基于主成分分析的车辆风险评估方法和装置的制造方法
【专利摘要】本发明提出一种基于主成分分析的车辆风险评估方法和装置，该基于主成分分析的车辆风险评估方法包括分别对初始数据序列中每个数据序列做标准化处理，得到初始数据序列中每个数据序列的标准化初始数据序列；并对标准化初始数据序列中每个数据序列进行主成分分析，以获取每个数据序列的特征值序列，并根据每个数据序列的特征值序列获取每个数据序列的概率序列；将每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果；根据比对结果对车辆行驶过程中的风险进行评估。通过本发明能够有效识别出车辆在行驶过程中的车辆风险行驶过程，根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估，提升车辆驾驶体验。
【专利说明】
基于主成分分析的车辆风险评估方法和装置
技术领域
[0001] 本发明涉及车辆技术领域，尤其涉及一种基于主成分分析的车辆风险评估方法和 装置。
【背景技术】
[0002] 车辆危险转弯、侧翻和碰擦风险是指车辆行驶过程中，由于司机主观判断、路面状 况和其他意外因素表现出的危险转弯、侧翻和碰擦等可能造成严重后果的驾驶行为，它能 够充分体现车辆运输物品或者乘客的安全状态。车辆危险转弯、侧翻和碰擦风险是车辆安 全评估中最重要的指标之一，因此它在车辆安全评估中占至关重要的地位。
[0003] 车辆危险转弯、侧翻风险和碰擦风险主要由危险转弯、侧翻和碰擦三个方面的风 险指标来进行评定。首先，车辆的危险转弯，指车辆由于司机主观意识和路面意外状况而导 致的严重急转弯、严重急加减速转弯和严重高速急转弯驾驶行为。其次，车辆的危险侧翻和 碰擦风险，指车辆在驶过程中由于司机主观判断、路面状况和其他意外因素而导致的车辆 侧翻及与其它车辆或障碍物碰擦的风险，主要体现车辆转弯侧翻、变道侧翻、车辆间碰擦及 车辆与障碍物碰擦等。这些行为的发生将急剧加大交通事故的出现风险，因此，有必要识别 车辆在行驶过程中的车辆风险行驶过程和综合评估车辆风险。
【发明内容】
[0004] 本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005] 为此，本发明的一个目的在于提出一种基于主成分分析的车辆风险评估方法，能 够有效识别出车辆在行驶过程中的车辆风险行驶过程，根据车辆风险行驶过程对应的车辆 行驶数据信息对车辆风险进行评估，提升车辆驾驶体验。
[0006] 本发明的另一个目的在于提出一种基于主成分分析的车辆风险评估装置。
[0007] 为达到上述目的，本发明第一方面实施例提出的基于主成分分析的车辆风险评估 方法，包括:获取车辆行驶过程中的初始数据序列，其中，所述初始数据序列包括转弯角度 数据序列、翻滚角数据序列、横摆加速度数据序列;分别对所述初始数据序列中每个数据序 列做标准化处理，得到所述初始数据序列中每个数据序列的标准化初始数据序列；分别对 所述标准化初始数据序列中每个数据序列进行主成分分析，以获取所述标准化初始数据序 列中每个数据序列的特征值序列，并根据所述每个数据序列的特征值序列获取每个数据的 概率序列;将所述每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果;根 据所述比对结果对所述车辆行驶过程中的风险进行评估。
[0008] 本发明第一方面实施例提出的基于主成分分析的车辆风险评估方法，通过分别对 车辆行驶过程中的初始数据序列中每个数据序列做标准化处理和主成分分析处理，以获取 每个数据序列的概率序列，并将每个数据序列的概率序列与预设概率阈值进行比对，以得 到比对结果，根据比对结果对车辆行驶过程中的风险进行评估，能够有效识别出车辆在行 驶过程中的车辆风险行驶过程，根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风 险进行评估，提升车辆驾驶体验。
[0009] 为达到上述目的，本发明第二方面实施例提出的基于主成分分析的车辆风险评估 装置，包括:初始数据序列获取模块，用于获取车辆行驶过程中的初始数据序列，其中，所述 初始数据序列包括转弯角度数据序列、翻滚角数据序列、横摆加速度数据序列;标准化处理 模块，用于分别对所述初始数据序列中每个数据序列做标准化处理，得到所述初始数据序 列中每个数据序列的标准化初始数据序列；主成分分析模块，用于分别对所述标准化初始 数据序列中每个数据序列进行主成分分析，以获取所述标准化初始数据序列中每个数据序 列的特征值序列，并根据所述每个数据序列的特征值序列获取每个数据的概率序列；比对 模块，用于将所述每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果;评 估模块，用于根据所述比对结果对所述车辆行驶过程中的风险进行评估。
[0010] 本发明第二方面实施例提出的基于主成分分析的车辆风险评估装置，通过获取车 辆行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度数据，对车辆行驶过 程中的危险转弯风险，侧翻风险，碰擦风险进行识别，能够提升车辆风险行驶过程的识别效 果。通过分别对车辆行驶过程中的初始数据序列中每个数据序列做标准化处理和主成分分 析处理，以获取每个数据序列的概率序列，并将每个数据序列的概率序列与预设概率阈值 进行比对，以得到比对结果，根据比对结果对车辆行驶过程中的风险进行评估，能够有效识 别出车辆在行驶过程中的车辆风险行驶过程，根据车辆风险行驶过程对应的车辆行驶数据 信息对车辆风险进行评估，提升车辆驾驶体验。通过根据车辆风险行驶过程对应的车辆行 驶数据信息对车辆风险进行评估，能够实现对车辆行驶过程中的车辆风险进行综合评估， 提升车辆风险的评估效果。
[0011] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0012] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得 明显和容易理解，其中：
[0013] 图1是本发明一实施例提出的基于主成分分析的车辆风险评估方法的流程示意 图；
[0014] 图2是本发明实施例中主成分分析流程示意图；
[0015] 图3是本发明另一实施例提出的基于主成分分析的车辆风险评估方法的流程示意 图；
[0016] 图4a是本发明实施例中转弯角度数据序列曲线示意图；
[0017] 图4b是本发明实施例中标准化转弯角度数据序列曲线示意图；
[0018] 图4c是本发明实施例中标准化转弯角度数据的特征值序列曲线示意图；
[0019] 图5a是本发明实施例中翻滚角数据序列曲线示意图；
[0020] 图5b是本发明实施例中标准化翻滚角数据序列曲线示意图；
[0021] 图5c是本发明实施例中标准化翻滚角数据的特征值序列曲线示意图；
[0022]图6a是本发明实施例中横摆加速度数据序列曲线示意图；
[0023]图6b是本发明实施例中标准化横摆加速度数据序列曲线示意图；
[0024] 图6c是本发明实施例中标准化横摆加速度数据的特征值序列曲线示意图；
[0025] 图7是本发明另一实施例提出的基于主成分分析的车辆风险评估装置的结构示意 图；
[0026] 图8是本发明另一实施例提出的基于主成分分析的车辆风险评估装置的结构示意 图；
[0027] 图9a是本发明实施例中车辆风险行驶过程的行程片段示意图；
[0028] 图9b是本发明实施例中每个时间点的速度与当前时间点里程的对应关系示意图；
[0029] 图9c是本发明实施例中每个时间点的加速度与当前时间点里程的对应关系示意 图。
【具体实施方式】
[0030] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本 发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同 物。
[0031] 图1是本发明一实施例提出的基于主成分分析的车辆风险评估方法的流程示意 图，该基于主成分分析的车辆风险评估方法包括：
[0032] S101:获取车辆行驶过程中的初始数据序列，其中，初始数据序列包括转弯角度数 据序列、翻滚角数据序列、横摆加速度数据序列。
[0033] 其中，初始数据序列中包含车辆在行驶过程中的η个时间点的转弯角度数据、翻滚 角数据，以及横摆加速度数据，转弯角度数据序列是利用差分方法从方位角数据序列中提 取得到的。η个时间点中的每个时间点对应一组车辆当前的转弯角度数据、翻滚角数据，以 及横摆加速度数据，其中，η的取值为1~N，N为正整数。
