一種車輛碰撞監測方法及系統技術方案

本發明專利技術公開了一種車輛碰撞監測方法及系統，通過智能車載傳感器采集車輛的行駛數據，并上傳到云端服務器；再通過大數據實時處理系統對采集的行駛數據進行解碼、分析、處理；之后對輸入的多元時間序列進行分割和聚類，將長時間片段分割為多個子片段，并把子片段分類到固定的場景中；構建孤立森林模型，對子片段提取特征向量，將提取的特征分布輸入孤立森林模型中，得到異常分數向量；再通過模糊綜合評價方法，計算每個子片段的碰撞置信度，獲取整個長時間序列的碰撞置信度；通過碰撞決策規則，推送碰撞線索，并檢索對應的視頻傳輸至客服進行二次核驗。保證系統推送事故的準確率和響應速度。度。度。

【技術實現步驟摘要】
一種車輛碰撞監測方法及系統


[0001]本專利技術涉及車輛碰撞監測
，特別涉及一種基于多源傳感器數據異常檢測的車輛碰撞監測方法及系統。

技術介紹

[0002]在提高駕駛員交通規范監管的同時，建立一套完善的車輛碰撞實時監測系統，以便快速進行事故救援和交通梳理也是非常必要的。引入大數據、云計算、人工智能、物聯網技術等先進的數字技術，能夠最大程度地實現城市智慧交通管控的實戰意義。
[0003]當車輛發生碰撞時，車身會產生x，y，z三個軸方向的加速度、角速度，同時車輛速度、剎車油門力度均有較大突變。
[0004]目前一般是依靠多種傳感器對車輛碰撞前后的時序數據進行采樣，然后通過碰撞檢測系統對數據進行處理以及碰撞分析；當前能夠實時采集、上傳及處理多源時序數據，并且高效檢測車輛碰撞事故的系統較少，且都存在有以下問題：
[0005]1、數據采集維度單一，大部分的碰撞檢測方法只是依靠一兩個維度的加速度傳感器數據，導致碰撞檢測精度較差，無法綜合更多的車輛狀態信息來提升碰撞檢測準確度。
[0006]2、由于車輛的行駛數據復雜程度高，數據量巨大，而大多數的異常檢測模型計算復雜、對算力和內存資源消耗大，不能兼顧系統的實時性要求。
[0007]3、車輛的碰撞場景、車身損壞程度都存在較大差異，在時序數據上的表現更是千變萬化，現有方法很難對輕微碰撞、刮擦、爆胎等小事故進行召回。
[0008]4、現有點的碰撞檢測系統無法對檢測出的事故線索進行精準核實，大部分是采用電話溝通、APP交互等方式與駕駛員核實，但這樣只能核實少量事故，無法保證推送的碰撞事故較高的準確率與召回率。

