[go: up one dir, main page]

CN111047861A - 交通事故处理方法和装置、电子设备 - Google Patents

交通事故处理方法和装置、电子设备 Download PDF

Info

Publication number
CN111047861A
CN111047861A CN201911228509.0A CN201911228509A CN111047861A CN 111047861 A CN111047861 A CN 111047861A CN 201911228509 A CN201911228509 A CN 201911228509A CN 111047861 A CN111047861 A CN 111047861A
Authority
CN
China
Prior art keywords
traffic accident
data
vehicle
target vehicle
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911228509.0A
Other languages
English (en)
Inventor
樊太飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN201911228509.0A priority Critical patent/CN111047861A/zh
Publication of CN111047861A publication Critical patent/CN111047861A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Technology Law (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书一个或多个实施例提供一种交通事故处理方法和装置、电子设备，所述方法包括：获取目标车辆的车辆行驶数据；基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；输出与所述目标车辆对应的交通事故检测结果。

Description

交通事故处理方法和装置、电子设备
技术领域
本说明书一个或多个实施例涉及计算机应用技术领域，尤其涉及一种交通事故处理方法和装置、电子设备。
背景技术
现如今，在发生了交通事故之后，通常需要由该交通事故的相关人员(例如：该交通事故中的事故车辆的驾驶员)向交管部门或保险公司报案，才能使交管部门针对该交通事故进行立案调查，或者使保险公司针对该交通事故进行理赔。也即，交管部门或保险公司无法及时发现交通事故，从而导致对交通事故执行相应的业务处理(例如：立案调查或理赔等)的效率低下。
发明内容
本说明书提出一种交通事故处理方法，所述方法包括：
获取目标车辆的车辆行驶数据；
基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
输出与所述目标车辆对应的交通事故检测结果。
可选地，所述车辆行驶数据包括：车辆加速度数据；以及，在执行交通事故检测之前的预设时段内的定位位置数据。
可选地，所述获取目标车辆的车辆行驶数据，包括：
获取与目标交通事故对应的目标车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标车辆搭载的移动终端设备在执行交通事故检测之前的预设时段内采集到的定位位置数据。
可选地，所述基于所述车辆行驶数据提取特征数据，包括：
基于所述车辆加速度数据确定所述目标车辆的行驶加速度；
基于所述定位位置数据，确定所述目标车辆的行驶方向；
将所述行驶加速度和所述行驶方向确定为特征数据。
可选地，所述机器学习模型为二分类模型。
可选地，所述方法还包括：
如果与所述目标车辆对应的交通事故检测结果为所述目标车辆发生交通事故，则向交管部门和/或保险公司发送指示该目标车辆发送交通事故的通知消息。
本说明书还提出一种交通事故处理装置，所述装置包括：
获取模块，获取目标车辆的车辆行驶数据；
提取模块，基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
