CN116279500B - 一种车辆碰撞识别方法 - Google Patents
一种车辆碰撞识别方法 Download PDFInfo
- Publication number
- CN116279500B CN116279500B CN202310590961.1A CN202310590961A CN116279500B CN 116279500 B CN116279500 B CN 116279500B CN 202310590961 A CN202310590961 A CN 202310590961A CN 116279500 B CN116279500 B CN 116279500B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- collision
- data
- acceleration
- recognition method
- 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 38
- 230000001133 acceleration Effects 0.000 claims abstract description 47
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/114—Yaw movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种车辆碰撞识别方法，包括以下步骤：S1，获取车机端所有车辆状态数据，并对车辆状态数据进行预处理，得到车速度数据、加速度数据、偏航角速度数据；S2，基于车速度数据、加速度数据、偏航角速度数据构建模型触发器，并根据模型触发器的触发规则判断车辆是否触发碰撞判断；S3，通过规则构建行为判别模型，并判断车辆是否发生碰撞，若发生碰撞，则将发生碰撞的车辆信息存入数据库中；能有效监控车辆何时发生碰撞事故，且通过结合车辆信号和车主行为识别，无需后装传感器，其具有低成本、高准确率的特点，能实时为主机厂提供事故情况，从而能在车辆碰撞后对其进行售后关怀、救援等。
Description
技术领域
本发明涉及车辆售后处理技术领域，尤其涉及一种车辆碰撞识别方法。
背景技术
车辆碰撞识别一直是所有汽车主机厂和供应商研究的重要方向。一方面，主机厂希望能在车辆发生事故后，快速关怀车主，为车主提供救援，保障车主安全。
现有的大都是在车辆上加装传感器，然而加装传感器属于后装行为，大量售出的车辆难以召回加装，部分车主也会考虑个人隐私问题或者费用问题也不愿意加装。即使主机厂对新车加装，也需要额外新增费用和生产流程，因此加装传感器并不能满足主机厂的需求。此外，也有部分研究通过车辆信号如速度，加速度等识别车辆是否碰撞，这种方式信号源较为单一，容易被异常信号误导，识别准确率不高，而且这种方式主要针对碰撞比较严重的情况，而轻微碰撞，如擦碰等难以识别。所以该方式同样不能满足主机厂的需求。因此，现研究一种无需加装传感器且能多维度与准确率高的识别方式实现车辆碰撞识别。
发明内容
本发明要解决的技术问题在于，针对上述技术方案存在的不足，提供一种能有效识别车辆碰撞的车辆碰撞识别方法。
为实现上述目的，本发明提供一种碰撞识别方法，包括以下步骤：
S1，获取车机端所有车辆状态数据，并对所述车辆状态数据进行预处理，得到车速度数据、加速度数据、偏航角速度数据；
S2，基于所述车速度数据、加速度数据、偏航角速度数据构建模型触发器，并根据所述模型触发器的触发规则判断车辆是否触发碰撞判断；
S3，通过所述规则构建行为判别模型，并判断车辆是否发生碰撞，若发生碰撞，则将发生碰撞的车辆信息存入数据库中；
S4，获取数据库中发生碰撞时所有与车主沟通确认后的车辆信息，并基于所有与车主沟通确认后的车辆信息构建机器学习分类模型；
S5，基于发生碰撞的当前车辆的加速度判断车辆的碰撞方向。
在本发明提供的车辆碰撞识别方法中，在所述步骤S2中所述触发规则包括时刻的速度/>大于0且上一个数据采集时刻的速度/>等于0时；/>时刻纵向加速度的绝对值大于加速度阈值/>时；/>时刻侧向加速度/>的绝对值大于加速度阈值/>时，/>时刻的偏航角速度/>大于为偏航角速度阈值/>时的四个条件，若满足四个条件中的一个就触发，若一个都不满足，则不触发。
在本发明提供的车辆碰撞识别方法中，在所述步骤S3中所述行为判别模型包括下车行为判别与未移车行为判别。
在本发明提供的车辆碰撞识别方法中，所述下车行为判别为当前车辆在时刻存在解开安全带的信号与左前门存在打开的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的下车检测时段/>，判断驾驶员是否下车。
在本发明提供的车辆碰撞识别方法中，所述未移车行为判别为当前车辆在时刻存在打开闪光灯的信号与停住的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的位移时段/>，判断车辆是否未发生移动；在/>时段内打开闪光灯的信号条数至少超过条，其中/>的计算公式如下：
其中，为车机端CAN每秒钟传输的历史行驶数据量，
在时段内，所述/>时段内各时刻车辆GPS的经纬度集合为，且各时刻GPS的经纬度之间的距离最大值小于/>，其中所述距离计算公式为：
其中，为车辆GPS的最大误差量，R表示地球半径，/>表示位移检测时段/>，分别为对应两个不同的经纬度，因此集合/>中不同经纬度间的距离表示为。
在本发明提供的车辆碰撞识别方法中，所述步骤S4包括以下步骤：
