车辆远程自动定损碰撞检测方法及系统的制作方法
【专利摘要】车辆远程自动定损碰撞检测方法及系统，包括：建立碰撞检测模型的步骤、训练碰撞检测模型的步骤、碰撞初级检测的步骤、碰撞信号采集的步骤、碰撞二次检测判断的步骤。本发明是针对在损伤等级判断模型确定的过程中诸多因素的多变性而设计的,本申请可以达到秒级自动判定车辆碰撞的时间及地点，从而减少车辆理赔过程中的伪造事故的骗保现象，同时提高保险理赔的时效性。
【专利说明】
车辆远程自动定损碰撞检测方法及系统
技术领域
[0001 ]本发明属于车辆远程自动定损领域，具体说是车辆远程自动定损碰撞检测方法及系统。
【背景技术】
[0002]车辆低速运动，包括低速道路行驶、车辆停靠等。低速运动过程中的碰撞事故是交通事故中比重最大的一类。碰撞后，保险公司在理赔过程中采用的人工定损方式主观性强，经常会导致理赔纠纷。此外，传统定损为了事故车辆定损的准确性需要进行车辆拆解，这也额外增加了保险理赔的费用。远程自动定损系统，一方面解决了定损员进行定损的主观性和减少联合骗保的机率；另一方面可避免事故车辆的拆解费用，从而大大提升在保客户的满意度和事故保险理赔的规范化。远程自动定损技术通过采集车辆行驶过程中的多种信号，如速度、加速度、角速度、声音等，运用信号处理和机器学习技术对采集到的信号进行智能化处理，以实现自动判断碰撞是否发生以及碰撞后车辆的损毁情况。其中碰撞检测是该定损过程中最重要的环节之一，建立碰撞过程模型并通过检测碰撞过程的信号特征判定碰撞是否发生是其中的关键技术之一。
【发明内容】
[0003]本发明提出了一种车辆远程自动定损碰撞检测方法及系统，是针对在损伤等级判断模型确定的过程中诸多因素的多变性而设计的，本申请可以达到秒级自动判定车辆碰撞的时间及地点，从而减少车辆理赔过程中的伪造事故的骗保现象，同时提高保险理赔的时效性。
[0004]—方面，本发明提供了车辆远程自动定损碰撞检测方法，包括:建立碰撞检测模型的步骤、训练碰撞检测模型的步骤、碰撞初级检测的步骤、碰撞信号采集的步骤、碰撞二次检测判断的步骤。
[0005]具体的，通过分析在不同工况、车速、角度、车型等情况下，碰撞发生时车辆产生信号的不同特征，建立对碰撞过程进行描述的碰撞检测模型。
[0006]具体的，训练碰撞检测模型，通过对碰撞检测模型进行仿真计算，确定碰撞检测判定的信号特征，以SVM、随机森林等机器学习算法为核心，利用仿真数据和实测数据作为学习数据，通过学习建立自动判断碰撞的参数模型，然后将该参数模型作为计算机的知识存入云平台知识库。
[0007]具体的，碰撞初级检测是通过实测及仿真碰撞数据设定碰撞多域值判定，对发生或疑似发生碰撞信号的检测和提取。
[0008]具体的，经过碰撞初级检测后，碰撞信号采集通过车载OBD传感器设备在发生或者疑似发生碰撞事故时，截取一定时长的监测信号，自动上传数据至云平台。
[0009]更具体的，碰撞二次检测判断的步骤具体为，上传到云平台的数据，经过滤波、特征提取与特征变换、标准化等预处理后，输入SVM碰撞检测模型中进行运算，得出车辆是否发生真实碰撞的结论。
[0010]另一方面，本发明还提供了一种车辆远程自动定损碰撞检测系统，包括:
[0011]碰撞检测模型，利用车载传感器设备的数据采集信息，以速度、加速度、角速度等信号的时域和频域特征作为描述参数，并加入时间、地点、音频、图像等相关的环境信息作为辅助参数，对碰撞过程进行全方位描述；
[0012]碰撞检测训练模型，对SVM、随机森林等不同机器学习方法的参数寻优以及经验数据分析；
[0013]碰撞初级检测模型，通过实测及仿真碰撞数据设定碰撞多域值判定，进行发生或疑似发生碰撞信号的检测和提取；
[0014]碰撞检测模型数据库，将仿真碰撞数据、实测数据及相关的预处理数据按照不同机器学习方法建立碰撞检测模型数据库；
[0015]车载传感器设备，进行数据的传输和采集，获得疑似事故发生时车辆的的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据；
[0016]碰撞信号数据的预处理模块:通过FIR、CHE等滤波技术，提取信号的真实波形，并选择有效的碰撞描述特征；
[0017]碰撞二次检测模型，将仿真数据和实际经验数据结合，在大数据学习的基础上实现自动判断碰撞是否真实发生；
[0018]车辆定损数据库，是基于仿真进行大量事故样本建立得到，根据碰撞仿真的事故重现数据结合定损专家及自动定损模块进行基于每一车型的事故定损，从而针对每一辆车型的事故只需要进行OBD数据分析即可知道车辆的损伤及整车的定损；