检测模块，将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
输出模块，输出与所述目标车辆对应的交通事故检测结果。
可选地，所述车辆行驶数据包括：车辆加速度数据；以及，在执行交通事故检测之前的预设时段内的定位位置数据。
可选地，所述获取模块：
获取与目标交通事故对应的目标车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标车辆搭载的移动终端设备在执行交通事故检测之前的预设时段内采集到的定位位置数据。
可选地，所述提取模块：
基于所述车辆加速度数据确定所述目标车辆的行驶加速度；
基于所述定位位置数据，确定所述目标车辆的行驶方向；
将所述行驶加速度和所述行驶方向确定为特征数据。
可选地，所述机器学习模型为二分类模型。
可选地，所述装置还包括：
发送模块，如果与所述目标车辆对应的交通事故检测结果为所述目标车辆发生交通事故，则向交管部门和/或保险公司发送指示该目标车辆发送交通事故的通知消息。
本说明书还提出一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现上述方法的步骤。
本说明书还提出一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述方法的步骤。
在上述技术方案中，由于可以基于与待检测车辆的车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果，以基于该交通事故检测结果执行相应的业务处理，也即，可以实现自动对可能发生的交通事故进行检测，而无需等待交通事故的相关人员报案，因此可以及时发现交通事故，从而提高后续根据交通事故检测结果执行相应的业务处理的效率。
附图说明
图1是本说明书一示例性实施例示出的一种交通事故处理系统的示意图；
图2是本说明书一示例性实施例示出的一种交通事故处理方法的流程图；
图3是本说明书一示例性实施例示出的一种交通事故处理装置所在电子设备的硬件结构图；
图4是本说明书一示例性实施例示出的一种交通事故处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本说明书旨在提供一种基于待检测车辆的车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果的技术方案。
在具体实现时，可以预先基于若干被标注了交通事故检测结果的特征数据样本，对机器学习模型进行训练，并将训练完成的机器学习模型作为用于交通事故检测的检测模型；其中，该特征数据可以是基于交通事故中的事故车辆的车辆行驶数据提取出的、与交通事故检测相关的数据。
针对一辆待检测的目标车辆，可以先获取与该目标车辆的车辆行驶数据，并基于获取到的该车辆行驶数据，提取与对该目标车辆执行的交通事故检测相关的数据，作为特征数据，再将提取出的该特征数据输入至上述检测模型，以由该检测模型基于该特征数据检测该目标车辆是否发生交通事故。
后续，可以输出与该目标车辆对应的交通事故检测结果，以基于该交通事故检测结果执行相应的业务处理。
在上述技术方案中，由于可以基于与待检测车辆的车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果，以基于该交通事故检测结果执行相应的业务处理，也即，可以实现自动对可能发生的交通事故进行检测，而无需等待交通事故的相关人员报案，因此可以及时发现交通事故，从而提高后续根据交通事故检测结果执行相应的业务处理的效率。
请参考图1，图1是本说明书一示例性实施例示出的一种交通事故处理系统的示意图。
在实际应用中，针对一辆待检测的车辆，可以由该车辆搭载的移动终端设备基于该车辆的车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果，以在该交通事故检测结果为该车辆发生交通事故时，针对该车辆向交管部门和/或保险公司报案，以由交管部门对该车辆进行立案调查，和/或由保险公司对该车辆进行理赔。
或者，可以由交管部门或保险公司基于该车辆的车辆行驶数据，检测该车辆是否发生交通事故，以在交通事故检测结果为该车辆发生交通事故时，针对该车辆进行立案调查或理赔。
