CN116572976A - 一种分析车辆事故的方法、装置、车辆和存储介质 - Google Patents
一种分析车辆事故的方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN116572976A CN116572976A CN202310389308.9A CN202310389308A CN116572976A CN 116572976 A CN116572976 A CN 116572976A CN 202310389308 A CN202310389308 A CN 202310389308A CN 116572976 A CN116572976 A CN 116572976A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- accident
- scene
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims description 45
- 238000000586 desensitisation Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004806 packaging method and process Methods 0.000 description 9
- 238000012856 packing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D41/00—Fittings for identifying vehicles in case of collision; Fittings for marking or recording collision areas
-
- 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
Abstract
本申请提供了一种分析车辆事故的方法,该方法包括:当确定车辆处于预设事故场景时,获取与预设事故场景对应的目标数据;其中,目标数据包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据;对目标数据进行分析,得到分析结果,其中,分析结果用于还原事故发生场景。该方法通过获取多个传感器数据可以让多个传感器数据结合起来起到补盲的效果,通过分析获取的多个传感器数据能够更准确的还原事故发生场景,通过分析获取的智能驾驶系统对车辆的控制数据可以更加精准定位事故问题,可以提高问题分析效率,更好的辅助事故定责行。
Description
技术领域
本申请涉及车辆领域,并且更具体地,涉及车辆领域中一种分析车辆事故的方法、装置、车辆和存储介质。
背景技术
随着信息技术的发展,汽车智能驾驶技术越来越深入我们的日常生活和工作中,汽车智能驾驶技术目前还处于发展前期,伴随而来的是智能驾驶状态下汽车出现各种各样问题的场景,面对解决各种各样场景下的问题需求,DVR(Digital Video Recorders,行车记录仪)也顺势而生。
行车记录仪可以记录车辆在行驶过程中的视频图像和声音,在车辆发生事故时可以提供记录的视频图像和声音,为定位问题、还原事故场景、事故分析等提供依据。
目前通过车辆行车记录仪记录的信息来进行车辆问题分析、事故定责还有很多不足之处。
发明内容
本申请提供了一种分析车辆事故的方法、装置、车辆和存储介质,该方法能够更准确的还原事故发生场景,更加精准定位事故问题,可以提高问题分析效率,更好的辅助事故定责行为。
第一方面,提供了分析车辆事故的方法,该方法包括:当确定车辆处于预设事故场景时,获取与预设事故场景对应的目标数据;其中,目标数据包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据;对目标数据进行分析,得到分析结果,其中,分析结果用于还原事故发生场景。
在上述技术方案中,在车辆处于预设事故场景时,针对性的获取与预设事故场景对应的目标数据,由于目标数据包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据,该多个传感器数据和/或智能驾驶系统对车辆的控制数据可以很好的衡量事故场景的场景特征,因此,基于目标数据进行事故发生场景的分析,可以提高问题分析效率。通过获取多个传感器数据可以对事故现场场景信息收集更加全面,还可以让多个传感器数据结合起来起到补盲的效果,通过分析获取的多个传感器数据能够更准确的还原事故发生场景,通过分析获取的智能驾驶系统对车辆的控制数据可以更加精准定位事故问题,更准确的还原事故发生场景可以实现更好的辅助事故定责行为。
结合第一方面,在某些可能的实现方式中,获取与预设事故场景对应的目标数据,包括:当车辆启动后,采集车辆数据,车辆数据包括车辆在启动后各个时刻对应的多个传感器数据和/或智能驾驶系统对车辆的控制数据;确定预设事故场景的发生时刻;根据发生时刻,从车辆数据中筛选出目标数据。
在上述技术方案中,通过在车辆启动后采集车辆数据,保证在车辆处于与预设事故场景时,可以根据发生时刻获取与预设事故场景对应的目标数据,保证对车辆事故分析的准确性。