S41，记录并标记历史沟通信息，当与车主沟通确认发生碰撞的车辆达到千级数量时，其中历史沟通信息包括识别正确和识别错误的场景，将识别正确和识别错误作为正负标签；并采集该车辆的历史行驶信息、告警信息与历史维修信息数据；
S42，基于正负标签和采集的历史行驶信息、告警信息与历史维修信息数据训练机器学习智能分类模型，通过机器学习智能分类模型对经过步骤S2的车辆进行分类，分出是否有发生碰撞行为的车辆。
在本发明提供的车辆碰撞识别方法中，在所述步骤S5中所述碰撞方向包括前碰撞、后碰撞与侧碰撞。
在本发明提供的车辆碰撞识别方法中，当当前车辆的纵向加速度小于负的加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为前碰撞。
在本发明提供的车辆碰撞识别方法中，当当前车辆的纵向加速度大于加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为后碰撞。
在本发明提供的车辆碰撞识别方法中，当当前车辆的纵向加速度绝对值小于侧向加速度/>绝对值时为侧碰撞。
本发明提供的车辆碰撞识别方法，通过在在车联网大数据的基础上，无需加装传感器，实现多维度识别车辆是否发生碰撞。能实时为主机厂提供事故情况，从而能在车辆碰撞后对其进行售后关怀、救援等。
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的前提下，还可以根据提供的附图获得其他的附图：
图1所示为本发明一实施例提供的车辆碰撞识别方法的流程示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
参照图1，图1所示为本发明一实施例提供的车辆碰撞识别方法的流程示意图，在本实施例中，提供一种车辆碰撞识别方法，包括以下步骤：
在S1步骤中，获取车机端所有车辆状态数据，并对车辆状态数据进行预处理，得到车速度数据、加速度数据、偏航角速度数据；
预处理具体包括以下两个步骤（1）数据获取步骤。车机端通过CAN将车辆状态数据传输至云端，从中选择车速、加速度、偏航角速度等关键数据。（2）数据筛选步骤。其是为了过滤加速度超出阈值的异常数据，其中阈值是CAN传输该数值时的最大值。
在S2步骤中，基于车速度数据、加速度数据、偏航角速度数据构建模型触发器，并根据模型触发器的触发规则判断车辆是否触发碰撞判断；
在S3步骤中，通过规则构建行为判别模型，并判断车辆是否发生碰撞，若发生碰撞，则将发生碰撞的车辆信息存入数据库中；
在S4步骤中，获取数据库中发生碰撞时所有与车主沟通确认后的车辆信息，并基于所有与车主沟通确认后的车辆信息构建机器学习分类模型；
在S5步骤中，基于发生碰撞的当前车辆的加速度判断车辆的碰撞方向。
进一步地，在本发明一实施例中，在步骤S2中触发规则包括时刻的速度/>大于0且上一个数据采集时刻的速度/>等于0时；/>时刻纵向加速度/>的绝对值大于加速度阈值/>时；/>时刻侧向加速度/>的绝对值大于加速度阈值/>时，/>时刻的偏航角速度/>大于为偏航角速度阈值/>时的四个条件，若满足四个条件中的一个就触发，若一个都不满足，则不触发。具体的/>和/>的取值需要根据车辆具体规格来确定。
本实施例中的车型异常刹车加速度为，则/>，/>表示重力加速度9.8m/s^2。
进一步地，在本发明一实施例中，在步骤S3中行为判别模型包括下车行为判别与未移车行为判别。
进一步地，在本发明一实施例中，下车行为判别为当前车辆在时刻存在解开安全带的信号与左前门存在打开的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的下车检测时段/>，判断驾驶员是否下车。其中/>需要根据车辆具体规格来确定。本实施例中设置为100秒，
进一步地，在本发明一实施例中，未移车行为判别为当前车辆在时刻存在打开闪光灯的信号与停住的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的位移时段/>，判断车辆是否未发生移动；在/>时段内打开闪光灯的信号条数至少超过/>条，其中的计算公式如下：
其中，为车机端CAN每秒钟传输的历史行驶数据量，当当前车型的车辆传输量为0.1条/秒时，基于公式得到打开闪光灯的信号条数/>条。
在时段内，/>时段内各时刻车辆GPS的经纬度集合为，且各时刻GPS的经纬度之间的距离最大值小于/>，其中距离计算公式为：
其中，为车辆GPS的最大误差量，R表示地球半径，/>表示位移检测时段/>，分别为对应两个不同的经纬度，因此集合/>中不同经纬度间的距离表示为。具体的/>。在本实施例中当/>，则/>秒。
当同时满足下车行为判别与未移车行为判别的所有条件时，则判断该车辆在该时刻发生了碰撞，否则没发生碰撞。对满足的车主进行及时关怀，确定其真实情况。
进一步地，在本发明一实施例中，步骤S4包括以下步骤：
S41，记录并标记历史沟通信息，当与车主沟通确认发生碰撞的车辆达到千级数量时，其中历史沟通信息包括识别正确和识别错误的场景，将识别正确和识别错误作为正负标签；并采集该车辆的历史行驶信息、告警信息与历史维修信息数据；
S42，基于正负标签和采集的历史行驶信息、告警信息与历史维修信息数据训练机器学习智能分类模型，通过机器学习智能分类模型对经过步骤S2的车辆进行分类，分出是否有发生碰撞行为的车辆。
其中历史行驶信息为驾驶里程、速度等，告警信息为行驶中车辆发出的故障告警信号，均从车机端传输数据中获取；历史维修信息从专营店维修记录中获取。
进一步地，在本发明一实施例中，在步骤S5中碰撞方向包括前碰撞、后碰撞与侧碰撞。
进一步地，在本发明一实施例中，当当前车辆的纵向加速度小于负的加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为前碰撞。
