CN115329866A - 碰撞事件检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种车辆碰撞事件检测方法、装置、设备及存储介质，该方法包括：采集车辆行驶过程中的加速度数据和定位数据；对所述加速度数据进行噪声过滤，获得待处理碰撞数据；将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。由于本发明通过对采集车辆行驶过程中的加速度数据和定位数据进行碰撞事件识别来判断车辆是否发生真实碰撞事件，相较于现有技术通过救援电话才能知晓车辆已经发生了碰撞事件的方法，本发明上述方法能够及时发现车辆发生了真实碰撞事件，有效提高了救援效率。

Description

碰撞事件检测方法、装置、设备及存储介质

技术领域

本发明涉及汽车技术领域，尤其涉及一种碰撞事件检测方法、装置、设备及存储介质。

背景技术

随着车联网技术的迅猛发展，车厂、4S店和保险公司对车主行车碰撞情况的检测有着越来越强烈的需求，通常情况下，保险公司和4S店在接到车主的救援电话以后才能知晓车辆已经发生了碰撞事件，然后再给车主提供服务，但是这样的救援服务往往都是迟缓的。

首先，很多新车车主没有发生交通事故的处理经验，不清楚交通事故的处理流程，没有能够第一时间把碰撞事件通知保险公司。其次，当发生重大的事故时，或者是在荒郊野外不方便联系的地方，有可能车主已经无法发生主动的求救，那么服务方更无从谈起提供专业的救援服务。

因此，如何及时发现车辆发生了真实碰撞事件，有效提高救援效率成为一个亟待解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种碰撞事件检测方法、装置、设备及存储介质，旨在解决现有技术无法及时发现车辆发生了真实碰撞事件，导致救援效率低的技术问题。