也即，在图1所示的交通事故处理系统中，检测方电子设备可以是车辆搭载的移动终端设备，或者可以是交管部门或保险公司等需要对车辆执行交通事故检测的业务执行方所使用的电子设备；其中，该检测方电子设备可以是服务器、计算机、手机、平板设备、笔记本电脑或掌上电脑(PDAs，Personal Digital Assistants)等，本说明书对此不作限制。
在实际应用中，可以由安装在上述车辆中的用于定位的移动终端设备和用于记录传感器采集到的数据的电子芯片等电子设备，定期将该车辆的车辆行驶数据上传至该检测方电子设备，例如：可以由该移动终端设备将在本次开始执行交通事故检测之前的某个时段内的定位位置数据上传至该检测方电子设备，作为该车辆行驶数据，或者可以由该电子芯片将由该车辆搭载的传感器采集到的数据上传至该检测方电子设备，作为该车辆行驶数据。
该检测方电子设备可以进一步地基于该车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果。
请参考图2，图2是本说明书一示例性实施例示出的一种交通事故处理方法的流程图。
该交通事故处理方法可以应用于图1所示的检测方电子设备，包括以下步骤：
步骤202，获取目标车辆的车辆行驶数据；
步骤204，基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
步骤206，将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
步骤208，输出与所述目标车辆对应的交通事故检测结果。
在本实施例中，针对一辆待检测的车辆(称为目标车辆)，可以先由上述电子设备获取该目标车辆的车辆行驶数据。
在实际应用中，一方面，可以在车辆上安装用于记录该车辆搭载的传感器采集到的数据的电子芯片或移动终端设备等电子设备；另一方面，可以在车辆上安装移动终端设备，以由该移动终端设备基于GPS(Global Positioning System，全球定位系统)进行定位，并对得到的该车辆的定位位置数据进行记录。
也即，对于上述目标车辆，可以由该目标车辆搭载的用于记录传感器采集到的数据的电子设备，按照既定的时间周期，定期将该目标车辆搭载的传感器采集到的数据上传至上述检测方电子设备；其中，该时间周期可以由该检测方的用户预先设置，也可以是默认的缺省值，本说明书对此不作限制。
在示出的一种实施方式中，具体可以由该目标车辆搭载的电子设备将该目标车辆搭载的加速度传感器采集到的数据上传至该检测方电子设备，作为该目标车辆的车辆加速度数据。
还可以由该目标车辆搭载的用于定位的移动终端设备，按照上述时间周期，定期将该目标车辆的定位位置数据上传至该检测方电子设备；其中，该定位位置数据可以包括定位位置的经度和纬度。
在实际应用中，车辆搭载的移动终端设备在记录通过定位得到的该车辆的某个定位位置数据时，通常会同时记录执行此次定位的时刻，即记录该定位位置数据与得到该定位位置数据的时刻之间的对应关系。
为了提高数据处理效率，上述检测方电子设备可以仅获取上述目标车辆在执行交通事故检测之前的预设时段内的定位位置数据。
具体地，可以由该检测方的用户预先设置一个合适的时长，该检测方电子设备则可以获取该目标车辆在本次开始执行交通事故检测之前的、时长为该检测方的用户预先设置的该时长的时段内的定位位置数据，例如：假设该检测方的用户预先设置的时长为5分钟，且本次开始执行交通事故检测的时刻为18时20分，则该业务执行方电子设备可以仅获取该目标车辆在18时15分至18时20分这一时段内的定位位置数据。
或者，可以由该检测方的用户根据实际情况设置一个合适的时段，该检测方电子设备则可以获取该目标车辆在该时段内的定位位置数据，例如：假设本次开始执行交通事故检测的时刻为18时20分，则该检测方的用户可以将18时15分至18时20分设置为需要获取定位位置数据的时段，从而使该检测方电子设备可以仅获取该目标车辆在18时15分至18时20分这一时段内的定位位置数据。
在上述情况下，该检测方电子设备可以将获取到的该目标车辆搭载的传感器采集的数据(具体可以是该目标车辆的车辆加速度数据)，以及该目标车辆的定位位置数据，作为该目标车辆的车辆行驶数据。
在本实施例中，在获取到了上述目标车辆的车辆行驶数据之后，上述检测方电子设备可以基于该车辆行驶数据，提取与对所述目标车辆执行的交通事故检测相关的数据，作为特征数据。