进一步地，在本发明一实施例中，当当前车辆的纵向加速度大于加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为后碰撞。
进一步地，在本发明一实施例中，当当前车辆的纵向加速度绝对值小于侧向加速度/>绝对值时为侧碰撞。
具体的，主机厂通过车联网大数据积累了大量车辆行驶数据，这些数据不仅能反映车辆碰撞时状态，而且也能反映碰撞后车主的行为，如发生事故，车主通常会第一时间下车检查情况。通过在车辆状态的基础上，再结合车主的行为，能有效识别车辆碰撞。因此，实现通过主机厂自身的数据资源多维度的识别碰撞，不仅使其能充分利用数据信息，且能在车辆碰撞后对其进行售后关怀、救援等。车辆碰撞识别不仅起到了保证车主安全，同时也提高了救援效率，为售后利提供便利，现有的通过加装传感器等方法其成本高、难以覆盖老用户。针对这些问题，本发明提供一种基于车联网大数据的碰撞识别方法和系统，通过挖掘车联网大数据，结合车辆状态和用户行为两个维度进行判断车辆是否发生碰撞。不仅其低成本、高准确率地识别，同时也为主机厂进行售后关怀、救援等提供了便利。
本发明实施例提供的一种车辆碰撞识别方法的有益效果至少在于：
1、相比传统测速（加速度、速度）的碰撞识别方式，本发明在车联网大数据的基础上结合了车辆信息和用户行为，使得判断维度多，更符合实际场景，同时也提高了准确率；
2、相比传统加装碰撞传感器的识别方式，本发明仅通过现有车机系统完成识别，成本更低，使用更方便，更易于推广；
3、本发明可在前期数据不足时，以条件规则判断是否有碰撞，中后期则通过行为判别模型自动判别，保证了系统的灵活性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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 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。
因此，以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种车辆碰撞识别方法，其特征在于，包括以下步骤：
S1，获取车机端所有车辆状态数据，并对所述车辆状态数据进行预处理，得到车速度数据、加速度数据、偏航角速度数据；
S2，基于所述车速度数据、加速度数据、偏航角速度数据构建模型触发器，并根据所述模型触发器的触发规则判断车辆是否触发碰撞判断；
S3，通过所述规则构建行为判别模型，并判断车辆是否发生碰撞，若发生碰撞，则将发生碰撞的车辆信息存入数据库中；
S4，获取数据库中发生碰撞时所有与车主沟通确认后的车辆信息，并基于所有与车主沟通确认后的车辆信息构建机器学习分类模型；通过机器学习智能分类模型对经过步骤S2的车辆进行分类，分出是否有发生碰撞行为的车辆；
S5，基于发生碰撞的当前车辆的加速度判断车辆的碰撞方向。
2.如权利要求1所述的车辆碰撞识别方法，其特征在于，在所述步骤S2中所述触发规则包括时刻的速度/>大于0且上一个数据采集时刻的速度/>等于0时；/>时刻纵向加速度/>的绝对值大于加速度阈值/>时；/>时刻侧向加速度/>的绝对值大于加速度阈值/>时，/>时刻的偏航角速度/>大于为偏航角速度阈值/>时的四个条件，若满足四个条件中的一个就触发，若一个都不满足，则不触发。
3.如权利要求2所述的车辆碰撞识别方法，其特征在于，在所述步骤S3中所述行为判别模型包括下车行为判别与未移车行为判别。
4.如权利要求3所述的车辆碰撞识别方法，其特征在于，所述下车行为判别为当前车辆在时刻存在解开安全带的信号与左前门存在打开的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的下车检测时段/>，判断驾驶员是否下车。
5.如权利要求3所述的车辆碰撞识别方法，其特征在于，所述未移车行为判别为当前车辆在时刻存在打开闪光灯的信号与停住的信号时，则该车辆在/>时刻发生了碰撞，并检测/>时刻后的位移时段/>，判断车辆是否未发生移动；在/>时段内打开闪光灯的信号条数至少超过/>条，其中/>的计算公式如下：
其中，为车机端CAN每秒钟传输的历史行驶数据量，
在时段内，所述/>时段内各时刻车辆GPS的经纬度集合为，且各时刻GPS的经纬度之间的距离最大值小于/>，其中所述距离计算公式为：
其中，为车辆GPS的最大误差量，R表示地球半径，/>表示位移检测时段/>，/>分别为对应两个不同的经纬度，因此集合/>中不同经纬度间的距离表示为。
6.如权利要求4所述的车辆碰撞识别方法，其特征在于，所述步骤S4包括以下步骤：
S41，记录并标记历史沟通信息，当与车主沟通确认发生碰撞的车辆达到千级数量时，其中历史沟通信息包括识别正确和识别错误的场景，将识别正确和识别错误作为正负标签；并采集该车辆的历史行驶信息、告警信息与历史维修信息数据；
S42，基于正负标签和采集的历史行驶信息、告警信息与历史维修信息数据训练机器学习智能分类模型，通过机器学习智能分类模型对经过步骤S2的车辆进行分类，分出是否有发生碰撞行为的车辆。
7.如权利要求6所述的车辆碰撞识别方法，其特征在于，在所述步骤S5中所述碰撞方向包括前碰撞、后碰撞与侧碰撞。
8.如权利要求6所述的车辆碰撞识别方法，其特征在于，当当前车辆的纵向加速度小于负的加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为前碰撞。
9.如权利要求8所述的车辆碰撞识别方法，其特征在于，当当前车辆的纵向加速度大于加速度阈值/>，且其绝对值不小于侧向加速度/>的绝对值时为后碰撞。