[0019]远程无人碰撞检测技术知识库:固化远程无人碰撞检测技术的相关知识及成果。
[0020]进一步的，疑似事故发生时刻车辆的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据，一方面可以通过云平台的碰撞检测技术最终判定是否真实发生了碰撞;另一方面所采集到的真实碰撞数据可以作为远程定损模型的训练样本进一步完善定损模型的训练精度。
[0021]进一步的，基于大数据的云平台和人工智能学习方法，建立车辆碰撞检测数据库/知识库。
[0022]更具体的，将事故和仿真形成的车辆碰撞数据库的各种资源封装和虚拟化，碰撞检测训练模型、预处理模块，模型数据库/知识库等，将封装成碰撞检测应用模块为各种具体的应用服务，形成符合标准接口的功能化模块。
[0023]本发明由于采用以上技术方法，能够取得如下的技术效果:本发明通过车辆远程自动定损碰撞检测模型与技术可以达到秒级自动判定车辆碰撞的时间及地点，从而减少车辆理赔过程中的伪造事故的骗保现象，同时提高保险理赔的时效性;碰撞检测精度高。
【附图说明】
[0024]为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为车辆远程自动定损碰撞检测系统结构示意图。
【具体实施方式】
[0026]为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述:
[0027]实施例1
[0028]本发明提供了车辆远程自动定损碰撞检测方法，包括:
[0029]S1:建立碰撞检测模型的步骤，通过分析在不同工况、车速、角度、车型等情况下，碰撞发生时车辆产生信号的不同特征，建立对碰撞过程进行描述的碰撞检测模型。
[0030]S2:训练碰撞检测模型的步骤，通过对碰撞检测模型进行仿真计算，确定碰撞检测判定的信号特征，以SVM(支持向量机)、随机森林等机器学习算法为核心，利用仿真数据和实测数据作为学习数据，通过学习建立自动判断碰撞的参数模型，然后将该参数模型作为计算机的知识存入云平台知识库。
[0031]S3:碰撞初级检测的步骤，是通过实测及仿真碰撞数据设定碰撞多域值判定，对发生或疑似发生碰撞信号的检测和提取。
[0032]S4:碰撞信号采集的步骤，经过碰撞初级检测后，碰撞信号采集通过车载OBD传感器设备在发生或者疑似发生碰撞事故时，截取一定时长的监测信号，如5s、8s、10s，自动上传数据至云平台。
[0033]S5:碰撞二次检测判断的步骤，上传到云平台的数据，经过滤波、特征提取与特征变换、标准化等预处理后，输入SVM碰撞检测模型中进行运算，得出车辆是否发生真实碰撞的结论。该结果可以作为进一步判定车辆损伤等级的基础信号，用于启动损伤等级的判定。
[0034]实施例2
[0035]本发明还提供了一种车辆远程自动定损碰撞检测系统，包括:
[0036]碰撞检测模型，利用车载传感器设备的数据采集信息，以速度、加速度、角速度等信号的时域和频域特征作为描述参数，并加入时间、地点、音频、图像等相关的环境信息作为辅助参数，对碰撞过程进行全方位描述；
[0037]碰撞检测训练模型，对SVM(支持向量机)、随机森林等不同机器学习方法的参数寻优以及经验数据分析；
[0038]碰撞初级检测模型，通过实测及仿真碰撞数据设定碰撞多域值判定，进行发生或疑似发生碰撞信号的检测和提取；
[0039]碰撞检测模型数据库，将仿真碰撞数据、实测数据及相关的预处理数据按照不同机器学习方法建立碰撞检测模型数据库；
[0040]车载传感器设备，进行数据的传输和采集，获得疑似事故发生时车辆的的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据；
[0041]碰撞信号数据的预处理模块:通过FIR、CHE等滤波技术，提取信号的真实波形，并选择有效的碰撞描述特征；
[0042]碰撞二次检测模型，基于SVM(支持向量机)、随机森林等人工智能算法，将仿真数据和实际经验数据结合，在大数据学习的基础上实现自动判断碰撞是否真实发生；
[0043]车辆定损数据库，是基于仿真进行大量事故样本建立得到，因为针对每一辆车型的事故只需要进行OBD数据分析即可知道车辆的损伤及整车的定损；
[0044]远程无人碰撞检测技术的知识库:远程无人碰撞检测技术知识库:固化远程无人碰撞检测技术的相关知识及成果。
