車輛遠程自動定損碰撞檢測方法及系統(tǒng)的制作方法
【專利摘要】車輛遠程自動定損碰撞檢測方法及系統(tǒng)，包括：建立碰撞檢測模型的步驟、訓(xùn)練碰撞檢測模型的步驟、碰撞初級檢測的步驟、碰撞信號采集的步驟、碰撞二次檢測判斷的步驟。本發(fā)明是針對在損傷等級判斷模型確定的過程中諸多因素的多變性而設(shè)計的,本申請可以達到秒級自動判定車輛碰撞的時間及地點，從而減少車輛理賠過程中的偽造事故的騙?，F(xiàn)象，同時提高保險理賠的時效性。
【專利說明】
車輛遠程自動定損碰撞檢測方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于車輛遠程自動定損領(lǐng)域，具體說是車輛遠程自動定損碰撞檢測方法及系統(tǒng)。
【背景技術(shù)】
[0002]車輛低速運動，包括低速道路行駛、車輛停靠等。低速運動過程中的碰撞事故是交通事故中比重最大的一類。碰撞后，保險公司在理賠過程中采用的人工定損方式主觀性強，經(jīng)常會導(dǎo)致理賠糾紛。此外，傳統(tǒng)定損為了事故車輛定損的準確性需要進行車輛拆解，這也額外增加了保險理賠的費用。遠程自動定損系統(tǒng)，一方面解決了定損員進行定損的主觀性和減少聯(lián)合騙保的機率；另一方面可避免事故車輛的拆解費用，從而大大提升在?？蛻舻臐M意度和事故保險理賠的規(guī)范化。遠程自動定損技術(shù)通過采集車輛行駛過程中的多種信號，如速度、加速度、角速度、聲音等，運用信號處理和機器學(xué)習(xí)技術(shù)對采集到的信號進行智能化處理，以實現(xiàn)自動判斷碰撞是否發(fā)生以及碰撞后車輛的損毀情況。其中碰撞檢測是該定損過程中最重要的環(huán)節(jié)之一，建立碰撞過程模型并通過檢測碰撞過程的信號特征判定碰撞是否發(fā)生是其中的關(guān)鍵技術(shù)之一。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提出了一種車輛遠程自動定損碰撞檢測方法及系統(tǒng)，是針對在損傷等級判斷模型確定的過程中諸多因素的多變性而設(shè)計的，本申請可以達到秒級自動判定車輛碰撞的時間及地點，從而減少車輛理賠過程中的偽造事故的騙?，F(xiàn)象，同時提高保險理賠的時效性。
[0004]—方面，本發(fā)明提供了車輛遠程自動定損碰撞檢測方法，包括:建立碰撞檢測模型的步驟、訓(xùn)練碰撞檢測模型的步驟、碰撞初級檢測的步驟、碰撞信號采集的步驟、碰撞二次檢測判斷的步驟。
[0005]具體的，通過分析在不同工況、車速、角度、車型等情況下，碰撞發(fā)生時車輛產(chǎn)生信號的不同特征，建立對碰撞過程進行描述的碰撞檢測模型。
[0006]具體的，訓(xùn)練碰撞檢測模型，通過對碰撞檢測模型進行仿真計算，確定碰撞檢測判定的信號特征，以SVM、隨機森林等機器學(xué)習(xí)算法為核心，利用仿真數(shù)據(jù)和實測數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)，通過學(xué)習(xí)建立自動判斷碰撞的參數(shù)模型，然后將該參數(shù)模型作為計算機的知識存入云平臺知識庫。
[0007]具體的，碰撞初級檢測是通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，對發(fā)生或疑似發(fā)生碰撞信號的檢測和提取。
[0008]具體的，經(jīng)過碰撞初級檢測后，碰撞信號采集通過車載OBD傳感器設(shè)備在發(fā)生或者疑似發(fā)生碰撞事故時，截取一定時長的監(jiān)測信號，自動上傳數(shù)據(jù)至云平臺。
[0009]更具體的，碰撞二次檢測判斷的步驟具體為，上傳到云平臺的數(shù)據(jù)，經(jīng)過濾波、特征提取與特征變換、標準化等預(yù)處理后，輸入SVM碰撞檢測模型中進行運算，得出車輛是否發(fā)生真實碰撞的結(jié)論。
[0010]另一方面，本發(fā)明還提供了一種車輛遠程自動定損碰撞檢測系統(tǒng)，包括:
[0011]碰撞檢測模型，利用車載傳感器設(shè)備的數(shù)據(jù)采集信息，以速度、加速度、角速度等信號的時域和頻域特征作為描述參數(shù)，并加入時間、地點、音頻、圖像等相關(guān)的環(huán)境信息作為輔助參數(shù)，對碰撞過程進行全方位描述；
[0012]碰撞檢測訓(xùn)練模型，對SVM、隨機森林等不同機器學(xué)習(xí)方法的參數(shù)尋優(yōu)以及經(jīng)驗數(shù)據(jù)分析；
