[發(fā)明專利]疑似酒駕車輛預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210158210.8
• 申請日: 2022-02-21
• 公開（公告）號: CN114676317A
• 公開（公告）日: 2022-06-28
• 發(fā)明（設(shè)計）人: 張超;付長青;夏曙東;李迷衛(wèi);呂文達
• 申請（專利權(quán)）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(quán)知識產(chǎn)權(quán)代理有限公司 11619
• 代理人: 付婧

本申請公開了一種疑似酒駕車輛預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)，所述方法包括：根據(jù)酒駕車輛的潛在特征因子構(gòu)建層次模型；獲取預(yù)設(shè)區(qū)域內(nèi)車輛的駕駛特征數(shù)據(jù)，根據(jù)所述駕駛特征數(shù)據(jù)過濾代駕車輛，得到非代駕車輛的駕駛特征數(shù)據(jù)；將非代駕車輛的駕駛特征數(shù)據(jù)輸入構(gòu)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(yù)設(shè)概率閾值時，確定車輛為疑似酒駕車輛。根據(jù)本申請實施例提供的疑似酒駕車輛預(yù)測方法，可以有效提高酒駕排查效率，快速對駕駛?cè)诉M行定性排查，避免發(fā)生因排查酒駕而造成交通擁堵的問題，大大提高了民警的工作效率，精準打擊酒駕行為，優(yōu)化執(zhí)法警力部署，切實提高公安機關(guān)社會治理智能化、科學化、精準化水平。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通技術(shù)領(lǐng)域，特別涉及一種疑似酒駕車輛預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

酒駕是造成重大交通安全事故的重要原因，根據(jù)相關(guān)數(shù)據(jù)顯示在城市道路上查處的酒后駕駛違法行為最多，飲酒地點主要集中在飯店、酒吧以及KTV等娛樂場所。

現(xiàn)有技術(shù)中，通常是交管部門執(zhí)勤上崗，針對酒駕高發(fā)地(根據(jù)以往經(jīng)驗確定)，對過往車輛駕駛員進行酒精檢測以判斷是否存在酒駕行為的排查。但是，通過人工對過往車輛駕駛員進行酒精檢測，處理過程不夠智能化，且覆蓋率低。

發(fā)明內(nèi)容

本申請實施例提供了一種疑似酒駕車輛預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現(xiàn)一些概念，以此作為后面的詳細說明的序言。

第一方面，本申請實施例提供了一種疑似酒駕車輛預(yù)測方法，包括：

根據(jù)酒駕車輛的潛在特征因子構(gòu)建層次模型；

獲取預(yù)設(shè)區(qū)域內(nèi)車輛的駕駛特征數(shù)據(jù)，根據(jù)駕駛特征數(shù)據(jù)過濾代駕車輛，得到非代駕車輛的駕駛特征數(shù)據(jù)；

將非代駕車輛的駕駛特征數(shù)據(jù)輸入構(gòu)建的層次模型，得到非代駕車輛的疑似酒駕概率；

當疑似酒駕概率大于預(yù)設(shè)概率閾值時，確定車輛為疑似酒駕車輛。

在一個實施例中，根據(jù)酒駕車輛的潛在特征因子構(gòu)建層次模型，包括：

獲取車輛的歷史駕駛特征數(shù)據(jù)；

根據(jù)車輛的歷史駕駛特征數(shù)據(jù)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(jù)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(jié)果；

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

根據(jù)相對重要性比較矩陣以及和積法計算每層特征因子的權(quán)重，得到構(gòu)建的層次模型。

在一個實施例中，獲取預(yù)設(shè)區(qū)域內(nèi)車輛的駕駛特征數(shù)據(jù)之后，還包括：

根據(jù)預(yù)設(shè)區(qū)域內(nèi)車輛的駕駛特征數(shù)據(jù)得到車輛的特征因子。

在一個實施例中，根據(jù)預(yù)設(shè)區(qū)域內(nèi)車輛的駕駛特征數(shù)據(jù)得到車輛的特征因子，包括：

實時采集預(yù)設(shè)區(qū)域內(nèi)車輛的過車數(shù)據(jù)、停車數(shù)據(jù)及三方平臺代駕數(shù)據(jù)，并按照預(yù)設(shè)周期采集車輛的基礎(chǔ)信息數(shù)據(jù)以及酒駕違法數(shù)據(jù)，停車數(shù)據(jù)包括重點酒駕區(qū)域停車數(shù)據(jù)；

根據(jù)車輛的過車數(shù)據(jù)、停車數(shù)據(jù)、基礎(chǔ)信息數(shù)據(jù)以及酒駕違法數(shù)據(jù)得到車輛的特征因子，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(shù)。