一种车辆碰撞部件损失的预测方法及系统

技术领域

本发明涉及车辆碰撞技术领域，特别是涉及一种车辆碰撞部件损失的预测 方法及系统。

背景技术

当前测定因事故造成部件损失的方法主要有：1.现场查勘定损法：保险公 司定损人员或4S店维修人员通过车辆碰撞现场及拆解车辆确定损失部件、损 失金额，也是当前绝大多数保险公司在用的方法，缺点是周期长、时效慢、人 工成本高；2.图像识别定损法：通过图像识别技术识别汽车部件损失研发的图 像定损工具，可以对汽车损失的外部部件进行损失确定，缺点是对于拍照效果 要求较高，存在较高的误判率，无法识别汽车内部部件的损失。所以现在急需 一种可以准确高效地确定汽车因碰撞造成的部件损失的方法。

发明内容

本发明的目的是提供一种车辆碰撞部件损失预测方法及系统，可以准确高 效的确定汽车因碰撞造成的部件损失，为保险理赔和汽车维修提供支持。

为实现上述目的，本发明提供了如下方案：

一种车辆碰撞部件损失预测方法，包括：

获取多组车辆损失数据；所述车辆损失数据包括车辆模拟数据、碰撞过程 数据和对应的碰撞损失部件；所述车辆模拟数据包括车辆属性、车辆行驶数据 和车辆碰撞初始化数据；

对所有所述车辆损失数据进行聚类，确定各类所述碰撞损失部件的影响因 素组；

计算所述影响因素组中各个影响因素对相应的碰撞损失部件的信息增益， 并根据所述信息增益和所述影响因素组构建各类所述碰撞损失部件的车辆碰 撞部件损失模型；

将待预测碰撞数据输入各所述车辆碰撞部件损失模型中，得到待预测碰撞 车辆的碰撞损失部件；所述待预测碰撞数据包括所述待预测碰撞车辆的车辆模 拟数据和所述预测碰撞车辆的碰撞过程数据。

可选的，所述获取多组车辆损失数据，具体包括：

获取多组车辆模拟数据；

采用碰撞模拟软件对所述车辆模拟数据进行处理，得到各所述车辆模拟数 据对应的碰撞损失部件和碰撞过程数据。

可选的，所述采用碰撞模拟软件对所述车辆模拟数据进行处理，得到各所 述车辆模拟数据对应的碰撞损失部件和碰撞过程数据，具体包括：

将第i组车辆模拟数据输入碰撞模拟软件，得到第i组车辆模拟数据的碰 撞过程数据，其中i＝1,2...,I,I为车辆模拟数据的总数量；

由所述碰撞过程数据确定各组所述车辆模拟数据的初始损失部件；

基于所述车辆模拟数据和所述碰撞过程数据对所述初始损失部件进行分 析，得到各组所述车辆模拟数据对应的碰撞损失部件。

可选的，所述计算所述影响因素组中各个影响因素对相应的碰撞损失部件 的信息增益，具体包括：

计算所述影响因素组中各个影响因素的经验熵；

根据所述影响因素的经验熵计算所述影响因素的条件熵；

根据所述条件熵和所述经验熵计算所述影响因素对相应的碰撞损失部件 的信息增益。

可选的，所述对所有所述车辆损失数据进行聚类，确定各类所述碰撞损失 部件的影响因素组，具体包括：

对所有所述车辆损失数据进行聚类，将类别相同的所述碰撞损失部件的车 辆损失数据聚类到一组得到多组聚类数据；

对任意一组聚类数据，对所述聚类数据进行聚类，得到所述聚类数据对应 的碰撞损失部件的类别的影响因素组。

一种车辆碰撞部件损失预测系统，包括：

获取模块，用于获取多组车辆损失数据；所述车辆损失数据包括车辆模拟 数据、碰撞过程数据和对应的碰撞损失部件；所述车辆模拟数据包括车辆属性、 车辆行驶数据和车辆碰撞初始化数据；

聚类模块，用于对所有所述车辆损失数据进行聚类，确定各类所述碰撞损 失部件的影响因素组；

模型建立模块，用于计算所述影响因素组中各个影响因素对相应的碰撞损 失部件的信息增益，并根据所述信息增益和所述影响因素组构建各类所述碰撞 损失部件的车辆碰撞部件损失模型；

