人车风险预测方法、装置、介质及电子设备制造方法及图纸

本公开实施例涉及信息技术领域，提供一种人车风险预测方法，包括：获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；针对所述突发情况案例获取相应的历史车辆信息和历史健康信息，组成人车特征向量；针对多个突发情况案例分别提取对应的人车特征向量，将多个人车特征向量组成特征矩阵；根据历史健康信息和历史车辆信息确定风险类型，并基于风险类型组成目标向量；将特征矩阵作为分类器中的输入，将对应的目标向量作为分类器的输出，进行模型训练，得到风险预测模型；将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。本公开可以识别用户可能面临的健康风险或突发情况。

【技术实现步骤摘要】
人车风险预测方法、装置、介质及电子设备
本公开涉及信息
，具体而言，涉及一种人车风险预测方法、装置、介质及电子设备。
技术介绍
近年来随着互联网技术的飞速发展，物联网在人们生活中的应用愈加广泛，例如智能家居、智能穿戴、车联网等领域。车联网(InternetofVehicles)是由车辆位置、速度和路线等信息构成的巨大交互网络。通过GPS、RFID、传感器、摄像头图像处理等装置，车辆可以完成自身环境和状态信息的采集。但是，现有技术的技术方案中对于如何在车联网下进行信息共享、处理和管理还存在有待改进之处。需要说明的是，在上述
技术介绍
数据子段公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开实施例的目的在于提供一种人车风险预测方法、装置、介质及电子设备，进而至少在一定程度上克服现有的访问机制安全性差的缺点。本公开的其他特性和优点将通过下面的详细描述变得显然，或数据子段地通过本公开的实践而习得。根据本公开实施例的第一方面，提供了一种人车风险预测方法，包括：获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；针对多个所述突发情况案例分别提取对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到所述风险预测模型；基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。在本公开的一种示例性实施例中于，所述历史车辆信息或所述车辆信息包括车内温度、车内空气质量、车辆速度和车辆位置中的一个或多个指标；所述历史健康信息或所述健康信息包括驾驶人的体温、心率、血糖和血压中的一个或多个指标。在本公开的一种示例性实施例中，获取历史车辆信息、驾驶人的历史健康信息和突发情况案例，包括：采集所述历史车辆信息、所述历史健康信息和所述突发情况案例；将所述历史车辆信息、所述历史健康信息和所述突发情况案例上传到区块链网络中。在本公开的一种示例性实施例中，针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量包括：对于所述历史车辆信息和所述历史健康信息中连续变化的定量指标进行离散化处理；按照离散化处理后的数值从小到大分为不同的等级，针对每一等级进行标签化处理。在本公开的一种示例性实施例中，其中所述突发情况案例中包括车辆抛锚、交通事故、车辆被淹、车辆自燃、驾驶员突发疾病中的一项。在本公开的一种示例性实施例中，所述根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量，包括：根据所述历史健康信息和所述历史车辆信息确定风险类型；对所述风险类型进行编码和标注，得到风险类型标签；将多个所述突发情况案例对应的风险类型标签组成目标向量。在本公开的一种示例性实施例中，所述基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果之前，还包括：针对所述车辆信息和所述健康信息中的指标分别设定相应的指标阈值；将实时采集的所述车辆信息和所述健康信息分别与相应的指标阈值进行比较；如果所述车辆信息与所述健康信息中至少一个指标超出对应的指标阈值，则对所述采集的所述车辆信息和所述健康信息进行预处理；将预处理后的所述车辆信息和所述健康信息输入到所述风险预测模型中，输出的目标向量为所述风险预测结果。根据本公开实施例的第二方面，提供一种人车风险预测装置，包括：信息获取模块，用于获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；人车特征模块，用于针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；特征矩阵模块，用于针对多个所述突发情况案例分别提取得到对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；目标向量模块，用于根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；模型训练模块，用于将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到风险预测模型；风险预测模块，用于基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。根据本公开实施例的第三方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现以上所述的人车风险预测方法的步骤。根据本公开实施例的第四方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现以上所述的人车风险预测方法。本公开实施例提供的技术方案可以包括以下有益效果：在本公开的一些实施例所提供的技术方案中，一方面，基于车辆信息、驾驶人的健康信息以及突发情况案例构建风险预测模型，基于风险预测模型对实时采集的车辆信息和驾驶人的健康信息进行预测，识别用户可能面临的健康风险或突发情况，以及由此带来的驾驶风险。此外，本专利技术还可以利用区块链网络，将车辆信息、驾驶人的健康信息、突发情况案例、以及风险预测模型上传并存储到区块链网络中，利用区块链隐私保护、公开透明、可追溯、不易篡改等特点保证数据来源真实可靠，为车联网下智能传感互联网中的健康风险和突发情况的共享和管理提供有利的保证。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一数据子段，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1是根据一示例性实施例示出的一种人车风险预测方法及装置的系统场景框图。图2是根据本公开一实施例提供的一种人车风险预测方法的流程示意图。图3是根据本公开一实施例图2中步骤S220的流程示意图。图4是根据本公开一实施例图2中步骤S230的流程示意图。图5是根据一示例性实施例示出的一种人车风险预测装置的示意图。图6是根据本公开一实施例中目标向量模块540的示意图。图7是根据本公开一实施例中风险预测模块560的示意图。图8是根据一示例性实施例示出的一种电子设备的计算机系统800的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它本文档来自技高网...

【技术保护点】
1.一种人车风险预测方法，其特征在于，包括：获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；针对多个所述突发情况案例分别提取对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到风险预测模型；基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。

【技术特征摘要】
1.一种人车风险预测方法，其特征在于，包括：获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；针对多个所述突发情况案例分别提取对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到风险预测模型；基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。2.根据权利要求1所述的人车风险预测方法，其特征在于，所述历史车辆信息或所述车辆信息包括车内温度、车内空气质量、车辆速度和车辆位置中的一个指标或多个指标；所述历史健康信息或所述健康信息包括驾驶人的体温、心率、血糖和血压中的一个或多个指标。3.根据权利要求1所述的人车风险预测方法，其特征在于，获取历史车辆信息、驾驶人的历史健康信息和突发情况案例，包括：采集所述历史车辆信息、所述历史健康信息和所述突发情况案例；将所述历史车辆信息、所述历史健康信息和所述突发情况案例上传到区块链网络中。4.根据权利要求1所述的人车风险预测方法，其特征在于，针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量包括：对于所述历史车辆信息和所述历史健康信息中连续变化的定量指标进行离散化处理；按照离散化处理后的数值从小到大分为不同的等级，针对每一等级进行标签化处理。5.根据权利要求1所述的人车风险预测方法，其特征在于，其中所述突发情况案例中包括车辆抛锚、交通事故、车辆被淹、车辆自燃、驾驶员突发疾病中的一项。6.根据权利要求5所述的人车风险预测方法，其特征在于，所述根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量，包括：根据所述历史健康信息和所...

【专利技术属性】
技术研发人员：李夫路，梁爽，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京,11