[发明专利]一种基于不同路况来判断驾驶风险的方法

权利要求书

1.一种基于不同路况来判断驾驶风险的方法，其特征在于，包括：

S1：确定汽车行驶状态；

S2：确定汽车周边状态；

S3：确定驾驶风险评分；

步骤S1具体为：加速度传感器组传感汽车相应方向的加速度值，重力传感器组传感汽车在重力方向上的加速度值，地磁传感器组传感汽车与地磁方向的角度值，ADAS智能终端设置所述汽车加速度值的阈值，ADAS智能终端根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵，通过变换矩阵获取汽车在空间的矢量角度从而获取汽车的运行姿态，所述ADAS智能终端构建空间坐标系，根据所述加速度传感器组采集的汽车加速度值以及获取的汽车运行姿态，确定汽车在三维坐标系轴向上的加速度分量，然后根据设置的所述汽车加速度值的阈值及汽车运行姿态，确定汽车的行驶状态；所述汽车的状态包括正常行驶、急加速行驶、变道行驶、急刹车、下坡加速行驶中的一种或几种；所述地磁传感器组包括三个轴向正交的地磁传感器，所述重力传感器组包括三个轴向正交的重力传感器；系统建立一个空间坐标系O-XYZ，该空间坐标系的Z轴垂直于水平面，在该坐标系中，以该空间一个确定位置的地磁传感器组数据为其初始数据C0(X0、Y0、Z0)，重力传感器组的初始数据G0(0、0、-1)；当设备运动时，所述地磁传感器组输出为G1(r、s、t)，重力传感器组输出的数据为C1(X1、Y1、Z1)，对采集的所述地磁传感器组和所述重力传感器组的实时数据C1、G1和其初始数据C0、G0进行归一化处理，即根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵，通过变换矩阵获取所述ADAS智能终端在空间的矢量角度；由于所述重力传感器组安装在ADAS智能终端上，所述重力传感器组绕三个坐标轴旋转的角度即为ADAS智能终端在空间中与三个轴的角度，若所述重力传感器组绕X轴旋转的角度为α，绕Y轴旋转的角度为β，绕Z轴旋转的角度为γ，则所述重力传感器组与三个轴的角度为(α、β、γ)；

旋转矩阵表示的是任意矢量绕坐标系O-XYZ轴线旋转时的坐标变换，矢量绕坐标系O-XYZ三个轴线旋转的变换矩阵为：

X(α)＝1000cosαsinα0-sinαcosα

Y(β)＝cosβ0-sinβ010sinβ0cosβ

Z(γ)＝cosγsinγ0-sinγcosγ0001

由此，对C0、C1、G0、G1建立联立方程：

G0＝G1×X(α)Y(β)Z(γ) (1)

C0＝C1×X(α)Y(β)Z(γ) (2)

通过矩阵变换和公式(1)(2)，得到：

sinβ＝r

-cosβ·sinα＝s

-cosβ·cosα＝t---(3)

Xcosβ·cosγ+Ycosβ·sinγ＝X1-Zsinβ

(Xsinα·sinβ+Ycosα)cosγ+(Ysinα·sinβ-Xcosα)sinγ＝Y1-Zsinαcosβ

(Xcosα·sinβ-Ysinα)cosγ+(Ycosα·sinβ+Xsinα)sinγ＝Z1-Zcosαcosβ---(4)

由于矢量角度(α、β、γ)和地磁传感器的空间角度并非一一对应，角度矢量(30°，60°，100°)和(-150°，120°，-80°)表示一个空间角度，为了消除这种重复的表示，限制各个角度的取值范围：-180°≤α＜180°，-90°≤β＜90°，-180°≤γ＜180°；

通过(3)、(4)求出α、β、γ，即所述重力传感器组与三个轴的角度矢量为(α、β、γ)，也即是汽车与三个轴的角度矢量为(α、β、γ)，由此，确定了汽车的方位和角度，即汽车的运行姿态；

步骤S2具体为:摄像传感器获取汽车相应方向的图像，雷达传感器获取周边物体距离，中央处理器通过图像识别技术识别周边物体大小、相对速度，所述ADAS智能终端设置所述汽车周边物体相对速度和距离阈值，根据设置的所述汽车周边物体相对距离、物体大小、天气状况，确定汽车周边状态；

步骤S3具体为：设置汽车行驶状态统计量与驾驶风险评分的确定关系，统计车辆的行驶状态，统计不同汽车周边状态下相应的汽车行驶状态关系，根据统计的汽车行驶状态、汽车行驶状态统计量、与汽车驾驶习惯的确定关系确定该车辆的汽车驾驶风险评价；

上述方法包括：ADAS智能终端、服务器端、终端；所述ADAS智能终端包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块，所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连，服务器端分别与无线通讯模块、终端信号连接；

所述车载传感器模块，包括加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器、摄像传感器、雷达传感器；通过加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器采集数据确定汽车行驶状态，通过摄像传感器、雷达传感器、中央处理器确定汽车周边状态；

服务器端安装有ADAS驾驶行为及风险综合判断数据模型，进行如下处理：对行驶数据做行驶区域划分；同一行驶区域的数据进行各单因子评价；基于评估因素权重矩阵，对各单因子评价进行重要度排序，和综合评估计算，获得综合驾驶风险评价；储存该评价结果，今后按需可输出至用户访问端和保险公司访问端；

所述服务器端安装有ADAS驾驶行为及风险综合判断数据模型，其模型中采用神经网络自学习机制：

负面反馈机制：基于地区的出险情况、事故数据，判断其关键性操作，调整相应值的权重和阀值；

正面反馈机制：基于地区良好的行驶状况和较少的事故率，车速、加速度操作的阀值相应向上微调。