CN115757628A - 车辆碰撞检测方法、装置、设备及介质 - Google Patents
车辆碰撞检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115757628A CN115757628A CN202211471976.8A CN202211471976A CN115757628A CN 115757628 A CN115757628 A CN 115757628A CN 202211471976 A CN202211471976 A CN 202211471976A CN 115757628 A CN115757628 A CN 115757628A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- collision detection
- collision
- information
- detection information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆安全技术领域,公开了一种车辆碰撞检测方法、装置、设备及介质,其方法包括:接收车辆的停车信号;基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。本发明通过采集车辆在停车信号的多维碰撞检测信息,基于该多维碰撞检测信息对车辆碰撞进行全方位判断,解决了现有技术中通过单一渠道获取碰撞检测信息的信息维度单一性,提高了碰撞判定结果的准确性,优化了车辆碰撞检测的检测效果。
Description
技术领域
本发明涉及车辆安全技术领域,尤其涉及一种车辆碰撞检测方法、装置、设备及介质。
背景技术
随着汽车行业的不断发展,汽车数量激增,车联网技术发展火热,行车安全受到越来越多的重视,故障检测装置采集当前车辆的故障检测信息进行车辆碰撞检测作为车辆安全的重要一环,能够实现车辆及时救险,并为交通纠纷提供判定信息。
而在现有的车辆检测技术中,通过单一的检测方式获取当前车辆的碰撞信息,信息采集不够全面,基于单一的检测信息也无法对车辆碰撞进行全方位的判断,车辆碰撞检测的效果差。
发明内容
本发明的主要目的在于提出一种车辆碰撞检测方法、装置、设备及介质,旨在增加信息采集维度,优化检测效果。
为实现上述目的,本发明提供一种车辆碰撞检测方法,所述车辆碰撞检测方法包括:
接收车辆的停车信号;
基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
可选地,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤包括:
获取所述停车信号对应的停车时刻;
从分布式列数据库HBase中获取停车时刻对应的第一预设时间段内所述车辆的受力数据;
对所述受力数据进行受力计算,确定所述车辆在所述第一预设时间段内的受力值;
将所述受力值与预设的受力阈值进行对比,确定所述车辆是否发生碰撞。
可选地,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤,还包括:
通过预设的车载GPS获取所述停车时刻对应的第二预设时间段内所述车辆的车辆运动数据;
对所述第二预设时间段内所述车辆的车辆运动数据进行分段计算,确定每段间隔时长对应的车辆运动数据;
将所述每段间隔时长对应的车辆运动数据进行拼接,确定所述车辆第二预设时间段内的车辆速度和加速度;
基于所述车辆速度和/或加速度是否出现异常,确定所述车辆是否发生碰撞。
可选地,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤,还包括:
基于预设的采集装置获取所述停车时刻对应的第三预设时间段内的所述车辆的图像数据;
将所述图像数据输入预设的卷积神经网络中进行对象识别和定位预测,确定对应的对象预测结果;
将所述对象预测结果与预设的置信度阈值进行对比,确定所述车辆是否发生碰撞。
优选地,在所述确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
若所述车辆被标记为真实碰撞,则对所述车辆对应的碰撞信息进行推送;
若所述车辆被标记为疑似碰撞,则对所述车辆进行后续跟踪;
若在所述后续跟踪中存在目标地点,则基于所述车辆当次疑似碰撞对应的多维碰撞检测信息生成对应的跟踪记录;
将所述跟踪记录作为二次判断的判断依据进行记录。
可选地,在所述根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
获取所述车辆在所述停车信号前的减速时间和减速里程;
