【技术实现步骤摘要】
一种自动识别车辆事故系统以及识别方法
本专利技术涉及无人驾驶的智能交通领域,尤其涉及一种自动识别车辆事故系统以及方法。
技术介绍
随着深度学习近几年来的突破性进展,无人驾驶汽车也在这些年开始不断向商用化推进,而随着各国汽车保有量急剧增加,促使城市路况更加严峻繁杂,城市交通正面临着前所未有的巨大压力。加之疲劳驾驶、酒后驾驶等人为因素,使世界各国的交通事故率逐年上升,甚至多于世界大战死亡人数。随着汽车技术、信息通信技术与智能控制技术的高效融合,集自动控制、人工智能、体系结构视觉设计等众多技术于一体的无人驾驶汽车应运而生。通过在车辆内安装智能操纵控制系统与感应设备来获取信息用以控制车辆姿态,降低交通事故率,实现自动安全的行驶,汽车在一个多世纪内没有改变它的一般运行方式,而无人驾驶的技术将为人们的出行方式带来前所未有的革命。随着自动驾驶汽车技术的发展,工信部和全国各智能网联测试区都下发了测试管理规范,对自动驾驶的汽车在开放道路上的测试活动进行监管,当发生交通事故时,需要将事故信息上报给监管部门,并需要环境和状态信息作为证据,目前测试汽车监控终端可以收集车辆状态信息和环境信息,并具有一键上报事故功能。现有的测试监管设备无法自动识别事故,依赖人为上报,若被测试车辆厂家做假逃避事故责任,可以不进行上报,私下处理事故。从而对监管工作带来巨大漏洞,也不能对车辆厂家的真实技术水平做一个全面的分析,影响最终的测试结果,可能给未来的交通参与者带来极大的事故风险。
技术实现思路
本专利技术的目的在于提供一种自动识别车辆事故 ...
【技术保护点】
1.一种自动识别车辆事故的识别方法,其特征在于:所述识别方法包含以下步骤:/nS1:控制单元读取车机数据采集单元采集刹车油门大小,档位,方向盘的转向角,当前车速,车灯状态等车辆数据信息;/nS2:控制单元基于车辆数据信息计算出车辆当前的运行状态;/nS3:控制单元读取惯性测量单元采集的姿态估计数据;/nS4:控制单元基于车辆当前的运行状态数据、姿态估计数据以及压力传感器数据通过深度学习判断事故是否发生,若事故未发生,返回继续执行步骤S1,若事故发生,则进入步骤S5;/nS5:将判断事故发生时的车辆的运行状态数据进行打包并通过数据网关上传至云平台;/n所述步骤S4具体包含以下步骤:/nS41:提取车辆当前的运行状态数据、姿态估计数据以及压力传感器数据的特征值A;/nS42:对特征值A通过人工神经网络进行车辆事故发生的概率P1计算;/nS43:将通过车辆事故判断模型计算的辆事故发生的概率P1与设定的事故发生概率阈值P2进行比较,若P1小于P2,则判定此时并未发生事故,则返回步骤S1,继续执行车辆事故识别的判定;若人工神经网络计算的辆事故发生的概率P1大于设定的事故发生概率阈值P2,则判定此 ...
【技术特征摘要】
1.一种自动识别车辆事故的识别方法,其特征在于:所述识别方法包含以下步骤:
S1:控制单元读取车机数据采集单元采集刹车油门大小,档位,方向盘的转向角,当前车速,车灯状态等车辆数据信息;
S2:控制单元基于车辆数据信息计算出车辆当前的运行状态;
S3:控制单元读取惯性测量单元采集的姿态估计数据;
S4:控制单元基于车辆当前的运行状态数据、姿态估计数据以及压力传感器数据通过深度学习判断事故是否发生,若事故未发生,返回继续执行步骤S1,若事故发生,则进入步骤S5;
S5:将判断事故发生时的车辆的运行状态数据进行打包并通过数据网关上传至云平台;
所述步骤S4具体包含以下步骤:
S41:提取车辆当前的运行状态数据、姿态估计数据以及压力传感器数据的特征值A;
S42:对特征值A通过人工神经网络进行车辆事故发生的概率P1计算;
S43:将通过车辆事故判断模型计算的辆事故发生的概率P1与设定的事故发生概率阈值P2进行比较,若P1小于P2,则判定此时并未发生事故,则返回步骤S1,继续执行车辆事故识别的判定;若人工神经网络计算的辆事故发生的概率P1大于设定的事故发生概率阈值P2,则判定此时事故发生,执行步骤S5。
2.根据权利要求1所述的一种自动识别车辆事故系统的识别方法,其特征在于:所述步骤S5上传的车辆运行状态数据结合车辆实际事故得到车辆事故状态与运行状态模型。
3.根据权利要求2所述的一种自动识别车辆事故系统的识别方法,其特征在于:所述车辆事故状态与运行状态模型对车辆事故判断模型进行修正补偿。
4.根据权利要求3所述的一种自动识别车辆事故系统的识别方法,其特征在于:所述对车辆事故判断模型进行修...
【专利技术属性】
技术研发人员:张福升,刘高,付程,
申请(专利权)人:湖南湘江智能科技创新中心有限公司,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。