CN107848478B - 低速碰撞的自动识别和评估 - Google Patents

低速碰撞的自动识别和评估 Download PDF

Info

Publication number
CN107848478B
CN107848478B CN201680040305.2A CN201680040305A CN107848478B CN 107848478 B CN107848478 B CN 107848478B CN 201680040305 A CN201680040305 A CN 201680040305A CN 107848478 B CN107848478 B CN 107848478B
Authority
CN
China
Prior art keywords
data
vehicle
signals
crash
accident
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
Application number
CN201680040305.2A
Other languages
English (en)
Other versions
CN107848478A (zh
Inventor
A·德西尔瓦
W·亨德特
J·马洛塔
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of CN107848478A publication Critical patent/CN107848478A/zh
Application granted granted Critical
Publication of CN107848478B publication Critical patent/CN107848478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0136—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to actual contact with an obstacle, e.g. to vehicle deformation, bumper displacement or bumper velocity relative to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
    • B60R21/01332—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value by frequency or waveform analysis
    • B60R21/01336—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value by frequency or waveform analysis using filtering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
    • B60R21/01332—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value by frequency or waveform analysis
    • B60R21/01338—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value by frequency or waveform analysis using vector analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2237—Vectors, bitmaps or matrices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2246—Trees, e.g. B+trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G07C5/0808—Diagnosing performance data
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
    • B60R2021/01322—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value comprising variable thresholds, e.g. depending from other collision parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Air Bags (AREA)

Abstract

为了识别车辆(1)与物体(10)相互碰撞的车辆事故，其中与碰撞关联的运动参数如此之低以致车辆的至少一个设置用于事故的主动乘员保护系统(39)未被激活，提出：对于碰撞事件－这样处理由车辆(1)传感器(3)生成的信号和/或数据，使得－所述信号和/或数据被过滤，基于过滤后的信号和/或数据生成特征数据，并且借助特征数据对该碰撞事件进行分类，在此使用类别数据库(9)。

