CN106157614B - 汽车事故责任确定方法及系统 - Google Patents
汽车事故责任确定方法及系统 Download PDFInfo
- Publication number
- CN106157614B CN106157614B CN201610500480.7A CN201610500480A CN106157614B CN 106157614 B CN106157614 B CN 106157614B CN 201610500480 A CN201610500480 A CN 201610500480A CN 106157614 B CN106157614 B CN 106157614B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- accident
- driving
- data
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 37
- 238000013500 data storage Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims description 72
- 230000002093 peripheral effect Effects 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 37
- 230000005856 abnormality Effects 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 claims description 20
- 230000033001 locomotion Effects 0.000 claims description 18
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 10
- 210000000056 organ Anatomy 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000001413 cellular effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010295 mobile communication Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 241001282135 Poromitra oscitans Species 0.000 description 3
- 206010048232 Yawning Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 206010041232 sneezing Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种汽车事故责任确定方法及系统，其中的方法包括：获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据；根据携带有事故信息的事故分析指令，提取与事故信息相对应的行车状态数据和驾驶行为数据；根据行车状态数据和驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。本发明实施例汽车事故责任确定方法及系统，汽车数据存储装置在行车过程中监控行车状态数据和驾驶行为数据等，为交通事故责任的界定提供了依据，能快速界定事故责任方，解决现场勘查的时效性，并为汽车性能和安全分析提供数据支持。
Description
技术领域
本发明涉及汽车控制技术领域，尤其涉及一种汽车事故责任确定方法及系统。
背景技术
汽车自动驾驶系统(Motor Vehicle Auto Driving System)，又称自动驾驶汽车(Autonomous vehicles；Self-piloting automobile)，是一种通过车载电脑系统实现无人驾驶的智能汽车系统。自动驾驶汽车技术的研发，在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势，比如，谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许可证，将于2015年至2017年进入市场销售。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。随着智能汽车技术的发展，互联化，智能化，自动驾驶系统慢慢成为了汽车的主要功能。在自动驾驶汽车中，对于汽车的控制权慢慢的由人转化到汽车自身的操作系统中，但是系统是由软件代码组成，就可能会出现漏洞和BUG。并由于同时出现汽车自动驾驶和驾驶员手动驾驶两种方式，在发生事故后的现场调查取证难度也相对加大，需要长时间的调查取证才能界定事故责任，不但耗时且需要大量的人力，因此如何快速界定交通事故中的责任问题，是目前急需解决的问题。
发明内容
有鉴于此，本发明要解决的一个技术问题是提供一种汽车事故责任确定方法及系统。
根据本发明的一个方面，本发明提供一种汽车事故责任确定方法，包括：获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据；根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
可选地，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：确定与事故相关的第一车辆，基于第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据。
可选地，判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
可选地，基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作；其中，所述行车状态数据包括交通信号灯信息。
可选地，判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；其中，所述行车状态数据包括：设备故障码；基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
可选地，判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；其中，所述行车状态数据包括：胎压信息；基于所述胎压信息判断第一车辆的胎压是否出现异常。
可选地，从所述第一汽车的自动驾驶系统中获取自动驾驶操作数据，所述自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯；从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车；其中，所述检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置。
可选地，在确定事故包括驾驶操作的情况下，根据所述自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。
可选地，所述确定事故原因为自动操作系统和/或驾驶员的操作包括:确定事故发生时由自动驾驶系统操作，判断在事故发生时，车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；其中，所述驾驶行为数据包括：车内音频信息；获取设置在车内的拾音装置采集的车内音频信息，解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
可选地，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；其中，所述驾驶行为数据包括：车内气体检测信号；根据所述车内气体检测信号分析车内的酒精浓度。
可选地，所述确定事故原因为自动操作系统和/或驾驶员的操作包括:如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；其中，所述驾驶行为数据包括：驾驶员图像信息；周期性地通过车内摄像装置采集驾驶员图像信息；根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
可选地，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
可选地，所述提取与所述事故信息相对应的行车状态数据和驾驶行为数据包括：根据事故发生的时间确定时间区间并确定与事故相关的第一车辆；所述事故信息包括：发生时间、车辆信息；提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息，所述行车状态数据包括以下数据中的至少一项：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
可选地，安装在所述第一车辆上的第一汽车数据存储装置记录车辆传感器采集的所述第一车辆运行参数，所述第一车辆运行参数包括以下数据中的至少一项：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；所述第一汽车数据存储装置记录GPS设备采集的所述第一车辆的地理位置信息；所述第一车辆与周边汽车的相对距离和相对位置信息为所述第一汽车数据存装置记录的通过测距雷达装置和图像采集装置采集的雷达数据信息和周边图像信息。
可选地，所述根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
可选地，在所述第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的所述运行状态，所述运行状态包括：速度、加速度、角速度和角加速度。
可选地，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；其中，所述事故责任判定规则包括：变道、避让、超车规则。
可选地，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
根据本发明的另一个实施例，本发明提供一种汽车事故责任确定系统，包括：事故确认装置和汽车数据存储装置；所述汽车数据存储装置用于记录行车状态数据和驾驶行为数据；所述事故确认装置包括：数据接收模块，用于获取所述汽车数据存储装置中记录的行车状态数据和驾驶行为数据；数据提取模块，用于根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；事故分析模块，用于根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
可选地，所述事故分析模块，包括：事故原因确定单元，用于在确定第一车辆为违规车辆时，基于所述第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据；所述汽车数据存储装置包括：安装在所述第一车辆上的第一汽车数据存储装置；所述第一黑匣子装置，包括：运行参数采集模块，用于采集所述第一车辆运行参数；地理位置采集模块，用于采集所述第一车辆的地理位置信息；周边数据采集模块，用于采集周边汽车的雷达数据信息和周边图像信息。
可选地，所述事故原因确定单元，还用于判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
可选地，所述事故原因确定单元，还用于基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作。
可选地，所述事故原因确定单元，还用于判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；其中，所述行车状态数据包括：设备故障码；所述运行参数采集模块采集汽车控制系统发送的设备故障码；所述事故原因确定单元基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
可选地，所述事故原因确定单元，还用于判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；其中，所述行车状态数据包括：胎压信息；所述运行参数采集模块实时采集所述第一汽车的胎压信息；所述事故原因确定单元基于所述胎压信息判断第一车辆的胎压是否出现异常。
可选地，所述运行参数采集模块，还用于从所述第一汽车的自动驾驶系统中获取自动驾驶操作数据，所述自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯；从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车；其中，所述检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置
可选地，所述事故原因确定单元，还用于在确定事故包括驾驶操作的情况下，根据所述自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。
可选地，所述事故原因确定单元，还用于在确定事故发生时由自动驾驶系统操作，判断在事故发生时车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；其中，所述驾驶行为数据包括：车内音频信息；所述运行数据采集模块获取设置在车内的拾音装置采集的车内音频信息；所述事故原因确定单元解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
可选地，所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；其中，所述驾驶行为数据包括：车内气体检测信号；所述运行数据采集模块采集设置在车内的气体传感器发送的所述车内气体检测信号；所述事故原因确定单元根据所述车内气体检测信号分析车内的酒精浓度。
可选地，所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；其中，所述驾驶行为数据包括：驾驶员图像信息；所述运行数据采集模块周期性采集车内摄像装置发送的所述驾驶员图像信息；所述事故原因确定单元根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
可选地，所述事故原因确定单元，还用于根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
可选地，所述数据提取模块具体用于根据事故发生的时间确定时间区间并确定与事故相关的第一车辆，提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息；其中，所述事故信息包括：发生时间、车辆信息；所述行车状态数据包括：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
可选地，所述运行参数采集模块具体用于所述通过车辆传感器采集所述第一车辆运行参数，所述第一车辆运行参数包括：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；所述地理位置采集模块具体用于通过GPS设备采集所述第一车辆的地理位置信息；所述周边数据采集模块具体用于通过测距雷达装置和图像采集装置采集周边汽车的雷达数据信息和周边图像信息，作为所述第一车辆与周边汽车的相对距离和相对位置信息。
可选地，所述事故分析模块，包括：运行轨迹生成单元，用于根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；违规车辆确定单元，用于根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
可选地，所述运行轨迹生成单元在所述第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的所述运行状态，所述运行状态包括：速度、加速度、角速度和角加速度。
可选地，所述违规车辆确定单元具体用于基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；其中，所述事故责任判定规则包括：变道、避让、超车规则。
可选地，所述违规车辆确定单元具体用于对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
可选地，所述事故确认装置部署在云端；所述汽车数据存储装置与所述事故确认装置通信采用的方式包括：2G/3G/4G蜂窝移动通信网络、WiFi、WiMax。
本发明的汽车事故责任确定方法及系统，汽车数据存储装置在行车过程中监控车辆的行车状态数据和驾驶行为数据等，并可以为事故勘察、智能交通、车联网等提供服务，将事故分析结果发送回汽车数据存储装置、PC、手机、Pad等终端，为交通事故责任的界定提供了依据，能快速界定事故责任方，解决现场勘查的时效性，并为汽车性能和安全分析提供数据支持。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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性的前提下，还可以根据这些附图获得其它的附图：
图1为根据本发明的汽车事故责任确定方法的一个实施例的流程图；
图2为汽车数据存储装置获取与周边汽车的相对距离和相对位置信息的示意图；
图3为根据本发明的汽车事故责任确定系统的一个实施例的模块示意图；
图4为根据本发明的事故确认装置中的事故分析模块的模块示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
本技术领域技术人员可以理解，这里所使用的远端网络设备，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。本发明的实施例中，远端网络设备、终端设备与WNS服务器之间可通过任何通信方式实现通信，包括但不限于，基于3GPP、LTE、WIMAX的移动通信、基于TCP/IP、UDP协议的计算机网络通信以及基于蓝牙、红外传输标准的近距无线传输方式。
本领域技术人员应当理解，本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。
图1为根据本发明的汽车事故责任确定方法的一个实施例的流程图，如图1所示：
步骤101，获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据。
步骤102，根据携带有事故信息的事故分析指令，提取与事故信息相对应的行车状态数据和驾驶行为数据。
步骤103，根据行车状态数据和驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
本发明的汽车数据存储装置在行车过程中监控车辆的行车状态数据和驾驶行为数据等，汽车数据存储装置可以为汽车黑匣子等装置。本发明中的用于确定汽车事故责任的设备可以采用多种装置，包括：手持设备、车载设备、云服务器等。
例如，手持设备获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据并进行事故分析，也可以将汽车数据存储装置采集的数据传送到云服务器端，由云端服务器进行事故分析等。在下面的实施例中以云服务器为例进行说明。
云服务器采用云存储、云计算以及数据挖据等数据分析技术，为事故勘察、智能交通、车联网等应用提供基于软件的云服务。云服务器能够回放交通事故时汽车的运行轨迹和驾驶行为，并将分析结果发送回汽车数据存储装置、PC、手机、Pad等终端，为交通事故责任的界定提供了依据，能快速界定事故责任方，解决现场勘查的时效性。
汽车数据存储装置在行车过程中监控车辆的控制数据、系统数据、传感器数据等，汽车数据存储装置发送行车状态数据和驾驶行为数据采用的方式包括：2G/3G/4G蜂窝移动通信网络、WiFi、WiMax等。在出现交通事故的第一现场或在或讯事故分析、保险理赔、调差取证中，通过汽车数据存储装置收集的数据，可以判断事故责任方,降低了自动驾驶系统安全风险给用户带来的损失。
汽车数据存储装置采集的数据能够可靠地传送到云服务器端，云服务器采用云存储、云计算以及数据挖据等数据分析技术，为事故勘察、智能交通、车联网等应用提供基于软件的云服务。
云服务器能够回放交通事故时汽车的运行轨迹和驾驶行为，并将分析结果发送回汽车数据存储装置、PC、手机、Pad等终端，为交通事故责任的界定提供了依据，能快速界定事故责任方，解决现场勘查的时效性，同时有利于解决交通事故发生后等待交警现场勘查造成的交通拥堵问题。在一个实施例中，汽车数据存储装置也可以根据行车状态数据和驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
在一个实施例中，云服务器接收到携带有事故信息的事故分析指令，提取与事故信息相对应的行车状态数据和驾驶行为数据。云服务器接收到事故分析指令，携带的事故信息包括：发生时间、车辆信息等。云服务器根据事故发生的时间确定时间区间并确定与事故相关的第一车辆。提取在时间区间内与第一车辆相对应的行车状态信息。
例如，在发生了交通事故后，车主或警察发送了事故分析指令，事故分析指令中的事故信息包括：发生时间为17点05分、车辆信息为1个车牌号码“1234”。云服务器根据事故发生的时间确定时间区间为17点00分－17：10分，并根据车牌号码确定此第一车辆，并进行分析。
本发明的“第一”等仅为描述上相区别，并没有其它特殊的含义。事故分析指令中的车辆信息也可以为2个车牌号码“1234”、“2345”，云服务器根据2个车牌号号码确定此第一车辆和第二车辆，并分别进行分析，分析的方法相同，并可以作为相互应证的证据。下面以第一车辆为例，说明云服务器进行确定汽车事故责任为汽车故障和/或驾驶行为的方法。
云服务器提取在时间区间内与第一车辆相对应的行车状态信息，行车状态数据包括：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息等。汽车数据存储装置一般放在座位下或仪表板下，在安全气囊打开的5秒钟前被激活。
例如，云服务器获取了第一车辆的运行参数，为第一汽车数据存储装置实时采集第一车辆的数据，包括：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数等。第一汽车数据存储装置通过GPS设备采集第一车辆的地理位置信息，通过测距雷达装置和图像采集装置采集的雷达数据信息和周边图像信息，如图2所示。
云服务器将第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息与电子地图信息，在电子地图上生成第一车辆和周边车辆的运行轨迹和运行状态。云服务器能够根据第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
云服务器在第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的运行状态，运行状态包括：速度、加速度、角速度和角加速度等。事故责任判定规则包括：变道、避让、超车等规则。基于事故责任判定规则对运行状态，即速度、加速度、角速度和角加速度等进行分析，确定出第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆。异常位置点即为在车辆的运行轨迹上发生紧急刹车、急速转弯、超速行驶、非正常变线、违规倒车等的位置点。
例如，第一车辆的运行轨迹在电子地图上显示位于二环路上，在第一车辆的运行轨迹上判断有一个位置点突然发生了速度为0，并在此运行轨迹的下一段上出现速度为负的多个位置点，则判断第一车辆倒车或溜车。从位于第一车辆后面的汽车的运行轨迹上判断此车的速度正常，并且，在两个运行轨迹的交汇处，即发生事故的位置点处，第一车辆的速度为负或0，而后面的车辆在其运行轨迹上并无异常位置点，则可以确定违规车辆为第一车辆，其在主路上违规倒车，造成与后车相撞。
在一个实施例中，云服务器对周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离，当第一车辆与其周边车辆之间的距离小于安全距离时，判断第一车辆和/或周边车辆出现异常的运行状态，并在第一车辆和/或周边车辆的运行轨迹上确定出异常位置点。
例如，当第一车辆与其后面的第二车辆之间的距离小于安全距离10米时，云服务器判断第一车辆突然急刹车，则确定第一车辆出现异常的运行状态，并在第一车辆的运行轨迹上确定出异常位置点。
通过上述实施例中的汽车事故责任确定方法，通过收集并记录车辆运行数据，通过云服务器解析车辆运行中的位置、加速度、刹车、油门、转向角等参数，分析并回放车辆运行轨迹和驾驶行为，以数据中的位置、时间、加速度、驾驶行为作为判断是否产生异常的依据，可准确分析事故发生的原因并确定责任车辆。
由于第一车辆具有自动驾驶系统，可以有自动和手动两种驾驶方式，因此还需要进一步确认事故的责任方。例如，在确定第一车辆为违规车辆时，云服务器基于第一车辆运行参数、驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种。驾驶操作包括：自动驾驶系统操作、驾驶员操作，驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据。
在一个实施例中，云服务器判断第一车辆是否执行了与驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
例如，在自动或手动模式下发出了刹车的指令，第一车辆执行了与刹车相对应的操作，则确定事故原因包括驾驶操作，即事故发生可能是由于操作不当。当在自动或手动模式下发出了刹车的指令时，第一车辆没有执行了与刹车相对应的操作，则确定事故责任原因包括设备异常，即可能是刹车失灵。云服务器可以通过第一车辆运行参数或第一车辆的运行轨迹判断车辆是否执行了刹车操作。
云服务器基于周边图像信息识别出交通信号灯信息，基于行车状态数据和交通信号灯信息判断第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作。例如，云服务器分析出所拍摄到的周边图像信息中包括红灯信息，但通过行车状态数据判断没有发送刹车指示，则事故责任原因包括驾驶操作。
在一个实施例中，云服务器判断在事故发生时第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常。行车状态数据包括：设备故障码，第一汽车数据存储装置采集汽车控制系统发送的设备故障码，并发送给云服务器。云服务器基于设备故障码判断第一车辆的零部件是否出现异常。
例如，ECU在发现汽车出现故障的情况下，例如发电机失效、点火线圈失效等，会生成与故障相应的故障码，故障码属于状态数据的一部分，云服务器如果在所获取的行车状态数据中检测到故障码，则认为汽车当前存在故障。
云服务器判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常。行车状态数据包括：胎压信息，第一汽车数据存储装置实时采集第一汽车的胎压信息，并发送给云服务器。云服务器基于胎压信息判断第一车辆的胎压是否出现异常。
例如，胎压监测装置安装于轮胎内部，用于实时监测轮胎内的气压(压力)、温度等轮胎参数，特别是轮胎压力参数，并发送给第一汽车数据存储装置，该第一汽车数据存储装置发送胎压信号，云服务器判断胎压是否小于或大于预设的阈值，实时进行监控和预警的目的。
在一个实施例中，第一汽车数据存储装置从第一汽车的自动驾驶系统中获取自动驾驶操作数据，例如可以分析自动驾驶操作的日志数据，也可以通过接口直接获取，自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯等。
第一汽车数据存储装置从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车等。检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置等，检测传感器包括压力传感器、角度传感器等。例如，在方向盘上设置多个压力传感器，当判断压力传感器检测的压力超过阈值，则认为是驾驶员在操作方向盘。
云服务器通过分析检测传感器的信号，判断驾驶员进行了哪些操作，根据判断控制指令是自动驾驶系统发出的还是驾驶员手动操作发出的，判断责任方是自动控制系统(厂家)和/或驾驶员(消费者)，为保险理赔、责任划分提供准确的依据。云服务器在确定事故包括驾驶操作的情况下，根据自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。
在一个实施例中，在确定事故发生时由自动驾驶系统操作时，云服务器判断在事故发生时车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作。驾驶行为数据包括：车内音频信息，第一汽车数据存储装置获取设置在车内的拾音装置采集的车内音频信息，云服务器解析车内音频信息，判断在事故发生时是否有错误的声音控制指令。例如，自动驾驶系统接收驾驶员的口令，在判断第一车辆发生紧急刹车时，云服务器可以通过分析音频判断车内的驾驶员或其它乘客是否发出了“刹车”的口令。
如果确定在事故发生时由驾驶员操作，云服务器判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车。驾驶行为数据包括：车内气体检测信号，第一汽车数据存储装置采集设置在车内的气体传感器发送的车内气体检测信号。云服务器根据车内气体检测信号分析车内的酒精浓度，当浓度超过预设的值时，则驾驶员和乘客都有喝酒的可能，云服务器进行提示，建议驾驶员做进一步的化验，以排除嫌疑。
如果确定在事故发生时由驾驶员操作，云服务器判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作。其中，驾驶行为数据包括：驾驶员图像信息。第一汽车数据存储装置周期性采集车内摄像装置发送的驾驶员图像信息，云服务器根据驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，例如，连续驾车4小时以上，如果是，则确定当前驾驶员为疲劳驾驶。
还可以在方向盘上设置传感器，采集脉搏、心率等信号并进行分析。脉搏、心率以及包含了人体的各种生理状况，从脉搏信号中可以提取驾驶员的疲劳特征，从而反映出驾驶员的疲劳状况。
云服务器根据驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。异常场景包括：打哈欠、打喷嚏、合闭眼、长时间眯眼、接打电话、与人交谈等。
例如，云服务器通过分析驾驶员图像信息，自动检测、跟踪眼睛和嘴巴等面部器官的运动特性，并统计一定时间内的面部运动指标，利用建好的形状模型和局部表观模型进行特征点匹配得到疲劳检测结果。在驾驶室内适当位置安装监控探头装置，实时监控驾驶员的精神状态，判断是否出现异常情况，例如，打哈欠、打喷嚏、合闭眼、长时间眯眼、接打电话、与人交谈等，则异常场景和/或疲劳驾驶可以作为确定事故责任的参考依据。
上述实施例中的汽车事故责任确定方法及系统，云服务器为事故勘察、智能交通、车联网等应用提供基于软件的云服务，云服务器能够回放交通事故时汽车的运行轨迹和驾驶行为，为交通事故责任的界定提供了依据，能快速、准确界定事故责任方，解决现场勘查的时效性。
根据本发明的一个实施例，如图3、4所示，本发明提供一种汽车事故责任确定系统，包括：事故确认装置和汽车数据存储装置。事故确认装置可以是手持设备、车载设备或云服务器等。事故确认装置20包括：数据接收模块21、数据提取模块22和事故分析模块23。
数据接收模块21接收汽车数据存储装置发送的行车状态数据和驾驶行为数据并存储。数据提取模块22接收携带有事故信息的事故分析指令，提取与事故信息相对应的行车状态数据和驾驶行为数据。事故分析模块23根据行车状态数据和驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
数据提取模块22根据事故发生的时间确定时间区间并确定与事故相关的第一车辆，提取在时间区间内与第一车辆相对应的行车状态信息。事故信息包括：发生时间、车辆信息等。行车状态数据包括：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息等。
汽车数据存储装置包括：安装在第一车辆上的第一汽车数据存储装置30。第一黑匣子装置30包括：运行参数采集模块31、地理位置采集模块32和周边数据采集模块33。运行参数采集模块31通过车辆传感器采集第一车辆运行参数，第一车辆运行参数包括：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数。
地理位置采集模块32通过GPS设备采集第一车辆的地理位置信息。周边数据采集模块33通过测距雷达装置和图像采集装置采集周边汽车的雷达数据信息和周边图像信息，作为第一车辆与周边汽车的相对距离和相对位置信息。
如图4所示，事故分析模块23包括：运行轨迹生成单元231、违规车辆确定单元232和事故原因确定单元233。运行轨迹生成单元231根据第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态。违规车辆确定单元232根据第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
运行轨迹生成单元231在第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的运行状态，运行状态包括：速度、加速度、角速度和角加速度。违规车辆确定单元232基于事故责任判定规则对运行状态进行分析，确定出第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；其中，事故责任判定规则包括：变道、避让、超车规则。
违规车辆确定单元232对周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离。当第一车辆与其周边车辆之间的距离小于安全距离时，违规车辆确定单元232判断第一车辆和/或周边车辆出现异常的运行状态，并在第一车辆和/或周边车辆的运行轨迹上确定出异常位置点。
事故原因确定单元233在确定第一车辆为违规车辆时，基于第一车辆运行参数、驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种。驾驶操作包括：自动驾驶系统操作、驾驶员操作；其中，驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据。
事故原因确定单元233判断第一车辆是否执行了与驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作。如果否，则确定事故责任原因包括设备异常。
事故原因确定单元233基于周边图像信息识别出交通信号灯信息，基于行车状态数据和交通信号灯信息判断第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作。
事故原因确定单元233判断在事故发生时第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；其中，行车状态数据包括：设备故障码。运行参数采集模块31采集汽车控制系统发送的设备故障码；事故原因确定单元233基于故障码判断第一车辆的零部件是否出现异常。
事故原因确定单元233判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常，行车状态数据包括：胎压信息。运行参数采集模块31实时采集第一汽车的胎压信息；事故原因确定单元233基于胎压信息判断第一车辆的胎压是否出现异常。
运行数据采集模块31从第一汽车的自动驾驶系统中获取自动驾驶操作数据，自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯等。运行数据采集模块31从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车等；其中，检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置等。
事故原因确定单元233在确定事故包括驾驶操作的情况下，根据自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。事故原因确定单元233在确定事故发生时由自动驾驶系统操作时，判断在事故发生时车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作。驾驶行为数据包括：车内音频信息，运行数据采集模块31获取设置在车内的拾音装置采集的车内音频信息。事故原因确定单元233解析车内音频信息，判断在事故发生时是否有错误的声音控制指令。
如果确定在事故发生时由驾驶员操作，事故原因确定单元233判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车。其中，驾驶行为数据包括：车内气体检测信号。运行数据采集模块采集31设置在车内的气体传感器发送的车内气体检测信号；事故原因确定单元233根据车内气体检测信号分析车内的酒精浓度。
如果确定在事故发生时由驾驶员操作，事故原因确定单元233判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作。驾驶行为数据包括：驾驶员图像信息。运行数据采集模块31周期性采集车内摄像装置发送的驾驶员图像信息。事故原因确定单元233根据驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则事故原因确定单元233确定当前驾驶员为疲劳驾驶。
事故原因确定单元233根据驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则事故原因确定单元233确定事故原因包括驾驶员操作：其中，异常场景包括：打哈欠、打喷嚏、合闭眼、长时间眯眼、接打电话、与人交谈等。
上述实施例中提供的汽车事故责任确定方法及系统，汽车数据存储装置在行车过程中监控车辆的行车状态数据和驾驶行为数据等，为交通事故责任的界定提供了依据，能快速界定事故责任方，解决现场勘查的时效性，并为汽车性能和安全分析提供数据支持。通过汽车黑匣子和云端联动，实现智能安全的行车危险告警系统，从而降低交通事故率。
本发明的实施例公开了：
A1、一种汽车事故责任确定方法，其特征在于，包括：
获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据；
根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；
根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
A2、如A1所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
确定与事故相关的第一车辆，基于第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；
其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据。
A3、如A2所述的方法，其特征在于，包括：
判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
A4、如A3所述的方法，其特征在于,包括:
基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作；
其中，所述行车状态数据包括交通信号灯信息。
A5、如A3所述的方法，其特征在于，包括：
判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：设备故障码；基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
A6、如A3所述的方法，其特征在于，包括：
判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：胎压信息；基于所述胎压信息判断第一车辆的胎压是否出现异常。
A7、如A3所述的方法，其特征在于，包括：
从所述第一汽车的自动驾驶系统中获取自动驾驶操作数据，所述自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯；
从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车；
其中，所述检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置。
A8、如A7所述的方法，其特征在于，包括：
在确定事故包括驾驶操作的情况下，根据所述自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。
A9、如A8所述的方法，其特征在于,所述确定事故原因为自动操作系统和/或驾驶员的操作包括:
确定事故发生时由自动驾驶系统操作，判断在事故发生时，车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：车内音频信息；获取设置在车内的拾音装置采集的车内音频信息，解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
A10、如A8所述的方法，其特征在于，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：
如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；
其中，所述驾驶行为数据包括：车内气体检测信号；根据所述车内气体检测信号分析车内的酒精浓度。
A11、如A8所述的方法，其特征在于,所述确定事故原因为自动操作系统和/或驾驶员的操作包括:
如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：驾驶员图像信息；周期性地通过车内摄像装置采集驾驶员图像信息，根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
A12、如A11所述的方法，其特征在于，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：
根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
A13、如A2所述的方法，其特征在于，所述提取与所述事故信息相对应的行车状态数据和驾驶行为数据包括：
根据事故发生的时间确定时间区间并确定与事故相关的第一车辆；所述事故信息包括：发生时间、车辆信息；
提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息，所述行车状态数据包括以下数据中的至少一项：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
A14、根据A13所述的方法，其特征在于：
安装在所述第一车辆上的第一汽车数据存储装置记录车辆传感器采集的所述第一车辆运行参数，所述第一车辆运行参数包括以下数据中的至少一项：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；
所述第一汽车数据存储装置记录GPS设备采集的所述第一车辆的地理位置信息；