根据所述减速时间和减速里程,划分所述车辆出现真实碰撞的危险程度。
可选地,在所述根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
获取所述车辆的地理信息和时间信息,并根据所述地理信息和时间信息确定所述车辆周围的环境信息;
根据所述车辆周围的环境信息,划分所述车辆出现真实碰撞的碰撞概率。
此外,为实现上述目的,本发明实施例还提出一种车辆碰撞检测装置,所述车辆碰撞检测装置包括:
信号接收模块,用于接收车辆的停车信号;
碰撞检测模块,用于基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
此外,为实现上述目的,本发明实施例还提出一种设备,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车辆碰撞检测程序,所述车辆碰撞检测程序被所述处理器执行实现如上所述的车辆碰撞检测方法步骤。
此外,为实现上述目的,本发明还提供一种介质,所述介质为计算机可读存储介质,所述计算机可读存储介质上存储有车辆碰撞检测程序,所述车辆碰撞检测程序被处理器执行时实现如上所述的车辆碰撞检测方法的步骤。
本发明提出的车辆碰撞检测方法、装置、设备及介质,所述车辆碰撞检测方法包括:接收车辆的停车信号;基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。本方案通过采集车辆在停车信号的多维碰撞检测信息,基于该多维碰撞检测信息对车辆碰撞进行全方位判断,解决了现有技术中通过单一渠道获取碰撞检测信息的信息维度单一性,提高了碰撞判定结果的准确性,优化了车辆碰撞检测的检测效果。
附图说明
图1为本发明车辆碰撞检测方法实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明车辆碰撞检测方法第一实施例的流程示意图;
图3为本发明车辆碰撞检测方法第一实施例的具体流程示意图;
图4为本发明车辆碰撞检测方法第二实施例中的第一具体实施方式的具体流程示意图;
图5为本发明车辆碰撞检测方法第二实施例中的第二具体实施方式的具体流程示意图;
图6为本发明车辆碰撞检测方法第二实施例中的第三具体实施方式的具体流程示意图;
图7为本发明车辆碰撞检测方法第三实施例中危险程度划分的具体流程示意图;
图8为本发明车辆碰撞检测方法第三实施例中碰撞概率划分的具体流程示意图;
图9为本发明车辆碰撞检测方法的车辆碰撞检测装置的功能模块示意图。
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仅用以解释本发明,并不用于限定本发明。
具体地,参照图1,图1为本发明车辆碰撞检测方法实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。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WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),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。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆碰撞检测程序。其中,操作系统是管理和控制设备硬件和软件资源的程序,支持车辆碰撞检测程序以及其它软件或程序的运行;网络通信模块用于管理和控制总线接口1002;用户接口1003主要用于与客户端进行数据通信;网络接口1004主要用于与服务器建立通信连接;而处理器1001可以用于调用存储器1005中存储的车辆碰撞检测程序。
其中,上述存储器1005中存储的车辆碰撞检测程序被处理器执行时实现以下步骤:
接收车辆的停车信号;
基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
获取所述停车信号对应的停车时刻;
从分布式列数据库HBase中获取停车时刻对应的第一预设时间段内所述车辆的受力数据;
对所述受力数据进行受力计算,确定所述车辆在所述第一预设时间段内的受力值;
将所述受力值与预设的受力阈值进行对比,确定所述车辆是否发生碰撞。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
通过预设的车载GPS获取所述停车时刻对应的第二预设时间段内所述车辆的车辆运动数据;
对所述第二预设时间段内所述车辆的车辆运动数据进行分段计算,确定每段间隔时长对应的车辆运动数据;
将所述每段间隔时长对应的车辆运动数据进行拼接,确定所述车辆第二预设时间段内的车辆速度和加速度;
