信号数据,在对汽车碰撞真实信号数据进行预处理之后,将该数据分别输入到每个零件下的分类模型中,得出该数据对每个零件所产生的损伤等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610363733.0A CN106066907B (zh) | 2016-05-27 | 2016-05-27 | 基于多零件多模型判断的定损分等级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610363733.0A CN106066907B (zh) | 2016-05-27 | 2016-05-27 | 基于多零件多模型判断的定损分等级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106066907A true CN106066907A (zh) | 2016-11-02 |
CN106066907B CN106066907B (zh) | 2020-04-14 |
Family
ID=57420188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610363733.0A Active CN106066907B (zh) | 2016-05-27 | 2016-05-27 | 基于多零件多模型判断的定损分等级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106066907B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897948A (zh) * | 2017-01-04 | 2017-06-27 | 天津职业技术师范大学 | 一种骑推行交通事故鉴定方法 |
CN108121887A (zh) * | 2018-02-05 | 2018-06-05 | 艾凯克斯(嘉兴)信息科技有限公司 | 一种通过机器学习处理企业标准化的方法 |
CN109710654A (zh) * | 2018-10-17 | 2019-05-03 | 青岛腾信汽车网络科技服务有限公司 | 一种车辆碰撞受损等级鉴定方法 |
CN110717850A (zh) * | 2018-07-13 | 2020-01-21 | 上海博泰悦臻网络技术服务有限公司 | 云端服务器、基于云端服务器的应急救援方法及系统 |
CN112435215A (zh) * | 2017-04-11 | 2021-03-02 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
US11951924B2 (en) | 2021-11-04 | 2024-04-09 | Volvo Car Corporation | Crash monitoring system for a vehicle |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310223A (zh) * | 2013-03-13 | 2013-09-18 | 四川天翼网络服务有限公司 | 一种基于图像识别的车辆定损系统及方法 |
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
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 |
CN105512358A (zh) * | 2015-11-24 | 2016-04-20 | 大连楼兰科技股份有限公司 | 基于cae仿真技术的汽车碰撞事故定损方法 |
-
2016
- 2016-05-27 CN CN201610363733.0A patent/CN106066907B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310223A (zh) * | 2013-03-13 | 2013-09-18 | 四川天翼网络服务有限公司 | 一种基于图像识别的车辆定损系统及方法 |
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
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 |
CN105512358A (zh) * | 2015-11-24 | 2016-04-20 | 大连楼兰科技股份有限公司 | 基于cae仿真技术的汽车碰撞事故定损方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897948A (zh) * | 2017-01-04 | 2017-06-27 | 天津职业技术师范大学 | 一种骑推行交通事故鉴定方法 |
CN106897948B (zh) * | 2017-01-04 | 2021-01-01 | 北京工业大学 | 一种骑推行交通事故鉴定方法 |
CN112435215A (zh) * | 2017-04-11 | 2021-03-02 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
CN112435215B (zh) * | 2017-04-11 | 2024-02-13 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
CN108121887A (zh) * | 2018-02-05 | 2018-06-05 | 艾凯克斯(嘉兴)信息科技有限公司 | 一种通过机器学习处理企业标准化的方法 |
CN110717850A (zh) * | 2018-07-13 | 2020-01-21 | 上海博泰悦臻网络技术服务有限公司 | 云端服务器、基于云端服务器的应急救援方法及系统 |
CN109710654A (zh) * | 2018-10-17 | 2019-05-03 | 青岛腾信汽车网络科技服务有限公司 | 一种车辆碰撞受损等级鉴定方法 |
US11951924B2 (en) | 2021-11-04 | 2024-04-09 | Volvo Car Corporation | Crash monitoring system for a vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN106066907B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN105976449A (zh) | 车辆远程自动定损碰撞检测方法及系统 | |
Martinez et al. | Stiffness corridors of the European fleet for pedestrian simulation | |
CN103996287A (zh) | 一种基于决策树模型的车辆强制换道决策方法 | |
CN101964063B (zh) | 一种改进的AdaBoost分类器构造方法 | |
CN108959795B (zh) | 一种试验场载荷谱标准化方法 | |
CN107063718A (zh) | 汽车正面碰撞波形参数化评价方法 | |
CN106203437B (zh) | 个体驾驶行为特征识别方法和装置 | |
CN111797000A (zh) | 一种基于梯度提升决策树模型的场景复杂度评估方法 | |
US20200384989A1 (en) | Method for the improved detection of objects by a driver assistance system | |
CN106021639B (zh) | 基于cae仿真分析结果的受损零件损伤判断和分类方法及维修工时预估方法 | |
CN106055776A (zh) | 基于人工智能有监督学习线性回归方法建立不同车型分区域远程定损系统及方法 | |
CN113642114A (zh) | 可犯错的拟人化随机跟车驾驶行为建模方法 | |
CN113485301A (zh) | 自动驾驶汽车控制系统的预期功能安全性能的量化评价方法 | |
CN106067035A (zh) | 基于人工智能有监督学习决策树方法建立不同车型分目标远程定损系统及方法 | |
CN106055779A (zh) | 基于人工智能半监督学习逻辑回归方法建立分车型远程定损系统及方法 | |
CN108459996B (zh) | 一种基于有监督学习的用户行程挖掘方法和装置 | |
CN109840566A (zh) | 出行模式识别方法及装置 | |
CN106897948B (zh) | 一种骑推行交通事故鉴定方法 | |
CN106056140A (zh) | 基于人工智能有监督学习线性回归方法建立不同车型分工况远程定损系统及方法 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN112729366B (zh) | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 | |
CN106055891A (zh) | 基于人工智能Softmax回归方法建立分车型远程定损系统及方法 | |
CN105930680A (zh) | 损伤等级模型验证方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |