[發(fā)明專利]駕駛風險等級識別方法、裝置、電子設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110440059.2
• 申請日: 2021-04-22
• 公開（公告）號: CN113178071B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計）人: 張超亞
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種駕駛風險等級識別方法，其特征在于，所述方法包括：

從第一數(shù)據(jù)庫中獲取多個用戶的駕駛行為數(shù)據(jù)，從第二數(shù)據(jù)庫中獲取所述多個用戶的理賠數(shù)據(jù)，基于所述理賠數(shù)據(jù)確定所述多個用戶的歷史駕駛風險等級，基于所述駕駛行為數(shù)據(jù)及所述歷史駕駛風險等級確定初始風險等級識別模型；

從第三數(shù)據(jù)庫中獲取所述多個用戶的基本信息數(shù)據(jù)，采用所述基本信息數(shù)據(jù)訓練所述初始風險等級識別模型得到第一風險等級識別模型，并對所述基本信息數(shù)據(jù)及所述歷史駕駛風險等級執(zhí)行相關(guān)性分析，基于相關(guān)性分析結(jié)果確定所述基本信息數(shù)據(jù)中與駕駛風險等級相關(guān)的特征因子，所述基本信息數(shù)據(jù)包括用戶身份信息數(shù)據(jù)及用戶經(jīng)歷過的事件數(shù)據(jù)，所述用戶身份信息數(shù)據(jù)包括用戶使用過的手機號碼及使用時間、用戶居住過的居住地址及居住時間和用戶工作過的工作單位及工作時間，所述用戶事件數(shù)據(jù)包括婚育事件、留學事件、旅游事件及固定資產(chǎn)買賣事件相關(guān)的數(shù)據(jù)，所述特征因子包括手機號碼、居住地址、工作單位及購房事件的穩(wěn)定性參數(shù)；

響應(yīng)客戶端發(fā)出的針對指定用戶的駕駛風險等級識別請求，判斷所述第一數(shù)據(jù)庫中是否有所述指定用戶的駕駛行為數(shù)據(jù)，當所述第一數(shù)據(jù)庫中沒有所述指定用戶的駕駛行為數(shù)據(jù)時，從所述第三數(shù)據(jù)庫中獲取所述指定用戶的基本信息數(shù)據(jù)；

基于所述指定用戶的基本信息數(shù)據(jù)及所述特征因子確定所述指定用戶對應(yīng)的特征矩陣，將所述特征矩陣輸入所述第一風險等級識別模型，得到所述指定用戶的預測駕駛風險等級；

在基于所述駕駛行為數(shù)據(jù)及所述歷史駕駛風險等級確定初始風險等級識別模型之后，所述方法還包括：

采用所述駕駛行為數(shù)據(jù)訓練所述初始風險等級識別模型，得到第二風險等級識別模型；

在判斷所述第一數(shù)據(jù)庫中是否有所述指定用戶的駕駛行為數(shù)據(jù)之后，所述方法還包括：

若所述第一數(shù)據(jù)庫中有所述指定用戶的駕駛行為數(shù)據(jù)，則將所述指定用戶的駕駛行為數(shù)據(jù)輸入所述第二風險等級識別模型，得到所述指定用戶的預測駕駛風險等級。

2.如權(quán)利要求1所述的駕駛風險等級識別方法，其特征在于，所述基于所述駕駛行為數(shù)據(jù)及所述歷史駕駛風險等級確定初始風險等級識別模型包括：

將所述多個用戶的駕駛行為數(shù)據(jù)分別輸入多個預設(shè)模型，每個所述預設(shè)模型分別輸出所述多個用戶中的每個用戶對應(yīng)的初始駕駛風險等級；

基于所述初始駕駛風險等級及所述歷史駕駛風險等級確定所述每個預設(shè)模型的預測準確率，將預測準確率最高的預設(shè)模型作為初始風險等級識別模型。

3.如權(quán)利要求1所述的駕駛風險等級識別方法，其特征在于，所述對所述基本信息數(shù)據(jù)及所述歷史駕駛風險等級執(zhí)行相關(guān)性分析，基于相關(guān)性分析結(jié)果確定所述基本信息數(shù)據(jù)中與駕駛風險等級相關(guān)的特征因子包括：

識別所述用戶身份信息數(shù)據(jù)中的實體類別，將識別到的實體類別的集合作為初始指標集；

基于所述歷史駕駛風險等級分析所述事件數(shù)據(jù)中與駕駛風險等級相關(guān)的目標事件；

將所述目標事件添加至所述初始指標集，得到目標指標集，將所述目標指標集中各個指標的穩(wěn)定性參數(shù)作為與駕駛風險等級相關(guān)的特征因子。

4.如權(quán)利要求3所述的駕駛風險等級識別方法，其特征在于，所述基于所述歷史駕駛風險等級分析所述事件數(shù)據(jù)中與駕駛風險等級相關(guān)的目標事件包括：

將每個用戶對應(yīng)的歷史駕駛風險等級添加至每個用戶對應(yīng)的第一事件集合中，得到每個用戶對應(yīng)的第二事件集合；

將每個用戶對應(yīng)的第一事件集合中的每個事件與其對應(yīng)的歷史駕駛風險等級兩兩組合，得到多個組合對；

計算所述多個組合對中的每個組合對在所述第二事件集合中的支持度及置信度；

基于所述支持度及置信度確定所述事件數(shù)據(jù)中與駕駛風險等級相關(guān)的目標事件。

5.如權(quán)利要求4所述的駕駛風險等級識別方法，其特征在于，所述基于所述支持度及置信度確定所述事件數(shù)據(jù)中與駕駛風險等級相關(guān)的目標事件包括：

基于所述支持度及置信度計算每個組合對的相關(guān)性分值；

將相關(guān)性分值大于第一閾值的組合對的集合作為第一組合對集合；

剔除所述第一組合對集合中歷史駕駛風險等級低于第二閾值的組合對，得到第二組合對集合，將所述第二組合對集合中的事件作為目標事件。