基于所述车辆速度和/或加速度是否出现异常,确定所述车辆是否发生碰撞。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
基于预设的采集装置获取所述停车时刻对应的第三预设时间段内的所述车辆的图像数据;
将所述图像数据输入预设的卷积神经网络中进行对象识别和定位预测,确定对应的对象预测结果;
将所述对象预测结果与预设的置信度阈值进行对比,确定所述车辆是否发生碰撞。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
若所述车辆被标记为真实碰撞,则对所述车辆对应的碰撞信息进行推送;
若所述车辆被标记为疑似碰撞,则对所述车辆进行后续跟踪;
若在所述后续跟踪中存在目标地点,则基于所述车辆当次疑似碰撞对应的多维碰撞检测信息生成对应的跟踪记录;
将所述跟踪记录作为二次判断的判断依据进行记录。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
获取所述车辆在所述停车信号前的减速时间和减速里程;
根据所述减速时间和减速里程,划分所述车辆出现真实碰撞的危险程度。
进一步地,存储器1005中存储的车辆碰撞检测程序被处理器执行时还实现以下步骤:
获取所述车辆的地理信息和时间信息,并根据所述地理信息和时间信息确定所述车辆周围的环境信息;
根据所述车辆周围的环境信息,划分所述车辆出现真实碰撞的碰撞概率。
为了更好地理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
基于上述终端设备架构但不限于上述架构,提出本发明车辆碰撞检测方法实施例。
具体地,参照图2,图2为本发明车辆碰撞检测方法第一实施例的流程示意图,所述车辆碰撞检测方法包括:
步骤S10,接收车辆的停车信号;
需要进行具体解释的是,当车辆在发生车辆碰撞时,本实施例中的检测装置能够接收到车辆进行车辆停止行驶的停车信号,该停车信号包括车辆在进行停车时的停车时刻。
进一步地,为了防止在对车辆停车信号的检测时对所有停车信号都判断为车辆的碰撞情况,在本实施例中设置黑白名单功能,对处于黑白名单功能中白名单的停车信号开启防误判功能,即在白名单中的停车信号不作为车辆碰撞检测的开始信号,而当接收到黑名单中的停车信号时,立刻开启车辆碰撞检测功能,对车辆当次停车进行车辆碰撞检测。
具体地,例如,减速时间大于25s,减速里程大于600m的停车信号记录白名单;减速时间小于5s,减速里程小于50m的停车信号记录于黑名单。
步骤S20,基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
需要进行具体解释的是,在本实施例中,对车辆进行碰撞检测的碰撞检测信息来源于多类型装置和多种类终端,是具有多维性的多维碰撞检测信息,通过结合各个终端和装置,对车辆在停车信号对应停车时刻的碰撞检测信息进行采集,获取车辆全方位的多维碰撞检测信息。
进一步地,在本实施例中,上述多维碰撞检测信息可以是接收到车辆停车信号对应的停车时刻前后的受力数据、车辆运动数据、图像数据、环境地理信息、车主应急处理方式和车辆轨迹数据等全方位的车辆信息。
在本实施例中,基于上述包含停车时刻前后的受力数据、车辆运动数据、图像数据、环境地理信息、车主应急处理方式和车辆轨迹数据的多维碰撞检测信息,实现对车辆是否发生碰撞的数据分析,具体地,通过G-Sensor实现对车辆的受力数据进行受力分析,判断车辆是否发生碰撞;通过GPS位置信息确定所述车辆所在的地理环境POI信息后,通过对地理环境POI信息进行分析,判断车辆是否发生碰撞;基于车辆的图像数据进行实际情况分析,判断车辆是否发生碰撞;通过对车主应急处理方式的策略分析,判断车辆是否发生碰撞;通过对车辆的历史行程数据进行分析,判断车辆是否发生碰撞。
具体地,例如,通过对车辆的历史行程数据进行分析,判断车辆是否发生碰撞的方式可以是:调取车辆前3个自然月的停留明细数据,对获取到的停留明细数据进行聚簇类算法的计算,确定车辆进行活动的500米范围内的簇类信息,并将该簇类信息作为常驻地范围,将车辆活动较频繁的常驻地范围作为圆心,判断车辆在与圆心200米范围内是否存在停留记录,并在停留记录中筛选、记录车辆停止行驶的点位信息以及该点位与常驻地范围圆心的距离,确定车辆在这些点位停留时接收到的停车信号并非车辆发生真实碰撞。
进一步地,在所述确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
若所述车辆被标记为真实碰撞,则对所述车辆对应的碰撞信息进行推送;
若所述车辆被标记为疑似碰撞,则对所述车辆进行后续跟踪;
