基于分部式的車輛遠程定損數(shù)學模型測試方法及系統(tǒng)的制作方法
【專利摘要】基于分部式的車輛遠程定損數(shù)學模型測試方法，包括：對碰撞信號進行粗判斷的步驟、對碰撞信號進行細判斷的步驟、判斷碰撞信號所屬工況的步驟；判斷零件損傷等級的步驟。本發(fā)明是通過每個步驟的判斷進行諸多影響因素的影響因子衰減，提高最終判斷的準確度。
【專利說明】
基于分部式的車輛遠程定損數(shù)學模型測試方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于數(shù)據(jù)處理及機器學習領(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]目前汽車的保有量每年在逐漸的增加，道路交通的不斷規(guī)劃使車輛的行駛速度有所提升，交通事故的發(fā)生率也在增加，但是在車輛低速行駛過程中所發(fā)生的事故對車輛所造成的損傷無法準確判斷，對用戶和保險公司都產(chǎn)生了一定危害，所以對車輛低速碰撞遠程定損具有重要的意義。在對低速行駛車輛遠程定損過程中，主要是對車輛攜帶設(shè)備所采集的加速度、角速度，以下簡稱車輛行駛信號，進行處理分析、學習判斷。
[0003]在實際車輛行駛過程中道路況狀復(fù)雜、駕駛員操作多樣等因素，對采集到的判斷信號產(chǎn)生了很多干擾，直接對采集的信號進行損傷等級檢測不但費時，而且在運算量和存儲上也造成一定程度的資源浪費。

【發(fā)明內(nèi)容】

[0004]本發(fā)明針對定損過程中不確定因素過多而對損傷等級判定結(jié)果具有較大影響的問題，發(fā)明了一種基于分部式的車輛遠程定損數(shù)學模型測試方法及系統(tǒng)，是通過每個步驟的判斷進行諸多影響因素的影響因子衰減，提高最終判斷的準確度。
[0005]—方面，本發(fā)明提供了基于分部式的車輛遠程定損數(shù)學模型測試方法，包括:對碰撞信號進行粗判斷的步驟、對碰撞信號進行細判斷的步驟、判斷碰撞信號所屬工況的步驟；判斷零件損傷等級的步驟。
[0006]具體的，對碰撞信號進行粗判斷的步驟具體為，在前端對車輛行駛信號進行實時采集并存儲N秒鐘的數(shù)據(jù)，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后N/2秒鐘，即共財少鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器。
[0007]具體的，對碰撞信號進行細判斷的步驟具體為:
[0008]S1:當有粗判斷為碰撞的信號傳來時，觸發(fā)碰撞信號細判斷模塊對新數(shù)據(jù)進行讀??；
[0009]S2:根據(jù)已經(jīng)保存好的數(shù)據(jù)預(yù)處理方法對數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；
[0010]S3:將處理好的特征輸入到事先已經(jīng)訓練好的判別模型，通過模型的判斷后，確定是否為碰撞信號:
[0011 ]如果判斷為碰撞信號，則將提取后的特征傳遞給步驟3進行判斷；
[0012]如果判斷為非碰撞信號，則保存為類碰撞信號。
[0013]具體的，步驟S2的預(yù)處理方法，包括數(shù)據(jù)的濾波、特征提取、歸一化等操作。
[0014]具體的，訓練好的判別模型為反向傳播神經(jīng)網(wǎng)絡(luò)BPNN或支持向量機SVM。
[0015]具體的，判斷碰撞信號所屬工況的步驟具體為，將提取后的特征輸入到工況模型中進行工況判斷，工況模型將輸出屬于哪種工況并進行記錄，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊。
[0016]更具體的，工況包括剛性壁工況、柱狀體工況、護欄工況、路緣石工況和防撞桶工況等。
[0017]更具體的，判斷零件損傷等級的步驟具體為，根據(jù)工況結(jié)果，選擇在該工況下每個零件的相應(yīng)的分類模型進行損傷等級的判斷，就是將提取的特征輸入到該工況下的每個零件損傷等級判斷模型中，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件及損傷的等級反饋到手機終端。
[0018]另一方面，本發(fā)明還提供了一種基于分部式的車輛遠程定損數(shù)學模型測試系統(tǒng)，包括:
[0019]碰撞信號粗判斷模塊，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后N/2秒鐘，即共1N秒鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器；