[0045]疑似事故发生时刻车辆的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据，一方面可以通过云平台的碰撞检测技术最终判定是否真实发生了碰撞；另一方面所采集到的真实碰撞数据可以作为远程定损模型的训练样本进一步完善定损模型的训练精度。
[0046]基于大数据的云平台和人工智能学习方法，建立车辆碰撞检测数据库/知识库。为车辆远程无人定损等相关领域的应用奠定了技术基础。同时车辆碰撞检测数据库/知识库还为车辆无人驾驶安全提供了可借鉴的数据资料。
[0047]将事故和仿真形成的车辆碰撞数据库的各种资源封装和虚拟化，碰撞检测训练模型、预处理模块，模型数据库/知识库等，将封装成碰撞检测应用模块为各种具体的应用服务，形成符合标准接口的功能化模块。
[0048]以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
【主权项】
1.车辆远程自动定损碰撞检测方法，其特征在于，包括:建立碰撞检测模型的步骤、训练碰撞检测模型的步骤、碰撞初级检测的步骤、碰撞信号采集的步骤、碰撞二次检测判断的步骤。2.根据权利要求1所述的车辆远程自动定损碰撞检测方法，其特征在于，通过分析在不同工况、车速、角度、车型等情况下，碰撞发生时车辆产生信号的不同特征，建立对碰撞过程进行描述的碰撞检测模型。3.根据权利要求1所述的车辆远程自动定损碰撞检测方法，其特征在于，训练碰撞检测模型，通过对碰撞检测模型进行仿真计算，确定碰撞检测判定的信号特征，以SVM、随机森林等机器学习算法为核心，利用仿真数据和实测数据作为学习数据，通过学习建立自动判断碰撞的参数模型，然后将该参数模型作为计算机的知识存入云平台知识库。4.根据权利要求1所述的车辆远程自动定损碰撞检测方法，其特征在于，碰撞初级检测是通过实测及仿真碰撞数据设定碰撞多域值判定，对发生或疑似发生碰撞信号的检测和提取。5.根据权利要求1所述的车辆远程自动定损碰撞检测方法，其特征在于，经过碰撞初级检测后，碰撞信号采集通过车载OBD传感器设备在发生或者疑似发生碰撞事故时，截取一定时长的监测信号，自动上传数据至云平台。6.根据权利要求1所述的车辆远程自动定损碰撞检测方法，其特征在于，碰撞二次检测判断的步骤具体为，上传到云平台的数据，经过滤波、特征提取与特征变换、标准化等预处理后，输入SVM碰撞检测模型中进行运算，得出车辆是否发生真实碰撞的结论。7.一种车辆远程自动定损碰撞检测系统，其特征在于，包括: 碰撞检测模型，利用车载传感器设备的数据采集信息，以速度、加速度、角速度等信号的时域和频域特征作为描述参数，并加入时间、地点、音频、图像等相关的环境信息作为辅助参数，对碰撞过程进行全方位描述； 碰撞检测训练模型，对SVM参数等不同机器学习方法的寻优以及经验数据分析； 碰撞初级检测模型，通过实测及仿真碰撞数据设定碰撞多域值判定，进行发生或疑似发生碰撞信号的检测和提取； 碰撞检测模型数据库，将仿真碰撞数据、实测数据及相关的预处理数据按照不同机器学习方法建立碰撞检测模型数据库； 车载传感器设备，进行数据的传输和采集，获得疑似事故发生时车辆的的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据； 碰撞信号数据的预处理模块:通过FIR、CHE等滤波技术，提取信号的真实波形，并选择有效的碰撞描述特征； 碰撞二次检测模型，将仿真数据和实际经验数据结合，在大数据学习的基础上实现自动判断碰撞是否真实发生； 车辆定损数据库，是基于仿真进行大量事故样本建立得到，针对每一辆车型的事故只需要进行OBD数据分析即可知道车辆的损伤及整车的定损。8.根据权利要求7所述的车辆远程自动定损碰撞检测系统，其特征在于，疑似事故发生时刻车辆的三轴加速度、三轴角速度、速度、时间、地点、音频数据、图像数据，一方面通过云平台的碰撞检测技术最终判定是否真实发生了碰撞;另一方面所采集到数据进一步完善远程定损模型。9.根据权利要求7所述的车辆远程自动定损碰撞检测系统，其特征在于，基于大数据的云平台和人工智能学习方法，建立车辆碰撞检测数据库和知识库。10.根据权利要求7所述的车辆远程自动定损碰撞检测系统，其特征在于，将事故和仿真形成的车辆碰撞数据库的各种资源封装和虚拟化，碰撞检测训练模型、预处理模块，模型数据库和知识库等，将封装成碰撞检测应用模块为各种具体的应用服务，形成符合标准接口的功能化模块。
【文档编号】G07C5/00GK105976449SQ201610365730
【公开日】2016年9月28日
【申请日】2016年5月27日
【发明人】田雨农, 张虹
【申请人】大连楼兰科技股份有限公司