[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

说明书

本发明提供了一种基于特征时域匹配的车辆碰撞检测方法及系统，方法包括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：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；S3：通过构建的历史特征数据库进行特征匹配，计算相似距离；S4：获得最小相似距离输入到碰撞评估模型中输出碰撞检测结果；系统包括至少一个设备端、碰撞检测端和历史特征数据库。本发明通过自适应数据采集算法采集数据，减少数据采集压力，通过不同维度进行特征的提取和融合，解决了特征提取维度单一问题，并通过构建历史特征数据库进行匹配检测，提高车辆碰撞检测的精确度。

技术领域

本发明涉及车辆碰撞检测技术领域，特别涉及一种基于特征时域匹配的车辆碰撞检测方法及系统。

背景技术

当前，随着我国车辆拥有数量不断增加，交通问题带来的负面影响也在逐渐加重，其中车祸事故造成的人员财产损失和交通拥堵已经成为亟待解决的问题。在提高驾驶员交通规范监管的同时，相应的建立对车辆碰撞实时监测，以便快速进行事故救援和交通梳理尤为重要，对智慧城市的建设也有较大的意义，可以增强对城市环境的感知，以及城市交通的智能化调控。

当车辆发生碰撞时，车身往往会有较为明显的震动或者产生较大的加速度，因而，一般通过依靠车辆上设置的传感器装置，对车辆行驶数据进行采集，实现对车辆碰撞的实时监测。

由于车祸发生时的碰撞时间一般在几十毫秒的范围内，对传感器采样频率有着较高要求。目前基于传感器做碰撞检测的方法要么采样频率较低，一秒或者几秒采样一个数据点；要么完全通过高频采样数据，但这样会造成流量成本的增加与系统性能上的不稳定。

然而在基于高频时序数据进行车辆碰撞检测的现有技术中，存在有以下问题：

1、特征提取维度较单一，对于数据的表示不够全面。现有技术基本是依靠统计方法或者时频变换分析方法在少量样本中观测到的特征，存在一定数据分布的强假设或者人类知识先验，当数据愈发复杂，数据量逐渐加大后，该类特征对于数据的理解越来越片面，做出的假设也越来越倾向于随机，此时对碰撞的检测效果也较差。

2、现有技术一般是针对局部数据的异常检测，忽略了该数据点在全局数据中的离群程度，而车辆的行驶数据复杂程度高，数据量大，仅依靠局部的异常检测方法会导致碰撞的误报量高，检测的精确率低。

3、不同车辆传感器设备采集到的行驶数据分布差异性较大，由于相同的特征值在不同设备的全局数据上的异常程度不一样，存在较大的差异，以同一个全局特征数据库检测所有车辆碰撞，会存在事故漏检情况。

发明内容

为解决上述问题，本发明提供了一种基于特征时域匹配的车辆碰撞检测方法及系统，自适应采集数据，常态时，进行低频采样点位数据，在传感器数据异常，出现大加速度或者车辆减速停车等行为，再进行高频数据采样；对采集的高频数据通过两次预处理获得特征集合，通过采集的历史数据构建异常数据特征库，在获取到特征集合的数据后与特征库中的数据进行比较，根据比较结果选择是否进行碰撞分析，提高检测碰撞的可信度。

本发明提供了一种基于特征时域匹配的车辆碰撞检测方法，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。