在示出的一种实施方式中，一方面，该检测方电子设备可以基于该车辆行驶数据中的车辆加速度数据，确定该目标事故车辆在该目标交通事故发生之前的行驶加速度，以将该行驶加速度作为特征数据；另一方面，该检测方电子设备可以基于该车辆行驶数据中的定位位置数据，确定该目标事故车辆的行驶方向，以及该目标事故车辆与该目标交通事故中的其他事故车辆的相对位置关系，以将该行驶方向和该相对位置关系也作为特征数据。
在实际应用中，该检测方电子设备可以根据该目标车辆的定位位置数据随时间的变化情况，确定该目标车辆的行驶方向，例如：假设该目标车辆的经度始终保持不变，而纬度则随时间逐渐增加，则可以确定该目标车辆的行驶方向为向北行驶。
在示出的一种实施方式中，由于该检测方电子设备通常可以获取到与该目标车辆相关的所有车辆的定位位置数据，因此该检测方电子设备还可以基于该车辆行驶数据中的定位位置数据，以及相关的其他车辆的定位位置数据，确定该目标车辆与相关的其他车辆的相对位置关系，以将该相对位置关系也作为特征数据。
举例来说，可以根据该目标车辆以及相关的其他车辆的经、纬度的具体数值，确定相关的其他车辆相对于该目标车辆的方位。假设该目标车辆的经度与相关的另一车辆的经度相同，该目标车辆的纬度大于该另一车辆的纬度，则可以确定该目标车辆在该另一车辆的正南方向上。
在另一个例子中，假设该目标车辆的经度始终保持不变，而纬度则随时间逐渐增加；再假设相关的另一车辆的经度和纬度均随时间逐渐增加。在这种情况下，结合该目标车辆所在的地点的道路延伸方向(假设为南北方向)，可以确定该目标车辆相对于该另一车辆处于直行状态，而该另一车辆相对于该目标车辆处于转弯状态。
在本实施例中，在提取出了上述特征数据之后，上述检测方电子设备可以将该特征数据输入至预先训练得到的检测模型，以由该检测模型基于该特征数据检测上述目标车辆是否发生交通事故。
需要说明的是，该检测模型可以是基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型。
在实际应用中，该机器学习模型可以是二分类模型，该交通事故检测结果可以是该目标车辆发生交通事故或该目标车辆未发生交通事故。
在本实施例中，在由上述检测模型检测出了与上述目标车辆对应的交通事故检测结果之后，上述检测方电子设备可以输出该交通事故检测结果，以基于该交通事故检测结果执行相应的业务处理。
在实际应用中，一方面，该检测方电子设备可以将检测出的与该目标车辆对应的交通事故检测结果输出至显示屏幕，即将该交通事故检测结果展示在显示屏幕上，以供该检测方的用户查看，从而使该检测方的用户可以在该交通事故检测结果为该目标车辆发生交通事故时，针对该车辆进行立案调查或理赔，或者针对该目标车辆向交管部门和/或保险公司报案，以由交管部门对该目标车辆进行立案调查，和/或由保险公司对该目标车辆进行理赔。
另一方面，在确定了与该目标车辆对应的交通事故检测结果为该目标车辆发生交通事故时，如果该检测方电子设备为该目标车辆搭载的移动终端设备，则可以由该检测方电子设备将指示该目标车辆发生交通事故的通知消息发送给交管部门和/或保险公司，以由交管部门进行立案调查，和/或由保险公司进行理赔；在确定了与该目标车辆对应的交通事故检测结果为该目标车辆发生交通事故时，如果该检测方电子设备为交管部门或保险公司等业务执行方所使用的电子设备，则可以直接对目标车辆进行立案调查或理赔。
下面对对机器学习模型进行训练以得到上述检测模型的过程进行描述。
需要说明的是，机器学习模型的训练步骤可以由上述检测方电子设备执行，也可以由其他电子设备执行，并由该检测方的用户将训练得到的该检测模型转存至该检测方电子设备，从而使该检测方电子设备可以通过该检测模型进行交通事故检测。
在实际应用中，可以从记录在案的历史交通事故以及未发生交通事故的车辆的相关数据中获取合适数量(该数量具体可以由该检测方的用户自行设置)的特征数据样本；其中，一个特征数据样本具体可以包括一辆车辆的特征数据。
需要说明的是，对机器学习模型进行训练时所使用的特征数据样本中的数据类型，与通过上述检测模型进行交通事故检测时所使用的特征数据中的数据类型相同。
举例来说，假设对机器学习模型进行训练时所使用的特征数据样本包括车辆的行驶速度、行驶方向以及该车辆与相关的其他车辆的相对位置关系这三种类型的数据，则通过该检测模型进行交通事故检测时所使用的特征数据应当包括上述目标车辆的行驶速度、行驶方向以及该目标车辆与相关的其他车辆的相对位置关系这三种类型的数据。
