[發明專利]疑似酒駕車輛預測方法、裝置、設備及存儲介質

在審

• 申請號: 202210158210.8
• 申請日: 2022-02-21
• 公開（公告）號: CN114676317A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 張超;付長青;夏曙東;李迷衛;呂文達
• 申請（專利權）人: 北京北大千方科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06Q50/26
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種疑似酒駕車輛預測方法，其特征在于，包括：

根據酒駕車輛的潛在特征因子構建層次模型；

獲取預設區域內車輛的駕駛特征數據，根據所述駕駛特征數據過濾代駕車輛，得到非代駕車輛的駕駛特征數據；

將非代駕車輛的駕駛特征數據輸入構建的層次模型，得到非代駕車輛的疑似酒駕概率；

當所述疑似酒駕概率大于預設概率閾值時，確定車輛為疑似酒駕車輛。

2.根據權利要求1所述的方法，其特征在于，根據酒駕車輛的潛在特征因子構建層次模型，包括：

獲取車輛的歷史駕駛特征數據；

根據車輛的歷史駕駛特征數據得到酒駕車輛的潛在特征因子；

對酒駕車輛的潛在特征因子進行分層；

根據每層中的各個特征因子對評價目標的重要性，得到每層中每兩個不同的特征因子之間的相對重要性比較結果；

根據每層中每兩個不同的特征因子之間的相對重要性比較結果得到相對重要性比較矩陣；

根據所述相對重要性比較矩陣以及和積法計算每層特征因子的權重，得到構建的層次模型。

3.根據權利要求1所述的酒駕車輛預測方法，獲取預設區域內車輛的駕駛特征數據之后，還包括：

根據預設區域內車輛的駕駛特征數據得到車輛的特征因子。

4.根據權利要求3所述的酒駕車輛預測方法，所述根據預設區域內車輛的駕駛特征數據得到車輛的特征因子，包括：

實時采集預設區域內車輛的過車數據、停車數據及三方平臺代駕數據，并按照預設周期采集車輛的基礎信息數據以及酒駕違法數據，所述停車數據包括重點酒駕區域停車數據；

根據所述車輛的過車數據、停車數據、基礎信息數據以及酒駕違法數據得到車輛的特征因子，所述車輛的特征因子包括車輛的酒駕時間、停車位置、停車時長、車輛類型、出行偏好、車主年齡、車主性別以及酒駕違法次數。

5.根據權利要求4所述的方法，其特征在于，獲取預設區域內車輛的駕駛特征數據，根據所述駕駛特征數據過濾代駕車輛，得到非代駕車輛的駕駛特征數據，包括：

將車輛的過車數據和重點酒駕區域停車數據進行匹配，得到重點酒駕區域車輛的駕駛特征數據；

根據車輛的三方平臺代駕數據判斷重點酒駕區域車輛是否為代駕車輛，過濾所述代駕車輛，得到非代駕車輛的駕駛特征數據。

6.根據權利要求1所述的方法，其特征在于，將非代駕車輛的駕駛特征數據輸入構建的層次模型，得到非代駕車輛的疑似酒駕概率，包括：

根據非代駕車輛的駕駛特征數據得到非代駕車輛的特征因子；

根據構建的層次模型得到每層特征因子的權重；

根據非代駕車輛的特征因子以及每層特征因子的權重，計算非代駕車輛的疑似酒駕概率。

7.根據權利要求6所述的方法，其特征在于，根據非代駕車輛的特征因子以及每層特征因子的權重，計算非代駕車輛的疑似酒駕概率，包括：

根據如下公式計算非代駕車輛的疑似酒駕概率：

其中，Z表示非代駕車輛的疑似酒駕概率，X表示非代駕車輛的特征因子矩陣，W表示權重矩陣。

8.根據權利要求1所述的方法，其特征在于，確定車輛為疑似酒駕車輛之后，還包括：

根據所述疑似酒駕車輛生成預警信息；

查詢所述疑似酒駕車輛的軌跡數據；

若查詢到所述疑似酒駕車輛的行駛軌跡以及行駛方向，將所述疑似酒駕車輛的預警信息推送給軌跡沿線上的檢測終端；

若無法查詢到所述疑似酒駕車輛的軌跡數據，獲取所述疑似酒駕車輛的常駐地點，將所述疑似酒駕車輛的預警信息推送給常駐地點處的檢測終端。

9.根據權利要求8所述的方法，其特征在于，將所述疑似酒駕車輛的預警信息推送給檢測終端之后，還包括：

接收檢測終端反饋的攔截檢查結果，根據所述攔截檢查結果更新所述層次模型。