[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

说明书

本发明公开了基于车辆出险概率的事故预警方法、存储设备及车载终端，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。本发明通过调用预设的数据模型计算出车辆出险的概率，方法简单且计算结果更加精确，能够在事故发生之前及时对事故进行预警，并向驾驶人员发送预警信息，以便培养安全的驾驶行为。

技术领域

本发明涉及车联网技术领域，具体涉及基于车辆出险概率的事故预警方法、存储设备及车载终端。

背景技术

随着社会经济的不断发展，人们的物质生活越来越丰富，汽车几乎成为各家各户出行必备的工具之一，加之随着电子技术的不断发展，智能电子设备的普及，物联网、大数据、车联网等概念深入人心，智能车载行业表现出一片欣欣向荣的情景，带给车主们更加人性化的体验与服务。

但是，频发的车辆交通事故让我们防不胜防，从近些年的车辆事故数据统计发现，大多数造成事故的原因都是由于驾驶人员的驾驶行为不当所导致的，而现有技术中不但没有在驾驶行为不当的时候进行车辆出险概率的计算，并且也没有向驾驶人员进行事故预警的提示，因此，驾驶人员并不知晓自己正处于危险当中，无法进行补救措施，从而导致交通事故的频发。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供基于车辆出险概率的事故预警方法、存储设备及车载终端，旨在解决现有技术中不会在驾驶行为不当的时候进行车辆出险概率的计算，并且也没有向驾驶人员进行事故预警的提示的问题。

本发明解决技术问题所采用的技术方案如下：

一种基于车辆出险概率的事故预警方法，其中，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。

所述的基于车辆出险概率的事故预警方法，其中，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。

所述的基于车辆出险概率的事故预警方法，其中，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。

所述的基于车辆出险概率的事故预警方法，其中，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。

所述的基于车辆出险概率的事故预警方法，其中，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。