[0034] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的陀螺仪装置获取车辆 在行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度数据，并根据差分方 法计算车辆在η个时间点中的每个时间点的转弯角度数据，以得到转弯角度数据序列、翻滚 角数据序列、横摆加速度数据序列，其中，η的取值为1~N，N为正整数。
[0035] 其中，陀螺仪装置是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转 轴的一个或二个轴的角运动检测装置。
[0036] 其中，移动终端可以是智能手机、平板电脑、个人数字助理、电子书等具有各种操 作系统的硬件设备。
[0037] 其中，转弯角度数据用于识别车辆行驶过程中的危险转弯风险，翻滚角数据用于 识别车辆行驶过程中的侧翻风险，横摆加速度数据用于识别车辆行驶过程中的碰擦风险。
[0038] 车辆危险转弯、侧翻风险和碰擦风险是指车辆行驶过程中，由于司机主观判断、路 面状况和其他意外因素表现出的危险转弯、侧翻和碰擦等可能造成严重后果的驾驶行为， 它能够充分体现车辆运输物品或者乘客的安全状态。车辆危险转弯、侧翻和碰擦风险是车 辆安全评估中最重要的指标之一，因此它在车辆安全评估中占至关重要的地位。
[0039] 可选地，获取车辆行驶过程中的初始数据序列，其中，初始数据序列包括转弯角度 数据序列、翻滚角数据序列、横摆加速度数据序列，包括:获取方位角数据序列、翻滚角数据 序列、横摆加速度数据序列，并根据方位角数据序列获取转弯角度数据序列。
[0040] S102:分别对初始数据序列中每个数据序列做标准化处理，得到初始数据序列中 每个数据序列的标准化初始数据序列。
[0041] 其中，标准化初始数据序列包括标准化转弯角度数据序列、标准化翻滚角数据序 列，以及标准化横摆加速度数据序列。
[0042] 具体地，将采集到的转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序 列进行标准化，即将转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序列中的每 个转弯角度数据、翻滚角数据，以及横摆加速度数据归一化到〇~1之间。
[0043] 例如，转弯角度数据、翻滚角数据和横摆加速度数据的信号向量形式为X= [X1， X2, . . .，Xn]T，则标准化最小和最大比例参数分别为Si = min(xi，X2, . . .，Xn)和S2=max(xi, X2, . . .，Xn)，从而可得标准化信号数据序列为：
[0044:
[0045] 其中，η的取值为1~N，N为正整数。
[0046] 具体地，分别将η个时间点中的每个时间点对应的车辆当前的转弯角度数据、翻滚 角数据、横摆加速度数据进行标准化处理，得到标准化转弯角度数据、标准化翻滚角数据， 以及标准化横摆加速度数据，对η个时间点中的每个时间点对应的车辆当前的转弯角度数 据、翻滚角数据、横摆加速度数据均做以上计算，得到标准化转弯角度数据序列、标准化翻 滚角数据序列，以及标准化横摆加速度数据序列，其中，η的取值为1~Ν，Ν为正整数。
[0047] 可选地，分别对初始数据序列中每个数据序列做标准化处理，得到初始数据序列 中每个数据序列的标准化初始数据序列，包括:对转弯角度数据序列、翻滚角数据序列，以 及横摆加速度数据序列做标准化处理，得到标准化转弯角度数据序列、标准化翻滚角数据 序列，以及标准化横摆加速度数据序列。
[0048] S103:分别对标准化初始数据序列中每个数据序列进行主成分分析，以获取标准 化初始数据序列中每个数据序列的特征值序列，并根据每个数据序列的特征值序列获取每 个数据的概率序列。
[0049] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的应用程序分别对标准 化初始数据序列中每个数据序列进行主成分分析。
[0050] 应用程序可以是指运行在电子设备上的软件程序，电子设备例如为个人电脑 (Personal Computer，PC)，云端设备或者移动设备，移动设备例如智能手机，或者平板电脑 等。
[0051 ]主成分分析(Principal Components Analysis，PCA)的原理如下：
[0052] 给定任意向量X=(X1，X2，···，Xm)，令m维单位向量W=(W1，W2，···，Wm)，X在W上的投影
表示为 满足约束条件：
[0053]
[0054] PCA的目的是寻找一个权值向量w使得期望表达式E[Y2]的值最大化，即
[0055] E[Y2] =E[ (wTx)2] =wTE[xxT] w=WtCxW,
[0056] 根据线性代数理论，期望最大化应满足：
[0057] Cx^Wj = AjWj, j = 1,2,··· ,m,
[0058] 即寻求矩阵Cx的最大特征值Amax，其分析流程如图2所示，首先如图2中步骤21计算
阵Cx，如图2中步骤23计算协方差矩阵Cx的特征值向量，如图2中步骤24获取协方差矩阵C x的 特征值向量中值最大的特征值向量，做为任意向量X =( Xl，X2，…，Xm)的特征值序列，其中， 11，1]1的取值为1~1~为正整数。
[0059] 具体地，根据图2所示的步骤分别将标准化初始数据序列中的标准化转弯角度数 据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据序列进行PCA处理，获取标准 化转弯角度数据的特征值序列、标准化翻滚角数据的特征值序列，以及标准化横摆加速度 数据的特征值序列，并将标准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值 序列，以及标准化横摆加速度数据的特征值序列中η个时间点中的每个时间点对应的车辆 当前的标准化转弯角度数据特征值、标准化翻滚角数据特征值，以及标准化横摆加速度数 据特征值作为模糊概率映射模型，计算输出结果得到标准化转弯角度数据的概率序列、标 准化翻滚角数据的概率序列，以及标准化横摆加速度数据的概率序列。
[0060] 可选地，分别对标准化初始数据序列中每个数据序列进行主成分分析，以获取标 准化初始数据序列中每个数据序列的特征值序列，并根据每个数据序列的特征值序列获取 每个数据的概率序列，包括:分别对标准化转弯角度数据序列、标准化翻滚角数据序列，以 及标准化横摆加速度数据序列进行主成分分析，以获取标准化转弯角度数据的特征值序 列、标准化翻滚角数据的特征值序列，以及标准化横摆加速度数据的特征值序列;分别将标 准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值序列，以及标准化横摆加速 度数据的特征值序列作为模糊概率映射模型的输入，计算输出以获取标准化转弯角度数据 的概率序列、标准化翻滚角数据的概率序列，以及标准化横摆加速度数据的概率序列。
[0061] S104:将每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果。
[0062] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。
[0063] 具体地，将标准化转弯角度数据的概率序列、标准化翻滚角数据的概率序列，以及 标准化横摆加速度数据的概率序列中每个时间点对应的标准化转弯角度数据的概率、标准 化翻滚角数据的概率，以及标准化横摆加速度数据的概率依次与预设概率阈值进行比对， 以得到每个时间点对应的比对结果。
[0064] 可选地，将每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果， 包括:将标准化转弯角度数据的概率序列中的概率与预设概率阈值进行比对，以得到第一 比对结果;将标准化翻滚角数据的概率序列中的概率与预设概率阈值进行比对，以得到第 二比对结果;将标准化横摆加速度数据的概率序列中的概率与预设概率阈值进行比对，以 得到第三比对结果。
[0065] S105:根据比对结果对车辆行驶过程中的风险进行评估。
