交通事故处理方法和装置、电子设备制造方法及图纸

本说明书一个或多个实施例提供一种交通事故处理方法和装置、电子设备，所述方法包括：获取与目标交通事故对应的目标事故车辆的车辆行驶数据；基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标事故车辆执行的在所述目标交通事故中的责任认定相关的数据；将所述特征数据输入至预测模型，以由所述预测模型基于所述特征数据预测所述目标事故车辆在所述目标交通事故中的责任认定结果；其中，所述预测模型为基于若干被标注了责任认定结果的特征数据样本训练出的机器学习模型；输出预测出的所述目标事故车辆在所述目标交通事故中的责任认定结果。

Traffic accident handling methods and devices, electronic equipment

【技术实现步骤摘要】
交通事故处理方法和装置、电子设备
本说明书一个或多个实施例涉及计算机应用
，尤其涉及一种交通事故处理方法和装置、电子设备。
技术介绍
现如今，在发生了交通事故之后，通常需要由交管部门派遣交警前往事故现场进行调查，以由交管部门根据事故现场的实际情况对该交通事故中的各辆事故车辆进行交通事故责任认定，即确定各辆车辆的驾驶员在该交通事故中应当承担的责任占比，例如：全责或无责等。然而，通过人工的方式对交通事故中的事故车辆进行交通事故责任认定，通常效率较低，不便于后续根据责任认定结果对事故车辆进行相应的业务处理。
技术实现思路
本说明书提出一种交通事故处理方法，所述方法包括：获取与目标交通事故对应的目标事故车辆的车辆行驶数据；基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标事故车辆执行的在所述目标交通事故中的责任认定相关的数据；将所述特征数据输入至预测模型，以由所述预测模型基于所述特征数据预测所述目标事故车辆在所述目标交通事故中的责任认定结果；其中，所述预测模型为基于若干被标注了责任认定结本文档来自技高网...

【技术保护点】
1.一种交通事故处理方法，所述方法包括：/n获取与目标交通事故对应的目标事故车辆的车辆行驶数据；/n基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标事故车辆执行的在所述目标交通事故中的责任认定相关的数据；/n将所述特征数据输入至预测模型，以由所述预测模型基于所述特征数据预测所述目标事故车辆在所述目标交通事故中的责任认定结果；其中，所述预测模型为基于若干被标注了责任认定结果的特征数据样本训练出的机器学习模型；/n输出预测出的所述目标事故车辆在所述目标交通事故中的责任认定结果。/n

【技术特征摘要】
1.一种交通事故处理方法，所述方法包括：
获取与目标交通事故对应的目标事故车辆的车辆行驶数据；
基于所述车辆行驶数据提取特征数据；其中，所述特征数据为与对所述目标事故车辆执行的在所述目标交通事故中的责任认定相关的数据；
将所述特征数据输入至预测模型，以由所述预测模型基于所述特征数据预测所述目标事故车辆在所述目标交通事故中的责任认定结果；其中，所述预测模型为基于若干被标注了责任认定结果的特征数据样本训练出的机器学习模型；
输出预测出的所述目标事故车辆在所述目标交通事故中的责任认定结果。


2.根据权利要求1所述的方法，所述车辆行驶数据包括：车辆加速度数据；以及，在所述目标交通事故发生之前的预设时段内的定位位置数据。


3.根据权利要求2所述的方法，所述获取与目标交通事故对应的目标事故车辆的车辆行驶数据，包括：
获取与目标交通事故对应的目标事故车辆搭载的加速度传感器采集到的车辆加速度数据；
获取所述目标事故车辆搭载的移动终端设备在所述目标交通事故发生之前的预设时段内采集到的定位位置数据。


4.根据权利要求2所述的方法，所述基于所述车辆行驶数据提取特征数据，包括：
基于所述车辆加速度数据确定所述目标事故车辆的行驶速度；
基于所述定位位置数据，确定所述目标事故车辆的行驶方向和与所述目标交通事故中的其他事故车辆的相对位置关系；
将所述行驶速度、所述行驶方向和所述相对位置关系确定为特征数据。


5.根据权利要求1所述的方法，所述责任认定结果为有责任或无责任，所述机器学习模型为二分类模型；
或者，所述责任认定结果为以下责任认定结果中的一种：全责、主责、次责、同责和无责，所述机器学习模型为多分类模型。


6.一种交通事故处理装置，所述装置包括：
获取模块，获取与目标交通事故对应的目标事故车辆的车辆行驶数据；
提取模块，基于所述车...

【专利技术属性】
技术研发人员：樊太飞，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33