为实现上述目的，本发明提供了一种碰撞事件检测方法，所述车辆碰撞事件检测方法包括以下步骤：

采集车辆行驶过程中的加速度数据和定位数据；

对所述加速度数据进行噪声过滤，获得待处理碰撞数据；

将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；

在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

可选地，所述对所述加速度数据进行噪声过滤，获得待处理碰撞数据的步骤，包括：

过滤所述加速度数据中各加速度之间的差值低于预设加速度差值阈值的数据，获得初始碰撞数据；

根据所述初始碰撞数据对应的加速度G值获得待处理碰撞数据。

可选地，所述根据所述初始碰撞数据对应的加速度G值获得待处理碰撞数据的步骤，包括：

将所述初始碰撞数据转换为加速度G值数据；

检测预设时段内各加速度G值数据之间的G值差异；

删除所述加速度G值数据中G值差异低于预设G值差异阈值的数据，获得待处理碰撞数据。

可选地，所述将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别的步骤，包括：

将所述待处理碰撞数据转换为频域碰撞数据，并在频域上获取所述频域碰撞数据中频段的自然对数值；

通过预设矩形滑动窗口对所述自然对数值进行碰撞事件初识别；

在识别到窗口内的自然对数值均达到所述预设矩形滑动窗口的阈值时，判定车辆发生疑似碰撞事件。

可选地，所述在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件的步骤，包括：

在识别到疑似碰撞事件时，将所述待处理碰撞数据输入至预设碰撞事件识别模型中进行识别；

若识别结果中碰撞事件的概率高于非碰撞事件的概率，则判定所述疑似碰撞事件为高概率碰撞事件；

在所述疑似碰撞事件为高概率碰撞事件时，通过所述定位数据过滤所述疑似碰撞事件中的非碰撞场景信息，获得目标碰撞结果；

在检测到所述目标碰撞结果中存在碰撞数据时，判定车辆发生真实碰撞。

可选地，所述在识别到疑似碰撞事件时，将所述待处理碰撞数据输入至预设碰撞事件识别模型中进行识别的步骤之前，还包括：

获取历史碰撞数据在预设训练时段下的加速度G值平均值和加速度G值标准差；

根据所述加速度G值平均值和所述加速度G值标准差构建训练样本；

基于预设损失函数调节所述训练样本的权重，获得目标训练样本；

通过所述目标训练样本对初始线性模型进行迭代训练，获得预设碰撞事件识别模型。

可选地，所述在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件的步骤之后，还包括：

在判定车辆发生真实碰撞事件时，获取实际碰撞时间，并记录所述实际碰撞时间前后的实际加速度数据和实际定位数据；

基于所述实际加速度数据和所述实际定位数据触发碰撞报警信息；

发送所述碰撞报警信息至后台服务器，以使所述后台服务器执行事故处理操作。

此外，为实现上述目的，本发明还提出一种碰撞事件检测装置，所述装置包括：

数据采集模块，用于采集车辆行驶过程中的加速度数据和定位数据；

噪声过滤模块，用于对所述加速度数据进行噪声过滤，获得待处理碰撞数据；

碰撞识别模块，用于将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；

碰撞判断模块，用于在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

此外，为实现上述目的，本发明还提出一种碰撞事件检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碰撞事件检测程序，所述碰撞事件检测程序配置为实现如上文所述的碰撞事件检测方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有碰撞事件检测程序，所述碰撞事件检测程序被处理器执行时实现如上文所述的碰撞事件检测方法的步骤。

本发明通过采集车辆行驶过程中的加速度数据和定位数据，然后对所述加速度数据进行噪声过滤，获得待处理碰撞数据，然后将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别，最后在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。由于本发明通过对采集车辆行驶过程中的加速度数据和定位数据进行碰撞事件自动识别，以判断车辆是否发生真实碰撞事件，相较于现有技术通过接到车主的救援电话以后才能知晓车辆已经发生了碰撞事件，然后再给车主提供服务的方法，本发明上述方法能够及时发现车辆发生了真实碰撞事件，有效提高了救援效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的碰撞事件检测设备的结构示意图；

图2为本发明碰撞事件检测方法第一实施例的流程示意图；

图3为本发明第一实施例中加速度数据在x、y、z轴上的加速度值与时间的关系图像；

图4为本发明碰撞事件检测方法第二实施例的流程示意图；

图5为本发明第二实施例中加速度G值与时间的关系图像；

图6为本发明第二实施例中待处理碰撞数据与时间的关系图像；

图7为本发明第二实施例中频域碰撞数据与频率的关系图像；

图8为本发明第二实施例中预设矩形滑动窗口对自然对数值进行识别的过程图像；

图9为本发明碰撞事件检测方法第三实施例的流程示意图；

图10为本发明碰撞事件检测装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的碰撞事件检测设备结构示意图。

如图1所示，该碰撞事件检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对碰撞事件检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及碰撞事件检测程序。

在图1所示的碰撞事件检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明碰撞事件检测设备中的处理器1001、存储器1005可以设置在碰撞事件检测设备中，所述碰撞事件检测设备通过处理器1001调用存储器1005中存储的碰撞事件检测程序，并执行本发明实施例提供的碰撞事件检测方法。

本发明实施例提供了一种碰撞事件检测方法，参照图2，图2为本发明碰撞事件检测方法第一实施例的流程示意图。

本实施例中，所述碰撞事件检测方法包括以下步骤：

步骤S10：采集车辆行驶过程中的加速度数据和定位数据。

需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，还可以是能够实现相同或相似功能的其他电子设备。以下以上述碰撞事件检测设备(简称检测设备)对本实施例和下述各实施例进行说明。

可理解的是，车辆发生碰撞时，其行驶过程中的加速度数据会发生显著变化，故而可以通过加速度数据来判断车辆是否发生真实碰撞。

需要说明的是，检测设备可通过车载设备上的加速度传感器及定位传感器采集车辆行驶过程中的加速度数据和定位数据。

需要说明解的是，加速度数据可由车载设备的加速度传感器采集，该加速度传感器如通用的三轴Gsensor传感器，能够记录车辆行驶过程中三个不同轴向上(x轴、y轴、z轴)的加速度。

可理解的是，定位数据可由车载设备的定位传感器采集，该定位传感器包括GNSS定位传感器，GNSS是全球导航卫星系统，其功能与GPS系统类似，具有全能性、全天候、连续性和实时性的导航、定位和定时功能，能为用户提供精密的三维坐标、速度和时间，并且该GNSS定位传感器能够同时接收GPS/北斗双模传输的喜欢，以获取更加准确的定位数据。