[0066] 具体地，可以扫描标准化转弯角度数据的概率序列、标准化翻滚角数据的概率序 列，以及标准化横摆加速度数据的概率序列中每个时间点对应的标准化转弯角度数据的概 率、标准化翻滚角数据的概率，以及标准化横摆加速度数据的概率，根据每个时间点对应的 标准化转弯角度数据的概率、标准化翻滚角数据的概率，以及标准化横摆加速度数据的概 率与预设概率阈值的比对结果对车辆行驶过程中的风险进行评估。
[0067] 其中，当标准化转弯角度数据的概率序列中某个时间点的概率大于预设概率阈值 时，将该时间点对应的车辆行程片段识别为危险转弯风险行驶过程；当标准化翻滚角数据 的概率序列中某个时间点的概率大于预设概率阈值时，将该时间点对应的车辆行程片段识 别为侧翻风险行驶过程;当标准化横摆加速度数据的概率序列中某个时间点的概率大于预 设概率阈值时，将该时间点对应的车辆行程片段识别为碰擦风险行驶过程。
[0068] 进一步，根据危险转弯风险行驶过程、侧翻风险行驶过程，以及碰擦风险行驶过程 对应的车辆行驶数据信息对车辆风险进行评估。
[0069] 可选地，根据比对结果对车辆行驶过程中的风险进行评估，包括:根据第一比对结 果、第二比对结果，以及第三比对结果获取车辆在行驶过程中的车辆风险行驶过程;根据车 辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估。
[0070] 可选地，根据第一比对结果、第二比对结果，以及第三比对结果获取车辆在行驶过 程中的车辆风险行驶过程，包括:在标准化转弯角度数据的概率序列中的概率大于预设概 率阈值，或者标准化翻滚角数据的概率序列中的概率大于预设概率阈值，或者标准化横摆 加速度数据的概率序列中的概率大于预设概率阈值时，判定大于预设概率阈值的标准化转 弯角度数据的概率序列，或者标准化翻滚角数据的概率序列，或者标准化横摆加速度数据 的概率序列对应的车辆行程片段为车辆风险行驶过程;依次扫描标准化转弯角度数据的概 率序列中的概率，或者标准化翻滚角数据的概率序列中的概率，或者标准化横摆加速度数 据的概率序列中的概率，以获取车辆在行驶过程中的车辆风险行驶过程。
[0071 ]本实施例中，通过分别对车辆行驶过程中的初始数据序列中每个数据序列做标准 化处理和主成分分析处理，以获取每个数据序列的概率序列，并将每个数据序列的概率序 列与预设概率阈值进行比对，以得到比对结果，根据比对结果对车辆行驶过程中的风险进 行评估，能够有效识别出车辆在行驶过程中的车辆风险行驶过程，根据车辆风险行驶过程 对应的车辆行驶数据信息对车辆风险进行评估，提升车辆驾驶体验。
[0072] 图3是本发明另一实施例提出的基于主成分分析的车辆风险评估方法的流程示意 图，该基于主成分分析的车辆风险评估方法包括：
[0073] S301:获取车辆行驶过程中的方位角数据序列、翻滚角数据序列、横摆加速度数据 序列。
[0074] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的陀螺仪装置获取车辆 在行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度数据，以得到方位角 数据序列、翻滚角数据序列、横摆加速度数据序列，其中，η的取值为1~N，N为正整数。
[0075] 其中，陀螺仪装置是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转 轴的一个或二个轴的角运动检测装置。
[0076] 其中，移动终端可以是智能手机、平板电脑、个人数字助理、电子书等具有各种操 作系统的硬件设备。
[0077] 其中，转弯角度数据用于识别车辆行驶过程中的危险转弯风险，翻滚角数据用于 识别车辆行驶过程中的侧翻风险，横摆加速度数据用于识别车辆行驶过程中的碰擦风险。
[0078] 例如，车辆在行驶过程中η个时间点的方位角数据序列可以用《=[0；。,气,··.,气] 表示，其中，气表示时刻ti的方向角数据(单位:°)，且1=0，1，2，一，11，11的取值为1~1~为 正整数;车辆在行驶过程中η个时间点的翻滚角数据序列可以用，爲J表示，其 中，爲表示时刻t的翻滚角数据(单位:°)，且i = 0，l，2,…，η，η的取值为1~Ν，Ν为正整数;车 辆在行驶过程中η个时间点的横摆加速度数据序列可以用a,=h。,气]表示，其中，? 表示时刻ti的横摆加速度数据(单位:m/s2)，且i = 0，1，2，…，η，η的取值为1~N，N为正整数。
[0079] 通过获取车辆行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度 数据，对车辆行驶过程中的危险转弯风险，侧翻风险，碰擦风险进行识别，能够提升车辆风 险行驶过程的识别效果。
[0080] S302:根据方位角数据序列获取转弯角度数据序列。
[0081] 其中，可以根据差分方法和方位角数据序列计算车辆在η个时间点中的每个 时间点的转弯角度数据，以获取转弯角度数据序列。例如，可以差分方法和车辆在行驶 过程中η个时间点的方位角数据序列j获取转弯角度数据序列
，其中，i的取值为1~ N，N为正整数。
[0082] S303:对转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序列做标准化 处理，得到标准化转弯角度数据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据 序列。
[0083] 具体地，将采集到的转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序 列进行标准化，即将转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序列中的每 个转弯角度数据、翻滚角数据，以及横摆加速度数据归一化到〇~1之间。
[0084] 例如，转弯角度数据、翻滚角数据和横摆加速度数据的信号向量形式为X= [X1， X2, . . .，Xn]T，则标准化最小和最大比例参数分别为Si = min(xi，X2, . . .，Xn)和S2=max(xi, X2, . . .，Xn)，从而可得标准化信号数据序列为
[0085]
[0086] 其中，η的取值为1~N，N为正整数。
[0087] 对转弯角度数据序列,Δ% 做标准化处理，得到标准化转弯角 度数据序列的过程例如：
[0088] 将转弯角度数据序列△ α标准化得到：
[0089]
[0090] 1的 取值为1~N，N为正整数。
[0091] 对翻滚角数据序列/?=[及。,八,.·., A,]做标准化处理，得到标准化翻滚角数据序列 的过程例如：
[0092] 将翻滚角数据序列β标准化得到：
[0093:
[0094： I，η的取值为1 ~N，N为正整数。
[0095]对横摆加速度数据序列…做标准化处理，得到标准化横摆加速度 数据序列的过程例如，首先将横摆加速度数据序列通过比例因子映射到单位为g(lg = 9.8m/s2)的空间，然后进行标准化处理。
[0096]将横摆加速度数据ay标准化得到：
[0097]
[0098] 其中，Omin= 气,…，气);和araax =toax(气，曳，…，^)，n的取值为1~N， N为正整数。
[0099] 例如，如下表1所示，为本发明实施例车辆行驶过程中555个时间点对应的方位角 数据、转弯角度数据，以及标准化转弯角度数据示意。
[0101] 表1
[0102] 例如，如下表2所示，为本发明实施例车辆行驶过程中555个时间点对应的翻滚角 数据、标准化翻滚角数据、原始横摆加速度数据、横摆加速度数据，以及标准化横摆加速度 数据"
[0104]表2
[0105] S304:分别对标准化转弯角度数据序列、标准化翻滚角数据序列，以及标准化横摆 加速度数据序列进行主成分分析，以获取标准化转弯角度数据的特征值序列、标准化翻滚 角数据的特征值序列，以及标准化横摆加速度数据的特征值序列。
[0106] 主成分分析(Principal Components Analysis，PCA)的原理如下：
[0107] 给定任意向量X=(X1，X2，···，Xm)，令m维单位向量W=(W1，W2，···，Wm)，X在W上的投影 表示为
[0108]
[0109] ]望表达式E[Y2]的值最大化，即
[0110]
[0111] 根据线性代数理论，期望最大化应满足：
[0112] Cx^Wj = AjWj, j = 1,2,··· ,m,
[0113] 即寻求矩阵Cx的最大特征值Amax，其分析流程如图2所示，首先如图2中步骤21计算