在另一个例子中，假设对机器学习模型进行训练时所使用的特征数据样本仅包括车辆的行驶速度、行驶方向这两种类型的数据，则通过该检测模型进行交通事故检测时所使用的特征数据应当仅包括上述目标车辆的行驶速度、行驶方向这两种类型的数据。
在获取到上述特征数据样本之后，可以分别为这些特征数据样本标注对应的交通事故检测结果，例如：假设某个特征数据样本包括历史交通事故A中的事故车辆A的特征数据，则为该特征数据样本标注的交通事故检测结果为车辆发生交通事故；假设某个特征数据样本包括未发生交通事故的车辆B的特征数据，则为该特征数据样本标注的交通事故检测结果为车辆未发生交通事故。
后续，可以将这些被标注了交通事故检测结果的特征数据样本输入至由上述检测方的用户预先设置的机器学习模型进行计算，并根据计算结果调整该机器学习模型的模型参数，以降低该机器学习模型的损失函数。在该机器学习模型的损失函数降低至预期阈值(该预期阈值可以具体可以由该检测方的用户自行设置)时，可以认为该机器学习模型已经训练完成，进而可以将训练完成的该机器学习模型作为上述检测模型，以通过该检测模型进行交通事故检测。
在上述技术方案中，由于可以基于与已经发生的交通事故对应的事故车辆的车辆行驶数据，预测该事故车辆在该交通事故中的责任认定结果，并输出预测出的该责任认定结果，以基于该责任认定结果执行相应的业务处理，也即，可以实现自动对交通事故中的事故车辆进行交通事故责任认定，而无需通过人工的方式对交通事故中的事故车辆进行交通事故责任认定，因此可以提高交通事故责任认定的效率，为后续根据责任认定结果执行相应的业务处理提供便利。
在上述技术方案中，由于可以基于与待检测车辆的车辆行驶数据，检测该车辆是否发生交通事故，并输出与该车辆对应的交通事故检测结果，以基于该交通事故检测结果执行相应的业务处理，也即，可以实现自动对可能发生的交通事故进行检测，而无需等待交通事故的相关人员报案，因此可以及时发现交通事故，从而提高后续根据交通事故检测结果执行相应的业务处理的效率。
与前述交通事故处理方法的实施例相对应，本说明书还提供了交通事故处理装置的实施例。
本说明书交通事故处理装置的实施例可以应用在电子设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书交通事故处理装置所在电子设备的一种硬件结构图，除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的电子设备通常根据该交通事故处理的实际功能，还可以包括其他硬件，对此不再赘述。
请参考图4，图4是本说明书一示例性实施例示出的一种交通事故处理装置的框图。该交通事故处理装置40可以应用于图3所示的电子设备，包括：
获取模块401，获取目标车辆的车辆行驶数据；
提取模块402，基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
检测模块403，将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
输出模块404，输出与所述目标车辆对应的交通事故检测结果。
在本实施例中，所述车辆行驶数据包括：车辆加速度数据；以及，在执行交通事故检测之前的预设时段内的定位位置数据。
在本实施例中，所述获取模块401：
获取与目标交通事故对应的目标车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标车辆搭载的移动终端设备在执行交通事故检测之前的预设时段内采集到的定位位置数据。
在本实施例中，所述提取模块402：
基于所述车辆加速度数据确定所述目标车辆的行驶加速度；
基于所述定位位置数据，确定所述目标车辆的行驶方向；
将所述行驶加速度和所述行驶方向确定为特征数据。
在本实施例中，所述机器学习模型为二分类模型。
在本实施例中，所述装置40还可以包括：
发送模块405，如果与所述目标车辆对应的交通事故检测结果为所述目标车辆发生交通事故，则向交管部门和/或保险公司发送指示该目标车辆发送交通事故的通知消息。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。

