一种基于车辆行为数据分析和告警的方法及安全装置与流程

1.本发明涉及车辆分析领域，尤其涉及一种基于车辆行为数据分析和告警的方法及安全装置。


背景技术：

2.各种车辆已经成为人们生活中必不可少的交通运输工具，在社会生活中起到越来越重要的作用，人们对交通安全以及交通事故的预防以及处理等需求变得越来越重要，目前通用的主动安全以及辅助驾驶等通过信息采集然后通过声音或者光线指示报警能解决部分驾驶安全问题，驾驶员不能明确知晓报警原因，不便于及时采取相应措施。
3.公开号为110696717a的专利公开文献，公开了一种基于分体式主动安全和智能处理的车载系统，包括视频采集模块、车速采集模块、视觉处理模块、智能数据处理模块、主动预警模块和行车记录模块；所述车速采集模块的输出端与智能数据处理模块连接；所述视频采集模块分别与智能数据分析模块和视觉处理模块连接，所述视觉处理模块的输出端与智能数据处理模块连接，所述智能数据处理模块的输出端分别与主动预警模块和行车记录模块连接。
4.上述专利文献侧重于视觉和车辆周边数据处理、预警和存储，从而忽略了车辆自身的实时数据，鉴于此，有必要研究出一种基于车辆行为数据分析和告警的方法及安全装置。


技术实现要素：

5.本发明的目的在于提供一种基于车辆行为数据分析和告警的方法及安全装置，本发明基于车辆自身系统的运行数据、结合实时采集的行为数据对车辆本体数据和行为分析，偏向于车辆本体数据和行为分析，另外，本发明还把车辆异常行为远程告警和云端告警分析。
6.实现本发明目的的技术方案如下：
7.第一方面，本发明的实施例提供一种基于车辆行为数据分析和告警的方法，包括：
8.采集车辆行为数据；
9.读取车载系统的车辆运行数据；
10.根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征；
11.从所述车辆行为特征中识别出车辆异常行为；
12.对所述车辆异常行为发出报警信号。
13.结合第一方面，在一些实施例中，所述采集车辆行为数据，包括：
14.采集车辆的gps数据；
15.通过三轴加速度传感器采集车辆的加速度数据。
16.结合第一方面，在一些实施例中，所述读取车载系统的车辆运行数据，包括：
17.从车辆can总线获得车辆电控系统数据。
18.结合第一方面，在一些实施例中，所述车辆电控系统数据包括车辆速度和发动机转速。
19.结合第一方面，在一些实施例中，根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征，包括：
20.以车辆行为数据和车辆运行数据作为输入，通过算法处理，识别和输出车辆行为特征；
21.车辆行为特征包括：静止状态、运动状态、加速、减速、急加速、急减速、急转弯、疑似碰撞、疑似跌落、车辆故障。
22.结合第一方面，在一些实施例中，所述算法处理，包括：
23.设定默认的驾驶行为阈值；
24.把一个特定周期细分为若干时间段，处理每个时间段的加速度数据和gps数据，获取每个时间段的车辆电控系统数据；
25.将所述特定周期内的若干组有效数据取平均值，对比平均值和驾驶行为阈值，得到所述特定周期内的车辆行为数据。
26.第二方面，本发明的实施例提供了一种基于车辆行为数据分析和告警的安全装置，包括：
27.数据采集单元，所述数据采集单元采集车辆行为数据；
28.数据读取单元，所述数据读取单元与车载系统的can总线连接，所述数据读取单元读取车载系统的车辆运行数据；
29.数据处理单元，所述数据处理单元与所述数据采集单元和所述数据读取单元连接，所述数据处理单元根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征，所述数据处理单元还从所述车辆行为特征中识别出车辆异常行为；
30.报警单元，所述报警单元与所述数据处理单元连接，所述报警单元对所述车辆异常行为发出报警信号。
31.结合第二方面，在一些实施例中，所述数据采集单元包括三轴加速度传感器和gps模块，所述三轴加速度传感器和所述gps模块均与数据处理单元连接；
32.所述三轴加速度传感器采集车辆的加速度数据；
33.所述gps模块采集车辆的gps数据；
34.加速度数据和gps数据均发生至数据处理单元。
35.结合第二方面，在一些实施例中，所述报警单元包括本地报警模块和云端模块，所述本地报警模块和所述云端模块连接，所述本地报警模块与所述数据处理单元连接；
36.所述本地报警模块接收所述数据处理单元的报警信号并通过可感知的方式进行告警；