技術實現思路

[0009]為解決上述問題，本專利技術提供了一種車輛碰撞監測方法，具體技術方案如下：
[0010]S1：智能車載傳感器采集車輛的行駛數據，并將采集的各種數據上傳到云端服務器；
[0011]S2：通過大數據實時處理系統對采集的行駛數據進行解碼、分析、處理后輸入到訓練好的多變量時序數據分割聚類模型中；
[0012]S3：對輸入的多元時間序列進行分割和聚類，將長時間片段分割為多個子片段，并把所述子片段分類到固定的場景中；
[0013]S4：構建孤立森林模型，對所述子片段提取特征向量，將提取的特征分布輸入到對應場景、對應特征的孤立森林模型中，得到異常分數向量；
[0014]S5：通過模糊綜合評價方法，基于每個所述子片段的異常分數向量，計算每個所述子片段的碰撞置信度，然后將所述子片段中最大的碰撞置信度作為整個長時間序列的碰撞置信度；
[0015]S6：將整個長時間序列的碰撞置信度與場景分類數據、孤立森林模型輸出以及異常子片段的特征向量，輸入碰撞決策規則引擎中，最終判斷是否推送該條線索。
[0016]進一步的，分割聚類模型，表示如下：
[0017][0018]其中，θ
i
是第i類的協方差矩陣，μ
i
是均值向量，x是輸入信號段，p
i
(x)表示該信號段屬于均值向量為μ
i
，協方差矩陣為θ
i
的高斯分布的概率。
[0019]進一步的，所述異常分數向量，獲取的具體過程如下：
[0020]S401：對個場景對應的每個特征進行單獨建模，并進行訓練；
[0021]S402：通過訓練好的孤立森林模型，對輸入的各子片段特征數據進行異常打分，輸出異常分數值，如下：
[0022][0023]其中，E(h(x))為輸入的樣本在模型t棵iTree的路徑長度的均值，c(n)為輸入的n個樣本構建一個BST二叉樹的平均路徑長度。
[0024]進一步的，所述孤立森林模型，訓練過程如下：
[0025]M1：從訓練數據中隨機選擇Ψ個點樣本點作為樣本子集，放入樹的根節點；
[0026]M2：隨機指定一個維度即特征，在當前節點數據中隨機產生一個切割點p，切割點產生于當前節點數據中指定維度的最大值和最小值之間；
[0027]M3：基于該切割點生成了一個超平面，將當前節點數據空間劃分為2個子空間，將指定維度里小于p的數據放在當前節點的左子節點，把大于等于p的數據放在當前節點的右子節點；
[0028]M4：在子節點中遞歸步驟M2和M3，不斷構造新的子節點，直到子節點中只有一個數據，即無法再繼續切割，或子節點已到達限定高度；
[0029]M5：循環執行M1至M4，直至生成t個孤立樹iTree。
[0030]進一步的，所述長時間序列的碰撞置信度，獲取過程如下：
[0031]S501：基于專家經驗，賦予不同特征在各異常程度中的權重占比，構建模糊關系矩陣；
[0032]S502：對某個子片段的各個特征的異常得分進行歸一化處理，再與模糊關系矩陣進行點乘，得到該片段特征在各異常程度上的得分；
[0033]S503：對不同異常程度的得分進行權重相乘后求和，獲得該片段的碰撞置信度；
[0034]S504：將長時間序列中分割的每個子片段對應的碰撞置信度中最大的碰撞置信度作為整個長時間序列的碰撞置信度。
[0035]進一步的，還包括：
[0036]S7：將推送的碰撞線索匹配到對應時刻的視頻，并傳輸給客服人員進行二次核查，確定為碰撞后聯系車主是否需要救援，并將該條碰撞事故信息傳輸給第三方。
[0037]本專利技術還公開了一種車輛碰撞監測系統，包括數據采集模塊、大數據實時處理單元、碰撞檢測模塊以及碰撞決策模塊；
[0038]所述數據采集模塊用于通過傳感器采集車輛的行駛數據，并傳輸至所述大數據實時處理單元；
[0039]所述大數據實時處理單元用于對數據進行解碼、分析和處理，并將處理后的數據傳輸至所述碰撞檢測模塊；
[0040]所述碰撞檢測模塊包括分割聚類模塊和異常檢測模塊，分別存儲有多變量時間序列分割聚類算法和模糊孤立森林異常檢測算法，用于計算獲取長時間序列的碰撞置信度，并將碰撞置信度以及場景分類數據、孤立森林模型輸出以及異常子片段的特征向量，傳輸至所述碰撞決策模塊；
[0041]所述碰撞決策模塊用于根據接收的數據信息，基于設定的規則，判斷是否推送該條線索，如果符合設定規則，則將該條碰撞線索推送，如果不符合設定規則，則結束。
[0042]進一步的，所述數據采集模塊還通過車輛上的視頻設備采集視頻數據，并通過算法篩選出異常的視頻數據傳輸至云端。
[0043]進一步的，異常的視頻數據篩選過程如下：
[0044]基于加速度傳感器采集的數據，獲取x，y，z軸的一階差分值，并進行求和，判斷求和結果是否大于預設閾值；
[0045]如果大于預設閾值，則將當前時刻前后設定時間段內的視頻數據作為異常的視頻數據上傳，反之，不進行上傳。
[0046]進一步的，系統還包括碰撞線索視頻匹配模塊，用于接收所述碰撞決策模塊推送的碰撞線索以及云端的視頻數據，基于推送的碰撞線索檢索匹配對應的視頻數本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種車輛碰撞監測方法，其特征在于，包括：S1：智能車載傳感器采集車輛的行駛數據，并將采集的各種數據以設定好的策略上傳到云端服務器；S2：通過大數據實時處理系統對采集的行駛數據進行解碼、分析、處理后輸入到訓練好的多變量時序數據分割聚類模型中；S3：對輸入的多元時間序列進行分割和聚類，將長時間片段分割為多個子片段，并把所述子片段分類到固定的場景中；S4：構建孤立森林模型，對所述子片段提取特征向量，將提取的特征分布輸入到對應場景、對應特征的孤立森林模型中，得到異常分數向量；S5：通過模糊綜合評價方法，基于每個所述子片段的異常分數向量，計算每個所述子片段的碰撞置信度，然后將所述子片段中最大的碰撞置信度作為整個長時間序列的碰撞置信度；S6：將整個長時間序列的碰撞置信度與場景分類數據、孤立森林模型輸出以及異常子片段的特征向量，輸入碰撞決策規則引擎中，最終判斷是否推送該條線索。2.根據權利要求1所述的車輛碰撞監測方法，其特征在于，分割聚類模型，表示如下：其中，θ
i
是第i類的協方差矩陣，μ
i
是均值向量，x是輸入信號段，p
i
(x)表示該信號段屬于均值向量為μ
i
，協方差矩陣為θ
i
的高斯分布的概率。3.根據權利要求1所述的車輛碰撞監測方法，其特征在于，所述異常分數向量，獲取的具體過程如下：S401：對個場景對應的每個特征進行單獨建模，并進行訓練；S402：通過訓練好的孤立森林模型，對輸入的各子片段特征數據進行異常打分，輸出異常分數值，如下：其中，E(h(x))為輸入的樣本在模型t棵iTree的路徑長度的均值，c(n)為輸入的n個樣本構建一個BST二叉樹的平均路徑長度。4.根據權利要求3所述的車輛碰撞監測方法，其特征在于，所述孤立森林模型，訓練過程如下：M1：從訓練數據中隨機選擇Ψ個點樣本點作為樣本子集，放入樹的根節點；M2：隨機指定一個維度即特征，在當前節點數據中隨機產生一個切割點p，切割點產生于當前節點數據中指定維度的最大值和最小值之間；M3：基于該切割點生成了一個超平面，將當前節點數據空間劃分為2個子空間，將指定維度里小于p的數據放在當前節點的左子節點，把大于等于p的數據放在當前節點的右子節點；M4：在子節點中遞歸步驟M2和M3，不斷構造新的子節點，直到子節點中只有一個數據，即無法再繼續切割，或子節點已到達限定高度；
M5：循環執行M1至M4，直至生成t個孤立樹iTr...

【專利技術屬性】
技術研發人員：唐溢，葉清明，
申請(專利權)人：成都路行通信息技術有限公司，
類型：發明
國別省市：