[發明專利]基于碰撞模型的風險預防方法、裝置、設備及存儲介質

在審

• 申請號: 202011298663.8
• 申請日: 2020-11-19
• 公開（公告）號: CN112487617A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/06;G06Q50/30;G08G1/01
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種基于碰撞模型的風險預防方法，其特征在于，所述風險預防方法包括：

對預置混合流進行交通仿真，并輸出所述交通仿真過程中采集的檢測器數據和軌跡數據；

對所述檢測器數據進行數據預處理，得到交通場景相關參數集合，對所述軌跡數據進行數據預處理，得到事故產生數量；

依次對交通場景相關參數集合中的交通場景相關參數進行回歸分析，得到顯著相關性參數集合，并根據所述顯著相關性參數集合確定待建立模型的最關鍵參數；

依據所述最關鍵參數和所述事故產生數量，并利用邏輯回歸算法構建碰撞風險模型；

計算所述碰撞風險模型的成功預測交通事故百分比，基于所述成功預測交通事故百分比執行主動安全相關干預措施。

2.根據權利要求1所述的基于碰撞模型的風險預防方法，其特征在于，所述對預置混合流進行交通仿真包括：

在預置交通仿真軟件中新建混合流仿真初始模型；

為所述混合流仿真初始模型設定仿真參數；

基于所述仿真參數對所述混合流仿真初始模型進行模擬交通仿真。

3.根據權利要求2所述的基于碰撞模型的風險預防方法，其特征在于，在所述為所述混合流仿真初始模型設定仿真參數之后，還包括：

基于所述仿真參數設置路段檢測器，為所述路段檢測器設定數據收集間隔時間和數據收集參數。

4.根據權利要求1所述的基于碰撞模型的風險預防方法，其特征在于，所述根據所述顯著相關性參數集合確定待建立模型的最關鍵參數包括：

依次為所述顯著相關性參數集合中的參數建立邏輯回歸模型，得到邏輯回歸模型集合；

依次對所述邏輯回歸模型集合中的模型繪制接受者操作特性曲線，得到接受者操作特性曲線集合；

計算所述接受者操作特性曲線集合中的AUC值，得到AUC值集合；

獲取所述AUC值集合中數值最大的AUC值，根據所述數值最大的AUC值查找對應的顯著相關性參數，根據所述顯著相關性參數查找對應的交通場景相關參數，將所述交通場景相關參數作為待建立模型的最關鍵參數。

5.根據權利要求1所述的基于碰撞模型的風險預防方法，其特征在于，所述基于所述成功預測交通事故百分比執行主動安全相關措施包括：

基于所述成功預測交通事故百分比，確定待預測次數；

根據所述待預測次數，確定待執行的主動安全相關干預措施的數量；

依據所述待執行的主動安全相關干預措施的數量，執行主動安全相關干預措施。

6.根據權利要求1所述的基于碰撞模型的風險預防方法，其特征在于，所述計算所述碰撞風險模型的成功預測交通事故百分比包括：

計算所述碰撞風險模型的標準化可預測值和實際發生事故的概率；

基于所述標準化可預測值和實際發生事故的概率，計算所述碰撞風險模型的成功預測交通事故百分比。

7.根據權利要求6所述的基于碰撞模型的風險預防方法，其特征在于，所述計算所述碰撞風險模型的標準化可預測值包括：

計算所述預置時間間隔T內的交通沖突事故的比例，得到靈敏度；

計算所述預置時間間隔T內的非交通沖突事故的比例，得到誤報率；

基于所述靈敏度和所述誤報率計算所述碰撞風險模型的標準化可預測值。