[0013]碰撞初級檢測模型，通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，進行發(fā)生或疑似發(fā)生碰撞信號的檢測和提?。?br>[0014]碰撞檢測模型數(shù)據(jù)庫，將仿真碰撞數(shù)據(jù)、實測數(shù)據(jù)及相關(guān)的預(yù)處理數(shù)據(jù)按照不同機器學(xué)習(xí)方法建立碰撞檢測模型數(shù)據(jù)庫；
[0015]車載傳感器設(shè)備，進行數(shù)據(jù)的傳輸和采集，獲得疑似事故發(fā)生時車輛的的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)；
[0016]碰撞信號數(shù)據(jù)的預(yù)處理模塊:通過FIR、CHE等濾波技術(shù)，提取信號的真實波形，并選擇有效的碰撞描述特征；
[0017]碰撞二次檢測模型，將仿真數(shù)據(jù)和實際經(jīng)驗數(shù)據(jù)結(jié)合，在大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ)上實現(xiàn)自動判斷碰撞是否真實發(fā)生；
[0018]車輛定損數(shù)據(jù)庫，是基于仿真進行大量事故樣本建立得到，根據(jù)碰撞仿真的事故重現(xiàn)數(shù)據(jù)結(jié)合定損專家及自動定損模塊進行基于每一車型的事故定損，從而針對每一輛車型的事故只需要進行OBD數(shù)據(jù)分析即可知道車輛的損傷及整車的定損；
[0019]遠程無人碰撞檢測技術(shù)知識庫:固化遠程無人碰撞檢測技術(shù)的相關(guān)知識及成果。
[0020]進一步的，疑似事故發(fā)生時刻車輛的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)，一方面可以通過云平臺的碰撞檢測技術(shù)最終判定是否真實發(fā)生了碰撞;另一方面所采集到的真實碰撞數(shù)據(jù)可以作為遠程定損模型的訓(xùn)練樣本進一步完善定損模型的訓(xùn)練精度。
[0021]進一步的，基于大數(shù)據(jù)的云平臺和人工智能學(xué)習(xí)方法，建立車輛碰撞檢測數(shù)據(jù)庫/知識庫。
[0022]更具體的，將事故和仿真形成的車輛碰撞數(shù)據(jù)庫的各種資源封裝和虛擬化，碰撞檢測訓(xùn)練模型、預(yù)處理模塊，模型數(shù)據(jù)庫/知識庫等，將封裝成碰撞檢測應(yīng)用模塊為各種具體的應(yīng)用服務(wù)，形成符合標準接口的功能化模塊。
[0023]本發(fā)明由于采用以上技術(shù)方法，能夠取得如下的技術(shù)效果:本發(fā)明通過車輛遠程自動定損碰撞檢測模型與技術(shù)可以達到秒級自動判定車輛碰撞的時間及地點，從而減少車輛理賠過程中的偽造事故的騙?，F(xiàn)象，同時提高保險理賠的時效性;碰撞檢測精度高。
【附圖說明】
[0024]為了更清楚的說明本發(fā)明的實施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0025]圖1為車輛遠程自動定損碰撞檢測系統(tǒng)結(jié)構(gòu)示意圖。
【具體實施方式】
[0026]為使本發(fā)明的實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚完整的描述:
[0027]實施例1
[0028]本發(fā)明提供了車輛遠程自動定損碰撞檢測方法，包括:
[0029]S1:建立碰撞檢測模型的步驟，通過分析在不同工況、車速、角度、車型等情況下，碰撞發(fā)生時車輛產(chǎn)生信號的不同特征，建立對碰撞過程進行描述的碰撞檢測模型。
[0030]S2:訓(xùn)練碰撞檢測模型的步驟，通過對碰撞檢測模型進行仿真計算，確定碰撞檢測判定的信號特征，以SVM(支持向量機)、隨機森林等機器學(xué)習(xí)算法為核心，利用仿真數(shù)據(jù)和實測數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)，通過學(xué)習(xí)建立自動判斷碰撞的參數(shù)模型，然后將該參數(shù)模型作為計算機的知識存入云平臺知識庫。
[0031]S3:碰撞初級檢測的步驟，是通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，對發(fā)生或疑似發(fā)生碰撞信號的檢測和提取。
[0032]S4:碰撞信號采集的步驟，經(jīng)過碰撞初級檢測后，碰撞信號采集通過車載OBD傳感器設(shè)備在發(fā)生或者疑似發(fā)生碰撞事故時，截取一定時長的監(jiān)測信號，如5s、8s、10s，自動上傳數(shù)據(jù)至云平臺。