Description

低速碰撞的自动识别和评估
技术领域
本发明涉及一种用于自动识别和评估低速碰撞的方法、系统和计算机程序产品。本发明尤其是涉及检测相对低速的车辆事故，在此也可对事故进行评估，尤其是可确定在此对车辆造成的损伤。本发明还涉及一种相应装备的车辆。
背景技术
如今，在机动车中安装有许多传感器，通过它们可检测其事故事件，以便能够在必要时自动触发主动或被动保护系统、如安全气囊、安全带张紧器、紧急呼叫系统等。但通常这样设计相应的检测系统，使得它们仅识别从预定的低检测阈值起、例如从车辆的某一最小速度和/或最小加速度起的事故。
例如DE 4117811 A1公开了一种用于碰撞识别的方法，其中，在经过的有限时间段内连续测量和评估车辆速度的变化作为所谓的局部速度差。在此也可生成加速度值并借助阈值对其进行评估，以便能够区分高速和低速碰撞。
DE 102007027649 A1提出一种用于控制乘员保护装置的控制单元和方法，其中，由事故传感器的至少一个信号生成具有至少两个特征的特征向量。该特征向量通过支持向量机(SVM)分类。
DE 102008003081 A1描述了一种用于车辆安全系统的碰撞分类的方法和装置，其中，基于机器学习过程对当前确定的驾驶情况按照是否激活乘员保护装置进行分类。为此通过预定碰撞特征来定义碰撞种类。
EP 2854112 A1公开了一种用于识别在低速时或在较轻碰撞(低撞击)时的事故的探测系统，其中，沿多个轴线检测到的加速度值分别由带通滤波器过滤并将过滤后的值用于确定碰撞严重程度。
WO 90/11207 A1描述了一种用于车辆的乘员约束或保护系统的控制单元，其中，对加速度传感器的信号进行多种不同的分析评估，在此根据不同标准并且借助多个不同定义的阈值分别分析评估变化曲线。借助时间变化曲线和相应阈值可区分两种不同的事故类型、如正面和斜侧面的事故类型。也可针对事故的严重程度规定不同定义的变化曲线或阈值。
US 5,684,701 A描述了一种用于识别事故并且触发车辆中的乘员保护系统的传感器系统，其中，借助基于人工神经网络的自学习方法来分析评估传感器信号。在此为了学习传感器算法，使用来自在人为碰撞测试中获得的事故的传感器数据和相应并非来自事故的传感器数据。
US 7,113,079 B2公开了一种用于探测车辆碰撞的方法和系统，其中，使用隐马尔可夫模型(HMM)来评估传感器参数。
上述文献的内容以此通过引用纳入本说明书中。
如上所述，开头所提系统设计用于激活主动乘员保护系统。与此相对，也希望车辆能够即使在较低速度、较低外部影响(冲击能量)和/或较低加速度值下的碰撞中也自主探测事故事件，以便识别损伤。这种事件可尤其是在停车过程中作为所谓的停车擦碰出现。
发明内容
本发明的任务在于尽可能可靠地识别车辆与物体的碰撞，在其中碰撞的运动参数相对低。
为了识别车辆与物体相互碰撞且该碰撞的运动参数如此之低以致车辆的至少一个设置用于事故的主动乘员保护系统未被激活的车辆事故，根据本发明提出：对于碰撞事件这样处理由车辆的传感器生成的信号和/或数据，使得所述信号和/或数据被过滤，基于过滤后的信号和/或数据生成特征数据，并且借助特征数据对该碰撞事件进行类别分配，在此使用类别数据库。
此外，尤其是可使用至少一种分类方法进行分配。所述分类方法尤其是可包括至少一个分类规则。
运动参数尤其是对于车辆的主动乘员保护系统的激活相关的参数。运动参数尤其是用于控制激活的且还尤其是决定性的参数。
作为运动参数尤其是可规定碰撞速度、车辆(或设置在车辆中的传感器)的与碰撞有关的、尤其是最大和/或平均速度变化(加速度)和/或加速度变化、和/或与碰撞关联的能量参数、尤其是冲击能量。运动参数也可以是由一个或多个上述参数导出的参数。碰撞速度尤其可以是在碰撞开始时车辆与物体之间的相对速度、车辆的实际速度或尤其是在车辆静止时物体的实际速度。
借助传感器可生成针对运动参数、如车辆行驶速度、在一个或多个不同方向上的加速度、如车辆的纵向加速度和/或横向加速度的传感器信号或数据。在检测在一个方向上的一维运动参数时尤其是可规定，仅检测关于该一个方向的运动参数，而不检测沿该一个方向的轴线出现的纵向振动。
传感器可包括至少一个麦克风、照相机、超声波传感器、雷达传感器、激光雷达传感器和/或压力传感器或力传感器。借助相应的传感器，尤其是可沿一个方向检测和/或从相应传感器信号中导出运动参数。传感器、尤其是相应的压力传感器或其信号在此可具有双重作用，即用于检测低速碰撞并且用于控制主动乘员保护系统。压力传感器尤其适合用于检测在一个方向上的一维运动参数，而不检测沿这个方向的轴线出现的振动。相反，麦克风(或声音传感器)尤其适合用于检测相应的振动(或声波)。
碰撞强度确定模块可包括碰撞严重程度确定单元，其借助预定规则确定并输出碰撞严重程度值。碰撞强度确定模块也可包括碰撞方向确定单元，其借助预定规则确定并输出关于车辆轴线的碰撞方向值。碰撞强度确定模块还可包括碰撞位置确定单元，其借助预定规则确定车辆的碰撞位置。
本发明基于下述认识，即车辆和物体之间在低速范围内的碰撞事件就存在车辆因异物作用而受损的事故和存在另一非关键事件(如驶过坑洼或急刹车)即所谓的误用事件而言的分类是一项困难的技术任务，因为这两种事件种类的事件在通常由车辆传感器(如加速度传感器)输出的且例如用于触发乘员保护系统或自动紧急呼叫系统(如在欧洲引入的所谓的电子呼叫系统)的信号中非常相似或不能单义地区分。本发明尤其是基于以下认识：上述利用主要基于加速度阈值的方法的用于高速的事故识别系统对于识别在车辆和碰撞物体之间的相对速度较低时的不太严重的事故不能满足要求，因为无法用其相对可靠地区分损伤事件和无损伤的误用事件。
在本发明范围中尤其是可提出一种可配置的信号处理系统，用于车辆自主地、自动地探测在运动参数相对低时的事故(所谓的低速碰撞)。该系统可用作实时系统。为此尤其是可在数据处理时规定相对低的计算复杂度。
本发明已经认识到，通过对各个信号或数据进行有针对性的过滤、尤其是从多个传感器信号或数据生成与碰撞事件关联的、表示碰撞事件预定特征的特征数据以及通过处理特征数据并且尤其是通过使用分类方法，可以以与常规方法相比更高的精度对碰撞事件进行类别分配、尤其是分为“误用事件”或“低速碰撞”这两个分类级。
在本发明的有利实施方式中，特征数据由多个传感器输出的信号或数据生成。在此对于碰撞事件尤其是可由多个特征数据生成向量数据并且进一步尤其是生成所谓的特征向量，其代表该碰撞事件的一维、尤其是多维的观察参数。
车辆传感器尤其是可包括不主要或不直接的且尤其是不用于检测事故数据并且尤其是不用于控制主动乘员保护系统触发的传感器。本发明已经认识到，由这类传感器检测、生成和/或输出的信号和/或数据可隐含地导出和/或计算出用于事故识别的至少部分特征。这类传感器的示例是用于检测声音的麦克风、用于捕捉图像的照相机、超声波传感器、雷达传感器、激光雷达传感器或压力传感器或力传感器。
借助本发明尤其是可有利地实现：通过使用已存在于车辆中的传感器可识别低速碰撞，也就是说这些传感器的传感器信号在车辆中用于至少另一与低速碰撞识别无关的功能。因此无需为低速碰撞识别设置附加或单独的车辆传感器并且尤其是不需要单独的固体声音传感器。低速碰撞识别尤其是可仅利用车辆中已用于其它方面的信号。
借助车辆传感器生成的且尤其是通过异步通信总线传输的信号和/或数据可为了过滤并且尤其是在过滤之前有利地在时间上彼此同步。这例如可借助在车辆中的且尤其是通过预定的一组电控制单元规定的统一系统时间和/或通过时间戳来实现。在过滤由传感器生成的信号和/或数据的过程中，可借助预定的时间窗口数据从先前由传感器生成的信号和/或数据中选择和/或导出预定的选择信号和/或选择数据。
借助本发明可有利地实现：自动地、车辆自主地探测相对低速度或相对弱外部影响下的事故事件。尤其是可借助本发明提供一种用于车辆自主地、自动地识别或探测和/或评估低速碰撞和/或低撞击碰撞或具有低速碰撞特性的车辆碰撞的系统和方法。
无论车辆是处于运动中、撞到或碰到固定障碍物还是车辆静止并例如被另一辆车擦到或碰到，均可使用本发明。这类事件尤其是可在停车擦碰时出现。借助本发明可探测这类事件、出于记录目的将相应数据存储在车辆中和/或将其传输至车辆外部存储器。由此可为租赁车辆或出租车辆有利地记录低速碰撞事件以用于证据目的，必要时附加地检测和记录与此相关的时刻和地点。