若在所述后续跟踪中存在目标地点,则基于所述车辆当次疑似碰撞对应的多维碰撞检测信息生成对应的跟踪记录;
将所述跟踪记录作为二次判断的判断依据进行记录。
需要进行具体解释的是,在本实施例中,通过多维碰撞检测信息对车辆进行碰撞检测,可以通过识别判定,确定车辆是否真实存在碰撞行为,若车辆发生真实的碰撞,则基于上述确定当前车辆发生碰撞的多维碰撞检测信息进行真实碰撞标记,并将多维碰撞检测信息对应的碰撞信息进行推送。
进一步地,若车辆在检测后确定当前车辆不真实存在真实碰撞,当前车辆的碰撞行为为疑似碰撞,则将当次疑似碰撞的多维碰撞检测信息进行疑似碰撞的疑似标记,并在对多维碰撞检测信息进行标记后,对疑似碰撞的车辆进行后续跟踪,在进行跟踪的过程中,若车辆在三天之内出现在4S店对车辆进行维修,或若车辆在一段时间以内出现在医院等区域,则通过人工参与,联系车主确认该车辆在进行疑似碰撞的停车时刻是否发生碰撞,并将人工确认结果作为多维碰撞检测信息生成对应的跟踪记录,将跟踪记录作为判断依据进行二次判断,并对二次判断进行记录,实现车辆碰撞检测的检验漏测率与准确性,并进一步地提高车辆碰撞检测过程中阈值选择的精确度。
参照图3,图3为本实施例的具体流程示意图。具体地,用户车辆碰撞前后的行驶数据反映车主在碰撞时做出的应急措施,碰撞区域地理信息情况用于判断车辆碰撞可能性,行驶难度,是否高危碰撞区域,常驻地信息可以缩小判断范围,减少误判,车载行车记录仪会记录车辆前方图像数据。图像数据可以判断是否真实碰撞,对于疑似碰撞信息,通过车辆后续行驶、停留位置进行二次追加判断。
本实施例通过采集车辆在停车信号对应的停车时刻预设时间段内的多维碰撞检测信息对车辆是否发生碰撞的碰撞行为进行判定,提高了碰撞检测信息的维度,通过结合各渠道各端的车辆信息实现碰撞检测和检测结果后续跟踪,对车辆是否发生碰撞行为实现了多维度的全方位判定,提高了车辆碰撞判定结果的准确性,优化了车辆碰撞检测的检测效果。
进一步地,基于本申请实施例车辆碰撞检测方法的第一实施例,提出本申请实施例车辆碰撞检测方法的第二实施例。
车辆碰撞检测方法的第二实施例与车辆碰撞检测方法的第一实施例的区别在于,本实施例是对步骤S20,“基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞”的细化。
其中,所述车辆的多维碰撞检测信息包括:车辆在碰撞前后第一预设时间段内的车辆受力数据,参照图4,所述“基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞”的步骤可以包括:
步骤S211,获取所述停车信号对应的停车时刻;
步骤S212,从分布式列数据库HBase中获取停车时刻对应的第一预设时间段内所述车辆的受力数据;
需要进行具体解释的是,在本实施例中,车辆通过加速器传感器G-Sensor对车辆的受力情况进行实时监控,并对实施监控的车辆受力数据进行记录与存储,将车辆受力数据存储至分布式列数据库HBase中。具体地,分布式列数据库HBase将车辆的受力数据以及受力数据对应的时间信息进行分布式的结构化存储。
进一步地,在车辆检测到预设的停车信号时,确定该停车信号对应的停车时刻,根据该停车时刻在分布式列数据库HBase中依据时间信息搜索得到车辆在停车时刻的一段预设范围内的受力数据。具体地,例如,从HBase数据库中调取车辆发生碰撞的碰撞时刻A的前后5s内车辆的受力数据,即调取A-5s至A+5s总共10s时间段内的车辆的受力数据。
进一步地,在所述获取停车时刻对应的第一预设时间段内所述车辆的受力数据的步骤之后,所述方法还包括:
步骤S213,对所述受力数据进行受力计算,确定所述车辆在所述第一预设时间段内的受力值;
步骤S214,将所述受力值与预设的受力阈值进行对比,确定所述车辆是否发生碰撞。
需要进行具体解释的是,在本实施例中,在获取到一段预设时间内的车辆的受力数据之后,需对受力数据进行预设规则的受力计算,确定车辆在停车信号对应的停车时刻所受的受力值,并根据对该受力值进行比对分析,确定车辆是否存在碰撞行为。
具体地,在本实施例中,将受力数据从X,Y,Z三轴进行拆分,分别确定车辆的受力数据在X,Y,Z三条轴上的X轴值、Y轴值和Z轴值,并基于X轴值、Y轴值和Z轴值对车辆的受力值进行计算,计算公式如下:
Math.sqrt(X轴值平方+Y轴值平方+Z轴值平方)
进一步地,对从不同G-Sensor传感器获取的受力数据所计算到的受力值进行纠偏,确定分析计算得到的最终受力值,将该最终受力值与预先设置的固定阈值进行比对,若该最终受力值大于上述固定阈值,则将该车辆的碰撞行为划分并标记为疑似碰撞。