37.所述本地报警模块将报警信号发送至所述云端模块。
38.结合第二方面，在一些实施例中，所述云端模块对注册到系统的不同设备数据进行接受、识别告警和存储。
39.与现有技术相比，本发明的有益效果是：
40.本发明基于车辆自身系统的运行数据、结合实时采集的行为数据对车辆本体数据和行为分析，偏向于车辆本体数据和行为分析，另外，本发明还把车辆异常行为远程告警和
云端告警分析。
附图说明
41.图1为根据本发明的一些实施例提供的一种基于车辆行为数据分析和告警的方法流程图；
42.图2为根据本发明的一些实施例提供的一种基于车辆行为数据分析和告警的安全装置原理框图。
具体实施方式
43.下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
44.请参阅图1，本发明的实施例提供一种基于车辆行为数据分析和告警的方法，包括：步骤s110、采集车辆行为数据；步骤s120、读取车载系统的车辆运行数据；步骤s130、根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征；步骤s140、从所述车辆行为特征中识别出车辆异常行为；步骤s150、对所述车辆异常行为发出报警信号。
45.在一些实施例中，所述采集车辆行为数据，包括：
46.采集车辆的gps数据；
47.通过三轴加速度传感器采集车辆的加速度数据。
48.在一些实施例中，所述读取车载系统的车辆运行数据，包括：
49.从车辆can总线获得车辆电控系统数据。
50.在一些实施例中，所述车辆电控系统数据包括车辆速度和发动机转速。
51.在一些实施例中，根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征，包括：以车辆行为数据和车辆运行数据作为输入，通过算法处理，识别和输出车辆行为特征；车辆行为特征包括：静止状态、运动状态、加速、减速、急加速、急减速、急转弯、疑似碰撞、疑似跌落、车辆故障。
52.具体的车辆行为分析的算法简述：
53.第一步：设定默认的驾驶行为阈值，包含:
54.静止状态车速speed_0；
55.运动状态车速阈值move_0；
56.加减速阈值delta_ac_0；
57.急加速急减速阈值delta_high_ac_0；
58.方向变化阈值delta_course_0；
59.碰撞向量阈值crash_vec_0；
60.第二步：数据统计周期，把一个特定周期t时间细分为若干个时间段t(1)，t(2)，
…
t(n)，每个时间段记为t，其中t可以被t整除得到值n。
61.在这个周期内，采集三轴加速度传感器测量数据x，y，z，并按照如下算法进行进行滤波和降噪处理：
62.1)在时间t内，按照预采集间隔，采集m组三轴数据，记作x(1)～x(m),y(1)～y(m)。
63.2)以上m组数据分别求平均值得到平均值xp＝(x(1)
…
x(m))/m，yp＝(y(1)
…
y(m))/m，zp＝(z(1)
…
z(m))/m。
64.3)求m组数据的平方根sqrt[i]＝sqrt((x[i]-xp)*(x[i]-xp) (y[i]-yp)*(y[i]-yp) (z[i]-zp)*(z[i]-zp))，其中i大于1小于m,其中sqrt代表常用求根库函数。
[0065]
4)利用二分比较算法，找到以上sqrt[0]到sqrt[m]中的最小值sqrt(k),保留sqrt(k)对应sensor数据x，y，z数据做为时间t内得到的有效数据。
[0066]
5)设t时间内可以进行n次如上1)到4)的计算。最终得到n组有效传感器,记为x(1)～x(n),y(1)～y(n),y(1)～y(n)。
[0067]
对gps采集行驶方向变量d，gps速度speed_gps进行类似于上述算法的滤波和降噪处理，得到n组有效的行驶方向变更d(1)～d(n)，speed_gps(1)～speed_gps(n)。
[0068]
对于can总线采集的车速speed_can,和rpm_can视为可信数据，不做加工。
[0069]
第三步：利用第二步得到t时间内的得到的若干组有效的sensor的x，y，z，计算t时间内车辆水平方向加速度acc，滑动窗车辆平均倾斜角angle，车辆平均速度speed，并和第一步设定的车辆行为判定值进行比较，得到t时间段内的车辆行为数据。
[0070]
静止状态：车度speed和等于speed_0；