所述第一车辆与周边汽车的相对距离和相对位置信息为所述第一汽车数据存装置记录的通过测距雷达装置和图像采集装置采集的雷达数据信息和周边图像信息。
A15、如A14所述的方法，其特征在于，所述根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；
根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
A16、如A15所述的方法，其特征在于：
在所述第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的所述运行状态，所述运行状态包括：速度、加速度、角速度和角加速度。
A17、如A16所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；
其中，所述事故责任判定规则包括：变道、避让、超车规则。
A18、如A17所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；
当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
B19、一种汽车事故责任确定系统，其特征在于，包括：事故确认装置和汽车数据存储装置；所述汽车数据存储装置用于记录行车状态数据和驾驶行为数据；
所述事故确认装置包括：
数据接收模块，用于获取所述汽车数据存储装置中记录的行车状态数据和驾驶行为数据；
数据提取模块，用于根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；
事故分析模块，用于根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为。
B20、如权B19所述的系统，其特征在于：
所述事故分析模块，包括：
事故原因确定单元，用于在确定第一车辆为违规车辆时，基于所述第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据；
所述汽车数据存储装置包括：安装在所述第一车辆上的第一汽车数据存储装置；
所述第一黑匣子装置，包括：
运行参数采集模块，用于采集所述第一车辆运行参数；
地理位置采集模块，用于采集所述第一车辆的地理位置信息；
周边数据采集模块，用于采集周边汽车的雷达数据信息和周边图像信息。
B21、如B20所述的系统，其特征在于：
所述事故原因确定单元，还用于判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
B22、如B21所述的系统，其特征在于:
所述事故原因确定单元，还用于基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作。
B23、如B21所述的系统，其特征在于：
所述事故原因确定单元，还用于判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：设备故障码；所述运行参数采集模块采集汽车控制系统发送的设备故障码；所述事故原因确定单元基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
B24、如B21所述的系统，其特征在于：
所述事故原因确定单元，还用于判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：胎压信息；所述运行参数采集模块实时采集所述第一汽车的胎压信息；所述事故原因确定单元基于所述胎压信息判断第一车辆的胎压是否出现异常。
B25、如B21所述的系统，其特征在于：
所述运行参数采集模块，还用于从所述第一汽车的自动驾驶系统中获取自动驾驶操作数据，所述自动驾驶操作数据包括：刹车、加大或减小油门、开或关信号灯、转弯；从检测传感器采集手动驾驶操作数据，包括：踩油门、转动方向盘、开或关信号灯、刹车；
其中，所述检测传感器设置的位置包括：方向盘、脚刹踏板、离合踏板、油门踏板、灯光开关、手刹装置
B26、如B25所述的系统，其特征在于：
所述事故原因确定单元，还用于在确定事故包括驾驶操作的情况下，根据所述自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作。
B27、如B26所述的系统，其特征在于:
所述事故原因确定单元，还用于在确定事故发生时由自动驾驶系统操作，判断在事故发生时车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：车内音频信息；所述运行数据采集模块获取设置在车内的拾音装置采集的车内音频信息；所述事故原因确定单元解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
B28、如B27所述的系统，其特征在于：
所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；
其中，所述驾驶行为数据包括：车内气体检测信号；所述运行数据采集模块采集设置在车内的气体传感器发送的所述车内气体检测信号；所述事故原因确定单元根据所述车内气体检测信号分析车内的酒精浓度。
B29、如B27所述的系统，其特征在于，包括：
所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：驾驶员图像信息；所述运行数据采集模块周期性采集车内摄像装置发送的所述驾驶员图像信息；所述事故原因确定单元根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
B30、如B29所述的系统，其特征在于：
所述事故原因确定单元，还用于根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
B31、如B20所述的系统，其特征在于：
所述数据提取模块具体用于根据事故发生的时间确定时间区间并确定与事故相关的第一车辆，提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息；
其中，所述事故信息包括：发生时间、车辆信息；所述行车状态数据包括：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
B32、根据B31所述的系统，其特征在于：
所述运行参数采集模块具体用于所述通过车辆传感器采集所述第一车辆运行参数，所述第一车辆运行参数包括：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；
所述地理位置采集模块具体用于通过GPS设备采集所述第一车辆的地理位置信息；
所述周边数据采集模块具体用于通过测距雷达装置和图像采集装置采集周边汽车的雷达数据信息和周边图像信息，作为所述第一车辆与周边汽车的相对距离和相对位置信息。
B33、如B32所述的系统，其特征在于：
所述事故分析模块，包括：
运行轨迹生成单元，用于根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；
违规车辆确定单元，用于根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
B34、如B33所述的系统，其特征在于：
所述运行轨迹生成单元在所述第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的所述运行状态，所述运行状态包括：速度、加速度、角速度和角加速度。
B35、如B34所述的系统，其特征在于：
所述违规车辆确定单元具体用于基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；
其中，所述事故责任判定规则包括：变道、避让、超车规则。
B36、如B35所述的系统，其特征在于：
所述违规车辆确定单元具体用于对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
B37、如B20所述的系统，其特征在于:
所述事故确认装置为云服务器；
所述汽车数据存储装置与所述事故确认装置通信采用的方式包括：2G/3G/4G蜂窝移动通信网络、WiFi、WiMax。
以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (31)
1.一种汽车事故责任确定方法，其特征在于，包括：
获取汽车数据存储装置中记录的行车状态数据和驾驶行为数据；
根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；
根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：在与事故相关的第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的运行状态，所述运行状态包括速度、加速度、角速度和角加速度；基于事故责任判定规则对所述每个位置点添加的运行状态进行分析，确定与事故中的违规车辆；
在确定事故包括驾驶操作的情况下，根据自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作；
其中，所述自动驾驶操作数据是所述第一车辆的数据存储装置从所述第一车辆的自动驾驶系统中获取得到的，包括：刹车、或加大或者减小油门、或开或者关信号灯、或转弯；所述手动驾驶操作数据是所述第一车辆的数据存储装置通过检测传感器采集得到的，包括：踩油门、或转动方向盘、或开或者关信号灯、或刹车；所述检测传感器设置的位置包括：方向盘、或脚刹踏板、或离合踏板、或油门踏板、或灯光开关、或手刹装置。
2.如权利要求1所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
确定与事故相关的第一车辆，基于第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；
其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据。
3.如权利要求2所述的方法，其特征在于，包括：
判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
4.如权利要求3所述的方法，其特征在于,包括:
基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作；
其中，所述行车状态数据包括交通信号灯信息。
5.如权利要求3所述的方法，其特征在于，包括：
判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：设备故障码；基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
6.如权利要求3所述的方法，其特征在于，包括：
判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：胎压信息；基于所述胎压信息判断第一车辆的胎压是否出现异常。