进一步地,所述车辆的多维碰撞检测信息还包括:车辆在碰撞前后第二预设时间段内的车辆运动数据,参照图5,所述“基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞”的步骤还可以包括:
步骤S221,通过预设的车载GPS获取所述停车时刻对应的第二预设时间段内所述车辆的车辆运动数据;
需要进行具体解释的是,在本实施例中,车辆通过车载GPS对车辆行驶过程中包括行车速度、行车方向以及行车位置的车辆运动数据进行实时监控与记录,而车辆运动数据也与对应的时间信息以分布式的结构化存储方式记录在分布式列数据库HBase中,当车辆检测到预设的停车信号时,确定该停车信号对应的停车时刻,根据该停车时刻在分布式列数据库HBase中依据时间信息搜索得到车辆在停车时刻的一段预设范围内的车辆运动数据。
具体地,例如,从HBase数据库中调取车辆发生碰撞的碰撞时刻B的前后5mins的车辆运动数据,即调取B-5mins至B+5mins总共10mins时间段内的车辆在行驶过程中的车辆速度、车辆朝向角度以及车辆经纬度。
进一步地,在所述获取所述停车时刻对应的第二预设时间段内所述车辆的车辆运动数据的步骤之后,所述方法还包括:
步骤S222,对所述第二预设时间段内所述车辆的车辆运动数据进行分段计算,确定每段间隔时长对应的车辆运动数据;
步骤S223,将所述每段间隔时长对应的车辆运动数据进行拼接,确定所述车辆第二预设时间段内的车辆速度和加速度;
步骤S224,基于所述车辆速度和/或加速度是否出现异常,确定所述车辆是否发生碰撞。
在本实施例中,对所述第二预设时间段内车辆的车辆运动数据进行分割,并分别对所述每段间隔时长对应的车辆运动数据进行分析与,确定每段间隔时长所述车辆的平均速度和偏移角度,再将每段间隔时长所述车辆的平均速度和偏移角度进行数据拼接,获取车辆碰撞前后的第二预设时间段内车辆的最大速度和加速度大小。
具体地,将车辆碰撞前后10mins内的车辆运动数据以15s为间隔进行数据分割上点,确定车辆在上述15s内速度、角度以及经纬度的数值变化,并通过该数值的动态分段计算,得出车辆在每个分隔时间段内的车辆运动数据。
例如,获取车辆在第二预设时间段内的开始时刻车辆的行驶速度减速到0所使用的减速时间和减速里程,若该车辆的减速时间小于20s,减速里程小于500m,则将车辆的碰撞行为标记为疑似碰撞;若在该疑似碰撞发生之后,车辆速度保持为0,直至车辆重新加速进行正常行驶的时间段被视为停车查看时间,若车辆的停车查看时间超过60s,并且车辆的经纬度并未发生移动,或者,若车辆的停车查看时间在120s以内,车辆存在500m以内的移动里程,则该车辆的碰撞行为则对应标记为低概率、低危险的疑似碰撞。
进一步地,所述车辆的多维碰撞检测信息还包括:车辆在碰撞前后第三预设时间段内的图像数据,参照图6,所述“基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞”的步骤还可以包括:
步骤S231,基于预设的采集装置获取所述停车时刻对应的第三预设时间段内的所述车辆的图像数据;
需要进行具体解释的是,在本实施例中,车辆通过车载行车记录仪实现图片、影像信息的实时记录,通过上述车载行车记录仪采集在车辆的停车信号对应的停车时刻预设范围内的图像数据。
进一步地,在所述获取所述停车信号对应的停车时刻的图像数据的步骤之后,所述方法还包括:
步骤S232,将所述图像数据输入预设的卷积神经网络中进行对象识别和定位预测,确定对应的对象预测结果;
步骤S233,将所述对象预测结果与预设的置信度阈值进行对比,确定所述车辆是否发生碰撞。
需要进行具体解释的是,在本实施例中,通过对采集到的图片、影像数据进行预设帧率的图像采样,并实现对图片、影像数据的数据压缩,获取对应的图像数据,通过将该图像数据输入至卷积神经网络中进行对象识别和定位预测,确定当前车辆在该碰撞场景中的碰撞主体和场景信息,并基于该碰撞主体和场景信息与预设的置信度阈值进行比对分析,确定当前车辆在该碰撞场景中的碰撞行为。
进一步地,确定车辆在当前碰撞场景中的碰撞行为还可以是通过对采集到的图像数据进行抽帧检测,在图像数据中增加物体定位框,并对处理后的图像信息进行标线对比,确认对应的比对结果,实现车辆碰撞行为的判定。
本实施例通过采集车辆在停车信号的包括车辆受力数据、车辆运动数据和图像数据的多维碰撞检测信息,对车辆碰撞进行全方位判断,解决了现有技术中通过单一渠道获取碰撞检测信息的信息维度单一性,提高了碰撞判定结果的准确性,优化了车辆碰撞检测的检测效果。
进一步地,基于本申请实施例车辆碰撞检测方法的第一、第二实施例,提出本申请实施例车辆碰撞检测方法的第三实施例。
车辆碰撞检测方法的第三实施例与车辆碰撞检测方法的第一、第二实施例的区别在于,本实施例是在步骤S30:“确定所述车辆是否发生碰撞”之后,所述方法还包括当车辆发生真实碰撞时,对车辆碰撞的危险程度和碰撞概率进行划分。