预测模块，用于将待预测碰撞数据输入各所述车辆碰撞部件损失模型中， 得到待预测碰撞车辆的碰撞损失部件；所述待预测碰撞数据包括所述待预测碰 撞车辆的车辆模拟数据和所述预测碰撞车辆的碰撞过程数据。

可选的，所述获取模块，具体包括：

获取单元，用于获取多组车辆模拟数据；

碰撞损失部件确定单元，用于采用碰撞模拟软件对所述车辆模拟数据进行 处理，得到各所述车辆模拟数据对应的碰撞损失部件和碰撞过程数据。

可选的，所述碰撞损失部件确定单元，具体包括：

碰撞过程数据确定子单元，用于将第i组车辆模拟数据输入碰撞模拟软件， 得到第i组车辆模拟数据的碰撞过程数据，其中i＝1,2...,I,I为车辆模拟数据的 总数量；

初始损失部件确定子单元，用于由所述碰撞过程数据确定各组所述车辆模 拟数据的初始损失部件；

碰撞损失部件确定子单元，用于基于所述车辆模拟数据和所述碰撞过程数 据对所述初始损失部件进行分析，得到各组所述车辆模拟数据对应的碰撞损失 部件。

可选的，所述模型建立模块，具体包括：

经验熵确定单元，用于计算所述影响因素组中各个影响因素的经验熵；

条件熵确定单元，用于根据所述影响因素的经验熵计算所述影响因素的条 件熵；

信息增益确定单元，用于根据所述条件熵和所述经验熵计算所述影响因素 对相应的碰撞损失部件的信息增益。

可选的，所述聚类模块，具体包括：

聚类单元，用于对所有所述车辆损失数据进行聚类，将类别相同的所述碰 撞损失部件的车辆损失数据聚类到一组得到多组聚类数据；

影响因素组确定单元，用于对任意一组聚类数据，对所述聚类数据进行聚 类，得到所述聚类数据对应的碰撞损失部件的类别的影响因素组。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过 对车辆损失数据进行聚类得到影响车辆部件损失结果的因素，通过计算每个因 素的信息增益，得到车辆碰撞部件损失模型，可以采用车辆碰撞部件损失模型 对碰撞车辆的部件损失结果进行预测，就不需要人工测定和使用图像了，可以 准确高效的确定汽车因碰撞造成的部件损失，为保险理赔、汽车维修提供支持。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性 的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种车辆碰撞部件损失的预测方法的流程图；

图2为本发明实施例提供的一种车辆碰撞部件损失的预测系统的结构框 图；

图3为CarMaker软件的界面图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和 具体实施方式对本发明作进一步详细的说明。

现有技术中提出通过测量装置(四个激光式水平仪)测量车辆四角位置外 侧，来高精度测量车辆碰撞造成的形变，有根据用户输入获取车辆损失部位信 息，根据受损部位信息及程序内预置的碰撞级别处理指令，分析计算出车辆的 碰撞等级还有在车联网平台下，车辆碰撞严重程度的分级方法。该方法通过大 量的数据论证，得出碰撞严重程度的客观指标，并能够使用车载设备生产的数 据，通过技术手段对碰撞的严重程度进行有效的分级。但是以上三个专利均不 能确定车辆碰撞造成车辆部件损失结果，本实施例提供了一种车辆碰撞部件损 失预测方法，可以确定车辆碰撞造成车辆部件损失的结果，如图1所示，所述 方法包括：

步骤101：获取多组车辆损失数据；所述车辆损失数据包括车辆模拟数据、 碰撞过程数据和对应的碰撞损失部件；所述车辆模拟数据包括车辆属性、车辆 行驶数据和车辆碰撞初始化数据。