7.如权利要求1所述的方法，其特征在于,所述确定事故原因为自动操作系统和/或驾驶员的操作包括:
确定事故发生时由自动驾驶系统操作，判断在事故发生时，车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：车内音频信息；获取设置在车内的拾音装置采集的车内音频信息，解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
8.如权利要求1所述的方法，其特征在于，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：
如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；
其中，所述驾驶行为数据包括：车内气体检测信号；根据所述车内气体检测信号分析车内的酒精浓度。
9.如权利要求1所述的方法，其特征在于,所述确定事故原因为自动操作系统和/或驾驶员的操作包括:
如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：驾驶员图像信息；周期性地通过车内摄像装置采集驾驶员图像信息，根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
10.如权利要求9所述的方法，其特征在于，所述确定事故原因为自动操作系统和/或驾驶员的操作包括：
根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
11.如权利要求2所述的方法，其特征在于，所述提取与所述事故信息相对应的行车状态数据和驾驶行为数据包括：
根据事故发生的时间确定时间区间并确定与事故相关的第一车辆；所述事故信息包括：发生时间、车辆信息；
提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息，所述行车状态数据包括以下数据中的至少一项：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
12.根据权利要求11所述的方法，其特征在于：
安装在所述第一车辆上的第一汽车数据存储装置记录车辆传感器采集的所述第一车辆运行参数，所述第一车辆运行参数包括以下数据中的至少一项：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；
所述第一汽车数据存储装置记录GPS设备采集的所述第一车辆的地理位置信息；
所述第一车辆与周边汽车的相对距离和相对位置信息为所述第一汽车数据存装置记录的通过测距雷达装置和图像采集装置采集的雷达数据信息和周边图像信息。
13.如权利要求12所述的方法，其特征在于，所述根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；
根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
14.如权利要求13所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；
其中，所述事故责任判定规则包括：变道、避让、超车规则。
15.如权利要求14所述的方法，其特征在于，根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：
对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；
当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
16.一种汽车事故责任确定系统，其特征在于，包括：事故确认装置和汽车数据存储装置；所述汽车数据存储装置用于记录行车状态数据和驾驶行为数据；
所述事故确认装置包括：
数据接收模块，用于获取所述汽车数据存储装置中记录的行车状态数据和驾驶行为数据；
数据提取模块，用于根据携带有事故信息的事故分析指令，提取与所述事故信息相对应的行车状态数据和驾驶行为数据；
事故分析模块，用于根据所述行车状态数据和所述驾驶行为数据确定汽车事故责任为汽车故障和/或驾驶行为包括：在与事故相关的第一车辆和周边车辆运行轨迹上的每个位置点都添加相应的运行状态，所述运行状态包括速度、加速度、角速度和角加速度；基于事故责任判定规则对所述每个位置点添加的运行状态进行分析，确定与事故中的违规车辆；
所述事故分析模块，包括：事故原因确定单元；
所述事故原因确定单元，还用于在确定事故包括驾驶操作的情况下，根据自动驾驶操作数据或手动驾驶操作数据，确定事故原因为自动操作系统和/或驾驶员的操作；
其中，所述自动驾驶操作数据是所述第一车辆的数据存储装置从所述第一车辆的自动驾驶系统中获取得到的，包括：刹车、或加大或者减小油门、或开或者关信号灯、或转弯；所述手动驾驶操作数据是所述第一车辆的数据存储装置通过检测传感器采集得到的，包括：踩油门、或转动方向盘、或开或者关信号灯、或刹车；所述检测传感器设置的位置包括：方向盘、或脚刹踏板、或离合踏板、或油门踏板、或灯光开关、或手刹装置。
17.如权利要求16所述的系统，其特征在于：
所述事故分析模块，包括：
事故原因确定单元，用于在确定第一车辆为违规车辆时，基于第一车辆运行参数、所述驾驶行为数据判断事故责任原因为设备异常、驾驶操作中的一种或多种；所述驾驶操作包括：自动驾驶系统操作、驾驶员操作；其中，所述驾驶行为数据包括：自动驾驶操作数据、手动驾驶操作数据；
所述汽车数据存储装置包括：安装在所述第一车辆上的第一汽车数据存储装置；
所述第一汽车数据存储装置，包括：
运行参数采集模块，用于采集所述第一车辆运行参数；
地理位置采集模块，用于采集所述第一车辆的地理位置信息；
周边数据采集模块，用于采集周边汽车的雷达数据信息和周边图像信息。
18.如权利要求17所述的系统，其特征在于：
所述事故原因确定单元，还用于判断所述第一车辆是否执行了与所述驾驶行为数据相对应的操作，如果是，则确定事故原因包括驾驶操作；如果否，则确定事故责任原因包括设备异常。
19.如权利要求18所述的系统，其特征在于:
所述事故原因确定单元，还用于基于周边图像信息识别出交通信号灯信息，根据所述行车状态数据和所述交通信号灯信息判断所述第一车辆是否违反交通规则，如果是，则判断事故责任原因包括驾驶操作。
20.如权利要求18所述的系统，其特征在于：
所述事故原因确定单元，还用于判断在事故发生时所述第一车辆的零部件是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：设备故障码；所述运行参数采集模块采集汽车控制系统发送的设备故障码；所述事故原因确定单元基于所述设备故障码判断所述第一车辆的零部件是否出现异常。
21.如权利要求18所述的系统，其特征在于：
所述事故原因确定单元，还用于判断在事故发生时第一车辆的胎压是否出现异常，如果是，则确定事故原因包括设备异常；
其中，所述行车状态数据包括：胎压信息；所述运行参数采集模块实时采集所述第一汽车的胎压信息；所述事故原因确定单元基于所述胎压信息判断第一车辆的胎压是否出现异常。
22.如权利要求16所述的系统，其特征在于:
所述事故原因确定单元，还用于在确定事故发生时由自动驾驶系统操作，判断在事故发生时车内人员是否给出了错误的声音控制指令，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：车内音频信息；所述运行数据采集模块获取设置在车内的拾音装置采集的车内音频信息；所述事故原因确定单元解析所述车内音频信息，判断在事故发生时是否有错误的声音控制指令。
23.如权利要求16所述的系统，其特征在于：
所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断车内的酒精浓度是否超过预设的阈值，如果是，则确定事故原因涉及酒后驾车；
其中，所述驾驶行为数据包括：车内气体检测信号；所述运行数据采集模块采集设置在车内的气体传感器发送的所述车内气体检测信号；所述事故原因确定单元根据所述车内气体检测信号分析车内的酒精浓度。
24.如权利要求16所述的系统，其特征在于，包括：
所述事故原因确定单元，还用于如果确定在事故发生时由驾驶员操作，判断驾驶员是否为疲劳驾车，如果是，则确定事故原因包括驾驶员操作；
其中，所述驾驶行为数据包括：驾驶员图像信息；所述运行数据采集模块周期性采集车内摄像装置发送的所述驾驶员图像信息；所述事故原因确定单元根据所述驾驶员图像信息判断在事故发生时、当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，如果是，则确定当前驾驶员为疲劳驾驶。
25.如权利要求24所述的系统，其特征在于：
所述事故原因确定单元，还用于根据所述驾驶员图像信息跟踪驾驶员的多个面部器官的运动特征，基于所述运动特性判断是否出现异常场景和/或疲劳驾驶，如果是，则确定事故原因包括驾驶员操作。
26.如权利要求17所述的系统，其特征在于：
所述数据提取模块具体用于根据事故发生的时间确定时间区间并确定与事故相关的第一车辆，提取在所述时间区间内与所述第一车辆相对应的所述行车状态信息；
其中，所述事故信息包括：发生时间、车辆信息；所述行车状态数据包括：第一车辆运行参数、第一车辆的地理位置信息、第一车辆与周边汽车的相对距离和相对位置信息。
27.根据权利要求26所述的系统，其特征在于：
所述运行参数采集模块具体用于所述通过车辆传感器采集所述第一车辆运行参数，所述第一车辆运行参数包括：行驶速度、发动机转速、油门开度、刹车状况、转向角、灯光状态参数；
所述地理位置采集模块具体用于通过GPS设备采集所述第一车辆的地理位置信息；
所述周边数据采集模块具体用于通过测距雷达装置和图像采集装置采集周边汽车的雷达数据信息和周边图像信息，作为所述第一车辆与周边汽车的相对距离和相对位置信息。
28.如权利要求27所述的系统，其特征在于：
所述事故分析模块，包括：
运行轨迹生成单元，用于根据所述第一车辆运行参数、所述第一车辆的地理位置信息、所述第一车辆与周边汽车的相对距离和相对位置信息并结合电子地图信息，生成第一车辆和周边车辆的运行轨迹和运行状态；
违规车辆确定单元，用于根据所述第一车辆和周边车辆的运行轨迹和运行状态，并基于事故责任判定规则确定与事故中的违规车辆。
29.如权利要求28所述的系统，其特征在于：
所述违规车辆确定单元具体用于基于所述事故责任判定规则对所述运行状态进行分析，确定出所述第一车辆和/或周边车辆的运行轨迹上的一个或多个异常位置点，并确定违规车辆；
其中，所述事故责任判定规则包括：变道、避让、超车规则。
30.如权利要求29所述的系统，其特征在于：
所述违规车辆确定单元具体用于对所述周边图像信息进行分析和处理，判断第一车辆与其周边车辆之间的距离是否小于安全距离；当第一车辆与其周边车辆之间的距离小于安全距离时，判断所述第一车辆和/或周边车辆出现异常的运行状态，并在所述第一车辆和/或周边车辆的运行轨迹上确定出所述异常位置点。
31.如权利要求16所述的系统，其特征在于:
所述事故确认装置为云服务器；