参照图7,当车辆发生真实碰撞时,对车辆碰撞的危险程度进行划分的步骤包括:
步骤S311,获取所述车辆在所述停车信号前的减速时间和减速里程;
步骤S312,根据所述减速时间和减速里程,划分所述车辆出现真实碰撞的危险程度。
需要具体解释的是,在本实施例中,通过GPS位置信息确定所述车辆所在的地理环境POI信息,通过对地理环境POI信息进行分析,确定车辆所在的环境信息,并通过对车辆停止行驶时刻前后的车辆运动数据结合环境信息中的各项数据,判断当前车辆发生碰撞的危险程度。
具体地,例如,若在该疑似碰撞发生之后,车辆的停车查看时超过120s,并且该车辆不存在任何移动,或该车辆在行驶速度降至0之前的车辆方向偏移角度大于90°,则将该车辆的碰撞行为对应标记为低概率、高危险的碰撞。
进一步地,例如,通过高德百度等软件应用的服务接口提供车辆当前的位置信息,并通过该信息获取车辆200m范围内的地理环境POI信息,其中,地理环境POI信息包括:道路拥堵情况和道路类型,根据该道路拥堵情况和道路类型对车辆碰撞概率和危险程度进行等级划分,具体划分如下:整体拥堵,省道:高概率、低危碰撞;整体畅通,城市快速路:低概率高危碰撞;高速公路,国道,城市快速路,省道:高危碰撞;乡县公路,普通公路:低危碰撞。
参照图8,当车辆发生真实碰撞时,对车辆碰撞的碰撞概率进行划分的步骤包括:
步骤S321,获取所述车辆的地理信息和时间信息,并根据所述地理信息和时间信息确定所述车辆周围的环境信息;
步骤S322,根据所述车辆周围的环境信息,划分所述车辆出现真实碰撞的碰撞概率。
需要解释的是,在本实施例中,通过网络公开数据获取车辆碰撞的当前时间、发生碰撞的当前区域对应的天气情况,通过结合当前时间信息和天气情况,对车辆发生碰撞的碰撞概率进行分级,具体划分如下:晴、小雨、雪:低概率碰撞;中雨、大雨、中雪:中概率碰撞;暴雨、大暴雨、大雪、雾、沙尘暴:高概率碰撞。
进一步地,将车辆碰撞的碰撞概率与碰撞危险程度结合,组合成多个碰撞级别,两个及两个以上的低概率或者低危则转换为其更高等级的描述,其中,碰撞行为分为:疑似碰撞和真实碰撞;碰撞概率分为:低概率、中概率和高概率;碰撞危险程度分为;危险和高危险。
本实施例通过,对车辆碰撞的碰撞概率的碰撞危险程度进行划分,提高了对车辆碰撞检测的追加判断,提升碰撞检测的检测精度,优化检测效果。
此外,本发明实施例还提出一种车辆碰撞检测装置,参照图9,图9为本发明车辆碰撞检测方法实施例方案涉及的车辆碰撞检测装置的功能模块示意图。如图9所示,所述车辆碰撞检测装置包括:
信号接收模块10,用于接收车辆的停车信号;
碰撞检测模块20,用于基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
本实施例实现车辆碰撞检测方法的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本发明实施例还提出一种设备,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车辆碰撞检测程序,所述车辆碰撞检测程序被所述处理器执行时实现如上述实施例所述的车辆碰撞检测方法的步骤。
此外,为实现上述目的,本发明还提供一种介质,所述介质为计算机可读存储介质,所述计算机可读存储介质上存储有车辆碰撞检测程序,所述车辆碰撞检测程序被处理器执行时实现如上所述的车辆碰撞检测方法的步骤。
由于本车辆碰撞检测程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
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,该计算机软件产品储存在如上所述的一个储存介质(如ROM/RAM、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,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与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)
1.一种车辆碰撞检测方法,其特征在于,所述车辆碰撞检测方法包括:
接收车辆的停车信号;
基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
2.如权利要求1所述的车辆碰撞检测方法,其特征在于,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤包括:
获取所述停车信号对应的停车时刻;