在具体实现中，检测设备可调整加速度传感器的上报频率(如100HZ)，记录每一分钟的x、y、z轴上的加速度值，将记录下来的加速度值作为加速度数据，并且可通过定位传感器获取车辆行驶过程中的定位数据。

为了便于理解，参考图3进行说明，但并不对本方案进行限定。图3为本发明第一实施例中加速度数据在x、y、z轴上的加速度值与时间的关系图像，图中，记录了在一分钟内加速度数据x、y、z轴上的分量与时间的关系，其他时间段的图形与之类似。由于地球的引力作用，在正常安装状态下，设备的加速度和重力加速度星等，z轴方向能够感应到1g的重力加速度，x轴的数据基本上接近0，y轴有一个小的分量，如果移动或倾斜，此时垂直的重力加速度会分解到x、y、z轴上。

步骤S20：对所述加速度数据进行噪声过滤，获得待处理碰撞数据。

需要说明的是，从加速度传感器上采集的原始数据非常杂乱，有很大的噪声，仅仅从加速度传感器采集到的数据来判断真实碰撞精确度较低，故而需要对加速度数据进行过滤，以提高判断真实碰撞精确度。

可理解的是，噪声可为加速度数据中杂乱无用的干扰数据，该噪声会影响真实碰撞判断的精确性，故而需要过滤去除。

需要说明的是，待处理碰撞数据可为过滤掉噪声后的加速度数据。

在具体实现中，检测设备可通过删除加速度数据之间差异低于预设差异阈值的点，以过滤掉加速度数据之间差异过小的数据，尽一步减少噪声。

应理解的是，预设差异阈值可通过以往车辆行驶过程中实际加速度之间的差异确定。

步骤S30：将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别。

需要说明的是，待处理碰撞数据是各时刻的加速度数据，无法判断碰撞事件的频率分布，故而需要将上述待处理碰撞数据转换为频域下的数据，即频域碰撞数据，以对碰撞事件进行识别。

在具体实现中，检测设备可在频域上通过模式识别来对频域碰撞数据进行碰撞事件初识别，在识别到一定宽带内频域碰撞数据的数值均大于预设识别阈值时，判断车辆发生疑似碰撞事件，否则车辆处于正常状态。

应理解的是，模式识别可为用计算机通过计算的方法根据样本的特征对样本进行分类，而预设识别阈值可为模式识别中用于对样本分类的基准值。

步骤S40：在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

在具体实现中，检测设备在识别到疑似碰撞事件时，可过滤待处理碰撞数据中与非碰撞事件对应的数据，以提高疑似碰撞事件为真实碰撞事件的概率，再融合定位数据过滤掉待处理碰撞数据中非碰撞场景对应的数据，获得高准确度的目标碰撞数据，通过检测目标碰撞数据以判断车辆算法发生真实碰撞事件。

应理解的是，经过上述处理获得的目标碰撞数据为高准确度碰撞事件对应的数据，换言之，若目标碰撞数据中存在数据，则可判断车辆发生了真实碰撞事件，否则，则可判断车辆没有发生真实碰撞事件。

本实施例通过采集车辆行驶过程中的加速度数据和定位数据，然后对所述加速度数据进行噪声过滤，获得待处理碰撞数据，然后将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别，最后在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。由于本实施例通过对采集车辆行驶过程中的加速度数据和定位数据进行碰撞事件自动识别，以判断车辆是否发生真实碰撞事件，相较于现有技术通过接到车主的救援电话以后才能知晓车辆已经发生了碰撞事件，然后再给车主提供服务的方法，本实施例上述方法能够及时发现车辆发生了真实碰撞事件，有效提高了救援效率。

