一种计算事故概率的方法及装置的制造方法
【技术领域】
[0001]本发明涉及汽车安全领域，特别涉及一种计算事故概率的方法及装置。
【背景技术】
[0002]随着生活水平的提高，汽车成为人们生活中不可或缺的产品，近年来，我国汽车销量持续增加，伴随汽车销量的增加，交通事故的数量也不断攀升，给汽车用户的生命和财产带来巨大的损失。
[0003]在现实中，很多交通事故是可以通过预先判断而避免的，但是由于驾驶员在距离、车速的判断方面存在误差，导致采取避险措施不及时，并且驾驶员在采取紧急避险措施时具有很大的随机性，采取了不恰当的紧急避险措施，由于这些原因，导致了本来可以避免的交通事故的发生，从而造成车辆的损坏甚至人员的伤亡。
[0004]目前，一些行车安全辅助系统，通过检测与前车之间的距离及相对速度，判断距离及相对速度是否超过设定的阈值，当超过设定的阈值后，相应的向用户发出警告或进行自动刹车。
[0005]基于这种单纯的通过车距与车速判断汽车的行驶状态，在很多情况下不能完全识别危险因素，比如后方汽车急速接近的情况，这时传统的行车安全辅助方法会认为当前汽车不存在威胁，相应的不采取任何的避险措施，但最终当前汽车还是发生了交通事故，因此，这种对汽车行驶状态判断的方法，仅单纯的依靠距离和速度，对事故预判的准确性较低。
【发明内容】
[0006]本发明提供一种计算事故概率的方法及装置，能够提高事故预判的准确性。
[0007]本发明实施例提供了一种计算事故概率的方法，收集各类交通事故发生时的第一行驶数据，根据所述第一行驶数据创建经验数据库，还包括:
[0008]每隔设定时间，在载体汽车的至少两个采集位置上，分别采集所述载体汽车的行驶状态图片，其中每个采集位置至少连续采集两张所述行驶状态图片；
[0009]根据每个采集位置对应的所述行驶状态图片，获取对应的第二行驶数据；
[0010]根据各个所述第二行驶数据及所述经验数据库，计算所述载体汽车发生交通事故的第二事故概率。
[0011]优选地，所述根据每个采集位置对应的所述行驶状态图片，获取对应的第二行驶数据包括:
[0012]针对于每一个采集位置，在该采集位置对应的至少两张行驶状态图片上，选择至少一个关键点，通过对每张图片上相同关键点灰度值的对比，获得该采集点对应的第二行驶数据。
[0013]优选地，所述根据所述第一行驶数据创建经验数据库包括:
[0014]以每个所述交通事故对应的各个第一行驶数据作为粒子，形成第一粒子群，以每一个所述第一行驶数据包括的各个参数作为该粒子的初始位置，根据初始位置计算各个粒子的适应度，根据所述适应度更新各个粒子的最佳位置及全局最佳位置，根据所述各粒子的最佳位置及全局最佳位置，更新所述各个粒子的速度，根据所述各个粒子的速度，更新所述各个粒子的位置，根据更新后的位置再次计算各个粒子的适应度，重复这一过程，直至迭代次数达到预设值或所述全局最佳位置满足预设的最小界限，获得第一粒子群的最优值及最终全局最佳位置，其中所述第一粒子群的最优值为第一事故概率，所述最终全局最佳位置为所述第一事故概率对应的最佳第一行驶数据，由各个所述交通事故对应的第一行驶数据、最佳第一行驶数据及第一事故概率组成所述经验数据库。
[0015]优选地，所述根据各个所述第二行驶数据及所述经验数据库，计算所述载体汽车发生交通事故的第二事故概率包括:
[0016]以各个所述第二行驶数据为粒子，形成第二粒子群，以所述经验数据库中的各个所述最佳第一行驶数据为目标值，以每一个所述第二行驶数据包括的各个参数作为该粒子的初始位置，并设置各个粒子对应的速度及所述第二粒子群的最大迭代次数，根据初始位置计算各个粒子的适应度，根据所述适应度更新各个粒子的最佳位置及全局最佳位置，根据所述各粒子的最佳位置及全局最佳位置，更新所述各个粒子的速度，根据所述各个粒子的速度，更新所述各个粒子的位置，根据更新后的位置再次计算各个粒子的适应度，重复这一过程，直至迭代次数达到所述最大迭代次数，获得所述第二粒子群的最优值，将所述第二粒子群的最优值与所述经验数据库中的各个所述最佳第一行驶数据进行对比，如果所述第二粒子群的最优值与任意一个当前最佳第一行驶数据的差值小于第一预设值，则所述当前最佳第一行驶数据对应的第一事故概率即为所述第二事故概率。