10.如权利要求9所述的车辆碰撞识别方法，其特征在于，当当前车辆的纵向加速度绝对值小于侧向加速度/>绝对值时为侧碰撞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310590961.1A CN116279500B (zh) | 2023-05-24 | 2023-05-24 | 一种车辆碰撞识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310590961.1A CN116279500B (zh) | 2023-05-24 | 2023-05-24 | 一种车辆碰撞识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116279500A CN116279500A (zh) | 2023-06-23 |
| CN116279500B true CN116279500B (zh) | 2023-09-19 |
Family
ID=86783648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310590961.1A Active CN116279500B (zh) | 2023-05-24 | 2023-05-24 | 一种车辆碰撞识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116279500B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740986A (zh) * | 2023-08-09 | 2023-09-12 | 聊城市瀚格智能科技有限公司 | 一种隧道行车交通事故风险智能预警方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5513109A (en) * | 1992-06-22 | 1996-04-30 | Toyota Jidosha Kabushiki Kaisha | Air bag system having a control system for determining the exact inflating time of an air bag |
| CN106056972A (zh) * | 2016-06-29 | 2016-10-26 | 江苏科技大学 | 一种基于车辆行驶速度和位置信息融合的安全防撞预警方法 |
| KR20170077769A (ko) * | 2015-12-28 | 2017-07-06 | 자동차부품연구원 | 차량의 충돌 회피 제어 장치 및 방법 |
| CN107117167A (zh) * | 2017-04-24 | 2017-09-01 | 南京航空航天大学 | 具有多种避撞模式的汽车差速转向系统及其控制方法 |
| CN108515972A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市中兴物联科技有限公司 | 一种基于信息融合的驾驶行为感知方法及其系统 |
| CN108528442A (zh) * | 2017-03-06 | 2018-09-14 | 通用汽车环球科技运作有限责任公司 | 使用雷达传感器和upa传感器的车辆碰撞预测算法 |
| CN109278757A (zh) * | 2018-10-25 | 2019-01-29 | 广州小鹏汽车科技有限公司 | 车辆碰撞检测方法及车辆控制系统 |
| CN112339752A (zh) * | 2019-08-06 | 2021-02-09 | 现代自动车株式会社 | 混合动力车辆及其稳定性控制方法 |
| WO2021135728A1 (zh) * | 2019-12-30 | 2021-07-08 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
| JP2022061387A (ja) * | 2020-10-06 | 2022-04-18 | 株式会社Subaru | 車両の走行制御装置 |
-
2023
- 2023-05-24 CN CN202310590961.1A patent/CN116279500B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5513109A (en) * | 1992-06-22 | 1996-04-30 | Toyota Jidosha Kabushiki Kaisha | Air bag system having a control system for determining the exact inflating time of an air bag |
| KR20170077769A (ko) * | 2015-12-28 | 2017-07-06 | 자동차부품연구원 | 차량의 충돌 회피 제어 장치 및 방법 |
| CN106056972A (zh) * | 2016-06-29 | 2016-10-26 | 江苏科技大学 | 一种基于车辆行驶速度和位置信息融合的安全防撞预警方法 |
| CN108528442A (zh) * | 2017-03-06 | 2018-09-14 | 通用汽车环球科技运作有限责任公司 | 使用雷达传感器和upa传感器的车辆碰撞预测算法 |