所述汽车数据存储装置与所述事故确认装置通信采用的方式包括：2G/3G/4G蜂窝移动通信网络、WiFi、WiMax。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610500480.7A CN106157614B (zh) | 2016-06-29 | 2016-06-29 | 汽车事故责任确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610500480.7A CN106157614B (zh) | 2016-06-29 | 2016-06-29 | 汽车事故责任确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106157614A CN106157614A (zh) | 2016-11-23 |
| CN106157614B true CN106157614B (zh) | 2020-09-04 |
Family
ID=57349974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610500480.7A Active CN106157614B (zh) | 2016-06-29 | 2016-06-29 | 汽车事故责任确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106157614B (zh) |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680012A (zh) * | 2016-08-01 | 2018-02-09 | 奥迪股份公司 | 车辆辅助驾驶系统及方法 |
| EP3828657A1 (en) | 2016-12-23 | 2021-06-02 | Mobileye Vision Technologies Ltd. | Navigational system |
| CN108242167A (zh) * | 2016-12-24 | 2018-07-03 | 钱浙滨 | 一种道路交通安全设施信息获取方法、使用方法及装置 |
| CN107067718B (zh) * | 2016-12-29 | 2020-05-01 | 盯盯拍（深圳）技术股份有限公司 | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 |
| CN106828486B (zh) * | 2017-01-23 | 2020-09-08 | 斑马信息科技有限公司 | 驾驶行为纠正系统及其方法 |
| JP6778626B2 (ja) * | 2017-02-01 | 2020-11-04 | 株式会社デンソーテン | 運転情報記録装置、運転情報表示処理システム、運転情報記録方法、表示処理方法、及び、プログラム |
| CN107067724B (zh) * | 2017-05-04 | 2019-10-11 | 陕西科技大学 | 智慧城市车辆行驶资源评估系统 |
| DE102017212695A1 (de) * | 2017-07-25 | 2019-01-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung in einem Fahrzeug zum Auswerten und Speichern von Daten |
| CN107564280B (zh) * | 2017-08-22 | 2020-09-29 | 王浩宇 | 基于环境感知的驾驶行为数据采集分析系统和方法 |
| JP6962566B2 (ja) * | 2018-03-06 | 2021-11-05 | 株式会社パインベース | 情報送信装置、プログラム、及び管理システム |
| CN110322588A (zh) * | 2018-03-30 | 2019-10-11 | 上海博泰悦臻电子设备制造有限公司 | 车辆事故报告的生成方法、系统、计算机存储介质及终端 |
| CN108734592A (zh) * | 2018-05-11 | 2018-11-02 | 深圳市图灵奇点智能科技有限公司 | 车辆保险业务数据分析方法和系统 |
| CN109000935B (zh) * | 2018-07-12 | 2020-07-28 | 清华大学深圳研究生院 | 新能源汽车制动系统性能的判定方法 |
| CN109326133A (zh) * | 2018-11-01 | 2019-02-12 | 桂林电子科技大学 | 高速公路安全监管方法及系统、车载终端 |
| CN109741602A (zh) * | 2019-01-11 | 2019-05-10 | 福建工程学院 | 一种轻微交通事故辅助定责的方法及系统 |
| CN109993849A (zh) * | 2019-03-22 | 2019-07-09 | 山东省科学院自动化研究所 | 一种自动驾驶测试场景再现模拟方法、装置及系统 |
| CN109961056A (zh) * | 2019-04-02 | 2019-07-02 | 浙江科技学院 | 基于决策树算法的交通事故责任认定方法、系统及设备 |
| CN110047286A (zh) * | 2019-04-20 | 2019-07-23 | 深圳市元征科技股份有限公司 | 一种车辆事故分析方法及装置 |
| CN110147946B (zh) * | 2019-04-30 | 2023-07-04 | 深圳市元征科技股份有限公司 | 一种数据分析方法及装置 |
| TWI712523B (zh) * | 2019-08-23 | 2020-12-11 | 啓碁科技股份有限公司 | 預測危險車輛的方法及系統 |
| CN111161533B (zh) * | 2019-12-04 | 2021-11-02 | 支付宝(杭州)信息技术有限公司 | 交通事故处理方法和装置、电子设备 |
| CN113053099A (zh) * | 2019-12-26 | 2021-06-29 | 北京万集智能网联技术有限公司 | 一种异常交通事件处理方法及装置 |
| CN111311914B (zh) * | 2020-02-26 | 2021-12-07 | 广州小鹏汽车科技有限公司 | 车辆行驶事故监控方法、装置和车辆 |
| US11443624B2 (en) | 2020-03-23 | 2022-09-13 | Toyota Motor North America, Inc. | Automatic warning of navigating towards a dangerous area or event |
| US11538343B2 (en) * | 2020-03-23 | 2022-12-27 | Toyota Motor North America, Inc. | Automatic warning of atypical audio indicating a transport event |
| WO2021227586A1 (zh) * | 2020-05-14 | 2021-11-18 | 华为技术有限公司 | 交通事故分析方法、装置及设备 |
| CN112132993A (zh) * | 2020-08-07 | 2020-12-25 | 南京市德赛西威汽车电子有限公司 | 一种基于v2x的交通事故场景还原方法 |
| CN111932717A (zh) * | 2020-08-20 | 2020-11-13 | 中国第一汽车股份有限公司 | 一种车辆紧急事件分析方法、装置、存储介质及系统 |
| CN112197781B (zh) * | 2020-09-21 | 2022-08-26 | 山东工业职业学院 | 一种基于云计算的车载数据管理系统 |
| CN112193250B (zh) * | 2020-09-25 | 2022-03-18 | 三一专用汽车有限责任公司 | 车辆运行状态的监控方法、车辆和计算机可读存储介质 |
| CN113190977A (zh) * | 2021-04-13 | 2021-07-30 | 北京汽车研究总院有限公司 | 自动驾驶车辆的事故责任分析方法及装置 |
| TWI761181B (zh) * | 2021-04-16 | 2022-04-11 | 創星物聯科技股份有限公司 | 車輛行車影像辨識系統 |
| CN113570751A (zh) * | 2021-07-16 | 2021-10-29 | 杭州环峻科技有限公司 | 一种全景环带相机的行车记录仪系统 |
| CN114435381B (zh) * | 2022-02-25 | 2024-02-27 | 重庆长安汽车股份有限公司 | 一种车辆数据记录方法及存储介质 |
| CN114338048B (zh) * | 2022-03-10 | 2022-07-05 | 深圳擎盾信息科技有限公司 | 一种基于区块链的车辆事故责任的认定方法及车辆终端 |
| CN114454832B (zh) * | 2022-03-14 | 2023-07-07 | 陈潇潇 | 智能驾驶发生意外的独立证据和完整事实的记录方法 |
| CN114550342B (zh) * | 2022-04-26 | 2022-08-02 | 新石器慧通（北京）科技有限公司 | 基于黑匣子的无人车事故责任判定方法、装置及电子设备 |
| CN115938114B (zh) * | 2022-11-29 | 2024-05-03 | 中国第一汽车股份有限公司 | 自动驾驶车辆数据的处理系统、方法、装置、终端及介质 |
| CN116168472B (zh) * | 2023-02-22 | 2024-06-04 | 合众新能源汽车股份有限公司 | 基于edr数据的事故定责方法、装置及相关设备 |
| CN116631187B (zh) * | 2023-05-24 | 2023-12-15 | 山东承势电子科技有限公司 | 一种案件现场勘查信息智能采集分析系统 |
| CN116758756A (zh) * | 2023-08-22 | 2023-09-15 | 北京小米移动软件有限公司 | 碰撞事件处理方法、装置、存储介质和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201111685Y (zh) * | 2007-10-22 | 2008-09-10 | 王增安 | 机车司乘人员睡眠记录警示安全装置 |
| CN102455699A (zh) * | 2010-10-26 | 2012-05-16 | 株式会社电装 | 非操纵操作系统和用于准备车辆的非操纵操作的方法 |
| CN103065371A (zh) * | 2012-12-03 | 2013-04-24 | 深圳市元征科技股份有限公司 | 交通事故责任界定方法 |
