[發明專利]用戶行為的識別方法、識別系統及計算機設備

有效

• 申請號: 201811635244.1
• 申請日: 2018-12-29
• 公開（公告）號: CN111376910B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 陳奧
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: B60W40/09
• 分類號: B60W40/09;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊澤;劉芳

本公開實施例提出了一種用戶行為的識別方法、識別系統、計算機設備及計算機可讀存儲介質，其中用戶行為的識別方法包括：獲取目標終端傳感器檢測到的目標終端的目標駕駛數據；通過用戶行為識別模型分析目標駕駛數據，以識別目標終端對應的用戶是否具有危險駕駛行為。通過用戶行為識別模型分析目標終端的目標駕駛數據，進而推斷出攜帶有該目標終端的用戶的駕駛危險操作行為，如急減速、急轉彎等，無需給用戶配置額外設備，即可準確、及時地判斷用戶危險駕駛行為，保障用戶和乘客的人身安全，有效提升服務質量。

技術領域

本公開實施例涉及數據處理技術領域，具體而言，涉及一種用戶行為的識別方法、識別系統、計算機設備及計算機可讀存儲介質。

背景技術

用戶的危險駕駛行為是引發交通事故的重要原因，因此為提高駕駛安全性，如何有效地推斷出用戶的危險駕駛行為成為待解決的問題。

相關技術中存在基于終端傳感器分析特定的危險駕駛行為的方法，但這種方法存在以下幾點問題：1.數據分析處理時效性不夠。需要事后分析大量數據進行數據降噪和統計分析。2.異常場景下駕駛行為的錯誤判定。例如，部分終端配置的傳感器不能返回高精度低延時的有效數據，導致系統將人為搖動設備判定為急減速。3.數據量不足。由于終端傳感器數據或多或少存在差異，會導致相同前規則在不同終端上觸發的傳感器數據存在多樣性，僅僅利用在部分終端機型上采集的前置觸發數據訓練模型，往往會使得模型陷入欠擬合的困境，即在部分終端機型上能準確識別危險駕駛識別數據，但在部分終端上難以達到效果。

發明內容

本公開實施例旨在至少解決現有技術或相關技術中存在的技術問題之一。

為此，本公開實施例的一個方面在于提出了一種用戶行為的識別方法。

本公開實施例的另一個方面在于提出了一種用戶行為的識別系統。

本公開實施例的再一個方面在于提出了一種計算機設備。

本公開實施例的又一個方面在于提出了一種計算機可讀存儲介質。

有鑒于此，根據本公開實施例的一個方面，提出了一種用戶行為的識別方法，該方法包括：獲取目標終端傳感器檢測到的目標終端的目標駕駛數據；通過用戶行為識別模型分析目標駕駛數據，以識別目標終端對應的用戶是否具有危險駕駛行為。

本公開實施例提供的用戶行為的識別方法，通過用戶行為識別模型識別目標終端的目標駕駛數據，進而推斷出攜帶有該目標終端的用戶的駕駛危險操作行為，如急減速、急轉彎等，無需給用戶配置額外設備，即可準確、及時地判斷用戶危險駕駛行為，保障用戶和乘客的人身安全，有效提升服務質量。

根據本公開實施例的上述用戶行為的識別方法，還可以具有以下技術特征：

在上述技術方案中，優選地，還包括：構建特征學習模型，并由特征學習模型生成多個虛擬駕駛數據；根據虛擬駕駛數據，構建用戶行為識別模型。

在該技術方案中，通過特征學習模型得到大量的虛擬駕駛數據，進而根據這些虛擬駕駛數據建立用戶行為識別模型，通過大量虛擬駕駛數據建立出更加識別性更加精確、使用性更加廣泛的用戶行為識別模型，減小由于數據較少帶來的建模局限性，使用戶行為識別模型在更多的終端上進行應用。

在上述任一技術方案中，優選地，構建所述特征學習模型，并由特征學習模型生成多個虛擬駕駛數據的步驟，具體包括：在相同的運動行為條件下，獲取由多個終端傳感器分別檢測的實驗駕駛數據，并比較得出各個實驗駕駛數據之間的差別特征；根據差別特征訓練特征學習模型，并通過特征學習模型生成多個虛擬駕駛數據；其中，虛擬駕駛數據的數量大于實驗駕駛數據的數量。