有利的是，借助关于识别出的低速碰撞事件的信息，也可有针对性地控制车辆的其它控制系统、如行人事故保护系统，其具有用于由车辆在低速时检测到的行人的相应保护装置。
在本发明范围中可规定，相应车辆传感器件和/或至少一个参与事故识别的控制单元与车辆点火装置是否接通无关地起作用。尤其是可规定，控制单元具有总线唤醒装置，其可将车辆数据总线和/或特定传感器从睡眠状态唤醒以进行事故识别。唤醒装置尤其是可具有至少一个用于直接和/或间接检测车辆运动参数的传感器和相应的车辆总线接口。由此尤其是可在例如车辆停车时进行自动的、车辆自主的事故探测。
借助本发明还可有利地实现：通常已设置、尤其是安装于车辆中的传感器、控制单元和/或数据连接、尤其是数据总线可在不进行大改动、尤其是不进行实质性硬件技术改动的情况下用于实现根据本发明的方法。因此本发明尤其是可通过相应车辆部件的纯程序技术、软件相关的调整来实现。为此例如可仅须在个别车辆部件中扩展非易失性和/或易失性存储器用于存储附加的控制程序代码，和/或设置附加的控制程序代码或软件部件、扩展或补充个别接口和/或进行其它此类调整。为相应车辆部件、尤其是电子控制单元装配包含相应计算性能的相应资源以实现本发明，其中在计算性能方面无须过高要求，因为不同于用于在存在由碰撞引起的相对高的运动参数、尤其是速度和/或加速度时激活乘员保护系统的系统，对用于低速碰撞识别的数据的处理不必强制性地实时执行。
车辆传感器优选设置在车辆上和/或车辆中。物体例如可以是另一个固定或运动的物体、尤其是第二辆车、行人或障碍物、如栅栏或树。
根据本发明的一种有利实施例，所述至少一个分类方法和/或类别数据库借助机器学习(Machine Learning，ML)方法生成，尤其是借助基于人工神经网络(ArtificialNeural Network，ANN)、支持向量机(SVM)、隐马尔可夫模型(HMM)和/或决策树(DecisionTree)的方法生成。
在机器学习方法的范围中尤其是可借助所谓的训练数据集来生成数据库。训练数据集尤其是可借助预定的已知事故事件的数据记录和/或数据录制和/或基于尤其是代表性驾驶测试的实施和相应数据记录提供和/或获得。
在此可借助在事件或驾驶测试中生成的且尤其是记录的传感器数据和/或车辆的其它在车辆中产生的且尤其是通过车辆数据总线(车辆通信总线)已提供的数据(输入数据)和在此已知的相应事件就低速碰撞事件和误用事件(输出数据)而言的分类训练相应的输入图形并生成数据基础的数据。
根据一种有利的实施例可迭代地优化或改进实施根据本发明的方法的系统的识别精度，其中，在参数化和实现方面、例如在所使用的输入信号、计算出、特别是导出和/或提取的特征或由其生成的特征向量和/或用于数据或信号处理的算法等方面可实现尤其是连续的系统变化。尤其是可在此基础上迭代地分析评估系统结果和/或系统性能数据并且在必要时重新训练系统，在此也可进行交叉验证。尤其是可在此基础上建立迭代分析系统模型和/或假设以进行优化和/或按计划改变系统，这又可引起新的参数化和/或实现。
在本发明范围内也可有利地确定在事故之后对车辆造成的损伤，在此尤其是可实施本文中所描述的用于探测低速碰撞的方法步骤并且还可实施借助完成的碰撞事件分配确定其它的事故数据的步骤，借助所述其它的事故数据确定、尤其是估算损伤范围。为此可例如借助车辆传感器、如至少一个速度传感器、加速度传感器、距离传感器和/或照相机检测例如用于估算碰撞方向、车辆上的碰撞位置和/或碰撞强度(冲击能量、碰撞速度或与碰撞相关的其它数值、距离、速度、速度变化和/或加速度变化等)的数据。
根据本发明的另一种有利实施例，由车辆传感器生成的数据、由其导出的数据和/或由车辆控制单元生成的其它数据通过车辆的数据总线传输。该传输尤其是在传感器组件和/或控制单元之间进行和/或从传感器组件通过可能直接连接的控制单元经由相应连接的数据总线发送至完全或部分实现根据本发明的方法或完全或部分包括根据本发明的系统的相应控制单元。在此可由分析评估装置处理接收到的数据，以便实施至少一部分根据本发明的方法步骤。
在本说明书的范围内，原则上任何类型的电子数据总线都可用作数据总线，尤其是汽车领域中常用的数据总线、如局部互联网(LIN)数据总线、控制器局域网(CAN)数据总线、以太网数据总线、Flexray数据总线或媒体定向系统传输(MOST)数据总线。传感器和分析评估装置之间的数据传输也可通过多个数据总线、即一个数据总线系统进行，该数据总线系统尤其是包括多个相同或相似或不同的数据总线。
本发明尤其可以作为方法来实施。也可提出一种用于识别车辆与物体相互碰撞的车辆事故的系统，在此运动参数如此之低以致车辆的至少一个设置用于事故的主动乘员保护系统未被激活，该系统包括：
a)设置用于车辆的传感器，其针对碰撞事件生成信号和/或数据；和
b)包括类别数据库的数据处理装置，其用于这样处理所述信号和/或数据，使得
b1)所述信号和/或数据被过滤，
b2)基于过滤后的信号和/或数据生成特征数据，并且
b3)借助所述特征数据对碰撞事件进行类别分配，在此使用类别数据库。
信号或数据尤其是可以消息的形式生成、提供和/或传输。所述分配尤其是可借助至少一种分类方法进行。所述分类方法可包括至少一个分类规则。
该系统可具有其它特征、尤其是具有构造用于实施本文中结合根据本发明的方法所描述的方法步骤的部件。
该系统尤其是可用于在安装于机动车中的电子控制单元(Electronic ControlUnit，ECU)上实现，该电子控制单元提供至少一个车辆通信总线系统(CAN、Flexray等)的访问。
该系统在其输入接口处尤其是具有对所连接通信总线的读取访问权限。在此可对包含对于特征计算很重要的信号或数据的消息类型进行选择或限制。如果对于处理所需的相应信号、数据或消息被编码，则在系统中需要、存储和/或提供对其进行解码的相应信息。
在输出侧，系统尤其是具有对通信总线的写入访问权限。优选也可提供单独的消息类型，借助其将探测结果特别是在运行时以相应消息的形式在规则的时间间隔中输出至通信总线。在此尤为有利的是，仅在“肯定”识别相应事故事件的情况下才输出例如“已识别低速碰撞”形式的相应消息。由此例如可能的是，同样访问通信过程的任意系统将在根据本发明的系统侧输出的关于已识别的低速碰撞的消息用于其相应的用途、进一步处理和/或传输至所连接的后续系统。例如可想到，将关于探测结果的消息输出到尤其是图形式的用户界面(人机界面，HMI)上，例如经由设置在车辆中的屏幕为驾驶员输出。消息和必要时其它在车辆中在碰撞事件之前、期间或之后检测到的数据可全自动或例如通过驾驶员的操作指令被传输至车辆内部设备和/或车辆外部设备。数据例如可传输至移动设备、如智能手机和/或所谓的后端服务器，其构造用于与多个预规定车辆数据进行数据交换。在后端服务器中可为车辆提供所谓的远程信息处理服务，在其中向车辆并且尤其是由车辆检测、处理、存储、提供和/或转发例如信息或数据。尤其是也可通过远程信息处理服务来远程控制车辆的部件或功能。
此外，所述系统也可具有系统数据接口，通过其可进行系统配置和/或可查询关于当前系统状态的信息。系统数据接口可通过车辆内部的通信总线连接和/或包括独立于车辆通信总线的外部接口部件。
本发明还可给出一种包括根据本发明的系统的车辆以及一种计算机程序，所述计算机程序在计算机上加载和执行时实施根据本发明的方法步骤。
附图说明
下面参考附图详细阐述本发明的其它实施例。就图中所示的相同、作用相同或相似的元件而言，它们可在所有附图中具有相同的附图标记。附图如下：
图1示出具有用于识别低速碰撞事件的系统以及由其实施的过程步骤的车辆；
图2示出用于低速碰撞事件的特征空间；
图3示出具有学习模式的、相应于图1的系统的系统；
图4示出用于车辆的损伤识别系统；以及
图5示出具有传感器系统的车辆。
具体实施方式