| CN202923556U (zh) * | 2012-10-26 | 2013-05-08 | 长安大学 | 一种防醉酒驾驶装置 |
| WO2015169312A1 (de) * | 2014-05-08 | 2015-11-12 | Continental Teves Ag & Co. Ohg | Fahrerassistenzsystem und verfahren zur automatisierten protokollierung von protokolldaten |
| CN204915669U (zh) * | 2015-08-19 | 2015-12-30 | 郑州宇通客车股份有限公司 | 一种汽车自动控制系统 |
| CN204978499U (zh) * | 2015-07-03 | 2016-01-20 | 南京金龙新能源汽车研究院有限公司 | 一种用于监控驾驶辅助系统的电子记录仪 |
| CN205264045U (zh) * | 2015-12-16 | 2016-05-25 | 浙江中科正方电子技术有限公司 | 一种车辆管理系统 |
| WO2016080070A1 (ja) * | 2014-11-17 | 2016-05-26 | 日立オートモティブシステムズ株式会社 | 自動運転システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104932359B (zh) * | 2015-05-29 | 2019-01-08 | 大连楼兰科技股份有限公司 | 基于cae技术的车辆远程无人定损系统及定损方法 |
| CN105489007A (zh) * | 2015-12-16 | 2016-04-13 | 浙江中科正方电子技术有限公司 | 一种车辆管理的方法和系统 |
-
2016
- 2016-06-29 CN CN201610500480.7A patent/CN106157614B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201111685Y (zh) * | 2007-10-22 | 2008-09-10 | 王增安 | 机车司乘人员睡眠记录警示安全装置 |
| CN102455699A (zh) * | 2010-10-26 | 2012-05-16 | 株式会社电装 | 非操纵操作系统和用于准备车辆的非操纵操作的方法 |
| CN202923556U (zh) * | 2012-10-26 | 2013-05-08 | 长安大学 | 一种防醉酒驾驶装置 |
| CN103065371A (zh) * | 2012-12-03 | 2013-04-24 | 深圳市元征科技股份有限公司 | 交通事故责任界定方法 |
| WO2015169312A1 (de) * | 2014-05-08 | 2015-11-12 | Continental Teves Ag & Co. Ohg | Fahrerassistenzsystem und verfahren zur automatisierten protokollierung von protokolldaten |
| WO2016080070A1 (ja) * | 2014-11-17 | 2016-05-26 | 日立オートモティブシステムズ株式会社 | 自動運転システム |
| CN204978499U (zh) * | 2015-07-03 | 2016-01-20 | 南京金龙新能源汽车研究院有限公司 | 一种用于监控驾驶辅助系统的电子记录仪 |
| CN204915669U (zh) * | 2015-08-19 | 2015-12-30 | 郑州宇通客车股份有限公司 | 一种汽车自动控制系统 |
| CN205264045U (zh) * | 2015-12-16 | 2016-05-25 | 浙江中科正方电子技术有限公司 | 一种车辆管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106157614A (zh) | 2016-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106157614B (zh) | 汽车事故责任确定方法及系统 | |
| CN106114515B (zh) | 汽车驾驶行为提醒方法及系统 | |
| KR101769102B1 (ko) | Ｏｂｄ와 스마트폰을 사용한 보험사 서버와 연동된 자동차 운행기록 분석 시스템 및 방법 | |
| US11688209B1 (en) | Crowd-sourced driver grading | |
| US12002308B1 (en) | Driving event data analysis | |
| US10636291B1 (en) | Driving event data analysis | |
| US11100795B2 (en) | Driving service active sensing system and method in internet of vehicles environment | |
| US10633002B1 (en) | Context-based grading | |
| EP2165321B1 (en) | System and method for monitoring and improving driver behavior | |
| CA2897481C (en) | Method and system for providing feedback based on driving behavior | |
| CN103890730B (zh) | 用于传感器驱动的车辆遥测应用和服务的开发和部署的计算平台 | |
| WO2017134897A1 (ja) | 映像処理装置及び映像処理方法 | |
| CN108696817A (zh) | 使用情境车辆信息的车辆事件监测和分类 | |
| CN104730494A (zh) | 移动枪声检测 | |
| CN112193207A (zh) | 一种基于5g技术的智能车载互联安全系统 | |
| US11186257B2 (en) | Automobile driver biometric authentication and GPS services | |
| US20220297644A1 (en) | Safe driving support system based on mobile iot agent and method for processing thereof | |
| WO2014047695A2 (en) | "personalized emergency, safety & rules based interactive alert notification system | |
| US20230182759A1 (en) | Methods and systems for imporiving user alertness in an autonomous vehicle | |
| EP4256502B1 (en) | Electronic system for forward-looking measurements of frequencies and/or probabilities of accident occurrences based on localized automotive device measurements, and corresponding method thereof | |
| CN115027266A (zh) | 一种服务推荐方法及相关装置 | |
| CN106541948B (zh) | 一种行车安全辅助方法、系统及ar设备 | |
| US12077165B2 (en) | Real-time driver analysis and notification system | |
| KR102167252B1 (ko) | 구형 스마트폰을 활용한 자동차의 자동제어장치 및 그 제어 방법 | |
| Chapman | PUBLISHED PROJECT REPORT PPR2017 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220802 Address after: 300450 No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science Park, Binhai New Area, Tianjin Patentee after: 3600 Technology Group Co.,Ltd. Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Patentee before: Qizhi software (Beijing) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230710 Address after: 1765, floor 17, floor 15, building 3, No. 10 Jiuxianqiao Road, Chaoyang District, Beijing 100015 Patentee after: Beijing Hongxiang Technical Service Co.,Ltd. Address before: 300450 No. 9-3-401, No. 39, Gaoxin 6th Road, Binhai Science Park, Binhai New Area, Tianjin Patentee before: 3600 Technology Group Co.,Ltd. |
|
| CP03 | Change of name, title or address |
Address after: 1765, floor 17, floor 15, building 3, No. 10 Jiuxianqiao Road, Chaoyang District, Beijing 100015 Patentee after: Beijing 360 Zhiling Technology Co.,Ltd. Country or region after: China Address before: 1765, floor 17, floor 15, building 3, No. 10 Jiuxianqiao Road, Chaoyang District, Beijing 100015 Patentee before: Beijing Hongxiang Technical Service Co.,Ltd. Country or region before: China |