从分布式列数据库HBase中获取停车时刻对应的第一预设时间段内所述车辆的受力数据;
对所述受力数据进行受力计算,确定所述车辆在所述第一预设时间段内的受力值;
将所述受力值与预设的受力阈值进行对比,确定所述车辆是否发生碰撞。
3.如权利要求2所述的车辆碰撞检测方法,其特征在于,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤,还包括:
通过预设的车载GPS获取所述停车时刻对应的第二预设时间段内所述车辆的车辆运动数据;
对所述第二预设时间段内所述车辆的车辆运动数据进行分段计算,确定每段间隔时长对应的车辆运动数据;
将所述每段间隔时长对应的车辆运动数据进行拼接,确定所述车辆第二预设时间段内的车辆速度和加速度;
基于所述车辆速度和/或加速度是否出现异常,确定所述车辆是否发生碰撞。
4.如权利要求3所述的车辆碰撞检测方法,其特征在于,所述基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤,还包括:
基于预设的采集装置获取所述停车时刻对应的第三预设时间段内的所述车辆的图像数据;
将所述图像数据输入预设的卷积神经网络中进行对象识别和定位预测,确定对应的对象预测结果;
将所述对象预测结果与预设的置信度阈值进行对比,确定所述车辆是否发生碰撞。
5.如权利要求1-4任一项所述的车辆碰撞检测方法,其特征在于,在所述确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
若所述车辆被标记为真实碰撞,则对所述车辆对应的碰撞信息进行推送;
若所述车辆被标记为疑似碰撞,则对所述车辆进行后续跟踪;
若在所述后续跟踪中存在目标地点,则基于所述车辆当次疑似碰撞对应的碰撞检测信息生成对应的跟踪记录;
将所述跟踪记录作为二次判断的判断依据进行记录。
6.如权利要求1所述的车辆碰撞检测方法,其特征在于,在所述根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
获取所述车辆在所述停车信号前的减速时间和减速里程;
根据所述减速时间和减速里程,划分所述车辆出现真实碰撞的危险程度。
7.如权利要求1所述的车辆碰撞检测方法,其特征在于,在所述根据所述多维碰撞检测信息确定所述车辆是否发生碰撞的步骤之后,所述方法还包括:
获取所述车辆的地理信息和时间信息,并根据所述地理信息和时间信息确定所述车辆周围的环境信息;
根据所述车辆周围的环境信息,划分所述车辆出现真实碰撞的碰撞概率。
8.一种车辆碰撞检测装置,其特征在于,所述车辆碰撞检测装置包括:
信号接收模块,用于接收车辆的停车信号;
碰撞检测模块,用于基于所述停车信号,采集所述车辆的多维碰撞检测信息,并根据所述多维碰撞检测信息确定所述车辆是否发生碰撞。
9.一种设备,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车辆碰撞检测程序,所述车辆碰撞检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的车辆碰撞检测方法。
10.一种介质,所述介质为计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有车辆碰撞检测程序,所述车辆碰撞检测程序被处理器执行时实现如权利要求1至7中任一项所述的车辆碰撞检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211471976.8A CN115757628A (zh) | 2022-11-22 | 2022-11-22 | 车辆碰撞检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211471976.8A CN115757628A (zh) | 2022-11-22 | 2022-11-22 | 车辆碰撞检测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115757628A true CN115757628A (zh) | 2023-03-07 |
Family
ID=85336852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211471976.8A Pending CN115757628A (zh) | 2022-11-22 | 2022-11-22 | 车辆碰撞检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115757628A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116863708A (zh) * | 2023-09-04 | 2023-10-10 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