[0071]
运动状态：车速speed大于move_0；
[0072]
加速：平均加速度acc大于delta_ac_0；
[0073]
减速：平均加速度acc小于负delta_ac_0；
[0074]
急加速：平均加速度acc大于delta_high_ac_0；
[0075]
急减速：平均加速度acc小于负delta_high_ac_0；
[0076]
急转弯：车辆方向变化向量大于delta_course_0；
[0077]
疑似碰撞：车辆速度加速度的绝对值crash_vec_0
[0078]
跌落：在x，y，z方向上的平均加速度都大于特定值。
[0079]
车辆故障：从can数据读到的车辆电子系统的故障码。
[0080]
第四步：在一个车辆行驶周期内，对若干个t时间车辆行为进行统计，符合设定上报警告条件，则将车辆行为数据发送云端控制系统，以及本地警告单元。
[0081]
在一些实施例中，所述算法处理，包括：设定默认的驾驶行为阈值；把一个特定周期细分为若干时间段，处理每个时间段的加速度数据和gps数据，获取每个时间段的车辆电控系统数据；将所述特定周期内的若干组有效数据取平均值，对比平均值和驾驶行为阈值，得到所述特定周期内的车辆行为数据。
[0082]
本发明实施例的报警信号是通过本地告警单元发出的，本地告警单元：以本地声音、光学、振动等形式提供车辆告警信息给车辆驾驶者和乘客。以sms消息，语音电话、互联网消息等形式，提供给已注册收集端告警信息。
[0083]
本发明的实施例通过互联网将车辆告警信息和数据传送到云端平台。云端控制系统对注册到平台的装置上报的车辆行为数据进行统一的计算分析、存储，对异常车辆进行警示和提醒，以及时进行人为干预。
[0084]
请参阅图2，本发明的实施例还提供了一种基于车辆行为数据分析和告警的安全装置，包括数据采集单元、数据读取单元、数据处理单元和报警单元，所述数据采集单元采集车辆行为数据；所述数据读取单元与车载系统的can总线连接，所述数据读取单元读取车
载系统的车辆运行数据；所述数据处理单元与所述数据采集单元和所述数据读取单元连接，所述数据处理单元根据所述车辆行为数据和所述车辆运行数据计算车辆行为特征，所述数据处理单元还从所述车辆行为特征中识别出车辆异常行为；所述报警单元与所述数据处理单元连接，所述报警单元对所述车辆异常行为发出报警信号。
[0085]
在实际应用中，车辆行为数据分析和告警的安全装置，包括：数据采集，通过装置本身的定位和感应器件采集车辆行为数据，通过读取车载系统的车辆运行数据。行为数据的计算分析：把所述采集数据输入车辆行为数据处理单元,通过计算输出车辆行为特征，并过滤和识别倒出车辆异常行为。本地告警单元通过可感知的方式进行告警，并通过联网把异常数据上报给云端控制系统以及注册到装置的手机上。云端控制系统对注册到系统的不同设备数据进行接受、识别告警和存储。
[0086]
本装置由以下几个部分组成:数据采集单元，数据处理和车辆行为分析单元，本地告警单元，云端控制系统，数据采集单元包括gps数据,装置内置三轴加速度传感器产生加速度数据,以及装置监测车辆can总线获得的车辆电控系统数据如车辆速度，发动机转速。
[0087]
数据处理和车辆行为分析单元：分析单元以数据采集单元数据做为输入，通过算法处理，识别和输出车辆行为，车辆行为主要有：静止状态，运动状态，加速，减速，急加速，急减速，急转弯，疑似碰撞，跌落，车辆故障等。
[0088]
在一些实施例中，所述数据采集单元包括三轴加速度传感器和gps模块，所述三轴加速度传感器和所述gps模块均与数据处理单元连接；所述三轴加速度传感器采集车辆的加速度数据；所述gps模块采集车辆的gps数据；加速度数据和gps数据均发生至数据处理单元。
[0089]
具体的车辆行为分析的算法简述：
[0090]
第一步：设定默认的驾驶行为阈值，包含:
[0091]
静止状态车速speed_0；
[0092]
运动状态车速阈值move_0；
[0093]
加减速阈值delta_ac_0；
[0094]
急加速急减速阈值delta_high_ac_0；
[0095]
方向变化阈值delta_course_0；
[0096]
碰撞向量阈值crash_vec_0；
[0097]
第二步：数据统计周期，把一个特定周期t时间细分为若干个时间段t(1)，t(2)，
…
t(n)，每个时间段记为t，其中t可以被t整除得到值n。
[0098]