进一步地，为了对发生的真实碰撞事件的车主及时提供救援服务，本实施例中，所述步骤S40之后，还包括：

步骤S50：在判定车辆发生真实碰撞事件时，获取实际碰撞时间，并记录所述实际碰撞时间前后的实际加速度数据和实际定位数据。

需要说明的是，实际碰撞时间可为车辆发生真实碰撞的持续时间，可由定位传感器记录。

在具体实现中，检测设备可在判定车辆发生真实碰撞事件时，通过加速度传感器和定位传感器采集实际碰撞时间前后的实际加速度数据和实际定位数据。

步骤S60：基于所述实际加速度数据和所述实际定位数据触发碰撞报警信息。

需要说明的是，碰撞报警信息可为用于提示车辆发生真实碰撞的信息。

在具体实现中，检测设备可将上述实际加速度数据和所述实际定位数据转换为信息的形式，以用于后续发生至后台服务器。

步骤S70：发送所述碰撞报警信息至后台服务器，以使所述后台服务器执行事故处理操作。

需要说明的是，后台服务器可为用于车辆碰撞保险信息的服务器，该后台服务器可以是可操作的前端，也可以是对接其他提供救援服务商的后端，若为后端。

在具体实现中，检测设备可通过无线通讯模块将上述碰撞报警信息发生至后台服务器，若该后台服务器为可操作的前端，则将该碰撞报警信息保存至数据库中，由客服人员使用的前端页面提醒客服人员出现了真实碰撞事件，客服人员可以从系统调出对应车辆的联系方式等信息，如何及时联系车主，提供碰撞事故处理指导或者是道路救援服务。

进一步地，若该后台服务器为对接其他提供救援服务商的后端，则将碰撞报警信息发生至相应的救援服务商。

应理解的是，上述无线通讯模块可以是设置在检测设备内部，用于与外部进行通讯的模块，如WIFI。

本实施例通过在判断车辆发生真实碰撞事件时，根据碰撞时间前后的加速度数据和定位数据触发碰撞报警信息，再将碰撞报警信息发生至后台服务器，以使所述后台服务器执行事故处理操作，可以对发生真实碰撞事件的车主及时提供救援服务，有效提高了车主的驾驶体验。

参考图4，图4为本发明碰撞事件检测方法第二实施例的流程示意图。

基于上述第一实施例，在本实施例中，所述步骤S20包括：

步骤S201：过滤所述加速度数据中各加速度之间的差值低于预设加速度差值阈值的数据，获得初始碰撞数据。

需要说明的是，直接对所述加速度数据进行噪声过滤，过滤的效果欠佳，故而为了提高过滤的效果，获得更为精准的数据，提出本发明的第二实施例。

可理解的是，预设加速度差值阈值可为用于对加速度数据进行筛选的数值，可通过加速度函数关系确定，也可由过往车辆行驶过程中的实际加速度确定。

需要说明的是，初始碰撞数据可为经过预设加速度差值阈值筛选后的加速度数据。

在具体实现中，检测设备检测加速度数据在x，y，z轴上每个点的差值的绝对值，若该绝对值大于预设加速度差值阈值(如0.3g)，则记为检测碰撞点，然后获取该检测碰撞点前后各预设记录时段内(如30s)的x，y，z数据作为初始碰撞数据。

应理解的是，上述预设记录时段可根据实际需求进行调整，本实施例并此加以限制。

步骤S202：根据所述初始碰撞数据对应的加速度G值获得待处理碰撞数据。

需要说明的是，加速度G值为在一定加速度区间的加速度值除以重力加速度G得到的数值，如某型号汽车，在0-100km/h加速性能测试中，测得的加速时间是6.2s，则其平均加速度为27.78/6.2＝4.48m/s，由此得：加速度G值为4.48/9.8+0.46，也即0.46g。

可理解的是，待处理碰撞数据可为对上述加速度G值进行进一步筛选后的G值数据。

为了便于理解，参考图5进行说明，但并不对本方案进行限定。图5为本发明第二实施例中加速度G值与时间的关系图像，图中，记录了待处理碰撞数据中的x，y，z的加速度值合并为G值与时间的关系。

进一步地，为了更为精确地提高过滤的效果，本实施例中，所述步骤S202包括：

步骤S2021：将所述初始碰撞数据转换为加速度G值数据。

在具体实现中，检测设备可通过

将待处理碰撞数据中的x，y，z的加速度值合并为G值，但上述方式获得的|G|是一个标量，不能反应合成的G值角度变化，进一步可用零点G值和当前G值得向量积的模作为实际G值，可以同时丈量G的大小变化和方向变化。

