[发明专利]一种基于特征时域匹配的车辆碰撞检测方法及系统

权利要求书

1.一种基于特征时域匹配的车辆碰撞检测方法，其特征在于，包括：

S1：采用自适应数据采样算法，获取实时上传的高频数据包；

S2：根据所述高频数据包，进行局部异常检测，判断是否有局部异常点，当存在局部异常点时，对数据进行多维度特征处理，获得特征集合，否则结束；

S3：基于所述特征集合，与预先构建的历史特征数据库中的数据进行特征匹配，计算相似距离，获取所述历史特征数据库中相似度最高的历史数据；

S4：将与所述历史特征数据库进行计算匹配得到的最小相似距离输入到碰撞评估模型中输出碰撞检测结果。

2.根据权利要求1所述的车辆碰撞检测方法，其特征在于，步骤S2中，所述多维度特征处理包括第一预处理和第二预处理，所述第一预处理采用不同特征提取方法获得多维度的特征，所述第二预处理对所述第一预处理输出的多维度特征进行融合和降维操作，构建输出特征集合。

3.根据权利要求2所述的车辆碰撞检测方法，其特征在于，所述第一预处理的特征提取方法，包括深度学习自编码、统计方法、线性变换。

4.根据权利要求2所述的车辆碰撞检测方法，其特征在于，所述第二预处理采用PCA主成分分析算法将所述第一预处理得到的不同类特征进行特征融合。

5.根据权利要求1所述的车辆碰撞检测方法，其特征在于，所述历史特征数据库，构建过程如下：

在各个车辆所属设备进行局部异常检测，获取预设时间段内相对异常的高频数据包；

并对得到的高频数据包进行特征处理，提取每个异常的高频数据包特征集合，进行存储，得到历史特征数据库。

6.根据权利要求1所述的车辆碰撞检测方法，其特征在于，所述自适应数据采样算法，具体如下：

实时检测采样装置或车辆碰撞检测装置，是否输出碰撞信号；

若未输出碰撞信号，则进行低频采样，若输出碰撞信号，则进行高频采样。

7.根据权利要求1所述的车辆碰撞检测方法，其特征在于，在步骤S4中，所述碰撞检测结果，具体计算过程如下：

S401：获取最小相似距离在历史异常数据库中从大到小的排名rank、rank所处的分位数rank_q，以及车辆在预设时间段内的平均速度avg_speed；

S402：将所述排名rank以及对应分位数rank_q，计算获得评估参数size，并计算碰撞检测分值，计算公式如下：

其中，a为设定的比例参数，取值为10。

8.根据权利要求1-7任一所述的车辆碰撞检测方法，其特征在于，步骤S2中，获得实时高频数据包后，解析处预定时长轨迹段中各高频采样点的传感器数据，并分别对解析结果进行向量化处理。

9.一种基于特征时域匹配的车辆碰撞检测系统，其特征在于，包括至少一个设备端、碰撞检测端和历史特征数据库，所述设备端与所述碰撞检测端数据连接，实时上传设备端采集的数据包，所述设备端设有至少一个碰撞检测装置，根据所述碰撞检测装置的检测结果，进行高频采样或低频采样，并将高频采样的数据上传至所述碰撞检测端；

所述碰撞检测端包括特征提取和融合模块、特征匹配模块以及碰撞评估模块；

所述特征提取和融合模块，存储有深度学习自编码模型算法、统计算法、线性变换算法以及PCA主成分分析算法，用于解析并提取设备端上传的高频采样数据，获得多维度特征，并对所述多维度特征进行融合；

所述特征匹配模块用于将特征融合数据与所述历史特征数据库中的数据进行匹配，并计算相似距离；

所述历史特征数据库存储有预设时间段的异常数据，离线在数据端，所述数据端与所述碰撞检测端连接。