-
2022
- 2022-11-22 CN CN202211471976.8A patent/CN115757628A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116863708A (zh) * | 2023-09-04 | 2023-10-10 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
CN116863708B (zh) * | 2023-09-04 | 2024-01-12 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074813B2 (en) | Driver behavior monitoring | |
CN110164130B (zh) | 交通事件检测方法、装置、设备及存储介质 | |
CN107843440B (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
US20190042857A1 (en) | Information processing system and information processing method | |
CN110304068B (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
US11849375B2 (en) | Systems and methods for automatic breakdown detection and roadside assistance | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN113870553A (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
US20210287530A1 (en) | Applying machine learning to telematics data to predict accident outcomes | |
CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
Ferreira et al. | Vehicular sensing: Emergence of a massive urban scanner | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
CN116412854A (zh) | 基于5g车联网的路面信息数据采集系统 | |
Pooja et al. | An early warning system for traffic and road safety hazards using collaborative crowd sourcing | |
CN113178081B (zh) | 一种车辆汇入预警方法、装置及电子设备 | |
CN114446057A (zh) | 一种基于智能网联环境的事故高发点辨识预警方法及系统 | |
US11488390B2 (en) | Map generation device, recording medium and map generation method | |
JP7347390B2 (ja) | 運転評価装置、運転評価システム、及び運転評価プログラム | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN115063980A (zh) | 一种自适应车辆异常行驶检测方法、装置及终端设备 | |
CN114140270A (zh) | 基于车辆行驶数据判断车辆救援的方法、系统及存储介质 | |
CN112884220A (zh) | 基于关联规则的碰撞预测方法、装置、设备及存储介质 | |
CN112622921A (zh) | 一种检测司机异常驾驶行为的方法、装置及电子设备 | |
CN110544378A (zh) | 一种手机用户拥车情况的判断方法 |
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 |