结合第一方面和上述实现方式,在某些可能的实现方式中,从车辆数据中筛选出目标数据,包括:确定预设事故场景对应的配置信息;根据配置信息,从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据;和/或,根据配置信息,从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
结合第一方面,在某些可能的实现方式中,获取与预设事故场景对应的目标数据,包括:接收云端下发的与预设事故场景对应的配置信息;根据配置信息,获取与预设事故场景对应的目标数据。
在上述技术方案中,在确定车辆处于预设事故场景后,通过获取云端中与预设事故场景对应的配置信息可以实现对获取与预设事故场景对的应目标数据,保证对车辆事故分析的准确性。车辆本地可以无需存储配置信息,有利于节省车辆本地存储空间。
结合第一方面,在某些可能的实现方式中,对目标数据进行分析,还原事故发生场景,包括:将目标数据上传至云端,以供云端对目标数据进行分析,还原事故发生场景。
在上述技术方案中,通过将目标数据上传至云端,云端对目标数据进行分析,还原事故发生场景,实现远程定位车辆问题。
结合第一方面,在某些可能的实现方式中,当多个传感器数据包括视频采集传感器采集的数据时,在采集车辆数据之后,该方法还包括:根据预设的脱敏规则对视频数据中的敏感信息进行脱敏处理,得到脱敏数据。对目标数据进行分析,还原事故发生场景,包括:根据脱敏数据进行分析,还原事故发生场景。在上述技术方案中,通过预设的脱敏规则对视频采集传感器采集的视频数据进行脱敏处理,根据脱敏数据进行分析,还原事故发生场景,保障路人或用户的信息隐私,降低了信息安全的风险,提高了用户的用车体验。
结合第一方面,在某些可能的实现方式中,该方法还包括:在车辆启动后,获取云端中的配置信息,检验云端中的配置信息是否存在更新;当云端中的配置信息存在更新时,根据云端中的配置信息更新车辆中的配置信息。
综上,本申请在车辆处于预设事故场景时,根据与预设事故场景对应的配置信息获取与预设事故场景对应的车辆多个传感器数据和控制数据,通过对获取的多个传感器数据和控制数据分析可以更加准确的还原事故发生场景,可以更高效精确的定位车辆问题,辅助事故定责。还可以将获取的车辆多个传感器数据和控制数据传云端,实现远程定位车辆问题。以及通过预设的脱敏规则实现对视频数据的脱敏,降低信息安全的风险,保障了路人或用户的信息隐私,提高了用户的用车体验。
第二方面,提供了一种分析车辆事故的装置,该装置包括:获取模块,用于确定车辆处于预设事故场景时,获取与预设事故场景对应的目标数据,目标数据中包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据;分析模块,用于对目标数据进行分析,得到分析结果,其中,分析结果用于还原事故发生场景。
结合第二方面,在某些可能的实现方式中,获取模块具体用于,当车辆启动后,采集车辆数据,车辆数据包括车辆在启动后各个时刻对应的多个传感器数据和/或智能驾驶系统对车辆的控制数据;确定预设事故场景的发生时刻;根据发生时刻,从车辆数据中筛选出目标数据。
结合第二方面和上述实现方式,在某些可能的实现方式中,获取模块具体用于,确定预设事故场景对应的配置信息;根据配置信息,从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据;和/或,根据配置信息,从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
结合第二方面和上述实现方式,在某些可能的实现方式中,该装置还包括上传模块,用于将目标数据上传至云端,以供云端对目标数据进行分析,还原事故发生场景。
结合第二方面和上述实现方式,在某些可能的实现方式中,该装置还包括脱敏模块,用于当多个传感器数据包括视频采集传感器采集的数据时,根据预设的脱敏规则对视频数据中的敏感信息进行脱敏处理,得到脱敏数据;分析模块具体用于:根据脱敏数据进行分析,还原事故发生场景。结合第二方面和上述实现方式,在某些可能的实现方式中,该装置还包括更新模块,用于在车辆启动后,获取云端中的配置信息,检验云端中的配置信息是否存在更新;当云端中的配置信息存在更新时,根据云端中的配置信息更新车辆中的配置信息。
第三方面,提供一种车辆,包括存储器和处理器。该存储器用于存储可执行程序代码,该处理器用于从存储器中调用并运行该可执行程序代码,使得该车辆执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
第四方面,提供了一种计算机程序产品,该计算机程序产品包括:计算机程序代码,当该计算机程序代码在计算机上运行时,使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
第五方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序代码,当该计算机程序代码在计算机上运行时,使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。
附图说明
图1是本申请实施例提供的一种分析车辆事故的方法的示意性流程图;
图2是本申请实施例提供的一种分析车辆事故的链路的结构示意图;
图3是本申请实施例提供的一种分析车辆事故的装置的结构示意图;