应理解的是，上述零点G值可由上述待处理碰撞数据中前几个数据确定，若前几个数据对应的G值基本保持一致，则可认为该几个数据为一个静止的零点，取该点的向量G作为零点向量G。该零点向量G的模即为上述零点G值。

步骤S2022：检测预设时段内各加速度G值数据之间的G值差异。

需要说明的是，预设时段可为根据检测所选择的时段，本实施例以一分钟为例，但并不对本方案进行限定。

在具体实现中，检测设备可检测一分钟内各加速度G值数据之间的G值差异，以过滤差异较小的点。

步骤S2023：删除所述加速度G值数据中G值差异低于预设G值差异阈值的数据，获得待处理碰撞数据。

需要说明的是，预设G值差异阈值可为用于对加速度G值数据进行筛选的数值，可通过加速度G值函数关系确定，也可由过往车辆行驶过程中的实际加速度G值数据确定。

在具体实现中，检测设备可过滤掉加速度G值数据中G值差异低于预设G值差异阈值的数据，将剩下的加速度G值数据作为待处理碰撞数据。

需要说明的是，本实施例通过对加速度数据进行初步过滤，然后对过滤获得的初始碰撞数据对应的加速度G值再次进行过滤，有效提高了过滤噪声的效果，获得了精确度较高的待处理碰撞数据。

进一步地，为了提高碰撞事件初识别的精确度，在本实施例中，所述步骤S30包括：

步骤S301：将所述待处理碰撞数据转换为频域碰撞数据，并在频域上获取所述频域碰撞数据中频段的自然对数值。

为了便于理解，参考图6进行说明，但并不对本方案进行限定。图6为本发明第二实施例中待处理碰撞数据与时间的关系图像，图中，记录了待处理碰撞数据中的加速度G值与时间的关系，可以看出待处理碰撞数据是各时刻的加速度数据，无法判断碰撞事件的频率分布，故而需要转换值频域上进行识别。

需要说明的是，可通过FFT(快速傅里叶变换)将上述待处理碰撞数据从时域转换至频域上，获得频域碰撞数据。

为了便于理解，参考图7进行说明，但并不对本方案进行限定。图7为本发明第二实施例中频域碰撞数据与频率的关系图像，图中，记录了频域碰撞数据的数值与频域的关系。

在具体实现中，为了缩小上述频域碰撞数据的绝对数值，便于后续识别，可取频域碰撞数据各频段值的自然对数值。

为了便于理解，参考图8进行说明，但并不对本方案进行限定。图8为本发明第二实施例中预设矩形滑动窗口对自然对数值进行识别的过程图像，图中，忽略矩形部分，剩下的曲线部分即为频域碰撞数据各频段的自然对数值与频率的关系。

步骤S302：通过预设矩形滑动窗口对所述自然对数值进行碰撞事件初识别。

需要说明的是，预设矩形滑动窗口可为用于对上述自然对数值的特征进行分类的矩形模板，如图8所示，图中的矩形部分即为预设矩形滑动窗口，图中，本实施例以具有高低两组阈值的预设矩形滑动窗口进行说明，但在实际识别过程中，也可采用一组阈值或多组阈值，本实施例对此不加以限制。

步骤S303：在识别到窗口内的自然对数值均达到所述预设矩形滑动窗口的阈值时，判定车辆发生疑似碰撞事件。

需要说明的是，如图8所示，预设矩形滑动窗口的阈值即为矩形的宽对应的值，图中，靠左的矩形部分阈值较高为高灵敏度，带宽8HZ，db>2.8，靠右的矩形部分为低灵敏度，带宽10HZ，db>3.0。上述带宽及db均可根据实际需求进行更改，本实施例对此不加以限制。

