[发明专利]一种基于车联网主动识别事故的方法

权利要求书

1.一种基于车联网主动识别事故的方法，其特征在于，包括以下步骤：

S1、在车辆上安装车联网硬件设备，安装的车联网硬件设备包括ADAS和DSM，ADAS为高级驾驶辅助系统，DSM为驾驶员状态监测系统；

S2、搭建车联网数据采集处理平台，以实现车联网数据的实时采集和处理；

S3、利用数据挖掘技术挖掘分析车联网数据并提取特征因子，基于行业知识构建专家打分模型，基于历史事故数据训练机器学习模型，最终组合得到事故识别模型；

S4、基于事故识别模型进行事故主动识别；

S5、获取事故的车联网数据，车联网数据包括结构化数据和非结构化数据；

其中，结构化数据包括车辆位置、车速、风险事件；

非结构化数据包括图片、视频。

2.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，S2的具体步骤如下：

S21、从IoT平台采集车辆的实时数据；

S22、通过大数据平台对采集数据进行预处理、解码和规整，以形成统一的数据模型；

S23、根据业务的需要将信息存储在实时数据库。

3.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，在S2中，实现平台的工具包括分布式消息队列Kafka,分布式大数据存储Hadoop、Hbase，大数据处理Spark、Flink，关系型数据库Oracle、Mysql。

4.根据权利要求2所述的一种基于车联网主动识别事故的方法，其特征在于，在S21中，采集的数据包括车辆实时位置、车辆速度、车辆运行轨迹、驾驶员的风险报警和道路状况信息，相关信息反映了车辆的驾驶状态和驾驶行为。

5.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，在S3中，专家打分模型计算分值，达到分值的就判断成事故，专家打分模型的构建方法如下：

采集历史事故的数据信息；

从大量的历史事故中总结经验并结合数据，以提取出具有识别事故功效的特征因子；

对不同特征因子赋予不同分值，并对这些特征因子进行组合。

6.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，在S3中，通过机器学习模型的输出结果来识别事故，机器学习模型的构建方法如下：

采集历史事故的数据信息；

从数据出发，对历史事故及其对应的数据进行特征提取；

分析建模，训练得到一个事故识别结果为是与否的二分类的模型。

7.根据权利要求6所述的一种基于车联网主动识别事故的方法，其特征在于，机器学习模型为线性模型，包括LR、SVM。

8.根据权利要求6所述的一种基于车联网主动识别事故的方法，其特征在于，机器学习模型为非线性模型，包括决策树、神经网络。

9.根据权利要求1所述的一种基于车联网主动识别事故的方法，其特征在于，在S1中，当车辆本身具有ADAS和DSM功能时，不需在其外部加装ADAS和DSM。