[发明专利]驾驶风险评价模型训练方法及装置

说明书

本申请公开了驾驶风险评价模型训练方法和装置。所述方法包括：获得多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，每组所述驾驶原始数据包含多个数据；对获得的各组驾驶原始数据中的数据进行筛选，分别得到多组已发生事故的驾驶数据和多组未发生事故的驾驶数据，将所述多组已发生事故的驾驶数据和多组未发生事故的驾驶数据作为第一训练数据；利用所述第一训练数据对所述驾驶风险评价模型进行训练。本申请能够训练驾驶风险评价模型，从而对驾驶风险能够进行客观的评价。

技术领域

本申请涉及交通领域，尤其涉及一种驾驶风险评价模型训练方法及装置。

背景技术

汽车物联网(简称车联网)是种汽车服务，它使用车辆和道路上的传感设备搜集车辆、道路、环境的信息，实现人、车、路互联互通和信息共享，用户可以在信息网络平台上获取、共享和有效利用涉车信息。汽车远程服务提供商TSP(Telematics Service Provider，远距离业务提供商)在Telematics(远距离通信的电信与信息科学)产业链居于核心地位。Telematics服务集合了位置服务、GIS(Geographic Information System或Geo－Information System，地理信息系统)服务和通信服务等现代计算机技术，可以为车主和个人提供导航、娱乐、资讯、安防等强大的服务。

随着车联网应用的逐步加深，后装OBD(On-Board Diagnostic，车载诊断系统)设备和前装集成设备在汽车上的安装，使越来越多的车辆被纳入了信息全程覆盖的范围。汽车作为一个综合的信息服务终端，一方面源源不断地向远程服务器发送车辆各个子系统的运行数据，另一方面从互联网上获取各式各样的信息，包括新闻资讯、音频、视频、基于位置的服务等。

汽车的应用中，首要问题就是安全问题。车辆驾驶安全，不仅关系到驾驶员的人身安全，还关系到道路上其他行人车辆的安全，此外，车辆驾驶安全也与某些行业有着直接的经济关系。因此，需要对车辆驾驶安全进行有效科学的评价，以便对驾驶风险采取有效的预防措施。

发明内容

为了解决现有技术中的至少一个问题，本申请实施例提供一种驾驶风险评价模型训练方法及装置。

本申请实施例首先提供一种驾驶风险评价模型训练方法，包括：

获得多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，每组所述驾驶原始数据包含多个数据；

对获得的各组驾驶原始数据中的数据进行筛选，分别得到多组已发生事故的驾驶数据和多组未发生事故的驾驶数据，将所述多组已发生事故的驾驶数据和多组未发生事故的驾驶数据作为第一训练数据；

利用所述第一训练数据对所述驾驶风险评价模型进行训练。

在一种实施方式中，利用所述第一训练数据对所述驾驶风险评价模型进行训练之前，还包括：

对所述第一训练数据进行均衡处理，使得所述第一训练数据中已发生事故的驾驶数据的数据组的数量与未发生事故的驾驶数据的数据组的数量比例处于设定范围内。

在一种实施方式中，对所述第一训练数据进行均衡处理，包括下述至少一种：

对所述第一训练数据中所述未发生事故的驾驶数据进行随机抽取删除；

进行重复抽样，获得新的多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，分别对新获得的各组驾驶原始数据中的数据进行筛选，得到第二训练数据；所述第二训练数据包括多组已发生事故的驾驶数据和多组未发生事故的驾驶数据；将所述第二训练数据中已发生事故的驾驶数据加入所述第一训练数据；

对所述第一训练数据中所述已发生事故的驾驶数据进行随机抽取复制。

在一种实施方式中，对驾驶原始数据中的数据进行筛选，包括：