一种车辆碰撞识别方法技术

本发明专利技术公开了一种车辆碰撞识别方法

【技术实现步骤摘要】
一种车辆碰撞识别方法、电子设备及存储介质


[0001]本专利技术涉及数据处理领域，尤其涉及一种车辆碰撞识别方法
、
电子设备及存储介质
。

技术介绍

[0002]大量调查显示，在道路交通事故发生后，特别是碰撞事故发生后，救援不及时造成的伤亡人数远大于事故直接导致的伤亡人数
。
[0003]碰撞识别的目的是准确快速地检测碰撞时间和位置，这将减少碰撞事故造成的延误和不便，便于迅速派遣紧急服务，降低二次碰撞的风险
。
[0004]有鉴于此，特提出本专利技术
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种车辆碰撞识别方法
、
电子设备及存储介质，实现了对车辆碰撞事件的准确识别
。
[0006]本专利技术实施例提供了一种车辆碰撞识别方法，该方法包括：获取多个样本对，各样本对包括碰撞阶段的第一时序数据和碰撞发生前非碰撞阶段的第二时序数据，所述第一时序数据和第二时序数据包括车辆在每个时刻的减速度变化率的绝对值；按照预设步长对各样本对中的第一时序数据和第二时序数据分别进行分组，并统计每个分组中减速度变化率的绝对值；根据每个分组中减速度变化率的绝对值，确定每个时刻下所述绝对值的极大值，以获得碰撞阶段减速度变化率的绝对值的第一序列以及非碰撞阶段减速度变化率的绝对值的第二序列；基于所述第一序列以及第二序列，利用最大似然估计法拟合得到碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数；基于概率图对所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数分别进行拟合优度检验；当所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数均通过拟合优度检验时，由所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数组成分类模型，所述分类模型用于对碰撞事件与非碰撞事件进行分类；针对多个预设减速度变化率的识别阈值，分别计算所述分类模型的灵敏度值和特异性值，获得多个灵敏度值和特异性值的数值组合；
根据所述多个灵敏度值和特异性值的数值组合，对所述分类模型的分类能力进行检验，当所述分类模型通过检验时，根据所述多个灵敏度值和特异性值的数值组合确定碰撞阈值；基于所述碰撞阈值对车辆进行碰撞识别
。
[0007]本专利技术实施例提供了一种电子设备，所述电子设备包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的车辆碰撞识别方法的步骤
。
[0008]本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的车辆碰撞识别方法的步骤
。
[0009]本专利技术实施例提供的车辆碰撞识别方法，首先基于历史碰撞相关的数据确定多个样本对，并从样本对中统计减速度变化率的绝对值，而后进行数据拟合，获得碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数，并构建分类模型，基于分类模型的灵敏度值和特异性值对分类模型的分类能力进行检验，并确定碰撞阈值，最后基于碰撞阈值进行碰撞识别
。
通过减速度变化率的绝对值表征驾驶员执行的防御性驾驶行为，以此来预测碰撞事件，使得预测结果更为可靠，是一种全新的碰撞识别方法，可提高车路协同系统识别碰撞的自动化水平，可以预知风险，为车辆碰撞识别技术提供了新的视角
。
附图说明
[0010]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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，还可以根据这些附图获得其他的附图
。
[0011]图1是本专利技术实施例提供的一种车辆碰撞识别方法的流程示意图；图2是本专利技术实施例提供的一种基于所述广义极值分布概率密度函数绘制的概率图的示意图；图3是本专利技术实施例提供的一种分类模型的示意图；图4是本专利技术实施例提供的一种
ROC
曲线的示意图；图5是本专利技术实施例提供的一种在减速率的绝对值范围内的不同节点下，灵敏度值和特异性值的变化曲线和识别阈值的优化过程示意图；图6是本专利技术实施例提供的一种在非碰撞与碰撞事件的广义极值分布概率密度函数上定义的最佳识别阈值的位置示意图；图7是本专利技术实施例提供的一种车辆碰撞识别方法的流程示意图；图8为本专利技术实施例提供的一种电子设备的结构示意图