和平均值 办方差矩 阵Cx，如图2中步骤23计算协方差矩阵Cx的特征值向量，如图2中步骤24获取协方差矩阵C x的 特征值向量中值最大的特征值向量，做为任意向量X =( Xl，X2，…，Xm)的特征值序列，其中， 11，1]1的取值为1~1~为正整数。
[0114] 在本发明的实施例中，PCA中m取值30，以30为窗口大小，顺序扫描标准化转弯角度 数据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据序列，进行PCA分析。
[0115] 例如，对于标准化转弯角度数据序列：
进行PCA特征值提取，即，获取第一个窗口数据序列、第二个窗口数据序列，…，以及第k个窗
[0116]
[0117]
[0118]
[0119]
[0120]
[0121]
[0122] 口数据序列的最大特征值Ak，其中，1 = 1,2,...,，n的取值为1~N，N为正整数。若标准化横 m 摆加速度数据序列中的数据最终个数小于30，则根据标准化横摆加速度数据序列中的剩余 数据的个数对其进行PCA特征值提取。
[0123]例如，根据PCA提取出的标准化转弯角度数据的特征值序列为n= [m，n2, ...，％]， 其中，2,..?，η的取值为1~N，N为正整数。标准化翻滚角数据的特征值序列为λ = m η
[A1^2，…，Ak]，其中，一，:η的取值为1~Ν，Ν为正整数，以及标准化横摆力卩速度 m η 数据的特征值序列为δ= [δχ,δ% . · .，Sk]，其中，Α: = ],2,·，.，_，η的取值为1~Ν，Ν为正整 m 数。
[0124] 如图4a所示，为本发明实施例中转弯角度数据序列曲线示意图，图4b为本发明实 施例中标准化转弯角度数据序列曲线示意图，图4c为本发明实施例中标准化转弯角度数据 的特征值序列η=[ηι，η2, ·. ·，％]的曲线示意图，其中，i，n的取值为1~n，n为 m 正整数。
[0125] 如图5a所示，为本发明实施例中翻滚角数据序列曲线示意图，图5b为本发明实施 例中标准化翻滚角数据序列曲线示意图，图5c为本发明实施例中标准化翻滚角数据的特征 η 值序列λ = [A1，λ2，. · .，Ak]曲线不意图，其中，:女=1,2.，.,··.，一，η的取值为1~N，N为正整数。 m
[0126] 如图6a所示，为本发明实施例中横摆加速度数据序列曲线示意图，图6b为本发明 实施例中标准化横摆加速度数据序列曲线示意图，图6c为本发明实施例中标准化横摆加速 度数据的特征值序列S= [S1J2, ... Jk]曲线示意图，其中
，11的取值为1~ N，N为正整数。
[0127] S305:根据标准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值序列， 以及标准化横摆加速度数据的特征值序列获取标准化转弯角度数据的概率序列、标准化翻 滚角数据的概率序列，以及标准化横摆加速度数据的概率序列。
[0128] 可选地，可以将标准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值 序列，以及标准化横摆加速度数据的特征值序列中每个时间点对应的车辆当前的标准化转 弯角度数据特征值、标准化翻滚角数据特征值，以及标准化横摆加速度数据特征值作为模 糊概率映射模型，计算输出结果得到标准化转弯角度数据的概率序列、标准化翻滚角数据 的概率序列，以及标准化横摆加速度数据的概率序列。
[0129] 在本发明的实施例中，对于标准化转弯角度数据的特征值序列的模糊概率映射模 型例如·
[0130； θ2 ；
[0131； :值为 1 ~Ν，Ν为正整数，Q1 = OJ2 = 14。
[0132] 对于标准化翻滚角数据的特征值序列的模糊概率映射模型例如：
[0133] I
[0134] I
[0135] 又
[0136] ξ η
[0137] 其中，? = 1,2,…，一，η的取值为1~Ν，Ν为正整数，G1 = OJ2 = H m
[0138] 因此，根据以上模糊概率映射模型获取到的标准化转弯角度数据的概率序列为P = [Pl，P2, . . .，Pk]、标准化翻滚角数据的概率序列为P=[P1，P2, . . .，pk]，以及标准化横摆加 速度数据的概率序列为Q=[qi，q2,…，qk]，其中，A=l,2，···，i ?n的取值为1~N，N为正整 m 数。
[0139] S306:将标准化转弯角度数据的概率序列中的概率与预设概率阈值进行比对，以 得到第一比对结果。
[0140] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。预设概率阈值可以用Pt表示。
[0141]具体地，将标准化转弯角度数据的概率序列P= [P1J2, ...，Pk]中每个时间点对应 的标准化转弯角度数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的第一 η 比对结果，其中从=1,2，,..，一，η的取值为1~Ν，Ν为正整数。 m
[0142] S307:将标准化翻滚角数据的概率序列中的概率与预设概率阈值进行比对，以得 到第二比对结果。
[0143] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。预设概率阈值可以用Pt表示。
[0144] 具体地，将标准化翻滚角数据的概率序列P= [ρι，ρ2, ...，pk]中每个时间点对应的 标准化翻滚角数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的第二比对 结果，其中，女=1，2，..?，η的取值为1~N，N为正整数。 m
[0145] S308:将标准化横摆加速度数据的概率序列中的概率与预设概率阈值进行比对， 以得到第三比对结果。
[0146] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。预设概率阈值可以用Pt表示。
[0147] 具体地，将标准化横摆加速度数据的概率序列p=[pi，p2, . . .，Pk]中每个时间点对 应的标准化横摆加速度数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的 第三比对结果，其中，，n的取值为1~N，N为正整数。 Wl
[0148] S309:根据第一比对结果、第二比对结果，以及第三比对结果获取车辆在行驶过程 中的车辆风险行驶过程。
[0149] 可选地，根据第一比对结果、第二比对结果，以及第三比对结果获取车辆在行驶过 程中的车辆风险行驶过程，包括：
[0150] 在标准化转弯角度数据的概率序列中的概率大于预设概率阈值，或者标准化翻滚 角数据的概率序列中的概率大于预设概率阈值，或者标准化横摆加速度数据的概率序列中 的概率大于预设概率阈值时，判定大于预设概率阈值的标准化转弯角度数据的概率序列， 或者标准化翻滚角数据的概率序列，或者标准化横摆加速度数据的概率序列对应的车辆行 程片段为车辆风险行驶过程;依次扫描标准化转弯角度数据的概率序列中的概率，或者标 准化翻滚角数据的概率序列中的概率，或者标准化横摆加速度数据的概率序列中的概率， 以获取车辆在行驶过程中的车辆风险行驶过程。
[0151]例如，如果标准化转弯角度数据的概率序列P=R1, P2, ...，Pk]中某个时间点对应 的标准化转弯角度数据的概率大于预设概率阈值Pt，则判定该时间点对应的车辆行驶片段 为车辆危险转弯风险行驶过程;如果标准化翻滚角数据的概率序列ρ=[ ρι，ρ2,...，Pk]中某 个时间点对应的标准化翻滚角数据的概率大于预设概率阈值P t，则判定该时间点对应的车 辆行驶片段为车辆侧翻风险行驶过程；如果标准化横摆加速度数据的概率序列P= [P1， p2,...，Pk]中某个时间点对应的标准化横摆加速度数据的概率大于预设概率阈值Pt，则判 定该时间点对应的车辆行驶片段为车辆碰擦风险行驶过程，其中，々 = I，:n的取值 m 为1~N，N为正整数。
[0152] S310:根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估。
[0153] 可选地，当车辆行驶片段为车辆危险转弯风险行驶过程时，车辆行驶数据信息可 以包括该车辆危险转弯风险行驶过程的起止时间、行驶地点、最小方位角数据、最大方位角 数据，以及平均方位角数据。
[0154] 可选地，当车辆行驶片段为车辆侧翻风险行驶过程时，车辆行驶数据信息可以包 括该车辆侧翻风险行驶过程的起止时间、行驶地点、最小翻滚角数据、最大翻滚角数据，以 及平均翻滚角数据。