图4是本申请实施例提供的一种车辆的结构示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行清楚、详尽地描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B:文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。
图1是本申请实施例提供的一种分析车辆事故的方法的示意性流程图。
示例性的,如图1所示,该方法100包括:
步骤101,当确定车辆处于预设事故场景时,获取与预设事故场景对应的目标数据;其中,目标数据中包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据。
步骤102,对目标数据进行分析,得到分析结果,其中,分析结果用于还原事故发生场景。
在图1所示的实施例中,在车辆处于预设的事故场景时,获取与预设的事故场景对应的目标数据,其中,目标数据包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据,之后再对目标数据进行分析,得到分析结果,其中分析结果用于还原事故发生场景。在车辆处于预设事故场景时,针对性的获取与预设事故场景对应的目标数据,由于目标数据包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据,该多个传感器数据和/或智能驾驶系统对车辆的控制数据可以很好的衡量事故场景的场景特征,因此,基于目标数据进行事故发生场景的分析,可以提高问题分析效率。通过获取多个传感器数据可以对事故现场场景信息收集更加全面,还可以让多个传感器数据结合起来起到补盲的效果,通过分析获取的多个传感器数据能够更准确的还原事故发生场景,通过分析获取的智能驾驶系统对车辆的控制数据可以更加精准定位事故问题,更准确的还原事故发生场景可以实现更好的辅助事故定责行为。
下面对图1所示实施例中的各个步骤的具体实施方式进行说明:
在步骤101中,预设事故场景可以是多个,当车辆发生事故时,根据车辆当前所处的场景判断车辆所处的场景是否为多个预设事故场景中的一个,当判断车辆所处的场景为预设事故场景时,获取目标数据。目标数据为与预设事故场景对应的数据,用于对还原事故场景提供数据支持。当车辆处于不同的预设事故场景时获取的目标数据可能不同也可能相同。
应理解,预设事故场景可以为根据实际情况提前定义好的场景,一些实施例中,还可以对定义好的预设事故场景进行更改,本申请实施例对此不做限定。
示例性的,预设事故场景可以包括追尾场景、碰撞场景等。以车辆处于碰撞场景为例,判断车辆处于碰撞场景的触发事件可以是安装在车辆周围的碰撞传感器检测到碰撞,或者,也可以是车辆检测到安全气囊弹出等,本申请实施例对此不做限定。
一种可能的实现方式中,在目标数据包括车辆的多个传感器数据的情况下,多个传感器数据包括以下之一或其任意组合:视频数据、车辆的位置数据、车辆的行驶速度数据、以及车辆与前方车辆车距数据中的至少一项;在目标数据包括控制数据的情况下,控制数据包括以下之一或其任意组合:变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据。
其中,多个传感器数据由设置在车辆上的多个传感器采集得到,多个传感器可以包括:视频采集传感器、雷达、碰撞传感器、距离传感器、定位传感器、速度传感器、加速度传感器等其中之一或任意组合。
当多个传感器包括视频采集传感器时,视频采集传感器可以是多个。可以通过多个视频采集传感器采集车辆周围的视频数据和车辆内部的视频数据。
应理解,车辆上可以设置有多个摄像头即上述多个视频采集传感器,例如多个摄像头可以包括:前视摄像头、后视摄像头、环视摄像头、侧视摄像头和内置摄像头等。一些实施例中,车辆上还可以安装有行车记录仪。
示例性的,可以通过上述前视摄像头、后视摄像头、环视摄像头、侧视摄像头、行车记录仪等其中之一或任意组合采集车辆外部视频数据。可以通过上述内置摄像头采集车辆内部视频数据。
示例性的,可以根据碰撞传感器采集到车辆的碰撞数据、根据距离传感器采集到车辆与前方车辆车距数据、根据定位传感器采集车辆的位置数据、根据速度传感器采集车辆的行驶速度数据、根据加速度传感器采集车辆的加速度数据等。还可以根据雷达采集车辆周围的障碍物数据。
示例性的,参阅图2,图2为本申请实施例提供的一种分析车辆事故的链路的结构示意图。上述控制数据包括智能驾驶系统对车辆的控制数据,可以由图2所示的智能驾驶算法模块208得到。一些实施例中,智能驾驶算法模块208可以通过车辆的行驶速度数据、车辆的位置数据以及车辆与前方车辆车距数据等得到控制数据。
具体的,智能驾驶算法模块208根据车辆的行驶速度数据和车辆与前方车辆车距数据,可以得到控制车辆进行变道以及可以变道至哪个车道的变道决策数据。根据车辆的行驶速度数据和车辆与前方车辆车距数据,可以得到控制车辆进行刹车的刹车决策数据。根据车辆的行驶速度数据和车辆的位置数据,可以得到控制车辆当前的扭矩到合适的扭矩范围的扭矩决策数据。根据车辆的位置数据可以得到控制车辆当前路线的路线决策数据等。
示例性的,当车辆处于碰撞场景时,碰撞场景对应的目标数据中包括的多个传感器数据和控制数据可以用于描述碰撞场景发生时刻车辆周围车辆或周围的环境,以及智能驾驶系统在发生碰撞前后对车辆做出的控制。例如,多个传感器数据包括:视频数据、车辆的位置数据、车辆的行驶速度数据、以及车辆与前方车辆车距数据等;控制数据包括变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据等。其中,目标数据中的视频数据中可以包括碰撞场景发生时车辆和周围车辆的视频,以及碰撞场景发生时的路况等。