步骤101具体包括：

步骤1011：获取多组车辆模拟数据。

步骤1012：采用碰撞模拟软件对所述车辆模拟数据进行处理，得到各所 述车辆模拟数据对应的碰撞损失部件和碰撞过程数据。

步骤1012具体包括：

将第i组车辆模拟数据输入碰撞模拟软件，得到第i组车辆模拟数据的碰 撞过程数据，其中i＝1,2...,I,I为车辆模拟数据的总数量。

由所述碰撞过程数据确定各组所述车辆模拟数据的初始损失部件。

基于所述车辆模拟数据和所述碰撞过程数据对所述初始损失部件进行分 析，得到各组所述车辆模拟数据对应的碰撞损失部件。

步骤102：对所有所述车辆损失数据进行聚类，确定各类所述碰撞损失部 件的影响因素组。

步骤102具体包括：

对所有所述车辆损失数据进行聚类，将类别相同的所述碰撞损失部件的车 辆损失数据聚类到一组得到多组聚类数据。

对任意一组聚类数据，对所述聚类数据进行聚类，得到所述聚类数据对应 的碰撞损失部件的类别的影响因素组。

步骤103：计算所述影响因素组中各个影响因素对相应的碰撞损失部件的 信息增益，并根据所述信息增益和所述影响因素组构建各类所述碰撞损失部件 的车辆碰撞部件损失模型。

步骤103具体包括：

计算所述影响因素组中各个影响因素的经验熵。

根据所述影响因素的经验熵计算所述影响因素的条件熵。

根据所述条件熵和所述经验熵计算所述影响因素对相应的碰撞损失部件 的信息增益。

步骤104：将待预测碰撞数据输入各所述车辆碰撞部件损失模型中，得到 待预测碰撞车辆的碰撞损失部件；所述待预测碰撞数据包括所述待预测碰撞车 辆的车辆模拟数据和所述预测碰撞车辆的碰撞过程数据。

本实施例还提供了一种与上述方法对应的系统，如图2所示，所述系统包 括：

获取模块A1，用于获取多组车辆损失数据；所述车辆损失数据包括车辆 模拟数据、碰撞过程数据和对应的碰撞损失部件；所述车辆模拟数据包括车辆 属性、车辆行驶数据和车辆碰撞初始化数据。

聚类模块A2，用于对所有所述车辆损失数据进行聚类，确定各类所述碰 撞损失部件的影响因素组。

模型建立模块A3，用于计算所述影响因素组中各个影响因素对相应的碰 撞损失部件的信息增益，并根据所述信息增益和所述影响因素组构建各类所述 碰撞损失部件的车辆碰撞部件损失模型。

预测模块A4，用于将待预测碰撞数据输入各所述车辆碰撞部件损失模型 中，得到待预测碰撞车辆的碰撞损失部件；所述待预测碰撞数据包括所述待预 测碰撞车辆的车辆模拟数据和所述预测碰撞车辆的碰撞过程数据。

作为一种可选的实施方式，所述获取模块，具体包括：

获取单元，用于获取多组车辆模拟数据。

碰撞损失部件确定单元，用于采用碰撞模拟软件对所述车辆模拟数据进行 处理，得到各所述车辆模拟数据对应的碰撞损失部件和碰撞过程数据。

作为一种可选的实施方式，所述碰撞损失部件确定单元，具体包括：

碰撞过程数据确定子单元，用于将第i组车辆模拟数据输入碰撞模拟软件， 得到第i组车辆模拟数据的碰撞过程数据，其中i＝1,2...,I,I为车辆模拟数据的 总数量。

初始损失部件确定子单元，用于由所述碰撞过程数据确定各组所述车辆模 拟数据的初始损失部件。

碰撞损失部件确定子单元，用于基于所述车辆模拟数据和所述碰撞过程数 据对所述初始损失部件进行分析，得到各组所述车辆模拟数据对应的碰撞损失 部件，其中分析过程可以为工作人员根据经验进行分析。

作为一种可选的实施方式，所述模型建立模块，具体包括：

经验熵确定单元，用于计算所述影响因素组中各个影响因素的经验熵。

条件熵确定单元，用于根据所述影响因素的经验熵计算所述影响因素的条 件熵。

信息增益确定单元，用于根据所述条件熵和所述经验熵计算所述影响因素 对相应的碰撞损失部件的信息增益。

作为一种可选的实施方式，所述聚类模块，具体包括：

聚类单元，用于对所有所述车辆损失数据进行聚类，将类别相同的所述碰 撞损失部件的车辆损失数据聚类到一组得到多组聚类数据。

影响因素组确定单元，用于对任意一组聚类数据，对所述聚类数据进行聚 类，得到所述聚类数据对应的碰撞损失部件的类别的影响因素组。

本实施例提供了一个更加具体的车辆碰撞部件损失的预测方法，所述方法 包含模型建设和系统实施两个方面，其中模型建设包含：场景分析、数据准备、 碰撞模拟、损失确认、特征提取、模型搭建和模型训练七个板块；系统实施包 含特征输入、模型计算和结果输出三个板块。