[0155] 可选地，当车辆行驶片段为车辆碰擦风险行驶过程时，车辆行驶数据信息可以包 括该车辆碰擦风险行驶过程的起止时间、行驶地点、最小横摆加速度数据、最大横摆加速度 数据，以及平均横摆加速度数据。
[0156] 可选地，本发明中的车辆风险评估方法可以算法封装库的形式嵌入到云平台，或 者第三方服务平台中以中间件方式运行。
[0157] 通过本步骤，能够实现对车辆行驶过程中的车辆风险进行综合评估，提升车辆风 险的评估效果。
[0158] 本实施例中，通过获取车辆行驶过程中η个时间点的方位角数据、翻滚角数据，以 及横摆加速度数据，对车辆行驶过程中的危险转弯风险，侧翻风险，碰擦风险进行识别，能 够提升车辆风险行驶过程的识别效果。通过分别对车辆行驶过程中的初始数据序列中每个 数据序列做标准化处理和主成分分析处理，以获取每个数据序列的概率序列，并将每个数 据序列的概率序列与预设概率阈值进行比对，以得到比对结果，根据比对结果对车辆行驶 过程中的风险进行评估，能够有效识别出车辆在行驶过程中的车辆风险行驶过程，根据车 辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估，提升车辆驾驶体验。通过 根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估，能够实现对车辆行 驶过程中的车辆风险进行综合评估，提升车辆风险的评估效果。
[0159] 图7是本发明另一实施例提出的基于主成分分析的车辆风险评估装置的结构示意 图，该基于主成分分析的车辆风险评估装置70包括初始数据序列获取模块701，用于获取车 辆行驶过程中的初始数据序列，其中，初始数据序列包括转弯角度数据序列、翻滚角数据序 列、横摆加速度数据序列;标准化处理模块702，用于分别对初始数据序列中每个数据序列 做标准化处理，得到初始数据序列中每个数据序列的标准化初始数据序列；主成分分析模 块703，用于分别对标准化初始数据序列中每个数据序列进行主成分分析，以获取标准化初 始数据序列中每个数据序列的特征值序列，并根据每个数据序列的特征值序列获取每个数 据的概率序列；比对模块704,用于将每个数据序列的概率序列与预设概率阈值进行比对， 以得到比对结果;评估模块705，用于根据比对结果对车辆行驶过程中的风险进行评估。
[0160] 初始数据序列获取模块701，用于获取车辆行驶过程中的初始数据序列，其中，初 始数据序列包括转弯角度数据序列、翻滚角数据序列、横摆加速度数据序列。
[0161] 其中，初始数据序列中包含车辆在行驶过程中的η个时间点的转弯角度数据、翻滚 角数据，以及横摆加速度数据，转弯角度数据序列是利用差分方法从方位角数据序列中提 取得到的。η个时间点中的每个时间点对应一组车辆当前的转弯角度数据、翻滚角数据，以 及横摆加速度数据，其中，η的取值为1~N，N为正整数。
[0162] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的陀螺仪装置获取车辆 在行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度数据，并根据差分方 法计算车辆在η个时间点中的每个时间点的转弯角度数据，以得到转弯角度数据序列、翻滚 角数据序列、横摆加速度数据序列，其中，η的取值为1~N，N为正整数。
[0163] 其中，陀螺仪装置是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转 轴的一个或二个轴的角运动检测装置。
[0164] 其中，移动终端可以是智能手机、平板电脑、个人数字助理、电子书等具有各种操 作系统的硬件设备。
[0165] 其中，转弯角度数据用于识别车辆行驶过程中的危险转弯风险，翻滚角数据用于 识别车辆行驶过程中的侧翻风险，横摆加速度数据用于识别车辆行驶过程中的碰擦风险。
[0166] 车辆危险转弯、侧翻风险和碰擦风险是指车辆行驶过程中，由于司机主观判断、路 面状况和其他意外因素表现出的危险转弯、侧翻和碰擦等可能造成严重后果的驾驶行为， 它能够充分体现车辆运输物品或者乘客的安全状态。车辆危险转弯、侧翻和碰擦风险是车 辆安全评估中最重要的指标之一，因此它在车辆安全评估中占至关重要的地位。
[0167] 可选地，初始数据序列获取模块701具体用于：
[0168] 获取车辆行驶过程中的方位角数据序列、翻滚角数据序列、横摆加速度数据序列， 并根据方位角数据序列获取转弯角度数据序列。
[0169] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的陀螺仪装置获取车辆 在行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度数据，以得到方位角 数据序列、翻滚角数据序列、横摆加速度数据序列，其中，η的取值为1~N，N为正整数。
[0170] 例如，车辆在行驶过程中η个时间点的方位角数据序列可以用,,..,?] 表示，其中，^表示时刻ti的方向角数据(单位:°)，且i = 0，1，2，…，η，η的取值为1~N，N为 正整数;车辆在行驶过程中η个时间点的翻滚角数据序列可以用A，…，歧]表示，其 中，爲表示时刻扒的翻滚角数据(单位:°)，且i = 0，l，2,…，η，η的取值为1~Ν，Ν为正整数； 车辆在行驶过程中η个时间点的横摆加速度数据序列可以用\]表示，其中， 气表示时刻ti的横摆加速度数据(单位:m/s2)，且i = 0，1，2,…，η，η的取值为1~Ν，Ν为正整 数。
[0171 ]其中，可以根据差分方法和方位角数据序列计算车辆在η个时间点中的每个 时间点的转弯角度数据，以获取转弯角度数据序列。例如，可以差分方法和车辆在行驶 过程中η个时间点的方位角数据序列,afi 1获取转弯角度数据序列
:中，i的取值为1~ N，N为正整数。
[0172]通过获取车辆行驶过程中η个时间点的方位角数据、翻滚角数据，以及横摆加速度 数据，对车辆行驶过程中的危险转弯风险，侧翻风险，碰擦风险进行识别，能够提升车辆风 险行驶过程的识别效果。
[0173]标准化处理模块702,用于分别对初始数据序列中每个数据序列做标准化处理，得 到初始数据序列中每个数据序列的标准化初始数据序列。
[0174] 其中，标准化初始数据序列包括标准化转弯角度数据序列、标准化翻滚角数据序 列，以及标准化横摆加速度数据序列。
[0175] 具体地，将采集到的转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序 列进行标准化，即将转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序列中的每 个转弯角度数据、翻滚角数据，以及横摆加速度数据归一化到〇~1之间。
[0176] 例如，转弯角度数据、翻滚角数据和横摆加速度数据的信号向量形式为X= [Χ1， Χ2, . . .，Xn]T，则标准化最小和最大比例参数分别为Si = min(xi，X2, . . .，Xn)和S2=max(xi, X2, . . .，Xn)，从而可得标准化信号数据序列为： I--n.r
[0177]
[0178] 其中，η的取值为1~N，N为正整数。
[0179] 具体地，分别将η个时间点中的每个时间点对应的车辆当前的转弯角度数据、翻滚 角数据、横摆加速度数据进行标准化处理，得到标准化转弯角度数据、标准化翻滚角数据， 以及标准化横摆加速度数据，对η个时间点中的每个时间点对应的车辆当前的转弯角度数 据、翻滚角数据、横摆加速度数据均做以上计算，得到标准化转弯角度数据序列、标准化翻 滚角数据序列，以及标准化横摆加速度数据序列，其中，η的取值为1~Ν，Ν为正整数。
[0180] 可选地，标准化处理模块702具体用于：
[0181] 对转弯角度数据序列、翻滚角数据序列，以及横摆加速度数据序列做标准化处理， 得到标准化转弯角度数据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据序列。
[0182] 对转弯角度数据序列Δαι^Δ?^,Δ%，...,Δ%]做标准化处理，得到标准化转弯角 度数据序列的过程例如：
[0183] 将转弯角度数据序列△ α标准化得到：
[0184]
[0185] 其中，，厶
Δ气)和 Δα臓=ιταχ^Δβ；，A气):，η的取值为1~N，N为正整数。[0186] 对翻滚角数据序列-A.]做标准化处理，得到标准化翻滚角数据序列 的过程例如：[0187] 检*0谅仓撒麻亩万丨丨站5>件0钽$il.