一种可能的实现方式中,获取与预设事故场景对应的目标数据,包括:当车辆启动后,采集车辆的车辆数据,车辆数据包括车辆在行驶过程中的各个时刻对应的多个传感器数据和/或对车辆的控制数据;确定预设事故场景的发生时刻;根据发生时刻,从车辆数据中筛选出目标数据。
示例性的,车辆数据包括:车辆在行驶过程中的各个时刻对应的多个传感器数据。或,车辆数据包括:车辆在行驶过程中的各个时刻对应的智能驾驶系统对车辆的控制数据。或,车辆数据包括:车辆在行驶过程中的各个时刻对应的多个传感器数据和智能驾驶系统对车辆的控制数据。
示例性的,当车辆数据包括车辆在行驶过程中的各个时刻对应的多个传感器数据和智能驾驶系统对车辆的控制数据时,采集车辆的车辆数据可以理解为:采集车辆在启动后各个时刻对应的视频采集传感器、雷达、碰撞传感器、距离传感器、定位传感器、速度传感器、加速度传感器等传感器数据和智能驾驶系统对车辆的控制数据。一些实施例中,采集车辆数据也可以理解为:从车辆一上电开始,对车辆数据进行录制。
示例性的,确定预设事故场景的发生时刻可以理解为:确定触发车辆处于预设事故场景的事件的发生时刻。比如,以上述实施例中车辆所处的预设事故场景是碰撞场景为例,当触发车辆处于碰撞场景的事件为气囊弹出时,发生时刻即为检测到车辆气囊弹出的时刻。可选的,也可以是在确定车辆处于预设事故场景时,将当前时刻记录为发生时刻。
根据发生时刻,从车辆数据中筛选出目标数据可以理解为:根据发生时刻,从采集到的车辆数据中筛选出与预设事故场景对应的数据。具体的,车辆数据中包括车辆启动后各个时刻对应的多个传感器数据和智能驾驶系统对车辆的控制数据。车辆启动后可能采集到预设事故场景发生之前其他事故场景的数据。确定预设事故场景的发生时刻后,可以根据发生时刻,从采集到的车辆数据中筛选出与预设事故场景对应的数据。
在上述技术方案中,通过在车辆启动后采集车辆的车辆数据,保证在车辆处于与预设事故场景时,可以根据发生时刻获取与预设事故场景对应的目标数据。保证对车辆事故分析的准确性。
一种可能的实现方式中,根据发生时刻,从车辆数据中筛选出目标数据,包括:确定预设事故场景对应的配置信息;根据配置信息从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据;和/或,根据配置信息从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
一些实施例中,目标数据中包括第一目标数据,根据发生时刻从车辆数据中筛选出目标数据,包括:确定预设事故场景对应的配置信息;根据配置信息从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据。
一些实施例中,目标数据中包括第二目标数据,从车辆数据中筛选出目标数据,包括:确定预设事故场景对应的配置信息;根据配置信息从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
一些实施例中,目标数据中包括第一目标数据和第二目标数据。从车辆数据中筛选出目标数据,包括:确定预设事故场景对应的配置信息;根据配置信息从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据;和,根据配置信息从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
其中,第一预设时长和第二预设时长根据与预设事故场景对应的配置信息得到,可以是根据预设事故场景提前设定好的,第一预设时长和第二预设时长可以相同也可以不同。
本申请实施例中当车辆处于碰撞场景时,以获取的目标数据中包括第一目标数据和第二目标数据为例。对于不同的预设事故场景会有不同的配置信息。根据与预设事故场景对应的配置信息可以从车辆数据中筛选出目标数据。
一些实施例中,确定配置信息后,可以根据配置信息确定筛选规则,筛选规则中包括第一预设时长和/或第二预设时长。根据筛选规则从车辆数据中筛选目标数据。其中,上述筛选规则中还可以包括其他规则。本申请实施例中以筛选规则中包括第一预设时长和第二预设时长为例。
一些实施例中,还可以根据配置信息确定打包规则,根据筛选规则从车辆数据中筛选出数据之后,还可以根据打包规则对筛选出的数据进行打包,得到目标数据。其中,打包规则可以是:根据数据的时间戳、类型、大小等,将数据打包成规定格式的数据包。
一些实施例中,从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据可以理解为:根据筛选规则将车辆数据中发生时刻之前第一预设时长内的多个传感器数据和/或控制数据缓存下来,并将缓存下来的数据根据打包规则打包成预设格式的数据包。从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据可以理解为:根据筛选规则将车辆数据中发生时刻之后第二预设时长内的多个传感器数据和/或控制数据缓存下来,并将缓存下来的数据根据打包规则打包成预设格式的数据包。
