[发明专利]基于车辆出险概率的事故预警方法、存储设备及车载终端

权利要求书

1.一种基于车辆出险概率的事故预警方法，其特征在于，所述方法包括：

实时收集车辆行驶过程中的原始数据；并对收集到的原始数据进行脱敏处理，转换为特征数据；

车载终端调用预先建立好的概率型非线性回归数据模型，对特征数据进行运算处理与分析，并输出车辆的出险概率；

当车辆的出险概率大于或者等于预设的概率阈值时，则启动车载终端上的事故预警功能，并向预设的移动终端发送事故预警信息；

所述原始数据包括：GPS数据、车辆行驶数据、车辆设备状态数据以及驾驶人员的驾驶状态数据；

所述对收集到的原始数据进行脱敏处理，转换为特征数据具体包括：

采用自编码神经网络的方式对原始数据进行降维处理，并对降维后的原始数据进行分析；

从降维后的原始数据提取中间层数据，所述中间层数据就为特征数据。

2.根据权利要求1中所述的基于车辆出险概率的事故预警方法，其特征在于，所述实时收集车辆行驶过程中的原始数据；并对收集到的原始数据进行脱敏处理，转换为特征数据之前还包括：

预先通过车辆上预装的设备收集大量的原始数据，并对原始数据进行脱敏处理，转化为特征数据；

采用logistics回归机器学习模型对特征数据进行学习与数据训练；

利用logistics回归的二分类性质将数据训练的结果与特征数据建立关系，从而建立一用于根据输入的特征数据输出车辆出险概率的概率型非线性回归数据模型。

3.根据权利要求2中所述的基于车辆出险概率的事故预警方法，其特征在于，所述车辆上预装的设备包括：行车记录仪、GPS北斗定位装置、重力传感器以及ADAS装置。

4.根据权利要求1中所述的基于车辆出险概率的事故预警方法，其特征在于，所述车载终端调用预先建立好的概率型非线性回归数据模型，对特征数据进行运算处理与分析，并输出车辆的出险概率具体包括：

当车载终端接收到特征数据时，调用所述概率型非线性回归数据模型；

将特征数据输入至所述概率型非线性回归数据模型进行运算处理与分析；

输出所述车辆当前的出险概率。

5.根据权利要求1中所述的基于车辆出险概率的事故预警方法，其特征在于，所述当车辆的出险概率大于或者等于预设的概率阈值时，则启动事故预警功能，并向预设的移动终端发送事故预警信息之前还包括：

预先设置一概率阈值，所述概率阈值用于当车辆出险概率大于或者等于概率阈值时，触发事故预警装置。

6.根据权利要求1中所述的基于车辆出险概率的事故预警方法，其特征在于，所述当车辆的出险概率大于或者等于预设的概率阈值时，则启动车载终端上的事故预警功能，并向预设的移动终端发送事故预警信息具体包括：

获取输出的车辆当前的出险概率，并与概率阈值进行比较；

当出险概率大于或者等于预设的概率阈值时，则自动启动车载终端上的事故预警功能，并语音向驾驶人员进行提示；

向预设的车载终端发送预警信息；所述预警信息包括：出险概率、事故预警时间、事故预警地点以及驾驶人员的违规明细。

7.一种存储设备，其上存储有多条指令，其特征在于，所述指令适于由处理器加载并执行，以实现上述权利要求1-6任一项所述的基于车辆出险概率的事故预警方法。

8.一种车载终端，其特征在于，包括：处理器、与处理器通信连接的存储设备，所述存储设备适于存储多条指令；所述处理器适于调用所述存储设备中的指令，以执行实现上述权利要求1-6任一项所述的基于车辆出险概率的事故预警方法。