| CN107117167A (zh) * | 2017-04-24 | 2017-09-01 | 南京航空航天大学 | 具有多种避撞模式的汽车差速转向系统及其控制方法 |
| CN108515972A (zh) * | 2018-03-30 | 2018-09-11 | 深圳市中兴物联科技有限公司 | 一种基于信息融合的驾驶行为感知方法及其系统 |
| CN109278757A (zh) * | 2018-10-25 | 2019-01-29 | 广州小鹏汽车科技有限公司 | 车辆碰撞检测方法及车辆控制系统 |
| CN112339752A (zh) * | 2019-08-06 | 2021-02-09 | 现代自动车株式会社 | 混合动力车辆及其稳定性控制方法 |
| WO2021135728A1 (zh) * | 2019-12-30 | 2021-07-08 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
| JP2022061387A (ja) * | 2020-10-06 | 2022-04-18 | 株式会社Subaru | 車両の走行制御装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116279500A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210407015A1 (en) | Methods of determining accident cause and/or fault using telematics data | |
| CN107784587B (zh) | 一种驾驶行为评价系统 | |
| US9688282B2 (en) | Driver risk assessment system and method employing automated driver log | |
| US10633001B2 (en) | Vehicle telematics based driving assessment | |
| CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
| Carvalho et al. | Exploiting the use of recurrent neural networks for driver behavior profiling | |
| CN107784251A (zh) | 基于图像识别技术对驾驶行为评价的方法 | |
| CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
| US20150006023A1 (en) | System and method for determination of vheicle accident information | |
| CA3041565C (en) | Enhanced vehicle bad fuel sensor with crowdsourcing analytics | |
| CN110400478A (zh) | 一种路况通知方法及装置 | |
| CN116279500B (zh) | 一种车辆碰撞识别方法 | |
| US11884285B2 (en) | Systems for characterizing a vehicle collision | |
| US11862022B2 (en) | Methods for characterizing a vehicle collision | |
| CN110703739B (zh) | 车辆诊断方法、路侧单元、车载单元、系统及存储介质 | |
| TW202101344A (zh) | 用於計算車輛的駕駛人的責任的系統和方法 | |
| CN112287801A (zh) | 车载数据处理方法、装置、服务器和可读存储介质 | |
| US20240127695A1 (en) | Methods for characterizing a low-impact vehicle collision using high-rate acceleration data | |
| 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 | |
| CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
| CN113989715A (zh) | 车辆违停检测方法、装置、电子设备及存储介质 | |
| CN109767627B (zh) | 一种交通违章智能语音抓拍方法和系统 | |
| Tsai et al. | A safety driving assistance system by integrating in-vehicle dynamics and real-time traffic information | |
| Jeon et al. | Real-time aggressive driving detection system based on in-vehicle information using lora communication | |
| EP4040326A1 (en) | Systems for characterizing a vehicle collision |
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 |