示例性的,预设事故场景为碰撞场景,假设与碰撞场景对应的筛选规则为筛选出发生时刻前后15秒的车辆数据,即筛选规则中的第一预设时长和第二预设时长相同均为15秒。假设与碰撞场景对应的打包规则为将筛选出的发生时刻前后15秒的车辆数据,根据时间戳打包成规定格式的数据包。当确定车辆处于碰撞场景时,如上述发生时刻为检测到车辆气囊弹出的时刻。根据碰撞场景确定与碰撞场景对应的配置信息。之后根据配置信息确定筛选规则和打包规则,从车辆数据中筛选出发生时刻之前15秒内的视频数据、车辆的位置数据、车辆的行驶速度数据、车辆与前方车辆车距数据等多个传感器数据和变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据等控制数据,并根据数据的时间戳将发生时刻之前15秒内的多个传感器数据和控制数据打包成规定格式的数据包,得到第一目标数据。从车辆数据中筛选出发生时刻之后15秒内的视频数据、车辆的位置数据、车辆的行驶速度数据、车辆与前方车辆车距数据等多个传感器数据和变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据等控制数据,并根据数据的时间戳将发生时刻之后15秒内的多个传感器数据和控制数据打包成规定格式的数据包,得到第二目标数据。
一种可能的实现方式中,当多个传感器数据包括视频采集传感器采集的数据时,在采集车辆数据之后,该方法还包括:根据预设的脱敏规则对视频数据中的敏感信息进行脱敏处理,得到脱敏数据;对目标数据进行分析,还原事故发生场景,包括:根据脱敏数据进行分析,还原事故发生场景。
其中,预设的脱敏规则可以理解为提前设置的过滤视频采集传感器采集到的视频数据中敏感信息的规则。脱敏数据即根据预设的脱敏规则进行脱敏后的视频数据。脱敏规则可以是根据实际情况设定的,或者脱敏规则可以根据实际情况进行修改,本申请实施例对此不做限定。
如上述实施例中,通过前视摄像头、后视摄像头、环视摄像头、侧视摄像头、行车记录仪等其中之一或任意组合采集的车辆外部视频数据,以及通过内置摄像头采集的车辆内部视频数据中,可能会包含有车辆的车牌、人脸等敏感信息。预设的脱敏规则可以是针对采集到的视频数据中的车牌和人脸进行过滤处理的规则。
示例性的,如图2所示,车端20中包括视频脱敏模块206,摄像头205采集到视频数据后,将视频数据传输至视频脱敏模块206,视频脱敏模块206中存储有脱敏规则,假设脱敏规则为对采集到的视频数据中的车牌和人脸进行过滤处理。视频脱敏模块206根据脱敏规则将摄像头205采集到视频数据中的车牌和人脸进行过滤处理,得到脱敏数据。
一些实施例中,可以通过预设的脱敏规则对摄像头205采集到的视频数据实时进行脱敏处理,得到脱敏数据。
在上述技术方案中,通过预设的脱敏规则对视频采集传感器采集的视频数据进行脱敏处理,根据脱敏数据进行分析,还原事故发生场景,保障了路人或用户的信息隐私,降低了信息安全的风险,提高了用户的用车体验。
一种可能的实现方式中,在车辆启动后,获取云端中的配置信息,检验云端中的配置信息是否存在更新;当云端中的配置信息存在更新时,根据云端中的配置信息更新车辆中的配置信息。
应理解,车辆在出厂时一般设置有相应的配置信息。随着车辆使用时间的增长,云端中的配置信息相对于出厂时设置的配置信息会存在更新。
在车辆启动后,车辆可以获取云端中的配置信息,将车辆中的配置信息和获取的云端中的配置信息进行对比,检验云端中的配置信息是否存在更新,当云端中的配置信息存在更新时,根据云端中的配置信息更新车辆中的配置信息。
当车辆本地中没有存储配置信息时,需要在车辆处于预设事故场景时从云端拉取配置信息,车辆接收云端下发的配置信息后,根据配置信息获取目标数据。下面结合图2对此情况进行说明:
一种可能的实现方式中,获取与预设事故场景对应的目标数据,包括:接收云端下发的与预设事故场景对应的配置信息,根据配置信息,获取与预设事故场景对应的目标数据。
其中,云端下发的与预设事故场景对应的配置信息中包括对目标数据的筛选规则和打包规则。
示例性的,如图2所示,在车端20处于预设事故场景时,车端20的配置管理模块201从云端10中拉取与预设事故场景对应的配置信息,配置信息为预设事故场景配置筛选器202、打包模块203,筛选器202中包括筛选规则,打包模块203中包括打包规则。车端20接收到云端10下发的配置信息后,获取摄像头雷达等传感器采集到的数据和汇总到智能驾驶算法模块208中进行整合,智能驾驶算法模块208中有规控等中间算法,可以根据雷达等传感器207采集到的数据以及视频数据得到算法结果数据,即得到上述智能驾驶系统对车辆的控制数据。最终智能驾驶算法模块208输送出传感器数据以及算法结果数据到筛选器202。筛选器202根据筛选规则对传感器数据以及算法结果数据进行筛选,得到筛选后的数据。打包模块203根据打包规则将筛选后的数据打包得到目标数据。
在上述技术方案中,车辆本地可以无需存储配置信息,在确定车辆处于预设事故场景后,通过获取云端中与预设事故场景对应的配置信息可以实现对获取与预设事故场景对的应目标数据,保证对车辆事故分析的准确性同时还可以节省车辆本地存储空间。
在步骤102中,可以是在本地对采集到的目标数据进行分析,也可以是在云端对采集到的目标数据进行分析。对目标数据进行分析,还原事故发生场景可以理解为:当目标数据中包括多个传感器数据时,对多个传感器数据进行分析可以还原事故发生时的路况、周围车辆行驶状态,事故车辆的状态、以及驾驶员对车辆的控制等场景。当目标数据中包括控制数据时,对控制数据进行分析并可以还原智能驾驶系统对车辆的控制,与还原的场景结合后可以精准定位事故问题,更好的辅助事故定责行为。