Claims (14)

1.一种交通事故处理方法，所述方法包括：
获取目标车辆的车辆行驶数据；
基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
输出与所述目标车辆对应的交通事故检测结果。
2.根据权利要求1所述的方法，所述车辆行驶数据包括：车辆加速度数据；以及，在执行交通事故检测之前的预设时段内的定位位置数据。
3.根据权利要求2所述的方法，所述获取目标车辆的车辆行驶数据，包括：
获取与目标交通事故对应的目标车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标车辆搭载的移动终端设备在执行交通事故检测之前的预设时段内采集到的定位位置数据。
4.根据权利要求2所述的方法，所述基于所述车辆行驶数据提取特征数据，包括：
基于所述车辆加速度数据确定所述目标车辆的行驶加速度；
基于所述定位位置数据，确定所述目标车辆的行驶方向；
将所述行驶加速度和所述行驶方向确定为特征数据。
5.根据权利要求1所述的方法，所述机器学习模型为二分类模型。
6.根据权利要求1所述的方法，所述方法还包括：
如果与所述目标车辆对应的交通事故检测结果为所述目标车辆发生交通事故，则向交管部门和/或保险公司发送指示该目标车辆发送交通事故的通知消息。
7.一种交通事故处理装置，所述装置包括：
获取模块，获取目标车辆的车辆行驶数据；
提取模块，基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标车辆执行的交通事故检测相关的数据；
检测模块，将所述特征数据输入至检测模型，以由所述检测模型基于所述特征数据检测所述目标车辆是否发生交通事故；其中，所述检测模型为基于若干被标注了交通事故检测结果的特征数据样本训练出的机器学习模型；
输出模块，输出与所述目标车辆对应的交通事故检测结果。
8.根据权利要求7所述的装置，所述车辆行驶数据包括：车辆加速度数据；以及，在执行交通事故检测之前的预设时段内的定位位置数据。
9.根据权利要求8所述的装置，所述获取模块：
获取与目标交通事故对应的目标车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标车辆搭载的移动终端设备在执行交通事故检测之前的预设时段内采集到的定位位置数据。
10.根据权利要求8所述的装置，所述提取模块：
基于所述车辆加速度数据确定所述目标车辆的行驶加速度；
基于所述定位位置数据，确定所述目标车辆的行驶方向；
将所述行驶加速度和所述行驶方向确定为特征数据。
11.根据权利要求7所述的装置，所述机器学习模型为二分类模型。
12.根据权利要求7所述的装置，所述装置还包括：
发送模块，如果与所述目标车辆对应的交通事故检测结果为所述目标车辆发生交通事故，则向交管部门和/或保险公司发送指示该目标车辆发送交通事故的通知消息。
13.一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1至6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如权利要求1至6中任一项所述方法的步骤。
CN201911228509.0A 2019-12-04 2019-12-04 交通事故处理方法和装置、电子设备 Pending CN111047861A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911228509.0A CN111047861A (zh) 2019-12-04 2019-12-04 交通事故处理方法和装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911228509.0A CN111047861A (zh) 2019-12-04 2019-12-04 交通事故处理方法和装置、电子设备