[0188]
[0189] 的取值为1 ~N，N为正整数。
[0190] 对横摆加速度数据序列％ = Dv,做标准化处理，得到标准化横摆加速度 数据序列的过程例如：
[0191] 首先将横摆加速度数据序列通过比例因子映射到单位为g(lg = 9.8m/s2)的空间， 然后进行标准化处理。
[0192] 将横摆加速度数据ay标准化得到：
[0193]
[0194] 其中，，气，…，气P和a_=max(气，、…，气j，n的取值为1~N， N为正整数。
[0195] 例如，如下表3所示，为本发明实施例车辆行驶过程中555个时间点对应的方位角 数据、转弯角度数据，以及标准化转弯角度数据示意。
[0197] 表3
[0198] 例如，如下表4所示，为本发明实施例车辆行驶过程中555个时间点对应的翻滚角 数据、标准化翻滚角数据、原始横摆加速度数据、横摆加速度数据，以及标准化横摆加速度 数据。 表4
[0200] 主成分分析模块703,用于分别对标准化初始数据序列中每个数据序列进行主成 分分析，以获取标准化初始数据序列中每个数据序列的特征值序列，并根据每个数据序列 的特征值序列获取每个数据的概率序列。
[0201] 例如，可以由安装在车辆驾驶室内的行车记录移动终端中的应用程序分别对标准 化初始数据序列中每个数据序列进行主成分分析，以获取标准化初始数据序列中每个数据 序列的特征值序列，并根据每个数据序列的特征值序列获取每个数据的概率序列。
[0202] 应用程序可以是指运行在电子设备上的软件程序，电子设备例如为个人电脑 (Personal Computer，PC)，云端设备或者移动设备，移动设备例如智能手机，或者平板电脑 等。
[0203] 主成分分析（Principal Components Analysis，PCA)的原理如下：
[0204] 给定任意向量X=(X1，X2，···，Xm)，令m维单位向量W=(W1，W2，···，Wm)，X在W上的投影 表示：
t足约束条件：
[0205]
[0206] PCA的目的是寻找一个权值向量w使得期望表达式E[Y2]的值最大化，即
[0207] E[Y2] =E[ (wTx)2] =wTE[xxT] w=WtCxW,
[0208] 根据线性代数理论，期望最大化应满足：
[0209] Cx^Wj = AjWj, j = 1,2,··· ,m,
阵Cx，如图2中步骤23计算协方差矩阵Cx的特征值向量，如图2中步骤24获取协方差矩阵C x的 特征值向量中值最大的特征值向量，做为任意向量X =( Xl，X2，…，Xm)的特征值序列，其中， 11，1]1的取值为1~1~为正整数。
[0211]具体地，根据图2所示的步骤分别将标准化初始数据序列中的标准化转弯角度数 据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据序列进行PCA处理，获取标准 化转弯角度数据的特征值序列、标准化翻滚角数据的特征值序列，以及标准化横摆加速度 数据的特征值序列，并将标准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值 序列，以及标准化横摆加速度数据的特征值序列中η个时间点中的每个时间点对应的车辆 当前的标准化转弯角度数据特征值、标准化翻滚角数据特征值，以及标准化横摆加速度数 据特征值作为模糊概率映射模型，计算输出结果得到标准化转弯角度数据的概率序列、标 准化翻滚角数据的概率序列，以及标准化横摆加速度数据的概率序列。
[0212]可选地，如图8所示，主成分分析模块703包括主成分分析子模块7031和概率序列 获取子模块7032,其中，
[0213]主成分分析子模块7031，用于分别对标准化转弯角度数据序列、标准化翻滚角数 据序列，以及标准化横摆加速度数据序列进行主成分分析，以获取标准化转弯角度数据的 特征值序列、标准化翻滚角数据的特征值序列，以及标准化横摆加速度数据的特征值序列。 [0 214]在本发明的实施例中，PCA中m取值30，以30为窗口大小，顺序扫描标准化转弯角度 数据序列、标准化翻滚角数据序列，以及标准化横摆加速度数据序列，进行PCA分析。
[0215] 例如，对于标准化转弯角度数据序列：
[0219] 第二个窗口数据序列：
[0216]
[0217]
[0218]
进行PCA特征值提取，即，获取第一个窗口数据序列、第二个窗口数据序列，…，以及第k个窗 η 口数据序列的最大特征值λ?ο其中，= …,一，η的取值为1~Ν，Ν为正整数。若标准化横 m 摆加速度数据序列中的数据最终个数小于30，则根据标准化横摆加速度数据序列中的剩余 数据的个数对其进行PCA特征值提取。
[0223]例如，根据PCA提取出的标准化转弯角度数据的特征值序列为n= [m，n2，...，％]， fl 其中，fc = l，2,...，一，n的取值为1~N，N为正整数。标准化翻滚角数据的特征值序列为λ = m
[A1J2,. . .，Ak]，其中，& = 1，2，:...，i，n的取值为1~N，N为正整数，以及标准化横摆加速度 m 数据的特征值序列为S = ... Jk]，其中，々 = 1,2,1，η的取值为1~N，N为正整 m 数。
[0224] 如图4a所示，为本发明实施例中转弯角度数据序列曲线示意图，图4b为本发明实 施例中标准化转弯角度数据序列曲线示意图，图4c为本发明实施例中标准化转弯角度数据 η 的特征值序列η=[ηι，η2,...，％]的曲线示意图，其中，…，一，η的取值为1~ν，ν为 M 正整数。
[0225] 如图5a所示，为本发明实施例中翻滚角数据序列曲线示意图，图5b为本发明实施 例中标准化翻滚角数据序列曲线示意图，图5c为本发明实施例中标准化翻滚角数据的特征 值序列λ = [λι，λ2，. · .，Ak]曲线不意图，其中，& =_1,2,.._，，一，. η的取值为1~N，N为正整数。 m
[0226] 如图6a所示，为本发明实施例中横摆加速度数据序列曲线示意图，图6b为本发明 实施例中标准化横摆加速度数据序列曲线示意图，图6c为本发明实施例中标准化横摆加速 η 度数据的特征值序列S=W1, δ2，... Jk]曲线示意图，其中，1 = 1,2，...，一，η的取值为1~ m N，N为正整数。
[0227] 概率序列获取子模块7032,用于分别将标准化转弯角度数据的特征值序列、标准 化翻滚角数据的特征值序列，以及标准化横摆加速度数据的特征值序列作为模糊概率映射 模型的输入，计算输出以获取标准化转弯角度数据的概率序列、标准化翻滚角数据的概率 序列，以及标准化横摆加速度数据的概率序列。
[0228] 可选地，可以将标准化转弯角度数据的特征值序列、标准化翻滚角数据的特征值 序列，以及标准化横摆加速度数据的特征值序列中每个时间点对应的车辆当前的标准化转 弯角度数据特征值、标准化翻滚角数据特征值，以及标准化横摆加速度数据特征值作为模 糊概率映射模型，计算输出结果得到标准化转弯角度数据的概率序列、标准化翻滚角数据 的概率序列，以及标准化横摆加速度数据的概率序列。
[0229] 在本发明的实施例中，对于标准化转弯角度数据的特征值序列的模糊概率映射模 型例如：
[0237] 其中，= 1,2,.··, I，n的取值为 1 ~N，N为正整数，0^0,02 = 14。 m
[0238] 因此，根据以上模糊概率映射模型获取到的标准化转弯角度数据的概率序列为P = [Pl，P2, . . .，Pk]、标准化翻滚角数据的概率序列为P=[P1，P2, . . .，pk]，以及标准化横摆加 速度数据的概率序列为Q=[qi，q2, · · ·，qk]，其中，A = l，2，..·，i，η的取值为1~N，N为正整 M 数。
[0239] 比对模块704,用于将每个数据序列的概率序列与预设概率阈值进行比对，以得到 比对结果。
[0240] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。
[0241] 具体地，将标准化转弯角度数据的概率序列、标准化翻滚角数据的概率序列，以及 标准化横摆加速度数据的概率序列中每个时间点对应的标准化转弯角度数据的概率、标准 化翻滚角数据的概率，以及标准化横摆加速度数据的概率依次与预设概率阈值进行比对， 以得到每个时间点对应的比对结果。
[0242] 可选地，比对模块704具体用于:将标准化转弯角度数据的概率序列中的概率与预 设概率阈值进行比对，以得到第一比对结果;将标准化翻滚角数据的概率序列中的概率与 预设概率阈值进行比对，以得到第二比对结果;将标准化横摆加速度数据的概率序列中的 概率与预设概率阈值进行比对，以得到第三比对结果。
[0243] 其中，预设概率阈值可以由行车记录移动终端中的应用程序的内置程序预先设 定。预设概率阈值可以用Pt表示。
[0244]具体地，将标准化转弯角度数据的概率序列P= [P1J2, ...，Pk]中每个时间点对应 的标准化转弯角度数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的第一 比对结果，淇