在图1中仅象征性显示的车辆1包括用于识别对车辆1的低速碰撞事件的识别系统2，该低速碰撞事件例如在车辆1和物体10之间的相对低的相对速度下因示意性示出的物体10撞到车辆1上而引起。此外，图1中示意性示出位于车辆1中的各种传感器3、车辆1的控制单元(Electronic Control Unit，ECU)3a以及控制器局域网(CAN)数据总线4，通过该数据总线可在传感器3和/或车辆1的电子控制单元3a之间交换信号和/或数据。由传感器3生成关于测量参数、如车辆1的行驶速度、在不同方向上的加速度(纵向/横向加速度)等的相应传感器信号或数据。由传感器3生成的相应数据或信号必要时通过直接连接、尤其是有线连接的控制单元以必要时预滤和/或未滤以及尤其是编码的形式打包到相应的数据总线消息中并且通过车辆1的CAN数据总线4提供。所述数据或信号可由同样连接到CAN数据总线4上的、尤其是在专用控制单元上实现的识别系统2在线地、尤其是实时读取和/或尤其是出于训练目的离线地由车辆1的跟踪存储器5和/或由外部连接的相应跟踪数据库读取。在可选地位于车辆1上的跟踪存储器的情况下，可在相应预定的时间段上存储所有或所选择的在运行期间通过CAN数据总线4输出的数据或消息，使得它们可例如用于以后的训练和/或分析目的。跟踪数据库涉及这样的数据库，在其中相应总线消息以所谓的日志跟踪(Log-Trace)的形式被存储，该日志跟踪通常事先借助相应的数据采集器例如在进行相应驾驶或碰撞测试时和/或在真实事故条件下被记录。在此相应数据必要时附加地可能已经以有利于识别系统所使用的基于机器学习(ML)的训练过程的形式被预处理。
识别系统2包括信号预处理单元6(Signal Pre-Processing Unit，SPU)、特征计算单元7(Feature Computation Unit，FCU)、基于机器学习过程工作的分类单元8(MachineLearning Classification Engine，MLCE)以及类别数据库9，所述类别数据库包括在机器学习过程中生成和/或使用的数据。
为了识别车辆事故或与之相关的物体10与车辆1的具有低的运动参数、如低碰撞速度或与碰撞相关的低速度变化或加速度变化的碰撞事件(低速碰撞事件)，在信号预处理单元6中这样借助预定规则处理由车辆1的传感器3生成的信号和/或数据，使得它们至少被选择性地过滤。
碰撞速度尤其是指物体与车辆之间的相对速度、如碰撞之前大于0且小于或等于20km/h的相对速度。但作为碰撞速度也可使用车辆的与碰撞相关的相对于车辆初始速度的速度差。相应速度值尤其是可参考关于碰撞事件预定的时刻、如在与碰撞相关的加速度最大值出现的时刻之前的300ms。作为运动参数也可使用相应的速度或加速度值的变化曲线。
在信号预处理单元6中生成的、选择性过滤的信号和/或数据随后输出至特征计算单元7。在特征计算单元7中，基于先前选择性过滤的信号和/或数据借助预定规则生成特征数据。所述特征数据在此尤其是代表碰撞事件的观察参数。在此可由通过一个或多个传感器在碰撞事件之前、期间或之后生成的大量传感器信号或数据借助预定规则生成多个特征数据并且尤其是多维的特征向量。
借助信号预处理单元6尤其是实现：从通过连接在其输入端上的通信总线(CAN数据总线4)传输的消息往来中过滤相关信号或数据并将它们转换成适合的形式，以便使其准备用于后续要进行的生成特征数据的过程。
在特征计算单元7中生成的特征数据、尤其是特征向量和/或由其导出的数据作为观察数据、尤其是作为多维观察向量数据(Observation Feature Vector Data)由特征计算单元7输出至分类单元8。在那里借助至少一种分类方法并且在使用类别数据库9的情况下这样处理所述特征数据，使得将基于信号或数据或由其导出的特征数据的碰撞事件分配至一个类别事件种类。所述分配可借助包括多种分类方法的分类模型实现。对于类别尤其是设置两个事件种类，第一事件种类代表存在低速事故(低速碰撞事件)并且第二事件种类代表不存在这种事故(误用情况，其除了误用事件外还包括其它不关键的事件、如正常驾驶)。随后由分类单元8输出相应信号或至少一个相应消息，其又可由其它系统、尤其是车辆系统读取并使用并且可用于进一步的控制任务和/或分析、例如用于通知独立于车辆的设备(如车主的智能电话)或进一步在车外远程信息处理平台和服务的范围内使用和/或用于完全或部分自动确定事故对车辆造成的损伤。
图1中分别以箭头示出用于生成、提供、传输、处理、输入和/或输出信号和/或数据的方法步骤顺序。下面还将针对信号预处理单元6、特征计算单元7和分类单元8略详细地描述系统组件以及在其中实施的方法步骤。
信号预处理单元
在信号预处理单元6中，从CAN数据总线4接收到的传感器信号和/或数据首先由信号解码器11(FIL)进行处理，信号解码器借助例如存储于车辆数据库中的解码规则将信号或数据——尤其是当它们被编码成消息时——解码并且根据预定规则进行过滤，所述车辆数据库包括相应通信总线协议的相应消息定义。在此仅选择性将预定信号和/或数据输出至信号预处理单元6的同步单元12，该同步单元有助于事故事件的识别。虽然在图1中仅示出一个既用于解码又用于过滤的解码单元11，但也可为这两个功能设置两个彼此分开的单元。
当通过通信总线、在此即CAN数据总线4传输的相应信号或数据借助异步或“准异步”的(就其包含的有用信号而言，例如尽管存在同步总线时钟)消息或数据传输被传播时，在同步单元12(SYN)中先前被解码和过滤的各个信号或数据被同步。通过相应的采样率转换或相应的重采样，信号或数据还可获得相同的采样频率以供后续处理。具有相同采样频率的信号和/或数据被传输至信号预处理单元6的信号加窗单元13(Signal WindowingUnit，WIN)，在信号加窗单元中对信号进行滑动时间信号加窗过程。
在此对于相应预定的时间窗口，相互同步的信号和/或数据彼此在逻辑上关联并且尤其是组合成一个数据集。相应时间窗口借助可调且预先设定的参数来确定、尤其是通过用于窗口宽度的参数(窗口时间间隔持续时间或相应数量的样本(采样值)；Window Size或WindowLength)、用于相邻信号窗口时间重叠(滑动加窗时的移动)的重叠因子(overlap)的参数和/或用于应用一个或多个预定窗口函数、如Hamming、Von-Hann(hanning或Raised-Cosine)、Blackman或Kaiser的参数。对于窗口函数必要时也可在其应用之前调节其参数。在“trivial”(简单)设置中，窗口函数例如会是矩形窗口(窗口内信号值不变)并且重叠因子设置为0％(没有重叠或者滑动窗口每次移动一个完整的窗口长度)。
相应信号曲线(signalsample)优选根据设定的窗口宽度和/或设定的重叠因子暂时存储在存储器中。由此，尽管信号曲线在运行中单个地传输到信号处理单元6中，仍能可靠提供后续特征计算共同所需的信号或数据。
特征计算单元
在特征计算单元7中，由先前借助同步信号窗口生成的相关部分信号或借助相应数据计算尤其是多维的特征向量(Feature Vector)。在此一个特征向量的各个部分分量可由分别在相应专用的部分特征计算单元15内计算出的各个特征形成。如需要，在此一个部分特征计算单元15也可计算特征向量的多个部分分量或多个特征。
特征计算单元7的核心是多个部分特征计算单元15(Sub Feature ComputationUnits,FC1...FCn)，它们借助预定规则分别计算特征数据，所述特征数据分别分配给多个、一个或尤其是正好一个具体特征。
特征计算单元7可选地在输入侧或在部分特征计算单元15上游具有预处理单元14，先前由信号预处理单元6的信号加窗单元13生成的信号、数据、部分信号或基本信号和/或数据部分输送给该预处理单元并且可选地这样在其之中预处理，使得在至少一个相应预处理步骤中已经实施了用于随后计算预定特征数据或其关联特征、尤其是多个特征数据或特征和/或部分特征向量多重所需的操作，使得相应结果可直接用于后续用于生成特征数据或特征和/或部分特征向量的步骤。由此可避免计算冗余并由此优化计算性能。这对于识别系统2的实时设计尤为有利。
在特征计算单元7中可选地可在输出侧、尤其是在部分特征计算单元15下游设有后处理单元16(Post Processing Unit,POST)，借助该后处理单元借助预定规则再处理先前计算出的特征数据或特征、尤其是部分特征向量、单个或成组和/或合成的总特征向量(其在本发明范围中也称为观察特征向量或Observation-Feature-Vector)。例如在此可最终对初始计算的特征向量和/或观察特征向量进行向量量化。在寄存器存储器17中存储由各个特征/部分特征向量生成的观察特征向量数据。存储在寄存器存储器17的预定寄存器单元中的数据又代表单个计算出的特征。
对于每个在输入侧上出现的组合信号窗口块由特征计算单元7输出一个合成的多维观察特征向量，其根据特征计算单元7的设定或参数化尤其是具有至少两个维度或至少两个计算出的特征作为向量分量。输出频率是模拟的或取决于相应加窗参数、如加窗样本的采样率、窗口宽度和/或重叠因子。