[0017]优选地，该方法进一步包括:
[0018]如果所述第二粒子群的最优值与任意一个最佳第一行驶数据的差值均大于所述第一预设值时，将所述第二粒子群的最优值与所述经验数据库中的各个所述第一行驶数据对比，如果所述第二粒子群的最优值与任意一个当前第一行驶数据的差值小于第二预设值，则将所述当前第一行驶数据对应的第一事故概率作为所述第二事故概率。
[0019]优选地，所述速度更新通过如下公式完成:
[0020]V [] = V []+ [cl Xrand O X (pbest []-present [])+c2 Xrand O X (gbest []-present[]) ]X Experience+Random ；
[0021]所述位置更新通过如下公式完成:
[0022]present [] = persent []+v []+Random ；
[0023]其中，所述v[]为粒子速度，Cl及c2为学习因子，rand O为O至I之间的随机数，pbest[]为粒子最佳位置，gbest[]为全局最佳位置，present[]为粒子当前位置，Experience为经验值，Random为随机参数。
[0024]本发明实施例还提供了一种计算事故概率的装置，包括:创建单元、分析单元、计算单元及至少两个采集单元；
[0025]所述创建单元，用于收集各类交通事故发生时的第一行驶数据，根据所述第一行驶数据创建经验数据库；
[0026]所述至少两个采集单元，分别固定于载体汽车的不同采集位置上，用于每隔设定时间，分别采集所述载体汽车的行驶状态图片，其中每个所述采集单元至少连续采集两张所述行驶状态图片；
[0027]所述分析单元，用于根据每个所述采集单元采集的至少两张行驶状态图片，获取每个所述采集单元对应的第二行驶数据；
[0028]所述计算单元，用于根据所述分析单元获取的各个第二行驶数据及所述创建单元创建的经验数据库，计算所述载体汽车发生交通事故的第二事故概率。
[0029]优选地，所述分析单元，用于针对于每一个所述采集单元，在所述采集单元采集的的至少两张行驶状态图片上，选择至少一个关键点，通过对每张图片上相同关键点灰度值的对比，获得该采集点对应的第二行驶数据。
[0030]优选地，所述创建单元，用于以每个所述交通事故对应的各个第一行驶数据作为粒子，形成第一粒子群，以每一个所述第一行驶数据包括的各个参数作为该粒子的初始位置，根据初始位置计算各个粒子的适应度，根据所述适应度更新各个粒子的最佳位置及全局最佳位置，根据所述各粒子的最佳位置及全局最佳位置，更新所述各个粒子的速度，根据所述各个粒子的速度，更新所述各个粒子的位置，根据更新后的位置再次计算各个粒子的适应度，重复这一过程，直至迭代次数达到预设值或所述全局最佳位置满足预设的最小界限，获得第一粒子群的最优值及最终全局最佳位置，其中所述第一粒子群的最优值为第一事故概率，所述最终全局最佳位置为所述第一事故概率对应的最佳第一行驶数据，由各个所述交通事故对应的第一行驶数据、最佳第一行驶数据及第一事故概率组成所述经验数据库。
[0031]优选地，所述计算单元，用于以各个所述第二行驶数据为粒子，形成第二粒子群，以所述经验数据库中的各个所述最佳第一行驶数据为目标值，以每一个所述第二行驶数据包括的各个参数作为该粒子的初始位置，并设置各个粒子对应的速度及所述第二粒子群的最大迭代次数，根据初始位置计算各个粒子的适应度，根据所述适应度更新各个粒子的最佳位置及全局最佳位置，根据所述各粒子的最佳位置及全局最佳位置，更新所述各个粒子的速度，根据所述各个粒子的速度，更新所述各个粒子的位置，根据更新后的位置再次计算各个粒子的适应度，重复这一过程，直至迭代次数达到所述最大迭代次数，获得所述第二粒子群的最优值，将所述第二粒子群的最优值与所述经验数据库中的各个所述最佳第一行驶数据进行对比，如果所述第二粒子群的最优值与任意一个当前最佳第一行驶数据的差值小于第一预设值，则所述当前最佳第一行驶数据对应的第一事故概率即为所述第二事故概率。
[0032]优选地，该装置进一步包括:对比单元；
[0033]所述对比单元，用