[0245] 具体地，将标准化翻滚角数据的概率序列P= [ρι，ρ2, ...，pk]中每个时间点对应的 标准化翻滚角数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的第二比对 结果，其中，…，^，_n的取值为1~N，N为正整数。 m
[0246] 具体地，将标准化横摆加速度数据的概率序列p=[pi，p2, . . .，pk]中每个时间点对 应的标准化横摆加速度数据的概率与预设概率阈值Pt进行比对，以得到每个时间点对应的 第三比对结果，其中，1=1,2,,··, J，η的取值为1~N，N为正整数。 m
[0247] 评估模块705,用于根据比对结果对车辆行驶过程中的风险进行评估。
[0248] 具体地，可以扫描标准化转弯角度数据的概率序列、标准化翻滚角数据的概率序 列，以及标准化横摆加速度数据的概率序列中每个时间点对应的标准化转弯角度数据的概 率、标准化翻滚角数据的概率，以及标准化横摆加速度数据的概率，根据每个时间点对应的 标准化转弯角度数据的概率、标准化翻滚角数据的概率，以及标准化横摆加速度数据的概 率与预设概率阈值的比对结果对车辆行驶过程中的风险进行评估。
[0249] 其中，当标准化转弯角度数据的概率序列中某个时间点的概率大于预设概率阈值 时，将该时间点对应的车辆行程片段识别为危险转弯风险行驶过程；当标准化翻滚角数据 的概率序列中某个时间点的概率大于预设概率阈值时，将该时间点对应的车辆行程片段识 别为侧翻风险行驶过程;当标准化横摆加速度数据的概率序列中某个时间点的概率大于预 设概率阈值时，将该时间点对应的车辆行程片段识别为碰擦风险行驶过程。
[0250] 进一步，根据危险转弯风险行驶过程、侧翻风险行驶过程，以及碰擦风险行驶过程 对应的车辆行驶数据信息对车辆风险进行评估。
[0251] 可选地，评估模块705包括车辆风险行驶过程获取子模块7051和评估子模块7052， 其中，
[0252] 车辆风险行驶过程获取子模块7051，用于根据第一比对结果、第二比对结果，以及 第三比对结果获取车辆在行驶过程中的车辆风险行驶过程。
[0253] 可选地，车辆风险行驶过程获取子模块7051具体用于:在标准化转弯角度数据的 概率序列中的概率大于预设概率阈值，或者标准化翻滚角数据的概率序列中的概率大于预 设概率阈值，或者标准化横摆加速度数据的概率序列中的概率大于预设概率阈值时，判定 大于预设概率阈值的标准化转弯角度数据的概率序列，或者标准化翻滚角数据的概率序 列，或者标准化横摆加速度数据的概率序列对应的车辆行程片段为车辆风险行驶过程;依 次扫描标准化转弯角度数据的概率序列中的概率，或者标准化翻滚角数据的概率序列中的 概率，或者标准化横摆加速度数据的概率序列中的概率，以获取车辆在行驶过程中的车辆 风险行驶过程。
[0254] 例如，如果标准化转弯角度数据的概率序列P=R1, P2, ...，Pk]中某个时间点对应 的标准化转弯角度数据的概率大于预设概率阈值Pt，则判定该时间点对应的车辆行驶片段 为车辆危险转弯风险行驶过程;如果标准化翻滚角数据的概率序列ρ=[ ρι，ρ2,...，Pk]中某 个时间点对应的标准化翻滚角数据的概率大于预设概率阈值Pt，则判定该时间点对应的车 辆行驶片段为车辆侧翻风险行驶过程；如果标准化横摆加速度数据的概率序列P= [P1， p2,...，Pk]中某个时间点对应的标准化横摆加速度数据的概率大于预设概率阈值Pt，则判 定该时间点对应的车辆行驶片段为车辆碰擦风险行驶过程，其中，=1，2，... η的取值 m 为1~N，N为正整数。
[0255] 评估子模块7052,用于根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风 险进彳丁评估。
[0256] 其中，当车辆行驶片段为车辆危险转弯风险行驶过程时，车辆行驶数据信息可以 包括该车辆危险转弯风险行驶过程的起止时间、行驶地点、最小方位角数据、最大方位角数 据，以及平均方位角数据；当车辆行驶片段为车辆侧翻风险行驶过程时，车辆行驶数据信息 可以包括该车辆侧翻风险行驶过程的起止时间、行驶地点、最小翻滚角数据、最大翻滚角数 据，以及平均翻滚角数据；当车辆行驶片段为车辆碰擦风险行驶过程时，车辆行驶数据信息 可以包括该车辆碰擦风险行驶过程的起止时间、行驶地点、最小横摆加速度数据、最大横摆 加速度数据，以及平均横摆加速度数据。
[0257] 可选地，本发明中的车辆风险评估方法可以算法封装库的形式嵌入到云平台，或 者第三方服务平台中以中间件方式运行。
[0258] 通过本步骤，能够实现对车辆行驶过程中的车辆风险进行综合评估，提升车辆风 险的评估效果。
[0259] 基于本发明中的基于主成分分析的车辆风险评估方法的评估结果如图9所示，图 9a是本发明实施例中车辆风险行驶过程的行程片段示意图，图9a中的刻度方框表示车辆行 驶过程的轨迹，横轴(X)刻度方向表示自西向东的距离(单位:m)，纵轴(Y)刻度方向表示自 南向北的距离(单位:m)，图9a中的方框91为汽车行驶过程中出现的高风险驾驶片段标识。 图9b是本发明实施例中汽车行驶过程中每个时间点的速度(单位:km/h)与当前时间点里程 (单位:km)的对应关系示意图。图9c是本发明实施例中汽车行驶过程中每个时间点的加速 度(单位:m/s 2)与当前时间点里程(单位:km)的对应关系示意图。
[0260] 本实施例中，通过获取车辆行驶过程中η个时间点的方位角数据、翻滚角数据，以 及横摆加速度数据，对车辆行驶过程中的危险转弯风险，侧翻风险，碰擦风险进行识别，能 够提升车辆风险行驶过程的识别效果。通过分别对车辆行驶过程中的初始数据序列中每个 数据序列做标准化处理和主成分分析处理，以获取每个数据序列的概率序列，并将每个数 据序列的概率序列与预设概率阈值进行比对，以得到比对结果，根据比对结果对车辆行驶 过程中的风险进行评估，能够有效识别出车辆在行驶过程中的车辆风险行驶过程，根据车 辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估，提升车辆驾驶体验。通过 根据车辆风险行驶过程对应的车辆行驶数据信息对车辆风险进行评估，能够实现对车辆行 驶过程中的车辆风险进行综合评估，提升车辆风险的评估效果。
[0261] 需要说明的是，在本发明的描述中，术语"第一"、"第二"等仅用于描述目的，而不 能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，"多个"的含义 是两个或两个以上。
[0262] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括 一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部 分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺 序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明 的实施例所属技术领域的技术人员所理解。
[0263] 应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述 实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件 或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下 列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路 的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)JIg 可编程门阵列(FPGA)等。
[0264] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步 骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介 质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0265] 此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以 是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模 块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如 果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机 可读取存储介质中。