[0033]S5:碰撞二次檢測判斷的步驟，上傳到云平臺的數(shù)據(jù)，經(jīng)過濾波、特征提取與特征變換、標準化等預(yù)處理后，輸入SVM碰撞檢測模型中進行運算，得出車輛是否發(fā)生真實碰撞的結(jié)論。該結(jié)果可以作為進一步判定車輛損傷等級的基礎(chǔ)信號，用于啟動損傷等級的判定。
[0034]實施例2
[0035]本發(fā)明還提供了一種車輛遠程自動定損碰撞檢測系統(tǒng)，包括:
[0036]碰撞檢測模型，利用車載傳感器設(shè)備的數(shù)據(jù)采集信息，以速度、加速度、角速度等信號的時域和頻域特征作為描述參數(shù)，并加入時間、地點、音頻、圖像等相關(guān)的環(huán)境信息作為輔助參數(shù)，對碰撞過程進行全方位描述；
[0037]碰撞檢測訓(xùn)練模型，對SVM(支持向量機)、隨機森林等不同機器學(xué)習(xí)方法的參數(shù)尋優(yōu)以及經(jīng)驗數(shù)據(jù)分析；
[0038]碰撞初級檢測模型，通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，進行發(fā)生或疑似發(fā)生碰撞信號的檢測和提??；
[0039]碰撞檢測模型數(shù)據(jù)庫，將仿真碰撞數(shù)據(jù)、實測數(shù)據(jù)及相關(guān)的預(yù)處理數(shù)據(jù)按照不同機器學(xué)習(xí)方法建立碰撞檢測模型數(shù)據(jù)庫；
[0040]車載傳感器設(shè)備，進行數(shù)據(jù)的傳輸和采集，獲得疑似事故發(fā)生時車輛的的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)；
[0041]碰撞信號數(shù)據(jù)的預(yù)處理模塊:通過FIR、CHE等濾波技術(shù)，提取信號的真實波形，并選擇有效的碰撞描述特征；
[0042]碰撞二次檢測模型，基于SVM(支持向量機)、隨機森林等人工智能算法，將仿真數(shù)據(jù)和實際經(jīng)驗數(shù)據(jù)結(jié)合，在大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ)上實現(xiàn)自動判斷碰撞是否真實發(fā)生；
[0043]車輛定損數(shù)據(jù)庫，是基于仿真進行大量事故樣本建立得到，因為針對每一輛車型的事故只需要進行OBD數(shù)據(jù)分析即可知道車輛的損傷及整車的定損；
[0044]遠程無人碰撞檢測技術(shù)的知識庫:遠程無人碰撞檢測技術(shù)知識庫:固化遠程無人碰撞檢測技術(shù)的相關(guān)知識及成果。
[0045]疑似事故發(fā)生時刻車輛的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)，一方面可以通過云平臺的碰撞檢測技術(shù)最終判定是否真實發(fā)生了碰撞；另一方面所采集到的真實碰撞數(shù)據(jù)可以作為遠程定損模型的訓(xùn)練樣本進一步完善定損模型的訓(xùn)練精度。
[0046]基于大數(shù)據(jù)的云平臺和人工智能學(xué)習(xí)方法，建立車輛碰撞檢測數(shù)據(jù)庫/知識庫。為車輛遠程無人定損等相關(guān)領(lǐng)域的應(yīng)用奠定了技術(shù)基礎(chǔ)。同時車輛碰撞檢測數(shù)據(jù)庫/知識庫還為車輛無人駕駛安全提供了可借鑒的數(shù)據(jù)資料。
[0047]將事故和仿真形成的車輛碰撞數(shù)據(jù)庫的各種資源封裝和虛擬化，碰撞檢測訓(xùn)練模型、預(yù)處理模塊，模型數(shù)據(jù)庫/知識庫等，將封裝成碰撞檢測應(yīng)用模塊為各種具體的應(yīng)用服務(wù)，形成符合標準接口的功能化模塊。