在具体实现中，若识别到窗口内的自然对数值均达到所述预设矩形滑动窗口的阈值，则可判定车辆发生疑似碰撞事件，反之则可判定车辆未发生碰撞事件。

应理解的是，本实施例通过预设矩形滑动窗口在频域上对待处理碰撞数据进行碰撞事件识别，有效提高了碰撞事件识别的精确度。

参考图9，图9为本发明碰撞事件检测方法第三实施例的流程示意图。

基于上述各实施例，在本实施例中，所述步骤S40包括：

步骤S401：在识别到疑似碰撞事件时，将所述待处理碰撞数据输入至预设碰撞事件识别模型中进行识别。

需要说明的是，判定一个样本是否是真正的碰撞，是AI中进场遇到的二分类问题，用AI智能模型来求解分类，可以使疑似碰撞事件为真实碰撞事件的概率更为精确，提高真实碰撞事件判定的准确性。

可理解的是，预设碰撞事件识别模型可为基于以往的碰撞数据训练好的AI模型，用于识别待处理碰撞数据中真实碰撞事件的概率。

在具体实现中，在识别到疑似碰撞时间时，将频域碰撞数据从频域上再转换至时域上，获得待处理碰撞数据，将待处理碰撞数据按照时间段划分，如每两秒记为一个时间段，每个时间段的G值平均值记为一项，如g0、g1、g2……g_last，每个时间段的G值标准差记为一项，如std0、std1、std2……std_last，同时将各阶段样本的G值平均值和G值标准差记录至csv文件，通过csv文件将样本输入至预设碰撞事件识别模型中，预设碰撞事件识别模型从csv文件加载样本的数据进行识别。

步骤S402：若识别结果中碰撞事件的概率高于非碰撞事件的概率，则判定所述疑似碰撞事件为高概率碰撞事件。

在具体实现中，预设碰撞事件识别模型输出的结果只有两类，即碰撞事件的概率和非碰撞事件的概率，若识别结果中碰撞事件的概率高于非碰撞事件的概率，则判定所述疑似碰撞事件为高概率碰撞事件，否则判断所述疑似碰撞事件为低概率碰撞事件。

步骤S403：在所述疑似碰撞事件为高概率碰撞事件时，通过所述定位数据过滤所述疑似碰撞事件中的非碰撞场景信息，获得目标碰撞结果。

需要说明的是，目标碰撞结果可为待处理碰撞数据中过滤掉非碰撞场景信息数据的碰撞数据。

需要说明的是，非碰撞场景信息可为被误判为碰撞事件的实际场景信息，上述预设碰撞事件识别模型输出的识别结果，在上述非碰撞场景下会比较差，故而需要通过定位数据过滤上述非碰撞场景信息。

可理解的是，车辆在静止的情况下，这种情况下几乎难以发生行车碰撞，绝大多数是洗车、拍打前档玻璃等情况，这种情况可为上述非碰撞场景信息对应的场景。

应理解的是，车辆在匀速前进的情况，如果在高速中车辆发生擦碰，驾驶员必然会做出刹车或者是车辆偏离原先的前进方向的情况，因此，针对虽然有碰撞触发，但是车辆仍然高速前进的情况，绝大多数是遇到路面不良的严重颠簸、记录的设备发生掉落或者是车主故意拍打记录设备的场景，这种情况也为上述非碰撞场景信息对应的场景。

在具体实现中，检测设备通过融合定位数据以过滤所述疑似碰撞事件中的上述非碰撞场景信息以获得精确度较高的目标碰撞结果，换言之，通过融合定位数据过滤掉待处理碰撞数据中非碰撞场景数据，剩下的碰撞数据作为目标碰撞结果。

步骤S404：在检测到所述目标碰撞结果中存在碰撞数据时，判定车辆发生真实碰撞。

在具体实现中，若通过定位数据将待处理碰撞数据中的非碰撞场景数据均过滤后，此时目标碰撞结果中不存在碰撞数据，也就是说待处理碰撞数据中的原数据均为非碰撞场景数据，车辆并未发生真实碰撞，否则说明目标碰撞结果中存在碰撞数据，且该碰撞数据不为非碰撞数据，车辆发生了真实碰撞。

本实施例通过预设碰撞事件识别模型来对判定为疑似碰撞事件的待车辆碰撞数据进行进一步识别，再通过定位数据对识别结果进行过滤，以获得精确度较高的目标碰撞结果，基于该目标碰撞结果来判断是否存在真实碰撞，有效提高了真实碰撞事件判定的准确性。

