[发明专利]交通违法行为分析方法、系统、电子设备及存储介质

说明书

本发明提供一种基于个人行政处罚信息的交通违法行为分析方法、系统、电子设备及存储介质，其中方法包括：获取交通运输行业个人运营车辆的行政处罚信息，构建行政处罚信息数据库；构建上下两层LDA模型，分别对所述行政处罚信息数据库中数据进行违法行为分类；考评分析所述分类的合理性，获取违规行为分布特点。根据本发明的交通违法行为分析方法，解决了如何从大量的行政处罚文本数据中进行内容挖掘，发现并分析交通运输行业中存在的主要违规行为。本发明上层模型挖掘大量文本数据中主要违规的车辆类型，下层模型主要挖掘不同车辆的违规类别。可以通过双层主题模型发现违规车辆的类型占比，以及不同车辆中现存主要的违规行为。

技术领域

本发明涉及交通运输技术领域，尤其涉及一种交通违法行为分析方法、系统、电子设备及计算机可读存储介质。

背景技术

个人交通行政处罚信息是指对从事交通运输行业从业人员在运输过程中出现的违规行为进行处罚，并且以文本方式进行记录。个人行政处罚信息是评价个人交通信用的重要维度之一，对于完善交通信用评价体系建设具备十分重要的意义。以往的个人行政处罚研究主要基于有监督学习模型，其主要包括：(1)多元线性回归模型；(2)逻辑回归模型；(3)神经网络模型。上述模型主要用于分析行政处罚与营运违法之间的关系以及影响作用，但缺少对底层文本数据挖掘的合理的手段。传统的文本挖掘手段可以分为有监督学习与无监督学习，其中有监督学习包括：朴素贝叶斯模型，支持向量机，逻辑回归等。无监督学习包括：LSA(潜在语义分析)，PLSA(概率潜在语义分析)，LDA(潜在狄利克雷分布)。由于有监督学习需要在有标签的条件下进行模型的外部式学习，这与无监督学习完全不同。

对上述三类无监督学习进行说明：

LSA，基于SVD奇异值分解挖掘中间变量，模型较为监督，不能表达复杂关系。

PLSA，以多项式分布概率模型替代基于SVD奇异值分解挖掘中间变量，模型计算复杂度高，不具备实用价值。

LDA，采用狄利克雷分布模型生处主题与单词，以自我反馈学习方式更新参数值，收敛速度快，计算复杂度低于PLSA，模型表征率较高，但对于深层的文本内容挖掘，简单的LDA模型挖掘精度较低。

可见，对于个人行政处罚信息的挖掘技术主要有：一是针对交通运输个人的营运违规行为研究较少，且多为对交通违规行为的影响因素研究；二是研究手段多为基于标签数据的获取，获取数据标签需要耗费大量的人力；三是自然语言处理手段无法考虑更加细粒度的文本挖掘，但实际需求中往往需要通过文本发现更有价值的信息。

发明内容

本发明的目的在于解决背景技术中的至少一个技术问题，提供一种基于个人交通行政处罚信息的交通违法行为分析方法、系统、电子设备及计算机可读存储介质。

为实现上述目的，本发明提供一种交通违法行为分析方法，包括：

获取交通运输行业个人运营车辆的行政处罚信息，构建行政处罚信息数据库；

构建上下两层LDA模型，分别对所述行政处罚信息数据库中数据进行违法行为分类；

考评分析所述分类的合理性，获取违规行为分布特点。

根据本发明的一个方面，所述分类包括：采用网格搜索法确定各LDA模型对数据进行分类时的分类个数和通过各LDA模型确定各自的分类主题内容。

根据本发明的一个方面，所述考评分析所述分类的合理性为：根据各LDA模型中分类主题个数的情况设置分类评价指标，当分类主题为二分类时，采用查准率、召回率和准确率进行考评；当分类主题为多分类时，采用Kappa系数进行考评。

根据本发明的一个方面，所述两层LDA模型中的其中一层LDA模型对不同车种的违法行为进行分类，另一层LDA模型基于所述其中一层LDA模型在车种分类基础上进行违法行为分类。