一些实施例中,驾驶员还可以对智能驾驶系统对车辆的控制进行干扰。多个传感器数据中还包括驾驶员对车辆的实际控制数据,或者可以通过多个传感器数据计算得到驾驶员对车辆的实际控制数据。可以将驾驶员在车辆发生事故时对车辆的实际控制数据与智能驾驶系统在车辆发生事故时对车辆的控制进行对比,更好的辅助事故定责行为。
一种可能的实现方式中,对目标数据进行分析,还原事故发生场景,包括:将目标数据上传至云端,以供云端对目标数据进行分析,还原事故发生场景。
如上述实施例,当车辆处于碰撞场景,目标数据中包括第一目标数据和第二目标数据。假设目标数据中包括车辆碰撞前后15秒内传感器数据和控制数据。
将车辆碰撞前后15秒内传感器数据和控制数据上传到云端,云端对车辆碰撞前后15秒内传感器数据和控制数据进行分析。
当目标数据被图2所示的上传管理模块204上传到云端10时。由云端10对目标数据进行分析。
示例性的,假设车辆处于碰撞场景,触发车辆处于碰撞场景的事件为气囊弹出,假设目标数据中包括触发事件气囊弹出发生时刻前后15秒的多个摄像头采集的车辆内部视频数据和车辆外部视频数据、车辆的位置数据、车辆的行驶速度数据、车辆与前方车辆车距数据等传感器数据,以及驾驶员对车辆的实际控制数据;包括触发事件气囊弹出发生时刻前后15秒的变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据等智能驾驶系统对车辆的控制数据。上传管理模块204将目标数据上传至云端10,云端10通过对车辆外部视频数据进行分析可以还原事故发生时的路况、周围车辆行驶状态,通过对车辆外部视频数据进行分析可以还原事故发生时驾驶员的状态。通过对车辆的位置数据、车辆的行驶速度数据、车辆与前方车辆车距数据等进行分析,可以还原事故车辆的状态,还可以通过驾驶员对车辆的实际控制数据还原驾驶员对车辆的实际控制。其中,分析车辆外部视频数据时,可以将设置于不同位置的摄像头采集的车辆外部视频数据结合起来,弥补单独视频的盲区。可以更准确的还原事故发生场景。云端10通过对变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据等进行分析得到智能驾驶系统在车辆发生事故时对车辆的控制与还原的事故发生场景结合分析事故责任是否为智能驾驶系统的误控制,还可以将驾驶系统对车辆的控制与还原的驾驶员发生事故时对车辆的实际控制进行对比,以判断驾驶员在车辆发生事故时对车辆的控制是否存在问题。从而更高效精确的定位车辆事故问题,辅助事故定责。目标数据上传至云端,还可以实现远程定位车辆问题。
综上,本申请在车辆处于预设事故场景时,根据与预设事故场景对应的配置信息获取与预设事故场景对应的车辆多个传感器数据和控制数据,通过对获取的多个传感器数据和控制数据分析可以更加准确的还原事故发生场景,可以更高效精确的定位车辆问题,辅助事故定责。还可以将获取的车辆多个传感器数据和控制数据传云端,实现远程定位车辆问题。以及通过预设的脱敏规则实现对视频数据的脱敏,降低信息安全的风险,保障了路人或用户的信息隐私,提高了用户的用车体验。
图3是本申请实施例提供的一种分析车辆事故的装置的结构示意图。
示例性的,如图3所示,该装置300包括:
获取模块301,用于确定车辆处于预设事故场景时,获取与预设事故场景对应的目标数据,目标数据中包括车辆的多个传感器数据和/或智能驾驶系统对车辆的控制数据;
分析模块302,用于对目标数据进行分析,得到分析结果,其中,分析结果用于还原事故发生场景。
一种可能的实现方式中,获取模块301具体用于:当车辆启动后,采集车辆的车辆数据,车辆数据包括车辆在行驶过程中的各个时刻对应的多个传感器数据和/或智能驾驶系统对车辆的控制数据;确定预设事故场景的发生时刻;根据发生时刻,从车辆数据中筛选出目标数据。
一种可能的实现方式中,获取模块301具体用于:确定预设事故场景对应的配置信息;根据配置信息,从车辆数据中筛选出发生时刻之前第一预设时长内的多个传感器数据和/或控制数据,得到第一目标数据;和/或,根据配置信息,从车辆数据中筛选出发生时刻之后第二预设时长内的多个传感器数据和/或控制数据,得到第二目标数据。
可选的,该装置还包括:上传模块,用于将目标数据上传至云端,以供云端对目标数据进行分析,还原事故发生场景。
可选的,该装置还包括:脱敏模块,用于当多个传感器数据包括视频采集传感器采集的数据时,根据预设的脱敏规则对视频数据中的敏感信息进行脱敏处理,得到脱敏数据;分析模块具体用于:根据脱敏数据进行分析,还原事故发生场景。
可选的,该装置还包括:更新模块,用于在车辆启动后,获取云端中的配置信息,检验云端中的配置信息是否存在更新;当云端中的配置信息存在更新时,根据云端中的配置信息更新车辆中的配置信息。
一种可能的实现方式中,目标数据包括车辆的多个传感器数据的情况下,多个传感器数据包括以下之一或其任意组合:视频数据、车辆的位置数据、车辆的行驶速度数据、以及车辆与前方车辆车距数据;在目标数据包括控制数据的情况下,控制数据包括以下之一或其任意组合:变道决策数据、刹车决策数据、扭矩决策数据、路线决策数据。
图4是本申请实施例提供的一种车辆的结构示意图。