进一步地，为了提高预设碰撞事件识别模型识别的精确度，本实施例中，所述步骤S401之前，还包括：

步骤S4011：获取历史碰撞数据在预设训练时段下的加速度G值平均值和加速度G值标准差。

需要说明的是，历史碰撞数据可为以往进行通过上述方式获得的待处理碰撞数据。

可理解的是，预设训练时段为用于确定加速度G值平均值和加速度G值标准差的时段，可根据实际需求进行调整。

在具体实现中，检测设备可通过历史碰撞数据在预设训练时段下的加速度G值平均值和加速度G值标准差构建训练样本。

步骤S4012：根据所述加速度G值平均值和所述加速度G值标准差构建训练样本。

在具体实现中，检测设备将历史碰撞数据中的一部分数据的加速度G值平均值和加速度G值划分为训练集，另一部分数据的加速度G值平均值和加速度G值划分为测试集，如将2021年下半年6个月的4千条碰撞数据的加速度G值平均值和加速度G值作为训练集，用2022年1-2月的1千条碰撞数据的加速度G值平均值和加速度G值作为测试集构建训练样本进行训练。

步骤S4013：基于预设损失函数调节所述训练样本的权重，获得目标训练样本。

需要说明的是，预设损失函数可为用于平衡训练样本中正样本与负样本比重的函数。

可理解的是，由于历史碰撞数据为上述待处理碰撞数据，而通过上述方式获得的待处理碰撞数据真实的碰撞比较少，大概只占到1％左右，导致直接由上述训练样本进行训练会程序样本不平衡的问题，故而需要通过预设损失函数对训练样本进行调节。

需要说明的是，普通的二分法训练常用的函数，如binary_crossentropy函数，会计算太多的负样本结果，掩盖了正样本的结果，使得正样本的结果在训练中变得无足轻重，故而需要通过上述预设损失函数，如focal函数来调节样本的权重。

若以上述focal函数作为损失函数，则focal函数可为：

令

在具体实现中，由于正样本的数量远低于负样本，另外正样本难以分类，故而需要取一个尽可能大的alpha值，当alpha的值比较大时，识别为正样本是否准确的计算结果会在损失函数中带来更高的权重，这样可以给识别结果带来更好的精确度。

可理解的是，针对样本的不平衡，也可以通过缩放策略，即调整预设矩形滑动窗口的分类阈值，让阈值向更小的值移动，从而更加接近真实样本的比例。

步骤S4014：通过所述目标训练样本对初始线性模型进行迭代训练，获得预设碰撞事件识别模型。

需要说明的是，初始线性模型可为具备学习算法的模型，如Sequential Mode1，使用全连接中间层和一个sigmoid作为激活函数的全连接输出层。

本实施例通过预设损失函数调节训练样本的权重，以平衡正样本和负样本的比重，再通过调节后的目标训练样本对初始线性模型进行迭代训练，获得预设事件识别模型，有效提高了预设碰撞事件识别模型识别的精确度。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有碰撞事件检测程序，所述碰撞事件检测程序被处理器执行时实现如上文所述的碰撞事件检测方法的步骤。

参照图5，图10为本发明碰撞事件检测装置第一实施例的结构框图。

如图10所示，本发明实施例提出的碰撞事件检测装置包括：

数据采集模块501，用于采集车辆行驶过程中的加速度数据和定位数据；

噪声过滤模块502，用于对所述加速度数据进行噪声过滤，获得待处理碰撞数据；

碰撞识别模块503，用于将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；

碰撞判断模块504，用于在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

本实施例通过采集车辆行驶过程中的加速度数据和定位数据，然后对所述加速度数据进行噪声过滤，获得待处理碰撞数据，然后将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别，最后在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。由于本实施例通过对采集车辆行驶过程中的加速度数据和定位数据进行碰撞事件自动识别，以判断车辆是否发生真实碰撞事件，相较于现有技术通过接到车主的救援电话以后才能知晓车辆已经发生了碰撞事件，然后再给车主提供服务的方法，本实施例上述方法能够及时发现车辆发生了真实碰撞事件，有效提高了救援效率。