观察特征向量输送给分类单元8，以用于出于分类目的进一步信号或数据处理必要时可通过上述过程步骤间接观察到的基础物理事件(其也可能是不关键的)。
分类单元
在分类单元8中，基于输入其的、通过观察特征向量组成的特征信号或数据就分配给事先定义的事件种类之一做出判定。为此，首先根据分类单元8的设定或参数化借助基于相应机器学习过程学习的分类方法在至少一个分类处理器18a、18b、18c中处理相应信号或数据，在此18a表示根据隐马尔科夫模型(HMM)方法实现的分类处理器、18b表示根据支持向量机(SVM)方法实现的分类处理器并且18c表示根据基于人工神经网络(ANN)的方法实现的分类处理器。相应方法或分类模型所需的相应控制和/或调节数据存储在类别数据库9中。训练特征数据也可存储在类别数据库9中。所提及的机器学习方法应用于分类方法的相应实现包括至少一个、尤其是多个规则、如分配规则、比较规则和/或计算规则。所述实现尤其是可在计算机程序中进行。
隐马尔可夫模型(HMM)是一种随机模型，在其中系统通过以俄罗斯数学家安德烈·安德列维奇·马尔科夫(Andrej Andreevic Markov)命名的、具有未观察到的状态的马尔可夫链建模。建模为马尔可夫链意味着该系统从一个状态随机转换到另一个状态，在此转换概率仅相应取决于当前状态，而不取决于先前占据的状态。另外，在此假定转换概率不随时间变化。但在HMM中，这些状态本身不能从外部观察到。它们是隐藏的(hidden)。取而代之的是，为每个这种内部状态分配可观察的输出符号、即所谓的发射，其根据状态以一定概率出现。其目的通常在于，从观察到的发射序列获得关于隐藏状态的概率理论说明。HMM可看作是动态贝叶斯网络的特例。
支持向量机(SVM)将一组对象分类，使得在分类分界周围尽可能宽的范围内没有对象；其是所谓的大间隔分类器(Breiter-Rand-Klassifikator)。构建支持向量机的基础是一组训练对象，对于每个训练对象均知其所属种类。每个对象通过N维向量空间中的一个向量来表示。支持向量机的任务在于，在该空间中配设一个N-1维的超平面，其用作分界面并且将训练对象分成两个种类。最接近该超平面的向量的距离在此被最大化。该宽的空闲间隔随后应确保尽可能可靠地将不完全相应于训练对象的对象分类。
当插入超平面时无需考虑所有训练向量。距离超平面较远以及在一定程度上在其它向量前方之后“隐藏”的向量不影响分界平面的位置和定向。超平面仅取决于离它最近的向量并且也只需要这些向量来在数学上精确描述该平面。这些最近的向量根据其功能被称为支持向量(Support Vector)。
超平面不能“弯曲”，因此只有在物体线性可分的情况下才能使用超平面进行准确分离。在实际应用情况中通常并非如此。
也可使用根据其它分类方法、如基于决策树(DecisionTree)或其它动态贝叶斯网络的其它或另外的分类处理器。
基于至少一个分类处理器18a、18b或18c中的处理结果，随后在类别判定单元19中判断将基于处理数据的或所观察的事件分配给哪个事件种类。可选地在此例如可统计地研究由不同分类处理器18a、18b或18c输出的相应事件的结果，以便生成总结果。例如事件种类可二元地被定义为种类索引为0的“误用”事件种类的种类标签(或无事故/无关键事件)以及种类索引为1的低速碰撞事件种类的种类标签。类别判定单元19或分类单元8因此通过接口20(Interface，IF)作为结果输出用于基础事件的、借助相应分类方法分配的、尤其是最可能的事件种类的种类索引。替代或附加地，只要所选择的分类方法和/或类别判定单元19在输出侧支持，也可确定并且在必要时输出当前评估的特征向量的种类概率。
即使不存在关键事件以便能够及时识别关键事件，在运行时(在车辆行驶期间、处于“点火”状态和/或必要时在车辆的相应待机运行中)也持续相应检测和处理信号、数据和/或消息并且尤其是实施分类方法。因此，通常持续输出“无事故”事件类别。
图2示出代表车辆与物体之间的碰撞事件以及尤其是边界值的误用事件的两个特征空间24、25。以圆圈26表示相应于低速碰撞事件的特征数据并且以十字27表示相应于误用事件的特征数据。
在特征空间24中，x轴方向表示车辆的相应初始速度并且y轴方向表示相应在碰撞事件中出现的车辆加速度传感器的最大加速度的数值。
由图2可以看出，在特征空间24中，尤其是在重叠区域28中以及例如对于以十字27a表示的事件，不能明确界定低速碰撞事件与误用事件。因此，图2一方面示出在事先不知道事件类型的情况下几乎不能由特征空间24的相应特征数据(或在特征空间中所示聚集的运动参数“初始速度”和“加速度值”)正确分配或识别相应事件类型(“低速碰撞”和“误用”)。另一方面，图2示出可借助特征空间25的数据准确得多地进行这种分配或识别，这尤其是可通过两个区域25a和25b的明确分离看出。特征空间25是更有利于事件识别的特征空间。在特征空间25的相应轴线u和v上示出的、推导出的特征分别相应于借助图1所示的部分特征计算单元15(FC1...FCn)计算出的一个或多个特征，在此基础特征以不同于特征空间24的特征的方式被确定。它们尤其是可基于更复杂的数据和/或数据处理步骤被确定，例如也可基于不同的数据类型、如不同的运动参数和/或其它参数、如声学和/或光学参数。通过明确分离区域25a和区域25b可有利地将事件的相应数据更精确地自动分配到两个事件类别(低速碰撞事件与误用事件)之一
图3示出图1中所示的识别系统2，在此尤其示出设置用于在机器学习过程的范围中训练分类单元8的系统组件。
可描述识别系统2的至少两种模式，即一方面是训练模式(Training Mode)，在其中基于机器学习过程确定用于分类单元8的特征(Feature)、尤其是参数和/或规则，并且另一方面是生产运行模式或所谓的Run-Mode，在其中实际由车辆中的传感器检测到的数据、尤其是在运行中在线和/或实时地判断是否存在低速碰撞。上面已经结合图1参照其中示出的系统组件(主要)描述了“运行模式”。
系统数据单元(System Data Unit，SDU)21也称为系统数据模块并用于中央存储系统相关的数据，所述数据主要包括系统配置或系统参数化以及存储在类别数据库9中的、尤其是在机器学习过程中产生和存储的数据。
在分类单元8中，可逻辑地通过逻辑分类选择开关18d或相应选择应训练或相应使用各个分类处理器18a...18c中的那一个进行切换。此外，在运行模式中也可相应选择一个或多个分类处理器，使得相应待处理的特征信号或特征数据并行或串行地通过一个或多个分类处理器。
系统配置数据和用于控制类别数据库9的读取和/或写入访问的数据都通过内部数据接口22(IIF)被提供给识别系统2的相应系统组件、尤其是分类单元8。为此可为信号处理单元6(SPU IO)、特征计算单元7(FCU IO)和分类单元(MLCE IO)分别设置对应的专用输入和/或输出端口22a。
此外，可通过外部接口23从外部进行系统配置和/或查询关于识别系统2当前状态的信息。配置数据(参数)存储在配置数据存储器21a中。
虽然图3所示的识别系统2具有两种模式“训练”和“生产运行”(Run)模式，但可设置仅具有“运行”模式的相应识别系统2，其预先被填充控制数据、尤其是分类数据、分类规则和/或分类模型，它们事先在另一系统、尤其是参考系统中、尤其是基于机器学习过程、即所谓的监督学习而产生或学得。因此这种系统尤其是具有图1所示的系统组件。
在“训练”模式中可再次设置两种子学习模式。在第一种学习模式“训练特征”(Train Feature)中，识别系统2执行信号预处理和特征计算并且尤其是在类别数据库9中对于每个生成的信号时间窗口(块)存储各相应计算出的特征向量。在第二种学习模式“训练模型”中，首先手动预定数据、规则和/或模型。尤其是将相应测量数据和/或由其导出的数据手动分配给基于其的相应事件、即所谓的加标签。在此尤其是由领域专家将待分配的事件种类(种类0“误用”和种类1“低速碰撞”)与先前生成的时间窗和/或先前计算的特征向量相应相关联并且永久存储在训练数据库9中。然后可训练实际的机器学习分类模型。由此产生的训练后的分类模型(其具体表现可根据所选择的机器学习方法而不同)也永久存储在类别数据库9中。因而必要时在运行模式中将相应的机器学习分类方法用于对各待评估的特征数据或特征向量或观察特征向量进行分类。