。
具体实施方式
[0012]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚
、
完整的描述
。
显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围
。
[0013]图1是本专利技术实施例提供的一种车辆碰撞识别方法的流程示意图，该方法可由车辆碰撞识别装置执行，该测试装置可通过软件和
/
或硬件的方式实现
。
所述方法包括如下步骤：
S110、
获取多个样本对，各样本对包括碰撞阶段的第一时序数据和碰撞发生前非碰撞阶段的第二时序数据，所述第一时序数据和第二时序数据包括车辆在每个时刻的减速度变化率的绝对值
。
[0014]示例性的，步骤
S110
包括：
S111、
从历史数据库中查询车辆历史碰撞事件关联的第三时序数据，所述第三时序数据包括车辆在每个时刻的减速度以及碰撞时间
。
[0015]其中，历史数据库中车辆历史碰撞事件关联的第三时序数据可以是通过模拟驾驶的方式产生的，也可以是真实碰撞事故产生的，还可以是两者的组合
。
[0016]具体的，以
10
次
/
秒的采样频率从历史数据库中获取所述第三时序数据，根据该采样频率以及每时刻对应的减速度计算对应的减速度变化率，并取其绝对值
。
[0017]S112、
将碰撞时间等于预设值时的时刻确定为分界时刻
。
[0018]S113、
将所述分界时刻之前第一预设时间段内的所述第三时序数据确定为所述碰撞发生前非碰撞阶段的第二时序数据，将所述分界时刻之后第二预设时间段内的所述第三时序数据确定为所述碰撞阶段的第一时序数据
。
[0019]所述预设值可以是经验值，也可以是车辆采取避险行为的时刻所对应的碰撞时间
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车辆碰撞识别方法，其特征在于，包括：获取多个样本对，各样本对包括碰撞阶段的第一时序数据和碰撞发生前非碰撞阶段的第二时序数据，所述第一时序数据和第二时序数据包括车辆在每个时刻的减速度变化率的绝对值；按照预设步长对各样本对中的第一时序数据和第二时序数据分别进行分组，并统计每个分组中减速度变化率的绝对值；根据每个分组中减速度变化率的绝对值，确定每个时刻下所述绝对值的极大值，以获得碰撞阶段减速度变化率的绝对值的第一序列以及非碰撞阶段减速度变化率的绝对值的第二序列；基于所述第一序列以及第二序列，利用最大似然估计法拟合得到碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数；基于概率图对所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数分别进行拟合优度检验；当所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数均通过拟合优度检验时，由所述碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数和非碰撞阶段减速度变化率的绝对值的广义极值分布概率密度函数组成分类模型，所述分类模型用于对碰撞事件与非碰撞事件进行分类；针对多个预设减速度变化率的识别阈值，分别计算所述分类模型的灵敏度值和特异性值，获得多个灵敏度值和特异性值的数值组合；根据所述多个灵敏度值和特异性值的数值组合，对所述分类模型的分类能力进行检验，当所述分类模型通过检验时，根据所述多个灵敏度值和特异性值的数值组合确定碰撞阈值；基于所述碰撞阈值对车辆进行碰撞识别
。2.
根据权利要求1所述的方法，其特征在于，所述获取多个样本对，各样本对包括碰撞阶段的第一时序数据和碰撞发生前非碰撞阶段的第二时序数据，包括：从历史数据库中查询车辆历史碰撞事件关联的第三时序数据，所述第三时序数据包括车辆在每个时刻的减速度变化率的绝对值以及碰撞时间；将碰撞时间等于预设值时的时刻确定为分界时刻；将所述分界时刻之前第一预设时间段内的所述第三时序数据确定为所述碰撞发生前非碰撞阶段的第二时序数据，将所述分界时刻之后第二预设时间段内的所述第三时序数据确定为所述碰撞阶段的第一时序数据
。3.
根据权利要求1所述的方法，其特征在于，所述根据所述多个灵敏度值和特异性值的数值组合，对所述分类模型的分类能力进行检验，包括：根据所述多个灵敏度值和特异性值的数值组合绘制

【专利技术属性】
技术研发人员：王文霞，林淼，郑宝成，王鹏，李晓虎，辛宁，范宇坤，时玉正，张润，丛浩，于磊，杨志强，何世涯，吴星安，周冉，
申请(专利权)人：北京中机车辆司法鉴定中心中汽数据有限公司，
类型：发明
国别省市：