本发明碰撞事件检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆碰撞事件检测方法，其特征在于，所述车辆碰撞事件检测方法包括以下步骤：

采集车辆行驶过程中的加速度数据和定位数据；

对所述加速度数据进行噪声过滤，获得待处理碰撞数据；

将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；

在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

2.如权利要求1所述的碰撞事件检测方法，其特征在于，所述对所述加速度数据进行噪声过滤，获得待处理碰撞数据的步骤，包括：

过滤所述加速度数据中各加速度之间的差值低于预设加速度差值阈值的数据，获得初始碰撞数据；

根据所述初始碰撞数据对应的加速度G值获得待处理碰撞数据。

3.如权利要求2所述的碰撞事件检测方法，其特征在于，所述根据所述初始碰撞数据对应的加速度G值获得待处理碰撞数据的步骤，包括：

将所述初始碰撞数据转换为加速度G值数据；

检测预设时段内各加速度G值数据之间的G值差异；

删除所述加速度G值数据中G值差异低于预设G值差异阈值的数据，获得待处理碰撞数据。

4.如权利要求1所述的碰撞事件检测方法，其特征在于，所述将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别的步骤，包括：

将所述待处理碰撞数据转换为频域碰撞数据，并在频域上获取所述频域碰撞数据中频段的自然对数值；

通过预设矩形滑动窗口对所述自然对数值进行碰撞事件初识别；

在识别到窗口内的自然对数值均达到所述预设矩形滑动窗口的阈值时，判定车辆发生疑似碰撞事件。

5.如权利要求1所述的碰撞事件检测方法，其特征在于，所述在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件的步骤，包括：

在识别到疑似碰撞事件时，将所述待处理碰撞数据输入至预设碰撞事件识别模型中进行识别；

若识别结果中碰撞事件的概率高于非碰撞事件的概率，则判定所述疑似碰撞事件为高概率碰撞事件；

在所述疑似碰撞事件为高概率碰撞事件时，通过所述定位数据过滤所述疑似碰撞事件中的非碰撞场景信息，获得目标碰撞结果；

在检测到所述目标碰撞结果中存在碰撞数据时，判定车辆发生真实碰撞。

6.如权利要求5所述的碰撞事件检测方法，其特征在于，所述在识别到疑似碰撞事件时，将所述待处理碰撞数据输入至预设碰撞事件识别模型中进行识别的步骤之前，还包括：

获取历史碰撞数据在预设训练时段下的加速度G值平均值和加速度G值标准差；

根据所述加速度G值平均值和所述加速度G值标准差构建训练样本；

基于预设损失函数调节所述训练样本的权重，获得目标训练样本；

通过所述目标训练样本对初始线性模型进行迭代训练，获得预设碰撞事件识别模型。

7.如权利要求1至6任一项所述的碰撞事件检测方法，其特征在于，所述在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件的步骤之后，还包括：

在判定车辆发生真实碰撞事件时，获取实际碰撞时间，并记录所述实际碰撞时间前后的实际加速度数据和实际定位数据；

基于所述实际加速度数据和所述实际定位数据触发碰撞报警信息；

发送所述碰撞报警信息至后台服务器，以使所述后台服务器执行事故处理操作。

8.一种碰撞事件检测装置，其特征在于，所述装置包括：

数据采集模块，用于采集车辆行驶过程中的加速度数据和定位数据；

噪声过滤模块，用于对所述加速度数据进行噪声过滤，获得待处理碰撞数据；

碰撞识别模块，用于将所述待处理碰撞数据转换为频域碰撞数据，并在频域上根据所述频域碰撞数据进行碰撞事件初识别；

碰撞判断模块，用于在识别到疑似碰撞事件时，根据所述待处理碰撞数据和所述定位数据判断车辆是否发生真实碰撞事件。

9.一种碰撞事件检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碰撞事件检测程序，所述碰撞事件检测程序配置为实现如权利要求1至7中任一项所述的碰撞事件检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有碰撞事件检测程序，所述碰撞事件检测程序被处理器执行时实现如权利要求1至7任一项所述的碰撞事件检测方法的步骤。

Images