对于参照图3描述的人工神经网络(ANN)训练，可单独或组合使用不同方法、尤其是所谓的监督学习、强化学习、无监督学习和随机学习。
在监督学习中，赋予人工神经网络一个输入图形并且将神经网络在其当前状态下产生的输出与它本应输出的值进行比较。通过比较目标输出与实际输出可推导出待进行的网络配置变化。
在强化学习中，主体决定行为序列在世界中的有用性。为此目的，强化学习尤其是采用马尔可夫决策过程(Markov Decision Process，MDP)理论。该方法在于，通过以前的行动奖励主体，使主体可了解每个行动的有用性并加以使用。
无监督学习尤其是仅通过输入待学习的图形实现。人工神经网络根据自身的输入图形而变化。
在随机学习中，学习算法试图找到一个假设，该假设可作出最准确的预测。“假设”在此可理解为映射或规则，其为每个输入值分配假定输出值。为此该算法改变所选假设类别的自由参数。通常将可通过特定人工神经网络建模的所有假设中的大量假设用作假设种类。在此情况下可自由选择的参数是神经元权重w。
关于图1和3可概括如下：所描述的识别系统2在信号处理链方面具有三个主要系统组件或信号处理级，即：
－信号预处理单元或级，
－特征计算单位或级，和
－分类单元或级。
此外，相应系统2可优选包括系统数据模块，其构造用于为所需系统数据、如系统配置、系统参数化和/或包含用于机器学习过程的训练数据的机器学习训练数据库提供存储空间。此外可规定，系统数据模块为输入和/或输出数据访问提供至少一个系统内部和/或外部接口。
图4示出用于车辆的自动损伤识别系统29(Automated Damage EstimationSystem，ADE)，借助其可在碰撞事件之后自动判定是否是低速碰撞事件并且必要时可自动确定和/或评估在此可能产生的损伤范围。
损伤识别系统29包括事故识别系统37(Crash Detection System，CD)和损伤确定模块30(Damage Estimation Module，DEM)。事故识别系统37尤其是又包括两个子系统，其基本上彼此独立地且尤其是基于不同算法分析评估已由车辆传感器提供的数据作为事故数据。相应待分析评估的数据和/或算法对于两个子系统至少可部分相同。
第一子系统专门识别低速碰撞事件(Low Speed Crash Detection，LSCD)并且第二子系统专门识别重严重事故事件，从而如车辆上的主动乘员保护系统激活。第一子系统主要根据识别系统2并且尤其是根据图1或3所描述的识别系统构造，以便对碰撞事件进行相应分类。
第二子系统38是事故识别模块(High Speed Crash Detection System，HSCD)，其尤其是基于传感器、信号或数据处理方法和用于安全约束系统(SRS)的控制单元识别车辆与碰撞物体之间的相对速度较高时的严重事故，使得至少一个主动乘员保护系统39、如安全气囊能够被激活。为此该系统38也可接收来自传感器3、控制单元3a、通信总线和/或车辆内部数据库如事故数据库40的输入数据。
由识别系统2和事故识别模块38输出的信号或数据通过共同的接口20输出。通过该接口20提供的关于由识别系统2分配的碰撞事件事件种类的信息和/或由事故识别系统37提供的信息、尤其是相应种类标签或种类索引被输出至损伤确定模块30(DamageEstimation Module，DEM)。
此外，通过碰撞数据路径31向损伤确定模块30输入由传感器3、车辆的其它传感器和/或控制单元3a提供的且尤其是在碰撞事件之前、期间和/或之后由其产生的数据和/或信号。在此尤其是可提供表示加速度、表示车辆部件变形和/或表示车辆的其它机械和/或电气缺陷的数据或信号。数据尤其是也可包括由车辆照相机生成的图像数据或图像信号。相应数据尤其是可存储在车辆的易失性数据存储器和/或非易失性数据存储器、尤其是事故数据库39中。
在损伤确定模块30中这样处理并且尤其是分析评估输入的信号或数据，使得通过评估碰撞的碰撞评估模块30a(Impact Estimation，IE)输出至少一个损伤特征值、尤其是损伤特征向量(Impact Feature Vector)。为此在损伤确定模块30中设置多个数据处理单元。相应的碰撞强度确定模块30包括碰撞严重程度确定单元32(CSE)，其借助预定规则确定和输出碰撞严重程度值；碰撞方向确定单元33(Crash Direction Unit，CDU)，其借助预定规则确定和输出相对于车辆轴线的碰撞方向值；碰撞位置确定单元34(CLE)，其借助预定规则确定和输出车辆上的碰撞位置；和/或向量处理单元35，其借助预定规则从由单元32、33和34输出的值计算损伤特征向量。该向量随后可被输出至又包括相应数据库36a的专家系统36(ES)，以便借助预定规则和数据库36a的数据更精确地确定碰撞对车辆可能造成的损伤。
就本文中提到的预定规则而言，这些规则、尤其是规则的参数是可调节的。
事故损伤识别系统29(尤其是事故识别系统37或其子系统2、38)可完全或部分设置在车辆中并且部分(尤其是损伤确定系统30及其相应组件)设置在车辆外部的、尤其是包括计算机的设备中。
尽管已经描述了具有两个子系统、即低速碰撞识别系统2和高速碰撞识别系统38的碰撞损伤识别系统29，其用于输出触发器以触发损伤确定模块30，但其相应也可仅基于所述子系统之一来构造。
在图5所示的车辆1中，在其前部区域1a中设有碰撞传感器系统(CS)41，借助其可检测箭头44所示方向上的至少一个事故相关运动参数。一个或多个传感器值、尤其是至少一个相应的加速度值在电子控制单元42中借助信号处理器42进行处理。当超过或低于至少一个第一阈值时，相应信号被输出至主动乘员保护系统(IS)45以控制其执行器，其触发其单元、如安全气囊、安全带张紧器等。由碰撞传感器系统41检测到的运动参数值此外被输出至上面已经描述的低速碰撞识别单元(LS)2，借助其识别低速碰撞事件。
碰撞传感器系统41包括两个加速度传感器(BS)46a、46b以及一个力传感器(KS)47，该力传感器也可构造为压力传感器。各个传感器可检测相应的运动参数，其中，力传感器47可检测准静态加速度。相应传感器信号被输送给电子控制单元42以便在处理器43中进行处理。此外，车辆1还可包括其它已经参照图1至4描述的组件。
上面已经指出，借助所描述的方法和系统可以高可靠性自动探测低速碰撞事件，相应数据可出于记录目的被存储于车辆中和/或被传输至车辆外部存储器。此外例如也可规定，当车辆在停车状态中被碰撞时，车辆用户和/或车主借助设置在其车辆中的移动无线电设备通过通知系统如短消息服务(SMS)自动通知。也可规定，在车辆中响应碰撞而激活一个或多个其它系统、如使用喇叭告知可能的其它驾驶员该车辆已受损，或使用照相机记录车辆损伤。
所描述的设备和系统组件尤其是借助计算机程序控制并且为此可具有其它已知的计算机元件和数字控制单元、如微处理器、易失性和非易失性存储器、接口等。因此本发明也可完全或部分以计算机程序产品的形式实现，该计算机程序产品在加载和运行于计算机上时完全或部分实施根据本发明的流程。它例如可以数据载体(如CD/DVD)的形式或者以服务器上的一个或多个文件的形式被提供，可从所述服务器上下载该计算机程序。
附图标记列表
1 车辆
1a 前部区域
2 识别系统
3 传感器
3a 控制单元
4 CAN总线
5 跟踪存储器
6 信号处理单元
7 特征计算单元
8 分类单元
9 类别数据库
10 物体
11 信号解码器
12 同步单元
13 信号加窗单元
14 预处理单元
15 部分特征计算单元
16 后处理单元
17 向量处理单元
18a…18c 分类处理器
19 类别判定单元
20 接口
21 系统数据模块
21a 配置数据存储器
22 内部接口
23 外部接口
24 处理前的特征空间
25 处理后的特征空间
26 低速碰撞特征数据
27 误用特征数据
28 重叠区域
29 损伤识别系统
30 损伤确定模块
30a 碰撞评估模块
31 碰撞数据路径
32 碰撞严重程度识别单元
33 碰撞方向识别单元
34 碰撞位置确定单元
35 向量处理单元
36 专家系统
36a 数据库
37 事故识别系统
38 事故识别模块
39 乘员保护系统
40 事故数据库
41 碰撞传感器系统
42 控制单元
43 处理器
44 加速度方向
45 主动乘员保护系统
46a、46b 加速度传感器
47 压力传感器