示例性的,如图4所示,该车辆400包括:存储器401和处理器402,其中,存储器401中存储有可执行程序代码4011,处理器402用于调用并执行该可执行程序代码4011执行一种车辆控制的方法。
本实施例可以根据上述方法示例对车辆进行功能模块的划分,例如,可以对应各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中,上述集成的模块可以采用硬件的形式实现。需要说明的是,本实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,该车辆可以包括:获取模块和分析模块等。需要说明的是,上述方法实施例涉及的各个步骤的所有相关内容的可以援引到对应功能模块的功能描述,在此不再赘述。
本实施例提供的车辆,用于执行上述一种分析车辆事故的方法,因此可以达到与上述实现方法相同的效果。
在采用集成的单元的情况下,车辆可以包括处理模块、存储模块。其中,处理模块可以用于对车辆的动作进行控制管理。存储模块可以用于支持车辆执行相互程序代码和数据等。
其中,处理模块可以是处理器或控制器,其可以实现或执行结合本申请公开内容所藐视的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包括一个或多个微处理器组合,数字信号处理(digital signal processing,DSP)和微处理器的组合等等,存储模块可以是存储器。
本实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序代码,当该计算机程序代码在计算机上运行时,使得计算机执行上述相关方法步骤实现上述实施例中的一种分析车辆事故的方法。
本实施例还提供了一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述相关步骤,以实现上述实施例中的一种分析车辆事故的方法。
另外,本申请的实施例提供的车辆具体可以是芯片,组件或模块,该车辆可包括相连的处理器和存储器;其中,存储器用于存储指令,当车辆运行时,处理器可调用并执行指令,以使芯片执行上述实施例中的一种车辆控制的方法。
其中,本实施例提供的车辆、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
以上内容,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种分析车辆事故的方法,其特征在于,所述方法包括:
当确定车辆处于预设事故场景时,获取与所述预设事故场景对应的目标数据;其中,所述目标数据包括所述车辆的多个传感器数据和/或智能驾驶系统对所述车辆的控制数据;
对所述目标数据进行分析,得到分析结果,其中,所述分析结果用于还原事故发生场景。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述预设事故场景对应的目标数据,包括:
当车辆启动后,采集车辆数据;其中,所述车辆数据包括所述车辆在启动后的各个时刻对应的多个传感器数据和/或智能驾驶系统对所述车辆的控制数据;
确定所述预设事故场景的发生时刻;
根据所述发生时刻,从所述车辆数据中筛选出目标数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述发生时刻,从所述车辆数据中筛选出目标数据,包括:
确定所述预设事故场景对应的配置信息;
根据所述配置信息,从所述车辆数据中筛选出所述发生时刻之前第一预设时长内的所述多个传感器数据和/或所述控制数据,得到第一目标数据;
和/或,
根据所述配置信息,从所述车辆数据中筛选出所述发生时刻之后第二预设时长内的所述多个传感器数据和/或所述控制数据,得到第二目标数据。
4.根据权利要求1所述的方法,其特征在于,所述获取与所述预设事故场景对应的目标数据,包括:
接收云端下发的与所述预设事故场景对应的配置信息;
根据所述配置信息,获取与所述预设事故场景对应的目标数据。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标数据进行分析,还原事故发生场景,包括:
将所述目标数据上传至云端,以供所述云端对所述目标数据进行分析,还原事故发生场景。
6.根据权利要求2所述的方法,其特征在于,当所述多个传感器数据包括视频采集传感器采集的视频数据时,在所述采集车辆数据之后,所述方法还包括:
根据预设的脱敏规则对所述视频数据中的敏感信息进行脱敏处理,得到脱敏数据;
所述对所述目标数据进行分析,还原事故发生场景,包括:
根据所述脱敏数据进行分析,还原事故发生场景。
7.根据权利要求1或4所述的方法,其特征在于,所述方法还包括:
在所述车辆启动后,获取云端中的配置信息,检验所述云端中的配置信息是否存在更新;
当所述云端中的配置信息存在更新时,根据所述云端中的配置信息更新所述车辆中的配置信息。
8.一种分析车辆事故的装置,其特征在于,所述装置包括:
获取模块,用于确定所述车辆处于预设事故场景时,获取与所述预设事故场景对应的目标数据,所述目标数据中包括所述车辆的多个传感器数据和/或智能驾驶系统对所述车辆的控制数据;
分析模块,用于对所述目标数据进行分析,还原事故发生场景。
9.一种车辆,其特征在于,所述车辆包括:
存储器,用于存储可执行程序代码;
处理器,用于从所述存储器中调用并运行所述可执行程序代码,使得所述车辆执行如权利要求1至7中任意一项所述的方法。
