车辆落水确定方法、设备和介质与流程

本申请涉及车辆安全，尤其涉及一种车辆落水确定方法、设备和介质。

背景技术：

1、车辆落水属于高发突发性行车险情，极易因水压锁止车门、车载电路故障等问题导致驾乘人员无法自主逃生。当前车辆落水检测主要采用单一传感器检测或简单逻辑组合两类技术方案，可通过水位、加速度等单一传感参数，或多参数简单逻辑匹配方式，初步实现落水状态识别，能够在常规落水场景下触发基础应急防护操作，是车辆主动安全防护体系的重要组成部分。

2、然而，常规检测方案缺乏多源传感数据深度融合与动态适配能力，无法有效区分真实落水与洗车、渗水、颠簸涉水等干扰场景，误触发率偏高。

技术实现思路

1、本申请实施例提供一种车辆落水确定方法、设备和介质，以解决上述技术问题。该方案通过多源传感器数据的动态融合与智能判定逻辑，实现对复杂工况下真实落水事件的精准识别，有效抑制洗车、涉水、暴雨等干扰场景的误触发。

2、第一方面，本申请实施例提供一种车辆落水确定方法，方法包括：

3、获取预设多源传感器的物理特征数据，所述物理特征数据包括加速度、姿态角、水位、车门压差及电压；

4、基于所述物理特征数据计算各传感器的特征值；

5、采用预设融合识别模型基于各特征值生成落水事件识别结果；

6、根据落水事件识别结果和预设判定策略确定是否为车辆落水事件。

7、在一个可能的实施例中，预设融合识别模型包括加权逻辑算法，生成落水事件识别结果，包括：

8、获取各传感器对应的预分配权重系数；

9、基于各传感器的特征值和对应的预分配权重系数计算落水事件评估分数，以生成落水事件识别结果。

10、在一个可能的实施例中，预设融合识别模型包括预训练的轻量神经网络模型，生成落水事件识别结果，包括：

11、将各传感器的连续预设时间点的特征值输入神经网络模型中，以采用激活函数对输入数据进行非线性变换后，输出落水事件概率值和非落水事件概率值。

12、在一个可能的实施例中，落水事件识别结果包括落水事件评估分数或落水事件概率值，确定是否为车辆落水事件，包括：

13、若落水事件评估分数或落水事件概率值大于对应的预设判定阈值，且目标传感器的特征值大于预设特征阈值，则确定为车辆落水事件。

14、在一个可能的实施例中，特征值包括加速度变化幅度、姿态角超限持续时间、水位上升速率、车门压差变化率、电压下降速率，还包括：

15、若确定为车辆落水事件，按事件等级执行预设应急措施，所述预设应急措施包括降下车窗、开启天窗、解锁车门、发送求救信号中的至少一项。

16、在一个可能的实施例中，还包括：

17、获取车辆行驶环境信息，所述车辆行驶环境信息包括天气状态信息、道路类型信息、车速中的至少一种；

18、基于车辆行驶环境信息调整各传感器对应的预分配权重系数。

19、在一个可能的实施例中，还包括：

20、计算当前事件确定结果与实际场景的匹配度；

21、通过强化学习算法基于匹配度更新各传感器对应的预分配权重系数和预设判定阈值。

22、在一个可能的实施例中，预设判定策略包括时序防抖策略，还包括：

23、若连续预设帧数检测到落水事件评估分数或落水事件概率值大于对应预设判定阈值，且持续时长超过预设防抖时长时，则确定为车辆落水事件。

24、第二方面，本申请实施例提供一种电子设备，包括：存储器，处理器；

25、存储器存储计算机执行指令；

26、处理器执行存储器存储的计算机执行指令，使得处理器执行上述提供的方法。

27、第三方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述提供的方法。

28、本申请实施例提供的车辆落水确定方法、设备和介质，采用五类异构传感器覆盖采集落水全过程不同维度物理表征，相比单一水位或加速度传感器，完整覆盖车辆坠水、侧翻倒扣、进水短路、车门水压闭锁等落水典型特征，从数据源层面减少漏检概率。从原始瞬时采样值提炼趋势类、变化类特征，而非单纯依靠瞬时阈值判断，能够识别缓慢进水、渐进式侧翻等渐进型落水工况，避免仅靠单点数值判定导致的漏判。通过融合识别模型实现多特征非线性或规则化深度融合，大幅提升复杂工况下真实落水与干扰场景的区分度，降低误触发率。增设判定策略作为最终校验门槛，并非依靠单一分数或概率直接输出结论，可叠加特征阈值、防抖时长、多条件联合校验等约束，避免单次瞬时异常触发应急动作，解决颠簸瞬时高分、传感器瞬时跳变带来的误触发问题。

1.一种车辆落水确定方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，预设融合识别模型包括加权逻辑算法，生成落水事件识别结果，包括：

3.根据权利要求1所述的方法，其特征在于，预设融合识别模型包括预训练的轻量神经网络模型，生成落水事件识别结果，包括：

4.根据权利要求1所述的方法，其特征在于，落水事件识别结果包括落水事件评估分数或落水事件概率值，确定是否为车辆落水事件，包括：

5.根据权利要求1所述的方法，其特征在于，特征值包括加速度变化幅度、姿态角超限持续时间、水位上升速率、车门压差变化率、电压下降速率，还包括：

6.根据权利要求2所述的方法，其特征在于，还包括：

7.根据权利要求1所述的方法，其特征在于，还包括：

8.根据权利要求4所述的方法，其特征在于，预设判定策略包括时序防抖策略，还包括：

9.一种电子设备，其特征在于，包括：存储器，处理器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-8任一项所述的方法。