[發明專利]交通事故處理方法和裝置、電子設備

在審

• 申請號: 202111589322.0
• 申請日: 2019-12-04
• 公開（公告）號: CN114283040A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 樊太飛
• 申請（專利權）人: 螞蟻勝信（上海）信息技術有限公司
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06N20/00;G06K9/62
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 李威

1.一種交通事故處理方法，所述方法包括：

獲取與目標交通事故對應的目標事故車輛以及其他事故車輛的車輛行駛數據；所述車輛行駛數據包括定位位置數據；

基于所述車輛行駛數據提取用于進行事故責任認定的特征數據；其中，所述特征數據包括基于所述定位位置數據確定出的所述目標事故車輛與所述目標交通事故相關的其他事故車輛之間的相對位置關系；

將所述特征數據輸入至預測模型，以由所述預測模型基于所述特征數據預測所述事故車輛在所述目標交通事故中的責任認定結果；其中，所述預測模型為基于若干被標注了責任認定結果的特征數據樣本訓練出的機器學習模型。

2.根據權利要求1所述的方法，所述車輛行駛數據還包括車輛加速度數據；所述特征數據還包括基于所述車輛加速度數據確定出的所述目標事故車輛的行駛速度。

3.根據權利要求1所述的方法，所述特征數據還包括基于所述定位位置數據確定出的所述目標事故車輛的行駛方向。

4.根據權利要求1所述的方法，所述定位位置數據包括在所述目標交通事故發生之前的預設時段內的定位位置數據。

5.根據權利要求2所述的方法，所述獲取與目標交通事故對應的目標事故車輛的車輛行駛數據，包括：

獲取與目標交通事故對應的目標事故車輛搭載的加速度傳感器采集到的車輛加速度數據；

獲取所述目標事故車輛搭載的移動終端設備在所述目標交通事故發生之前的預設時段內采集到的定位位置數據。

6.根據權利要求1所述的方法，所述責任認定結果為有責任或無責任，所述機器學習模型為二分類模型；

或者，所述責任認定結果為以下責任認定結果中的一種：全責、主責、次責、同責和無責，所述機器學習模型為多分類模型。

7.一種交通事故處理裝置，所述裝置包括：

獲取模塊，獲取與目標交通事故對應的目標事故車輛以及其他事故車輛的車輛行駛數據；所述車輛行駛數據包括定位位置數據；

提取模塊，基于所述車輛行駛數據提取用于進行事故責任認定的特征數據；其中，所述特征數據包括基于所述定位位置數據確定出的所述目標事故車輛與所述目標交通事故相關的其他事故車輛之間的相對位置關系；

預測模塊，將所述特征數據輸入至預測模型，以由所述預測模型基于所述特征數據預測所述事故車輛在所述目標交通事故中的責任認定結果；其中，所述預測模型為基于若干被標注了責任認定結果的特征數據樣本訓練出的機器學習模型。

8.根據權利要求7所述的裝置，所述車輛行駛數據還包括車輛加速度數據；所述特征數據還包括基于所述車輛加速度數據確定出的所述目標事故車輛的行駛速度。

9.根據權利要求7所述的裝置，所述特征數據還包括基于所述定位位置數據確定出的所述目標事故車輛的行駛方向。

10.根據權利要求7所述的裝置，所述定位位置數據包括在所述目標交通事故發生之前的預設時段內的定位位置數據。

11.根據權利要求8所述的裝置，所述獲取模塊：

獲取與目標交通事故對應的目標事故車輛搭載的加速度傳感器采集到的車輛加速度數據；

獲取所述目標事故車輛搭載的移動終端設備在所述目標交通事故發生之前的預設時段內采集到的定位位置數據。

12.根據權利要求7所述的裝置，所述責任認定結果為有責任或無責任，所述機器學習模型為二分類模型；

或者，所述責任認定結果為以下責任認定結果中的一種：全責、主責、次責、同責和無責，所述機器學習模型為多分類模型。

13.一種電子設備，包括：

處理器；

用于存儲處理器可執行指令的存儲器；

其中，所述處理器通過運行所述可執行指令以實現如權利要求1至6中任一項所述的方法。

14.一種計算機可讀存儲介質，其上存儲有計算機指令，該指令被處理器執行時實現如權利要求1至6中任一項所述方法的步驟。