在这个周期内，采集三轴加速度传感器测量数据x，y，z，并按照如下算法进行进行滤波和降噪处理：
[0099]
1)在时间t内，按照预采集间隔，采集m组三轴数据，记作x(1)～x(m),y(1)～y(m)。
[0100]
2)以上m组数据分别求平均值得到平均值xp＝(x(1)
…
x(m))/m，yp＝(y(1)
…
y(m))/m，zp＝(z(1)
…
z(m))/m。
[0101]
3)求m组数据的平方根sqrt[i]＝sqrt((x[i]-xp)*(x[i]-xp) (y[i]-yp)*(y[i]-yp) (z[i]-zp)*(z[i]-zp))，其中i大于1小于m,其中sqrt代表常用求根库函数。
[0102]
4)利用二分比较算法，找到以上sqrt[0]到sqrt[m]中的最小值sqrt(k),保留sqrt(k)对应sensor数据x，y，z数据做为时间t内得到的有效数据。
[0103]
5)设t时间内可以进行n次如上1)到4)的计算。最终得到n组有效传感器,记为x(1)～x(n),y(1)～y(n),y(1)～y(n)。
[0104]
对gps采集行驶方向变量d，gps速度speed_gps进行类似于上述算法的滤波和降噪处理，得到n组有效的行驶方向变更d(1)～d(n)，speed_gps(1)～speed_gps(n)。
[0105]
对于can总线采集的车速speed_can,和rpm_can视为可信数据，不做加工。
[0106]
第三步：利用第二步得到t时间内的得到的若干组有效的sensor的x，y，z，计算t时间内车辆水平方向加速度acc，滑动窗车辆平均倾斜角angle，车辆平均速度speed，并和第一步设定的车辆行为判定值进行比较，得到t时间段内的车辆行为数据。
[0107]
静止状态：车度speed和等于speed_0；
[0108]
运动状态：车速speed大于move_0；
[0109]
加速：平均加速度acc大于delta_ac_0；
[0110]
减速：平均加速度acc小于负delta_ac_0；
[0111]
急加速：平均加速度acc大于delta_high_ac_0；
[0112]
急减速：平均加速度acc小于负delta_high_ac_0；
[0113]
急转弯：车辆方向变化向量大于delta_course_0；
[0114]
疑似碰撞：车辆速度加速度的绝对值crash_vec_0
[0115]
跌落：在x，y，z方向上的平均加速度都大于特定值。
[0116]
车辆故障：从can数据读到的车辆电子系统的故障码。
[0117]
第四步：在一个车辆行驶周期内，对若干个t时间车辆行为进行统计，符合设定上报警告条件，则将车辆行为数据发送云端控制系统，以及本地警告单元。
[0118]
在一些实施例中，所述报警单元包括本地报警模块和云端模块，所述本地报警模块和所述云端模块连接，所述本地报警模块与所述数据处理单元连接；所述本地报警模块接收所述数据处理单元的报警信号并通过可感知的方式进行告警；所述本地报警模块将报警信号发送至所述云端模块。
[0119]
本发明实施例的本地告警单元：以本地声音、光学、振动等形式提供车辆告警信息给车辆驾驶者和乘客。以sms消息，语音电话、互联网消息等形式，提供给已注册收集端告警信息。
[0120]
本发明的实施例通过互联网将车辆告警信息和数据传送到云端平台。云端控制系统对注册到平台的装置上报的车辆行为数据进行统一的计算分析、存储，对异常车辆进行警示和提醒，以及时进行人为干预。
[0121]
在一些实施例中，所述云端模块对注册到系统的不同设备数据进行接受、识别告警和存储。本发明基于车辆自身系统的运行数据、结合实时采集的行为数据对车辆本体数据和行为分析，偏向于车辆本体数据和行为分析，另外，本发明还把车辆异常行为远程告警和云端告警分析。
[0122]
本发明的实施例基于车辆自身系统的运行数据、结合实时采集的行为数据对车辆本体数据和行为分析，偏向于车辆本体数据和行为分析，另外，本发明还把车辆异常行为远程告警和云端告警分析。
[0123]
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式
或变更均应包含在本发明的保护范围之内。
[0124]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0125]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。