10.一种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存储有计算机程序,当所述计算机程序被执行时,实现如权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389308.9A CN116572976A (zh) | 2023-04-12 | 2023-04-12 | 一种分析车辆事故的方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389308.9A CN116572976A (zh) | 2023-04-12 | 2023-04-12 | 一种分析车辆事故的方法、装置、车辆和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116572976A true CN116572976A (zh) | 2023-08-11 |
Family
ID=87533073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310389308.9A Pending CN116572976A (zh) | 2023-04-12 | 2023-04-12 | 一种分析车辆事故的方法、装置、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116572976A (zh) |
-
2023
- 2023-04-12 CN CN202310389308.9A patent/CN116572976A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6499514B2 (ja) | ドライブレコーダ、データ記録システム、データ記録方法、及び、プログラム | |
US8688380B2 (en) | Even driven data acquisition switch | |
JP5044140B2 (ja) | 事故情報収集システムおよび事故情報記録装置 | |
SG188578A1 (en) | Vehicle behavior analysis device, vehicle behavior analysis program and drive recorder | |
JP4347760B2 (ja) | 移動体の運行管理方法、システム及びその構成装置 | |
CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
US11206465B1 (en) | Adaptive methods to minimize data storage and data transfer | |
US20150006023A1 (en) | System and method for determination of vheicle accident information | |
JP2019523486A (ja) | 交通車両の動きおよび/または運転パラメータに関するデータを取得するように適合された車載装置によって記録された交通車両の異常応力を検出および検証するための方法 | |
US20060259218A1 (en) | Audio-video recorder for vehicles | |
KR100836073B1 (ko) | 캔통신을 이용한 차량용 영상블랙박스 시스템 | |
JP6313589B2 (ja) | 運行情報管理システム | |
US10977882B1 (en) | Driver health profile | |
US20240037959A1 (en) | Sensor fusion for collision detection | |
KR20150121529A (ko) | 차량용 블랙박스의 충격 감지에 따른 이벤트 영상 녹화 방법 및 그 시스템 | |
JP5627369B2 (ja) | 車載運行記録装置 | |
JP5743580B2 (ja) | ドライブレコーダ装置 | |
US20230103670A1 (en) | Video analysis for efficient sorting of event data | |
JP6600044B2 (ja) | 車載装置、及び、サーバ装置 | |
JP2012038229A (ja) | ドライブレコーダー | |
CN116572976A (zh) | 一种分析车辆事故的方法、装置、车辆和存储介质 | |
US11443528B2 (en) | Classification using multiframe analysis | |
JP2001097252A (ja) | 車両の事故データレコーダの記録部を制御する方法、および車両の事故データレコーダ | |
KR100645579B1 (ko) | 차량의 사고 기록 분석방법 | |
KR101953744B1 (ko) | 차량 주행정보 관리 장치, 서버 및 차량 주행정보 관리 방법 |
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 |