[0020]碰撞信號細判斷模塊，對疑似碰撞的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理；
[0021]判別模型，將處理好的特征輸入到該模型中，通過模型的判斷后，確定是否為碰撞信號:如果判斷為碰撞信號，則將提取后的特征傳遞給工況模型中；如果判斷為非碰撞信號，則保存為類碰撞信號；
[0022]工況模型，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊；
[0023]損傷等級判斷模塊，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件反饋到手機終端。
[0024]進一步的，本系統(tǒng)還包括手機終端，查看有損傷的零件，以及零件的損傷等級;手機終端還設(shè)有報警模塊，當碰撞信號粗判斷模塊檢測到碰撞信號時，該報警模塊進行報警提醒。
[0025]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:通過分部式的信號處理，有效的避免了在信號傳輸過程中對資源的浪費，同時也可以通過在前端的碰撞檢測粗判實現(xiàn)對用戶的報警，及時提醒用戶對事故的處理;在后臺對信號先進行工況判斷可以避免不同工況下信號特征的干擾，提高在同一工況下判斷零件損傷等級的準確率。
【附圖說明】
[0026]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。
[0027]圖1為測試損傷等級模型的方法流程圖。
【具體實施方式】
[0028]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:
[0029]實施例1
[0030]基于分部式的車輛遠程定損數(shù)學模型測試方法，包括:[0031 ]第一步，對碰撞信號進行粗判斷的步驟:
[0032]在前端對車輛行駛信號進行實時采集并存儲10秒鐘的數(shù)據(jù)，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后5秒鐘，即共10秒鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器。
[0033 ]第二步，對碰撞信號進行細判斷的步驟:
[0034]S1:當有粗判斷為碰撞的信號傳來時，觸發(fā)碰撞信號細判斷模塊對新數(shù)據(jù)進行讀?。?br>[0035]S2:根據(jù)已經(jīng)保存好的數(shù)據(jù)預(yù)處理方法對數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)的濾波、特征提取、歸一化等相關(guān)操作；
[0036]S3:將處理好的特征輸入到事先已經(jīng)訓練好的判別模型，如反向傳播神經(jīng)網(wǎng)絡(luò)BPNN或支持向量機SVM，通過模型的判斷后，確定是否為碰撞信號:
[0037]如果判斷為碰撞信號，則將提取后的特征傳遞給步驟3進行判斷；
[0038]如果判斷為非碰撞信號，則保存為類碰撞信號。
[0039]第三步，判斷碰撞信號所屬工況的步驟:
[0040]將提取后的特征輸入到工況模型中進行工況判斷，工況模型將輸出屬于哪種工況并進行記錄，所述工況包括剛性壁工況、柱狀體工況、護欄工況、路緣石工況和防撞桶工況等，把信號所屬的工況結(jié)果輸出給損傷等級判斷模塊。
[0041 ]第四步，判斷零件損傷等級的步驟:
[0042]根據(jù)工況結(jié)果，選擇在該工況下每個零件的相應(yīng)的分類模型進行損傷等級的判斷，就是將提取的特征輸入到該工況下的每個零件損傷等級判斷模型中，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件及損傷的等級反饋到手機終端。
[0043]另一方面，本發(fā)明還提供了一種基于分部式的車輛遠程定損數(shù)學模型測試系統(tǒng)，包括:
[0044]碰撞信號粗判斷模塊，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后5秒鐘，即共10秒鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器；
[0045]碰撞信號細判斷模塊，對疑似碰撞的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理;數(shù)據(jù)預(yù)處理包括數(shù)據(jù)的濾波、特征提取、歸一化等相關(guān)操作。
[0046]判別模型，將處理好的特征輸入到該模型中，通過模型的判斷后，確定是否為碰撞信號:如果判斷為碰撞信號，則將提取后的特征傳遞給工況模型中；如果判斷為非碰撞信號，則保存為類碰撞信號；
[0047]工況模型，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊；
[0048]損傷等級判斷模塊，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件反饋到手機終端；
[0049]手機終端，查看有損傷的零件，以及零件的損傷等級;手機終端還設(shè)有報警模塊，當碰撞信號粗判斷模塊檢測到碰撞信號時，該報警模塊進行報警提醒。
[0050]實施例2
[0051 ]基于分部式的車輛遠程定損數(shù)學模型測試方法，包括:
[0052 ]第一步，對碰撞信號進行粗判斷的步驟:
[0053]在前端對車輛行駛信號進行實時采集并存儲6秒鐘的數(shù)據(jù)，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后3秒鐘，即共6秒鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器。
[0054]第二步，對碰撞信號進行細判斷的步驟:
[0055]S1:當有粗判斷為碰撞的信號傳來時，觸發(fā)碰撞信號細判斷模塊對新數(shù)據(jù)進行讀??；
[0056]S2:根據(jù)已經(jīng)保存好的數(shù)據(jù)預(yù)處理方法對數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)的濾波、特征提取、歸一化等相關(guān)操作；
[0057]S3:將處理好的特征輸入到事先已經(jīng)訓練好的判別模型，如反向傳播神經(jīng)網(wǎng)絡(luò)BPNN或支持向量機SVM，通過模型的判斷后，確定是否為碰撞信號:
[0058]如果判斷為碰撞信號，則將提取后的特征傳遞給步驟3進行判斷；
[0059]如果判斷為非碰撞信號，則保存為類碰撞信號。
[0060]第三步，判斷碰撞信號所屬工況的步驟:
[0061]將提取后的特征輸入到工況模型中進行工況判斷，工況模型將輸出屬于哪種工況并進行記錄，所述工況包括剛性壁工況、柱狀體工況、護欄工況、路緣石工況和防撞桶工況等，把信號所屬的工況結(jié)果輸出給損傷等級判斷模塊。
[0062]第四步，判斷零件損傷等級的步驟:
[0063]根據(jù)工況結(jié)果，選擇在該工況下每個零件的相應(yīng)的分類模型進行損傷等級的判斷，就是將提取的特征輸入到該工況下的每個零件損傷等級判斷模型中，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件反饋到手機終端。
[0064]另一方面，本發(fā)明還提供了一種基于分部式的車輛遠程定損數(shù)學模型測試系統(tǒng)，包括:
[0065]碰撞信號粗判斷模塊，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后3秒鐘，即共6秒鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器；
[0066]碰撞信號細判斷模塊，對疑似碰撞的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理;數(shù)據(jù)預(yù)處理包括數(shù)據(jù)的濾波、特征提取、歸一化等相關(guān)操作。
[0067]判別模型，將處理好的特征輸入到該模型中，通過模型的判斷后，確定是否為碰撞信號:如果判斷為碰撞信號，則將提取后的特征傳遞給工況模型中；如果判斷為非碰撞信號，則保存為類碰撞信號；
[0068]工況模型，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊；
[0069]損傷等級判斷模塊，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件反饋到手機終端；
[0070]手機終端，查看有損傷的零件，以及零件的損傷等級;手機終端還設(shè)有報警模塊，當碰撞信號粗判斷模塊檢測到碰撞信號時，該報警模塊進行報警提醒。