[0048]以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.車輛遠程自動定損碰撞檢測方法，其特征在于，包括:建立碰撞檢測模型的步驟、訓(xùn)練碰撞檢測模型的步驟、碰撞初級檢測的步驟、碰撞信號采集的步驟、碰撞二次檢測判斷的步驟。2.根據(jù)權(quán)利要求1所述的車輛遠程自動定損碰撞檢測方法，其特征在于，通過分析在不同工況、車速、角度、車型等情況下，碰撞發(fā)生時車輛產(chǎn)生信號的不同特征，建立對碰撞過程進行描述的碰撞檢測模型。3.根據(jù)權(quán)利要求1所述的車輛遠程自動定損碰撞檢測方法，其特征在于，訓(xùn)練碰撞檢測模型，通過對碰撞檢測模型進行仿真計算，確定碰撞檢測判定的信號特征，以SVM、隨機森林等機器學(xué)習(xí)算法為核心，利用仿真數(shù)據(jù)和實測數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)，通過學(xué)習(xí)建立自動判斷碰撞的參數(shù)模型，然后將該參數(shù)模型作為計算機的知識存入云平臺知識庫。4.根據(jù)權(quán)利要求1所述的車輛遠程自動定損碰撞檢測方法，其特征在于，碰撞初級檢測是通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，對發(fā)生或疑似發(fā)生碰撞信號的檢測和提取。5.根據(jù)權(quán)利要求1所述的車輛遠程自動定損碰撞檢測方法，其特征在于，經(jīng)過碰撞初級檢測后，碰撞信號采集通過車載OBD傳感器設(shè)備在發(fā)生或者疑似發(fā)生碰撞事故時，截取一定時長的監(jiān)測信號，自動上傳數(shù)據(jù)至云平臺。6.根據(jù)權(quán)利要求1所述的車輛遠程自動定損碰撞檢測方法，其特征在于，碰撞二次檢測判斷的步驟具體為，上傳到云平臺的數(shù)據(jù)，經(jīng)過濾波、特征提取與特征變換、標準化等預(yù)處理后，輸入SVM碰撞檢測模型中進行運算，得出車輛是否發(fā)生真實碰撞的結(jié)論。7.一種車輛遠程自動定損碰撞檢測系統(tǒng)，其特征在于，包括: 碰撞檢測模型，利用車載傳感器設(shè)備的數(shù)據(jù)采集信息，以速度、加速度、角速度等信號的時域和頻域特征作為描述參數(shù)，并加入時間、地點、音頻、圖像等相關(guān)的環(huán)境信息作為輔助參數(shù)，對碰撞過程進行全方位描述； 碰撞檢測訓(xùn)練模型，對SVM參數(shù)等不同機器學(xué)習(xí)方法的尋優(yōu)以及經(jīng)驗數(shù)據(jù)分析； 碰撞初級檢測模型，通過實測及仿真碰撞數(shù)據(jù)設(shè)定碰撞多域值判定，進行發(fā)生或疑似發(fā)生碰撞信號的檢測和提取； 碰撞檢測模型數(shù)據(jù)庫，將仿真碰撞數(shù)據(jù)、實測數(shù)據(jù)及相關(guān)的預(yù)處理數(shù)據(jù)按照不同機器學(xué)習(xí)方法建立碰撞檢測模型數(shù)據(jù)庫； 車載傳感器設(shè)備，進行數(shù)據(jù)的傳輸和采集，獲得疑似事故發(fā)生時車輛的的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)； 碰撞信號數(shù)據(jù)的預(yù)處理模塊:通過FIR、CHE等濾波技術(shù)，提取信號的真實波形，并選擇有效的碰撞描述特征； 碰撞二次檢測模型，將仿真數(shù)據(jù)和實際經(jīng)驗數(shù)據(jù)結(jié)合，在大數(shù)據(jù)學(xué)習(xí)的基礎(chǔ)上實現(xiàn)自動判斷碰撞是否真實發(fā)生； 車輛定損數(shù)據(jù)庫，是基于仿真進行大量事故樣本建立得到，針對每一輛車型的事故只需要進行OBD數(shù)據(jù)分析即可知道車輛的損傷及整車的定損。8.根據(jù)權(quán)利要求7所述的車輛遠程自動定損碰撞檢測系統(tǒng)，其特征在于，疑似事故發(fā)生時刻車輛的三軸加速度、三軸角速度、速度、時間、地點、音頻數(shù)據(jù)、圖像數(shù)據(jù)，一方面通過云平臺的碰撞檢測技術(shù)最終判定是否真實發(fā)生了碰撞;另一方面所采集到數(shù)據(jù)進一步完善遠程定損模型。9.根據(jù)權(quán)利要求7所述的車輛遠程自動定損碰撞檢測系統(tǒng)，其特征在于，基于大數(shù)據(jù)的云平臺和人工智能學(xué)習(xí)方法，建立車輛碰撞檢測數(shù)據(jù)庫和知識庫。10.根據(jù)權(quán)利要求7所述的車輛遠程自動定損碰撞檢測系統(tǒng)，其特征在于，將事故和仿真形成的車輛碰撞數(shù)據(jù)庫的各種資源封裝和虛擬化，碰撞檢測訓(xùn)練模型、預(yù)處理模塊，模型數(shù)據(jù)庫和知識庫等，將封裝成碰撞檢測應(yīng)用模塊為各種具體的應(yīng)用服務(wù)，形成符合標準接口的功能化模塊。
【文檔編號】G07C5/00GK105976449SQ201610365730
【公開日】2016年9月28日
【申請日】2016年5月27日
【發(fā)明人】田雨農(nóng), 張虹
【申請人】大連樓蘭科技股份有限公司