[发明专利]自动交通和驾驶模式识别和位置相关测量车辆事故的绝对和/或相对风险可能性的装置和方法

摘要

提出了一种测量装置(1)和测量方法，用于自动交通和驾驶模式识别，和基于完全非保险相关数据及其与交通和驾驶模式的相关联，对汽车事故的绝对和相对风险进行的位置相关的测量和预测，提供高度时间和空间分辨率。提出的装置(1)提供基于网格的(2121、2122、2123、2124)技术上的新的使用基于环境的因素(包括社会经济因素的高程、道路网络、交通数据、天气状况)的与车辆事故相关的自动交通和驾驶模式识别和风险预测，该环境因素影响车辆交通并且依赖于位置，从适当的测量装置(41、...、45)接收。以这种方式，可以提供对任意区域的事故风险的预测。通过将区域或路段的特征与在那里测量或登记的事故的数量和类型进行比较，将这些特征和事故数据相关联，例如，使用公开的机器学习技术，来校准该系统。

主权项

1.一种测量装置(1)，用于自动交通和驾驶模式识别，和基于地理空间背景，对汽车事故的绝对和/或相对风险概率进行的位置相关的测量，其中，生成事故事件的数据记录，并且测量与车辆事故风险相关的特定事故状况的位置相关概率值，特征在于，借助于捕获单元(2)在感兴趣的地理区域(21)上生成具有网格单元(2121、2122、2123、2124)的空间高分辨率网格(212)，所述区域包括暴露于事故风险的单元(70‑74)的至少一部分，其中，网格(212)的网格单元(2121、2122、2123、2124)是可选择的，并且数据通过系统分配给网格(212)的每个单元(2121、2122、2123、2124)，并且其中，表示网格单元的数据记录被分配给发生或测量的年份并被保存在处理单元的存储器模块中，其中，对于每个网格单元(2121、2122、2123、2124)，借助于感兴趣的地理区域(21)的测量站(40、41、...)，测量静态状况参数和动态状况参数，并传输到测量装置(1)，并分配给被分配给相应的网格单元(2121、2122、2123、2124)的生成的数据记录(22x1、22x2、22x3、22x4)，所述静态状况参数至少包括静态道路状况参数，所述动态状况参数至少包括天气状况的时间波动参数和温度的时间波动参数和日光强度的时间波动参数和交通状况的时间波动参数；其中，对于每个网格单元(2121、2122、2123、2124)和每种类型的特定数据记录(22x1、22x2、22x3、22x4)状况参数，考虑不同的状况模式，在所述空间高分辨率网格212中分配定制的加权因子(40x1、40x2、40x3、40x4)，其中，装置(1)包括机器学习或机器驱动触发模块(3)，其中，通过加权的不同的状况模式的模式识别，通过(52)内插模块(5)和机器学习或机器驱动触发模块(3)触发和/或分配概率(521)值到所述网格(212)中的每个点，给出在给定地理位置和时间发生事故的概率的量度。