[發明專利]交通工具的智能安全預警方法、裝置、系統及存儲介質

有效

• 申請號: 202010963387.6
• 申請日: 2019-11-07
• 公開（公告）號: CN111986489B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 于忠華;鄒家偉;代小朋;郭學提
• 申請（專利權）人: 深圳鼎然信息科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62;G08G1/16
• 代理公司: 成都恪睿信專利代理事務所(普通合伙) 51303
• 代理人: 陳興強

1.一種交通工具的智能安全預警方法，其特征在于，所述方法包括：

行前預警步驟，基于交通工具在待行駛路徑的環境信息及環境實時交通路況信息，建立第一數據模型，發送第一預警信息；

行中預警步驟，基于交通工具實時位置信息和所在環境信息、交通工具狀況信息，建立第二數據模型預測風險，發送第二預警信息；

所述行中預警步驟中建立第二數據模型預測風險包括：

整合包括位置信息和所在環境信息、交通工具狀況信息在內的數據源數據；

將數據源數據分區，分別分入訓練集、驗證集和測試集中；

分別對訓練集、驗證集、測試集中的數據變量進行處理，生成符合第二預設條件待輸入候選預測模型的特征變量；

在各候選預測模型中按照訓練、驗證、測試數據順序依次運行各自的特征變量獲得各候選模型下的準確率和預測結果，利用ROC曲線對各候選預測模型的預測準確性進行檢驗；

從各所述候選預測模型中選取最優預測模型，作為所述第二數據模型；

所述分別對訓練集、驗證集、測試集中的數據變量進行處理，生成符合第二預設條件待輸入候選預測模型的特征變量包括：

變量轉換，分別從訓練集、驗證集、測試集中選取指定的數據變量轉換為候選預測模型可識別的數據類型的數據變量；

變量聚類，分別從訓練集、驗證集、測試集中的特征表象相似的數據變量按照特征類似性進行聚合，減少數據源中數據維度；

數據合并，將變量轉換后獲得的變量與變量聚類聚合后的變量進行合并，生成多個特征變量；

選取符合所述第二預設條件的特征變量；

所述變量轉換包括：

行駛里程與時間的復合變量MTHour_i算法：

變量MTHour_i代表不同時間內的行駛總里程，i∈{1，2，…，24}；i取1時表示第1小時內的行駛總里程，i取2時表示第2小時內的行駛總里程，i取24時表示第24小時內的行駛總里程；

為行駛里程與時間（小時）維度的復合變量。

2.根據權利要求1所述的交通工具的智能安全預警方法，其特征在于，所述訓練集和/或驗證集和/或測試集中的數據包括里程、車速、駕駛時長、天氣、氣象、風力、溫度、道路類型、是否偏離道路、是否變道、是否超速、車距中的至少一種。

3.根據權利要求1至2中任一項所述的交通工具的智能安全預警方法，其特征在于，將60%的數據作為訓練集、30%的數據作為驗證集、10%作為測試集。