Claims (12)

1.用于识别车辆(1)与物体(10)相互碰撞的车辆事故的方法，其中与碰撞关联的运动参数如此之低以致车辆(1)的至少一个设置用于事故的主动乘员保护系统(39)未被激活，在该方法中，对于碰撞事件
－这样处理由车辆(1)的传感器(3)生成的针对与碰撞关联的运动参数的信号和/或数据，使得
－所述信号和/或数据被过滤，
－基于过滤后的信号和/或数据生成特征数据，并且
－借助特征数据对该碰撞事件进行类别分配，在此使用类别数据库(9)，
其中，与碰撞关联的运动参数是碰撞速度和/或车辆的与碰撞相关的速度变化和/或加速度变化，
并且其中，所述传感器(3)构造用于检测低速碰撞并且用于控制主动乘员保护系统，并且所述传感器(3)在车辆行驶期间、处于“点火”状态和/或在车辆的相应待机运行中持续生成所述信号和/或数据。
2.根据权利要求1所述的方法，其特征在于，用于过滤的信号和/或数据在时间上彼此同步。
3.根据权利要求1或2所述的方法，其特征在于，在过滤时，借助预定的时间窗口数据，从由传感器生成的信号和/或数据中选择和/或导出预定的选择信号和/或选择数据。
4.根据权利要求1或2所述的方法，其特征在于，由多个特征数据生成向量数据、即所谓的特征向量。
5.根据权利要求1或2所述的方法，其特征在于，为了分配，借助机器学习方法，生成至少一种分类方法。
6.根据权利要求1或2所述的方法，其特征在于，为了分配，借助基于人工神经网络、支持向量机、隐马尔可夫模型或决策树的方法，生成至少一种分类方法。
7.根据权利要求1或2所述的方法，其特征在于，由车辆(1)的传感器(3)生成的信号和/或数据、由其导出的信号和/或数据、和/或由车辆(1)的控制单元(3a)生成的信号和/或数据通过车辆(1)的数据总线(4)传输。
8.用于确定在事故之后对车辆(1)造成的损伤的方法，包括根据权利要求1至7中任一项所述的方法并且还包括下述步骤：借助完成的碰撞事件分配确定其它的碰撞数据，借助所述其它的碰撞数据确定车辆(1)的损伤范围。
9.用于识别车辆(1)和物体(10)相互碰撞的车辆事故的系统，其中与碰撞关联的运动参数如此之低以致车辆(1)的至少一个设置用于事故的主动乘员保护系统(39)未被激活，该系统包括：
a)设置用于车辆(1)的传感器(3)，其生成针对与碰撞关联的运动参数的信号和/或数据，其中，与碰撞关联的运动参数是碰撞速度和/或车辆的与碰撞相关的速度变化和/或加速度变化，并且其中，所述传感器(3)构造用于检测低速碰撞并且用于控制主动乘员保护系统，并且所述传感器(3)在车辆行驶期间、处于“点火”状态和/或在车辆的相应待机运行中持续生成所述信号和/或数据，和
b)包括类别数据库(9)的数据处理装置(2)，其构造用于这样处理所述信号和/或数据，使得
b1)所述信号和/或数据被过滤，
b2)基于过滤后的信号和/或数据生成特征数据，并且
b3)借助所述特征数据对碰撞事件进行类别分配，在此使用类别数据库(9)。
10.用于车辆的损伤识别系统，包括根据权利要求9所述的系统。
11.车辆，包括根据权利要求9所述的用于识别车辆(1)和物体(10)相互碰撞的车辆事故的系统或根据权利要求10所述的用于车辆的损伤识别系统。
12.数据载体，其包括计算机程序，所述计算机程序在计算机上加载和运行时实施根据权利要求1至7中任一项所述的用于识别车辆(1)与物体(10)相互碰撞的车辆事故的方法或根据权利要求8所述的用于确定在事故之后对车辆(1)造成的损伤的方法。
CN201680040305.2A 2015-07-10 2016-07-08 低速碰撞的自动识别和评估 Active CN107848478B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102015212923.3 2015-07-10
DE102015212923.3A DE102015212923A1 (de) 2015-07-10 2015-07-10 Automatische Erkennung und Bewertung von Low-Speed-Crashs
PCT/EP2016/066221 WO2017009201A1 (de) 2015-07-10 2016-07-08 Automatische erkennung und bewertung von low-speed-crashs