[0071]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.基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，包括:對碰撞信號進行粗判斷的步驟、對碰撞信號進行細判斷的步驟、判斷碰撞信號所屬工況的步驟、判斷零件損傷等級的步驟。2.根據(jù)權(quán)利要求1所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，對碰撞信號進行粗判斷的步驟具體為，在前端對車輛行駛信號進行實時采集并存儲N秒鐘的數(shù)據(jù)，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后N/2秒鐘，即共財少鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器。3.根據(jù)權(quán)利要求1所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，對碰撞信號進行細判斷的步驟具體為: S1:當有粗判斷為碰撞的信號傳來時，觸發(fā)碰撞信號細判斷模塊對新數(shù)據(jù)進行讀??； S2:根據(jù)已經(jīng)保存好的數(shù)據(jù)預(yù)處理方法對數(shù)據(jù)進行數(shù)據(jù)預(yù)處理； S3:將處理好的特征輸入到事先已經(jīng)訓練好的判別模型，通過模型的判斷后，確定是否為碰撞信號: 如果判斷為碰撞信號，則將提取后的特征傳遞給步驟3進行判斷； 如果判斷為非碰撞信號，則保存為類碰撞信號。4.根據(jù)權(quán)利要求3所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，步驟S2的預(yù)處理方法，包括數(shù)據(jù)的濾波、特征提取、歸一化等操作。5.根據(jù)權(quán)利要求3所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，訓練好的判別模型為反向傳播神經(jīng)網(wǎng)絡(luò)BPNN或支持向量機SVM。6.根據(jù)權(quán)利要求1所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，判斷碰撞信號所屬工況的步驟具體為，將提取后的特征輸入到工況模型中進行工況判斷，工況模型將輸出屬于哪種工況并進行記錄，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊。7.根據(jù)權(quán)利要求6所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，工況包括剛性壁工況、柱狀體工況、護欄工況、路緣石工況和防撞桶工況等。8.根據(jù)權(quán)利要求1所述的基于分部式的車輛遠程定損數(shù)學模型測試方法，其特征在于，判斷零件損傷等級的步驟具體為，根據(jù)工況結(jié)果，將提取的特征輸入到該工況下的每個零件損傷等級判斷模型中，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件及損傷的等級反饋到手機終端。9.一種基于分部式的車輛遠程定損數(shù)學模型測試系統(tǒng)，其特征在于，包括: 碰撞信號粗判斷模塊，根據(jù)閾值對當前時刻碰撞信號進行粗略判斷，若有疑似碰撞的信號產(chǎn)生，截取當前時刻的前后N/2秒鐘，即共財少鐘的數(shù)據(jù)通過云端上傳到后臺服務(wù)器； 碰撞信號細判斷模塊，對疑似碰撞的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理； 判別模型，將處理好的特征輸入到該模型中，通過模型的判斷后，確定是否為碰撞信號:如果判斷為碰撞信號，則將提取后的特征傳遞給工況模型中；如果判斷為非碰撞信號，則保存為類碰撞信號； 工況模型，將信號所屬的工況結(jié)果輸出給損傷等級判斷模塊； 損傷等級判斷模塊，對每一個零件的損傷等級進行判斷輸出，最終將有損傷的零件反饋到手機終端。10.根據(jù)權(quán)利要求9所述的基于分部式的車輛遠程定損數(shù)學模型測試系統(tǒng)，其特征在于，本系統(tǒng)還包括手機終端，查看有損傷的零件，以及零件的損傷等級;手機終端還設(shè)有報警模塊，當碰撞信號粗判斷模塊檢測到碰撞信號時，該報警模塊進行報警提醒。
【文檔編號】G06K9/62GK106067033SQ201610364071
【公開日】2016年11月2日
【申請日】2016年5月27日 公開號201610364071.9, CN 106067033 A, CN 106067033A, CN 201610364071, CN-A-106067033, CN106067033 A, CN106067033A, CN201610364071, CN201610364071.9
【發(fā)明人】田雨農(nóng), 鄒秋霞
【申請人】大連樓蘭科技股份有限公司