[0266] 上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0267] 在本说明书的描述中，参考术语"一个实施例"、"一些实施例"、"示例"、"具体示 例"、或"一些示例"等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特 点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不 一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何 的一个或多个实施例或示例中以合适的方式结合。
[0268] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例 性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述 实施例进行变化、修改、替换和变型。
【主权项】
1. 一种基于主成分分析的车辆风险评估方法，其特征在于，包括以下步骤： 获取车辆行驶过程中的初始数据序列，其中，所述初始数据序列包括转弯角度数据序 列、翻滚角数据序列、横摆加速度数据序列； 分别对所述初始数据序列中每个数据序列做标准化处理，得到所述初始数据序列中每 个数据序列的标准化初始数据序列； 分别对所述标准化初始数据序列中每个数据序列进行主成分分析，以获取所述标准化 初始数据序列中每个数据序列的特征值序列，并根据所述每个数据序列的特征值序列获取 每个数据的概率序列； 将所述每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果； 根据所述比对结果对所述车辆行驶过程中的风险进行评估。2. 如权利要求1所述的基于主成分分析的车辆风险评估方法，其特征在于，所述获取车 辆行驶过程中的初始数据序列，其中，所述初始数据序列包括转弯角度数据序列、翻滚角数 据序列、横摆加速度数据序列，包括： 获取车辆行驶过程中的方位角数据序列、翻滚角数据序列、横摆加速度数据序列，并根 据所述方位角数据序列获取转弯角度数据序列。3. 如权利要求1所述的基于主成分分析的车辆风险评估方法，其特征在于，所述分别对 所述初始数据序列中每个数据序列做标准化处理，得到所述初始数据序列中每个数据序列 的标准化初始数据序列，包括： 对所述转弯角度数据序列、所述翻滚角数据序列，以及所述横摆加速度数据序列做标 准化处理，得到标准化转弯角度数据序列、标准化翻滚角数据序列，以及标准化横摆加速度 数据序列。4. 如权利要求1所述的基于主成分分析的车辆风险评估方法，其特征在于，所述分别对 所述标准化初始数据序列中每个数据序列进行主成分分析，以获取所述标准化初始数据序 列中每个数据序列的特征值序列，并根据所述每个数据序列的特征值序列获取每个数据的 概率序列，包括： 分别对所述标准化转弯角度数据序列、所述标准化翻滚角数据序列，以及所述标准化 横摆加速度数据序列进行主成分分析，以获取标准化转弯角度数据的特征值序列、标准化 翻滚角数据的特征值序列，以及标准化横摆加速度数据的特征值序列； 分别将所述标准化转弯角度数据的特征值序列、所述标准化翻滚角数据的特征值序 列，以及所述标准化横摆加速度数据的特征值序列作为模糊概率映射模型的输入，计算输 出以获取所述标准化转弯角度数据的概率序列、所述标准化翻滚角数据的概率序列，以及 所述标准化横摆加速度数据的概率序列。5. 如权利要求1所述的基于主成分分析的车辆风险评估方法，其特征在于，所述将所述 每个数据序列的概率序列与预设概率阈值进行比对，以得到比对结果，包括： 将所述标准化转弯角度数据的概率序列中的概率与所述预设概率阈值进行比对，以得 到第一比对结果； 将所述标准化翻滚角数据的概率序列中的概率与所述预设概率阈值进行比对，以得到 第二比对结果； 将所述标准化横摆加速度数据的概率序列中的概率与所述预设概率阈值进行比对，以 得到第三比对结果。6. 如权利要求5所述的基于主成分分析的车辆风险评估方法，其特征在于，所述根据所 述比对结果对所述车辆行驶过程中的风险进行评估，包括： 根据所述第一比对结果、所述第二比对结果，以及所述第三比对结果获取所述车辆在 行驶过程中的车辆风险行驶过程； 根据所述车辆风险行驶过程对应的车辆行驶数据信息对所述车辆风险进行评估。7. 如权利要求6所述的基于主成分分析的车辆风险评估方法，其特征在于，所述根据所 述第一比对结果、所述第二比对结果，以及所述第三比对结果获取所述车辆在行驶过程中 的车辆风险行驶过程，包括： 在所述标准化转弯角度数据的概率序列中的概率大于所述预设概率阈值，或者所述标 准化翻滚角数据的概率序列中的概率大于所述预设概率阈值，或者所述标准化横摆加速度 数据的概率序列中的概率大于所述预设概率阈值时，判定大于所述预设概率阈值的标准化 转弯角度数据的概率序列，或者标准化翻滚角数据的概率序列，或者标准化横摆加速度数 据的概率序列对应的车辆行程片段为车辆风险行驶过程； 依次扫描所述标准化转弯角度数据的概率序列中的概率，或者所述标准化翻滚角数据 的概率序列中的概率，或者所述标准化横摆加速度数据的概率序列中的概率，以获取所述 车辆在行驶过程中的车辆风险行驶过程。8. -种基于主成分分析的车辆风险评估装置，其特征在于，包括： 初始数据序列获取模块，用于获取车辆行驶过程中的初始数据序列，其中，所述初始数 据序列包括转弯角度数据序列、翻滚角数据序列、横摆加速度数据序列； 标准化处理模块，用于分别对所述初始数据序列中每个数据序列做标准化处理，得到 所述初始数据序列中每个数据序列的标准化初始数据序列； 主成分分析模块，用于分别对所述标准化初始数据序列中每个数据序列进行主成分分 析，以获取所述标准化初始数据序列中每个数据序列的特征值序列，并根据所述每个数据 序列的特征值序列获取每个数据的概率序列； 比对模块，用于将所述每个数据序列的概率序列与预设概率阈值进行比对，以得到比 对结果； 评估模块，用于根据所述比对结果对所述车辆行驶过程中的风险进行评估。9. 如权利要求8所述的基于主成分分析的车辆风险评估装置，其特征在于，所述初始数 据序列获取模块具体用于： 获取车辆行驶过程中的方位角数据序列、翻滚角数据序列、横摆加速度数据序列，并根 据所述方位角数据序列获取转弯角度数据序列。10. 如权利要求8所述的基于主成分分析的车辆风险评估装置，其特征在于，所述标准 化处理模块具体用于： 对所述转弯角度数据序列、所述翻滚角数据序列，以及所述横摆加速度数据序列做标 准化处理，得到标准化转弯角度数据序列、标准化翻滚角数据序列，以及标准化横摆加速度 数据序列。11. 如权利要求8所述的基于主成分分析的车辆风险评估装置，其特征在于，所述主成 分分析模块包括： 主成分分析子模块，用于分别对所述标准化转弯角度数据序列、所述标准化翻滚角数 据序列，以及所述标准化横摆加速度数据序列进行主成分分析，以获取标准化转弯角度数 据的特征值序列、标准化翻滚角数据的特征值序列，以及标准化横摆加速度数据的特征值 序列； 概率序列获取子模块，用于分别将所述标准化转弯角度数据的特征值序列、所述标准 化翻滚角数据的特征值序列，以及所述标准化横摆加速度数据的特征值序列作为模糊概率 映射模型的输入，计算输出以获取所述标准化转弯角度数据的概率序列、所述标准化翻滚 角数据的概率序列，以及所述标准化横摆加速度数据的概率序列。12. 如权利要求8所述的基于主成分分析的车辆风险评估装置，其特征在于，所述比对 模块具体用于： 将所述标准化转弯角度数据的概率序列中的概率与所述预设概率阈值进行比对，以得 到第一比对结果； 将所述标准化翻滚角数据的概率序列中的概率与所述预设概率阈值进行比对，以得到 第二比对结果； 将所述标准化横摆加速度数据的概率序列中的概率与所述预设概率阈值进行比对，以 得到第三比对结果。13. 如权利要求12所述的基于主成分分析的车辆风险评估装置，其特征在于，所述评估 丰吴块包括： 车辆风险行驶过程获取子模块，用于根据所述第一比对结果、所述第二比对结果，以及 所述第三比对结果获取所述车辆在行驶过程中的车辆风险行驶过程； 评估子模块，用于根据所述车辆风险行驶过程对应的车辆行驶数据信息对所述车辆风 险进彳丁评估。14. 如权利要求13所述的基于主成分分析的车辆风险评估装置，其特征在于，所述车辆 风险行驶过程获取子模块具体用于： 在所述标准化转弯角度数据的概率序列中的概率大于所述预设概率阈值，或者所述标 准化翻滚角数据的概率序列中的概率大于所述预设概率阈值，或者所述标准化横摆加速度 数据的概率序列中的概率大于所述预设概率阈值时，判定大于所述预设概率阈值的标准化 转弯角度数据的概率序列，或者标准化翻滚角数据的概率序列，或者标准化横摆加速度数 据的概率序列对应的车辆行程片段为车辆风险行驶过程； 依次扫描所述标准化转弯角度数据的概率序列中的概率，或者所述标准化翻滚角数据 的概率序列中的概率，或者所述标准化横摆加速度数据的概率序列中的概率，以获取所述 车辆在行驶过程中的车辆风险行驶过程。
【文档编号】G06Q10/06GK105844379SQ201510908741
【公开日】2016年8月10日
【申请日】2015年12月9日
【发明人】纪政
【申请人】东软集团股份有限公司