Publications (1)

Publication Number Publication Date
CN111047861A true CN111047861A (zh) 2020-04-21

Family

ID=70234590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911228509.0A Pending CN111047861A (zh) 2019-12-04 2019-12-04 交通事故处理方法和装置、电子设备

Country Status (1)

Country Link
CN (1) CN111047861A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201984549U (zh) * 2011-01-07 2011-09-21 厦门金龙联合汽车工业有限公司 客车行驶数据记录装置
CN102542747A (zh) * 2012-02-29 2012-07-04 胡乐乐 一种基于智能手机的行车安全保障装置
CN102779420A (zh) * 2012-07-31 2012-11-14 哈尔滨工业大学 基于实时车载gps数据的道路交通事件自动检测方法
CN107730028A (zh) * 2017-09-18 2018-02-23 广东翼卡车联网服务有限公司 一种车辆事故识别方法、车载终端及存储介质
CN107886436A (zh) * 2017-11-08 2018-04-06 广东翼卡车联网服务有限公司 一种车辆保险自动理赔的方法、存储介质及车载终端
CN110033011A (zh) * 2018-12-14 2019-07-19 阿里巴巴集团控股有限公司 车祸事故处理方法和装置、电子设备
KR20190094400A (ko) * 2016-12-07 2019-08-13 제이슨 베일리 차량 추돌 데이터 증거를 보존하고 처리하는 방법 및 시스템
CN110459052A (zh) * 2019-07-05 2019-11-15 华为技术有限公司 一种车辆事故记录方法、装置及车辆

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201984549U (zh) * 2011-01-07 2011-09-21 厦门金龙联合汽车工业有限公司 客车行驶数据记录装置
CN102542747A (zh) * 2012-02-29 2012-07-04 胡乐乐 一种基于智能手机的行车安全保障装置
CN102779420A (zh) * 2012-07-31 2012-11-14 哈尔滨工业大学 基于实时车载gps数据的道路交通事件自动检测方法
KR20190094400A (ko) * 2016-12-07 2019-08-13 제이슨 베일리 차량 추돌 데이터 증거를 보존하고 처리하는 방법 및 시스템
CN107730028A (zh) * 2017-09-18 2018-02-23 广东翼卡车联网服务有限公司 一种车辆事故识别方法、车载终端及存储介质
CN107886436A (zh) * 2017-11-08 2018-04-06 广东翼卡车联网服务有限公司 一种车辆保险自动理赔的方法、存储介质及车载终端
CN110033011A (zh) * 2018-12-14 2019-07-19 阿里巴巴集团控股有限公司 车祸事故处理方法和装置、电子设备
CN110459052A (zh) * 2019-07-05 2019-11-15 华为技术有限公司 一种车辆事故记录方法、装置及车辆

Similar Documents

Publication Publication Date Title
US12462310B2 (en) Dynamic auto insurance policy quote creation based on tracked user data
CN111294459B (zh) 检测安卓手机隐私的方法、设备及存储介质
US9812015B1 (en) Systems and methods for determining parking information for a vehicle using vehicle data and external parking data
CN207097257U (zh) 车载系统
CN110033386B (zh) 车辆事故的鉴定方法及装置、电子设备
EP3188151A1 (en) Platform for acquiring driver behavior data
US20140163868A1 (en) Electronic device and indoor navigation method
EP3188150A2 (en) Platform for acquiring driver behavior data
CN110348392B (zh) 车辆匹配方法及设备
US9191992B2 (en) System and method for participants data retrieval post accident or event
CN111046212A (zh) 交通事故处理方法和装置、电子设备
CN112233182A (zh) 一种多激光雷达的点云数据的标注方法和装置
CN109102026B (zh) 一种车辆图像检测方法、装置及系统
CN112146672A (zh) 一种导航方法、装置及计算机存储介质
CN111161533B (zh) 交通事故处理方法和装置、电子设备
JP2013235323A (ja) ロケーション管理システム
Islam et al. Real-time vehicle trajectory estimation based on lane change detection using smartphone sensors
US10616712B2 (en) Control method, control apparatus, and recording medium for setting service providing areas
JP2021140245A (ja) 情報提供装置
CN111047861A (zh) 交通事故处理方法和装置、电子设备
CN114839659A (zh) 车辆定位方法及装置
CN104598574A (zh) 一种海量gps数据存储的方法及装置
US20090094188A1 (en) Facilitating identification of an object recorded in digital content records
US12181298B2 (en) User terminal and control method thereof
CN111664829A (zh) 一种校正方法、装置及计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200421