Publications (2)

Publication Number Publication Date
CN107848478A CN107848478A (zh) 2018-03-27
CN107848478B true CN107848478B (zh) 2021-07-13

Family

ID=56372905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680040305.2A Active CN107848478B (zh) 2015-07-10 2016-07-08 低速碰撞的自动识别和评估

Country Status (4)

Country Link
US (1) US10875483B2 (zh)
CN (1) CN107848478B (zh)
DE (2) DE102015212923A1 (zh)
WO (1) WO2017009201A1 (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11107365B1 (en) 2015-08-28 2021-08-31 State Farm Mutual Automobile Insurance Company Vehicular driver evaluation
DE102017221891B4 (de) 2017-12-05 2020-03-19 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Bestimmen eines Schadens, der bei einem Unfall zwischen einem Fahrzeug und einem Stoßpartner an dem Fahrzeug auftritt
JP7070916B2 (ja) 2017-12-07 2022-05-18 京東方科技集團股▲ふん▼有限公司 表示パネル、表示装置及び表示パネルを製造する方法
CN109406161B (zh) * 2018-09-13 2020-09-18 行为科技(北京)有限公司 一种基于距离测试的前防卫碰撞测试系统及其测试方法
JP6708237B2 (ja) * 2018-09-13 2020-06-10 株式会社Ｊｖｃケンウッド 映像記録制御装置、映像記録システム、映像記録方法、および映像記録制御プログラム
DE102018218719A1 (de) * 2018-10-31 2020-04-30 Robert Bosch Gmbh Verfahren zum Reagieren auf eine Kollision
CN109360296A (zh) * 2018-11-01 2019-02-19 郑州云海信息技术有限公司 一种基于云计算的汽车剐蹭监控系统及方法
WO2020089410A1 (en) * 2018-11-01 2020-05-07 Robert Bosch Gmbh Low impact crash detection for a vehicle
DE102018009503A1 (de) 2018-12-04 2019-06-19 Daimler Ag Verfahren sowie Vorrichtung zur Stromversorgungsunterbrechung eines Kühlerventilators eines Kühlers eines Kraftfahrzeugs
EP3705367B1 (en) * 2019-03-05 2022-07-27 Bayerische Motoren Werke Aktiengesellschaft Training a generator unit and a discriminator unit for collision-aware trajectory prediction
DE102019105535A1 (de) * 2019-03-05 2020-09-10 Controlexpert Gmbh Automatisches Erfassen eines Fahrzeugschadens bei einem Unfall
US11366986B2 (en) * 2019-03-08 2022-06-21 Orlaco Products, B.V. Method for creating a collision detection training set including ego part exclusion
WO2020208446A1 (en) * 2019-04-08 2020-10-15 Zf Friedrichshafen Ag Low impact detection for automated driving vehicles
US10814815B1 (en) * 2019-06-11 2020-10-27 Tangerine Innovation Holding Inc. System for determining occurrence of an automobile accident and characterizing the accident
DE102019209797A1 (de) * 2019-07-03 2021-01-07 Thyssenkrupp Ag Verfahren und Einrichtung zur Ermittlung des fahrbetriebsbedingten Zustandes von Karosseriekomponenten eines Fahrzeugs sowie eines entsprechenden Fahrerverhaltens
US11699306B2 (en) * 2019-08-16 2023-07-11 Cambridge Mobile Telematics, Inc. Method and system for vehicle speed estimation
CN110675606A (zh) * 2019-09-17 2020-01-10 武汉小安科技有限公司 电动车报警方法、装置、电动车及存储介质
DE102019125320A1 (de) * 2019-09-20 2021-03-25 Audi Ag Automatisches Behandeln eines Kollisionsschadens eines Fahrzeugs
DE102019214609A1 (de) * 2019-09-24 2021-03-25 Continental Automotive Gmbh Verfahren zur Verhinderung einer Fahrerflucht nach einem Unfall und Notrufsystem
DE102019215278A1 (de) * 2019-10-02 2021-04-08 Continental Automotive Gmbh Verfahren zum Absetzen eines Notrufs
CN112763117A (zh) * 2019-11-01 2021-05-07 北京钛方科技有限责任公司 一种触碰检测方法及装置
CN112793530A (zh) * 2019-11-13 2021-05-14 大陆汽车电子（连云港）有限公司 车辆气囊系统的碰撞传感器的功能安全校验方法及气囊控制器
DE102019218914A1 (de) * 2019-12-05 2021-06-10 Zf Friedrichshafen Ag Verfahren zur Identifikation eines Ereignisses
US11704947B2 (en) * 2019-12-23 2023-07-18 Robert Bosch Gmbh In-vehicle sensing module for monitoring a vehicle
US11769332B2 (en) * 2020-06-15 2023-09-26 Lytx, Inc. Sensor fusion for collision detection
DE102020116469B4 (de) 2020-06-23 2022-06-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben einer Insassenschutzvorrichtung für ein Kraftfahrzeug und Kraftfahrzeug
US20230322174A1 (en) * 2020-08-20 2023-10-12 Nippon Telegraph And Telephone Corporation Impact analysis method, feature amount extraction method, impact analysis apparatus, and program
KR102522151B1 (ko) * 2021-01-07 2023-05-11 주식회사 디파인 차량의 접촉 사고 부위 추정 방법 및 시스템
CN113085770A (zh) * 2021-04-15 2021-07-09 西华大学 基于bp神经网络算法的特殊安全气囊控制方法
FR3125608A1 (fr) * 2021-07-26 2023-01-27 Psa Automobiles Sa Procédé de génération d’une base de données pour l’entrainement d’un réseau de neurones artificiels destiné à être implémenté à bord d’un véhicule automobile afin de détecter des chocs de faible intensité
DE102021123586A1 (de) 2021-09-13 2023-03-16 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur akustischen Beurteilung von Komponenten eines Kraftfahrzeuges
DE102022104210A1 (de) 2022-02-23 2023-08-24 Audi Aktiengesellschaft Verfahren zum Absetzen eines Notrufs
CN116127604B (zh) * 2023-02-03 2023-06-16 中汽传媒(天津)有限公司 一种汽车防撞数据处理方法及系统
CN117250602B (zh) * 2023-11-15 2024-03-15 中汽研汽车检验中心（天津）有限公司 碰撞类型预测方法、设备和存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE59000728D1 (de) 1989-03-20 1993-02-18 Siemens Ag Steuergeraet fuer ein insassen-rueckhaltesystem und/oder -schutzsystem fuer fahrzeuge.
DE4117811A1 (de) 1991-05-31 1992-12-03 Messerschmitt Boelkow Blohm Verfahren zur aufprallerkennung bei fahrzeugen
US5684701A (en) 1995-06-07 1997-11-04 Automotive Technologies International, Inc. Method and apparatus for sensing a vehicle crash
DE10206351B4 (de) * 2002-02-14 2004-08-05 Daimlerchrysler Ag Verfahren und Vorrichtung zum Personen- und Kollisionsschutz an einem Fahrzeug
US7113079B2 (en) 2003-10-28 2006-09-26 Oakland University System and method for detecting a collision using a continuous mode hidden Markov model
DE102006038348B4 (de) * 2006-08-16 2018-05-03 Robert Bosch Gmbh Vorrichtung zur Crashklassifizierung
DE102006049262A1 (de) * 2006-10-19 2008-04-30 Robert Bosch Gmbh Verfahren und Vorrichtung zur Ansteuerung von Personenschutzmitteln
DE102007027649B4 (de) 2007-06-15 2015-10-01 Robert Bosch Gmbh Verfahren und Steuergerät zur Ansteuerung von Personenschutzmitteln sowie Computerprogramm und Computerprogrammprodukt
DE102007048883A1 (de) * 2007-10-11 2009-04-16 Robert Bosch Gmbh Verfahren und Steuergerät zur Aufprallerkennung für ein Fahrzeug
DE102008003081B4 (de) 2008-01-03 2018-05-03 Robert Bosch Gmbh Verfahren und Vorrichtung zur Crashklassifikation für ein Fahrzeugsicherheitssystem
DE102008039957A1 (de) * 2008-08-27 2010-03-04 Continental Automotive Gmbh Verfahren zur Ermittlung eines Unfallschwerekriteriums mittels eines Beschleunigungssignals und eines Körperschallsignals
KR101449071B1 (ko) * 2009-12-04 2014-10-13 현대자동차주식회사 에어백 전개를 위한 단계적 충돌 유형 판별 방법
DE102009054473A1 (de) * 2009-12-10 2011-06-16 Robert Bosch Gmbh Verfahren und Steuergerät zur Ermittlung eines Typs einer Kollision eines Fahrzeugs
GB201317257D0 (en) 2013-09-28 2013-11-13 Quartix Ltd Low-impact crash detection system
DE102014013472A1 (de) * 2013-09-30 2015-04-02 Hella Kgaa Hueck & Co. Verfahren zur Erkennung und Klassifikation von Schadensereignissen an Kraftfahrzeugen und Vorrichtung hierfür
DE102013016702A1 (de) * 2013-10-08 2015-04-09 Audi Ag Crasherkennung bei stillstehendem Kraftfahrzeug

Also Published As

Publication number Publication date
CN107848478A (zh) 2018-03-27
DE102015212923A1 (de) 2017-01-12
DE112016003125A5 (de) 2018-04-12
US20180126937A1 (en) 2018-05-10
WO2017009201A1 (de) 2017-01-19
US10875483B2 (en) 2020-12-29

Similar Documents

Publication Publication Date Title
CN107848478B (zh) 低速碰撞的自动识别和评估
EP3373243B1 (en) Object detection method and object detection system
CN111311914B (zh) 车辆行驶事故监控方法、装置和车辆
CN110866427A (zh) 一种车辆行为检测方法及装置
US7616101B2 (en) Device for monitoring the surroundings of a vehicle
US9361575B2 (en) Method of programming a neural network computer
EP2214121B1 (en) Safety system for a motor vehicle
WO2019011268A1 (zh) 基于博弈论的驾驶员辅助系统决策方法、系统及其他
US11694488B2 (en) Method for determining damage which occurs to a vehicle in the event of an accident between a vehicle and a collision partner
CN107644475B (zh) 一种车辆碰撞检测的方法和装置以及obd盒子
US10589741B2 (en) Enhanced collision avoidance
Abdelrahman et al. Driver behavior classification in crash and near-crash events using 100-CAR naturalistic data set
CN114970897A (zh) 数据处理方法、装置、电子设备及车辆
CN111310696B (zh) 基于泊车异常行为分析的泊车事故识别方法、装置和车辆
CN117416375A (zh) 车辆避让方法、装置、设备及存储介质
CN113239827A (zh) 基于深度学习的智能防撞方法、系统、设备及存储介质
KR102529123B1 (ko) 차량 사고 방지 장치 및 방법
CN112272630A (zh) 探测碰撞事件
CN105774728A (zh) 防止误检出车辆碰撞的系统和方法
CN111382631B (zh) 识别方法、识别装置、终端、服务器和存储介质
CN113370978B (zh) 一种被追尾碰撞风险预测方法、系统和车辆
CN113715834B (zh) 车辆行驶行为识别方法、装置、电子设备和存储介质
CN117922595A (zh) 基于自动驾驶的障碍物监测预警方法及系统
CN116923455A (zh) 一种行驶轨迹生成方法、装置、计算机设备及存储介质
CN117864075A (zh) 主动刹车控制方法、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant