车辆碰撞预测方法、装置、计算机设备、车辆和介质制造方法及图纸

本公开提供一种车辆碰撞预测方法、装置、计算机设备、车辆和计算机可读存储介质，涉及人工智能车辆领域。该方法包括：获取待预测车辆在时间窗口内的第一行驶状态数据集和第二行驶状态数据集。第一行驶状态数据集是通过对由车载传感器采集的待预测车辆在时间窗口内的行驶状态数据进行特征加工而得到的，并且第二行驶状态数据集是通过对由位于待预测车辆中的移动电子设备在时间窗口内采集的运动状态数据进行特征加工而得到的；将第一行驶状态数据集和第二行驶状态数据集分别输入机器学习模型，以分别获取机器学习模型输出的第一碰撞预测概率和第二碰撞预测概率；以及至少基于第一碰撞预测概率和第二碰撞预测概率，确定待预测车辆是否发生碰撞事故。预测车辆是否发生碰撞事故。预测车辆是否发生碰撞事故。

Vehicle collision prediction method, device, computer equipment, vehicle and medium

【技术实现步骤摘要】
车辆碰撞预测方法、装置、计算机设备、车辆和介质


[0001]本公开涉及人工智能车辆领域，特别是涉及一种车辆碰撞预测方法、装置、计算机设备、车辆和计算机可读存储介质。

技术介绍

[0002]安全性是车辆的重要性能之一。为了保证车辆的安全性，目前已经发展出了多种车辆安全技术，例如安全带、安全气囊等被动安全技术以及车道偏离、碰撞预警、牵引力控制等主动安全技术。虽然为减少车辆事故的数量和严重性付出了巨大努力，但车辆事故确实不断发生，而且令人遗憾的是，在可预见的未来还将继续发生。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0004]根据本公开的一方面，提供了一种车辆碰撞预测方法。该方法包括：获取待预测车辆在时间窗口内的第一行驶状态数据集和第二行驶状态数据集。第一行驶状态数据集是通过对由车载传感器采集的待预测车辆在时间窗口内的行驶状态数据进行特征加工而得到的，并且第二行驶状态数据集是通过对由位于待预测车辆中的移动电子设备在时间窗口内采集的运动状态数据进行特征加工而得到的；将第一行驶状态数据集和第二行驶状态数据集分别输入机器学习模型，以分别获取机器学习模型输出的第一碰撞预测概率和第二碰撞预测概率；以及至少基于第一碰撞预测概率和第二碰撞预测概率，确定待预测车辆是否发生碰撞事故。
[0005]根据本公开的另一方面，提供了一种车辆碰撞预测装置。该装置包括：行驶状态数据集获取模块，被配置为获取待预测车辆在时间窗口内的第一行驶状态数据集和第二行驶状态数据集。第一行驶状态数据集是通过对由车载传感器采集的待预测车辆在时间窗口内的行驶状态数据进行特征加工而得到的，并且第二行驶状态数据集是通过对由位于所述待预测车辆中的移动电子设备在时间窗口内采集的运动状态数据进行特征加工而得到的；碰撞预测概率预测模块，被配置为将第一行驶状态数据集和第二行驶状态数据集分别输入机器学习模型，以分别获取机器学习模型输出的第一碰撞预测概率和第二碰撞预测概率；以及碰撞事故确定模块，被配置为至少基于第一碰撞预测概率和第二碰撞预测概率，确定待预测车辆是否发生碰撞事故。
[0006]根据本公开的再另一方面，提供了一种计算机设备。该计算设备包括：至少一个处理器；以及至少一个存储器，其上存储有计算机程序，计算机程序在被至少一个处理器执行时，使至少一个处理器执行上述的车辆碰撞预测方法。
[0007]根据本公开的再另一方面，提供了一种车辆，包括如上述的车辆碰撞预测装置或如上述的计算机设备。
[0008]根据本公开的再另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使处理器执行上述的车辆碰撞预测方法。
[0009]根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使处理器执行上述的车辆碰撞预测方法。
[0010]根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
[0011]在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：
[0012]图1是图示出根据示例性实施例的可以在其中实施本文描述的各种方法的示例系统的示意图；
[0013]图2是图示出根据示例性实施例的车辆碰撞预测方法的流程图；
[0014]图3是图示出根据示例性实施例的图2的方法中部分示例过程的流程图；
[0015]图4是图示出根据示例性实施例的图2的方法中部分示例过程的流程图；
[0016]图5是图示出根据示例性实施例的图2的方法中部分示例过程的流程图；
[0017]图6是图示出根据示例性实施例的车辆碰撞预测装置的示意性框图；以及
[0018]图7是图示出能够应用于示例性实施例的示例性计算机设备的框图。
具体实施方式
[0019]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0020]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。如本文使用的，术语“多个”意指两个或更多，并且术语“基于”应解释为“至少部分地基于”。此外，术语“和/或”以及
“……
中的至少一个”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0021]车辆发生碰撞事故后，对事故车辆以及车内乘员的及时救援通常能够挽救车内乘员的生命。当例如车辆发生严重的碰撞事故而导致车内乘员失去意识，并且没有他人协助报警或请求救援的情况下，需要能够及时向救援提供方报告车辆的碰撞情况。为此，需要能够在车辆发生碰撞事故时及时且准确地确定车辆发生了碰撞事故。
[0022]在一些相关技术中，可以利用车载传感器对车辆的运行状态进行检测，当车载传感器检测到车辆的速度或加速度发生剧烈变化时，可以判断车辆发生了碰撞事故。
[0023]在一些相关技术中，可以利用车辆乘员所持的具有运动检测功能的移动电话对车辆的运行状态进行检测，当移动电话中的传感器(例如速度传感器或加速度传感器)检测到移动电话的速度或加速度发生剧烈变化时，可以判断车辆发生了碰撞事故。
[0024]然而，仅依靠例如车载传感器或移动电话的单一的检测手段，很难确定车辆是否
发生了碰撞事故。在一些场景中，可能车辆已经发生了碰撞事故，但车载传感器或移动电话的检测结果显示车辆维持正常行驶状态；在一些场景中，也可能车载传感器或移动电话的检测结果显示车辆发生了碰撞，但事实上车辆未发生碰撞事故。
[0025]鉴于上述情况，本公开提出一种车辆碰撞预测方法。
[0026]本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0027]下面结合附图详细描述本公开的示例性实施例。
[0028]图1是图示出根据示例性实施例的可以在其中实施本文描述的各种方法的示例系统100的示意图。
[0029]参考图1，该系统100包括车载系统110、服务器120、以及将车载系统110与服务器120通信地耦合的网络130。
[0030]车载系统110包括显示器114和可经由显示器114显示的应用程序(APP)112。应用程序112可以为车载系统110默认安装的或由用户102下载和安装的应用程序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆碰撞预测方法，包括：获取待预测车辆在时间窗口内的第一行驶状态数据集和第二行驶状态数据集，其中，所述第一行驶状态数据集是通过对由车载传感器采集的所述待预测车辆在所述时间窗口内的行驶状态数据进行特征加工而得到的，并且所述第二行驶状态数据集是通过对由位于所述待预测车辆中的移动电子设备在所述时间窗口内采集的运动状态数据进行特征加工而得到的；将所述第一行驶状态数据集和所述第二行驶状态数据集分别输入机器学习模型，以分别获取所述机器学习模型输出的第一碰撞预测概率和第二碰撞预测概率；以及至少基于所述第一碰撞预测概率和所述第二碰撞预测概率，确定所述待预测车辆是否发生碰撞事故。2.根据权利要求1所述的方法，其中，确定所述待预测车辆是否发生碰撞事故包括：将所述第一碰撞预测概率和所述第二碰撞预测概率分别与碰撞阈值进行比较；以及响应于确定所述第一碰撞预测概率和所述第二碰撞预测概率均大于所述碰撞阈值，确定所述待预测车辆发生碰撞事故。3.根据权利要求1所述的方法，其中，确定所述待预测车辆是否发生碰撞事故包括：将所述第一碰撞预测概率和所述第二碰撞预测概率分别与碰撞阈值进行比较；响应于确定所述第一碰撞预测概率大于所述碰撞阈值而所述第二碰撞预测概率小于所述碰撞阈值，获取所述待预测车辆的电气系统在所述时间窗口内的供电状态；以及响应于确定所述待预测车辆的电气系统在所述时间窗口内断电，确定所述待预测车辆发生碰撞事故。4.根据权利要求1所述的方法，其中，确定所述待预测车辆是否发生碰撞事故包括：将所述第一碰撞预测概率和所述第二碰撞预测概率分别与碰撞阈值进行比较；以及响应于确定所述第一碰撞预测概率小于所述第一碰撞阈值，确定所述待预测车辆未发生碰撞事故。5.根据权利要求1至4中任一项所述的方法，其中，所述移动电子设备包括具有运动传感器的可穿戴电子设备和具有运动传感器的移动电话中的至少一者。6.根据权利要求1至4中任一项所述的方法，其中，所...

【专利技术属性】
技术研发人员：穆咏麟，张锐，章熠，陈鹏，龚颖，孙伟，窦玲意，
申请(专利权)人：北京宾理信息科技有限公司，
类型：发明
国别省市：