[發(fā)明專利]一種交通警情處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210249040.4
• 申請(qǐng)日: 2022-03-14
• 公開(kāi)（公告）號(hào): CN114861626A
• 公開(kāi)（公告）日: 2022-08-05
• 發(fā)明（設(shè)計(jì)）人: 李昀軒;李萌;陸建;郭婭明
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06F40/205
• 分類號(hào): G06F40/205;G06F40/30
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 趙翠香

1.一種交通警情處理方法，其特征在于，包括：

獲取待處理的交通警情數(shù)據(jù)；

將所述交通警情數(shù)據(jù)輸入至文本預(yù)訓(xùn)練模型中，獲取所述文本預(yù)訓(xùn)練模型輸出的與所述交通警情數(shù)據(jù)對(duì)應(yīng)的增強(qiáng)語(yǔ)義向量；其中，所述文本預(yù)訓(xùn)練模型為BERT模型；

所述文本預(yù)訓(xùn)練模型將所述增強(qiáng)語(yǔ)義向量同時(shí)輸入至多任務(wù)處理模型的各個(gè)子模型中；其中，所述多任務(wù)處理模型的各個(gè)子模型包括關(guān)鍵信息抽取子模型、文本分類子模型及語(yǔ)義識(shí)別子模型；

所述關(guān)鍵信息抽取子模型、所述文本分類子模型及所述語(yǔ)義識(shí)別子模型，對(duì)所述增強(qiáng)語(yǔ)義向量進(jìn)行分析，分別確定所述交通警情數(shù)據(jù)中的警情信息、警情類型及警情嚴(yán)重程度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在，所述關(guān)鍵信息抽取子模型包括條件隨機(jī)場(chǎng)模型；

在所述關(guān)鍵信息抽取子模型對(duì)所述增強(qiáng)語(yǔ)義向量進(jìn)行分析，確定所述交通警情數(shù)據(jù)中的警情信息之前，還包括：

所述文本預(yù)訓(xùn)練模型對(duì)所述交通警情數(shù)據(jù)進(jìn)行序列標(biāo)注，根據(jù)標(biāo)注結(jié)果確定與所述交通警情數(shù)據(jù)對(duì)應(yīng)的狀態(tài)序列；

所述文本預(yù)訓(xùn)練模型將所述狀態(tài)序列輸入至所述關(guān)鍵信息抽取子模型中；

所述關(guān)鍵信息抽取子模型對(duì)所述增強(qiáng)語(yǔ)義向量進(jìn)行分析，確定所述交通警情數(shù)據(jù)中的警情信息，包括：

所述條件隨機(jī)場(chǎng)模型對(duì)所述增強(qiáng)語(yǔ)義向量及所述狀態(tài)序列進(jìn)行分析，確定所述交通警情數(shù)據(jù)中的警情信息。

3.根據(jù)權(quán)利要求1所述的方法，其特征在，所述交通警情數(shù)據(jù)為至少兩條；

所述語(yǔ)義識(shí)別子模型包括相似度計(jì)算層、Bi-GRU單元層及注意力機(jī)制層；

所述語(yǔ)義識(shí)別子模型，對(duì)所述增強(qiáng)語(yǔ)義向量進(jìn)行分析，確定所述交通警情數(shù)據(jù)中的警情嚴(yán)重程度，包括：

所述語(yǔ)義識(shí)別子模型中的相似度計(jì)算層分別計(jì)算所述至少兩條交通警情數(shù)據(jù)對(duì)應(yīng)的增強(qiáng)語(yǔ)義向量間的相似度，確定相似度大于預(yù)設(shè)相似度閾值的目標(biāo)增強(qiáng)語(yǔ)義向量；

所述相似度計(jì)算層將所述目標(biāo)增強(qiáng)語(yǔ)義向量輸入至所述Bi-GRU單元層，所述Bi-GRU單元層確定與所述目標(biāo)增強(qiáng)語(yǔ)義向量對(duì)應(yīng)的局部特征增強(qiáng)向量，并將所述局部特征增強(qiáng)向量輸入至所述注意力機(jī)制層；

所述注意力機(jī)制層對(duì)所述局部特征增強(qiáng)向量進(jìn)行分析，分別確定與所述目標(biāo)增強(qiáng)語(yǔ)義向量對(duì)應(yīng)的交通警情數(shù)據(jù)中的警情嚴(yán)重程度。

4.根據(jù)權(quán)利要求1-3任一所述的方法，其特征在于，所述警情信息包括時(shí)間信息、地址信息及車牌信息。

5.根據(jù)權(quán)利要求4所述的方法，其特征在，所述警情信息包括時(shí)間信息；

在確定所述交通警情數(shù)據(jù)中的警情信息之后，還包括：

提取所述交通警情數(shù)據(jù)中的時(shí)間信息；

確定所述時(shí)間信息的類型；其中，所述時(shí)間信息的類型包括當(dāng)前發(fā)生時(shí)間和歷史發(fā)生時(shí)間。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文本分類子模型包括循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述警情類型包括機(jī)動(dòng)車和機(jī)動(dòng)車事故、機(jī)動(dòng)車和非機(jī)動(dòng)車事故、機(jī)動(dòng)車和行人事故、非機(jī)動(dòng)車和非機(jī)動(dòng)車事故、非機(jī)動(dòng)車與行人事故及單方事故。

8.一種交通警情處理裝置，其特征在于，包括：

警情數(shù)據(jù)獲取模塊，用于獲取待處理的交通警情數(shù)據(jù)；

增強(qiáng)語(yǔ)義向量獲取模塊，用于將所述交通警情數(shù)據(jù)輸入至文本預(yù)訓(xùn)練模型中，獲取所述文本預(yù)訓(xùn)練模型輸出的與所述交通警情數(shù)據(jù)對(duì)應(yīng)的增強(qiáng)語(yǔ)義向量；其中，所述文本預(yù)訓(xùn)練模型為BERT模型；

增強(qiáng)語(yǔ)義向量輸入模塊，用于所述文本預(yù)訓(xùn)練模型將所述增強(qiáng)語(yǔ)義向量同時(shí)輸入至多任務(wù)處理模型的各個(gè)子模型中；其中，所述多任務(wù)處理模型的各個(gè)子模型包括關(guān)鍵信息抽取子模型、文本分類子模型及語(yǔ)義識(shí)別子模型；

警情數(shù)據(jù)處理模塊，用于所述關(guān)鍵信息抽取子模型、所述文本分類子模型及所述語(yǔ)義識(shí)別子模型，對(duì)所述增強(qiáng)語(yǔ)義向量進(jìn)行分析，分別確定所述交通警情數(shù)據(jù)中的警情信息、警情類型及警情嚴(yán)重程度。