一种基于车联网主动识别事故的方法技术

一种基于车联网主动识别事故的方法，包括以下步骤：S1、在车辆上安装车联网硬件设备，包括ADAS和DSM；S2、搭建车联网数据采集处理平台，实现车联网数据的实时采集和处理；S3、利用数据挖掘技术挖掘分析车联网数据并提取特征因子，基于行业知识构建专家打分模型，基于历史事故数据训练机器学习模型，最终组合得到事故识别模型；S4、基于事故识别模型进行事故主动识别；S5、获取事故的车联网数据。本发明专利技术通过构建事故识别模型来对车联网数据进行挖掘分析，实现对车辆事故的主动识别，第一时间了解事故的发生，有助于救援和安全管理，而且设备采集的事故数据作为车辆出险证据，方便出险证据的收集，也有利于保险公司用于保险反欺诈，使用效果极佳。

【技术实现步骤摘要】
一种基于车联网主动识别事故的方法
本专利技术涉及事故识别
，尤其涉及一种基于车联网主动识别事故的方法。
技术介绍
交通事故是指车辆在道路上因过错或者意外造成人身伤亡或者财产损失的事件，交通事故不仅是由不特定的人员违反交通管理法规造成的，也可以是由于地震、台风、山洪、雷击等不可抗拒的自然灾害造成；车辆在行驶中，由于受到驾驶员、车况、路况等因素的影响，极易发生交通事故，而第一时间知道事故的发生，对道路救援、交通管制、保险理赔等有着重要意义；以往要想知道事故的发生，需要现场人员主动上报，从软件角度来看，这样的方式存在对事故登记的不便捷，并且事故的真实性也不可控。
技术实现思路
(一)专利技术目的为解决
技术介绍
中存在的技术问题，本专利技术提出一种基于车联网主动识别事故的方法，通过在车辆上安装车联网设备以采集车联网数据，并通过构建事故识别模型来对车联网数据进行挖掘分析，从而实现对车辆事故的主动识别，能够第一时间了解事故的发生，有助于救援和安全管理，而且设备采集的事故数据作为车辆出险证据，方便出险证据的收集，也有利本文档来自技高网...

【技术保护点】
1.一种基于车联网主动识别事故的方法，其特征在于，包括以下步骤：/nS1、在车辆上安装车联网硬件设备，安装的车联网硬件设备包括ADAS和DSM，ADAS为高级驾驶辅助系统，DSM为驾驶员状态监测系统；/nS2、搭建车联网数据采集处理平台，以实现车联网数据的实时采集和处理；/nS3、利用数据挖掘技术挖掘分析车联网数据并提取特征因子，基于行业知识构建专家打分模型，基于历史事故数据训练机器学习模型，最终组合得到事故识别模型；/nS4、基于事故识别模型进行事故主动识别；/nS5、获取事故的车联网数据，车联网数据包括结构化数据和非结构化数据；/n其中，结构化数据包括车辆位置、车速、风险事件；/n非结构化...

【技术特征摘要】
1.一种基于车联网主动识别事故的方法，其特征在于，包括以下步骤：
S1、在车辆上安装车联网硬件设备，安装的车联网硬件设备包括ADAS和DSM，ADAS为高级驾驶辅助系统，DSM为驾驶员状态监测系统；
S2、搭建车联网数据采集处理平台，以实现车联网数据的实时采集和处理；
S3、利用数据挖掘技术挖掘分析车联网数据并提取特征因子，基于行业知识构建专家打分模型，基于历史事故数据训练机器学习模型，最终组合得到事故识别模型；
S4、基于事故识别模型进行事故主动识别；
S5、获取事故的车联网数据，车联网数据包括结构化数据和非结构化数据；
其中，结构化数据包括车辆位置、车速、风险事件；
非结构化数据包括图片、视频。


2.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，S2的具体步骤如下：
S21、从IoT平台采集车辆的实时数据；
S22、通过大数据平台对采集数据进行预处理、解码和规整，以形成统一的数据模型；
S23、根据业务的需要将信息存储在实时数据库。


3.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，在S2中，实现平台的工具包括分布式消息队列Kafka,分布式大数据存储Hadoop、Hbase，大数据处理Spark、Flink，关系型数据库Oracle、Mysql。


4.根据权利要求2所述的一种基于车联网主动识别事故的...

【专利技术属性】
技术研发人员：胡赤平，张建强，栗丽兵，
申请(专利权)人：深圳民太安智能科技有限公司，
类型：发明
国别省市：广东;44