场景分析：针对汽车碰撞可能发生的场景进行梳理，根据车辆数划分，可 分为单车、双车、多车事故；根据车辆行驶状态划分，可分为直行、左转弯、 右转弯、倒车、停止、溜车；根据碰撞类型可分为车-车、车-物、车-人。

数据准备：根据场景分析中的碰撞类型，进行车辆模拟数据准备，包含表 1中的数据，并在CarMaker软件中完成碰撞模拟前需要的所有车辆参数数据 配置，CarMaker软件界面如图3所示。

表1

碰撞模拟：在CarMarker软件中针对场景分析中的多种情形进行碰撞模 拟，得到碰撞过程数据，并在模拟完成后将碰撞过程数据和车辆模拟数据导出， 整合到具体字段如表2所示。

表2

损失确认：根据表2中的数据根据工作经验，确定该场景下发生的损失确 定(损失部件及损失程度)，为保证模型数据量充分性，可以在同一场景下进 行多种车型、多种速度、多个碰撞点的模拟，并将得到的损失确定、碰撞过程 数据和车辆模拟数据整合到一起，得到结果如表3所示。

表3

特征提取：对表4中的数据，通过python软件中的K-means聚类算法对 特征进行提取，聚类分析出同一场景同一碰撞结果下的影响因素组(例如车速、 加速度、制动距离、碰撞点高度等)对结果的影响，具体步骤如下：

针对表4中的数据，选取K个聚类中心点μ

根据以下公式计算样本i的所属类别c

c

根据以下公式更新每一类的中心μ

不断重复步骤2,3，直至畸变函数J(c,μ)收敛，其中

最终获得多组聚类数据，如表4所示。

对所述聚类数据进行聚类，得到所述聚类数据对应的碰撞损失部件的类别 的影响因素组。

表4

模型搭建：根据特征提取过程中得到的影响因素组以及各影响因素之间的 比例关系通过python软件进行信息增益的计算，得到各影响因素对结果的影 响关系，针对任意一个碰撞损失部件将每个影响因素的信息增益和对应的影响 因素的乘积相加得到针对碰撞损失部件建立汽车碰撞部件损失模型。

信息增益的求解步骤如下：

(1)计算各影响因素的经验熵

其中H(D)为经验熵，c

(2)计算各影响因素的条件熵

其中H(Y|X)为条件熵，p

(3)计算各因素对结果的信息增益：

g(D,Y)＝H(D)-H(Y|X)；

其中g(D,Y)为选定特征Y条件下的信息增益，H(D)为经验熵，H(Y|X)为 选定特征Y条件下D的熵。

模型训练：重复进行数据准备、碰撞模拟、损失确定，获取影响因素和损 失数据对模型进行多次训练，并引入部分实际事故数据进行验证，直至模型准 确度达到要求。

系统实施包含：

特征输入：将待预测碰撞车辆的车辆模拟数据输入各所述车辆碰撞部件损 失模型中。

模型计算：得到待预测碰撞车辆的碰撞损失部件。

结果输出：将得到的碰撞损失部件输出系统实施。

模型训练完成后可用于实际的生产应用，通过对接保险公司、主机厂等平 台获取的车载设备(车载电脑、OBD等)采集的影响因素(例如车速、加速 度、制动距离、碰撞高度等)进行特征输入，输入模型后进行模型计算，模型 计算完成后进入结果输出环节，输出汽车部件损失结果。

本发明技术方案带来的有益效果：

本发明通过对车辆损失数据进行聚类得到影响车辆部件损失结果的因素， 通过计算每个因素的信息增益，得到车辆碰撞部件损失模型，可以采用车辆碰 撞部件损失模型对碰撞车辆的部件损失结果进行预测，就不需要人工测定和使 用图像了，减少人工定损成本，提高定损效率，且可以准确高效的确定汽车因 碰撞造成的部件损失，为保险理赔、汽车维修提供支持。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是 与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较 简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的 一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变 之处。综上所述，本说明书内容不应理解为对本发明的限制。