用户行为的识别方法、识别系统及计算机设备技术方案

本公开实施例提出了一种用户行为的识别方法、识别系统、计算机设备及计算机可读存储介质，其中用户行为的识别方法包括：获取目标终端传感器检测到的目标终端的目标驾驶数据；通过用户行为识别模型分析目标驾驶数据，以识别目标终端对应的用户是否具有危险驾驶行为。通过用户行为识别模型分析目标终端的目标驾驶数据，进而推断出携带有该目标终端的用户的驾驶危险操作行为，如急减速、急转弯等，无需给用户配置额外设备，即可准确、及时地判断用户危险驾驶行为，保障用户和乘客的人身安全，有效提升服务质量。

【技术实现步骤摘要】
用户行为的识别方法、识别系统及计算机设备
本公开实施例涉及数据处理
，具体而言，涉及一种用户行为的识别方法、识别系统、计算机设备及计算机可读存储介质。
技术介绍
用户的危险驾驶行为是引发交通事故的重要原因，因此为提高驾驶安全性，如何有效地推断出用户的危险驾驶行为成为待解决的问题。相关技术中存在基于终端传感器分析特定的危险驾驶行为的方法，但这种方法存在以下几点问题：1.数据分析处理时效性不够。需要事后分析大量数据进行数据降噪和统计分析。2.异常场景下驾驶行为的错误判定。例如，部分终端配置的传感器不能返回高精度低延时的有效数据，导致系统将人为摇动设备判定为急减速。3.数据量不足。由于终端传感器数据或多或少存在差异，会导致相同前规则在不同终端上触发的传感器数据存在多样性，仅仅利用在部分终端机型上采集的前置触发数据训练模型，往往会使得模型陷入欠拟合的困境，即在部分终端机型上能准确识别危险驾驶识别数据，但在部分终端上难以达到效果。
技术实现思路
本公开实施例旨在至少解决现有技术或相关技术中存在的技术问题之一。...

【技术保护点】
1.一种用户行为的识别方法，其特征在于，所述方法包括：/n获取目标终端传感器检测到的所述目标终端的目标驾驶数据；/n通过用户行为识别模型分析所述目标驾驶数据，以识别所述目标终端对应的用户是否具有危险驾驶行为。/n

【技术特征摘要】
1.一种用户行为的识别方法，其特征在于，所述方法包括：
获取目标终端传感器检测到的所述目标终端的目标驾驶数据；
通过用户行为识别模型分析所述目标驾驶数据，以识别所述目标终端对应的用户是否具有危险驾驶行为。


2.根据权利要求1所述的用户行为的识别方法，其特征在于，还包括：
构建特征学习模型，并由所述特征学习模型生成多个虚拟驾驶数据；
根据所述虚拟驾驶数据，构建所述用户行为识别模型。


3.根据权利要求2所述的用户行为的识别方法，其特征在于，构建所述特征学习模型，并由所述特征学习模型生成多个所述虚拟驾驶数据的步骤，具体包括：
在相同的运动行为条件下，获取由多个终端传感器分别检测的实验驾驶数据，并比较得出各个所述实验驾驶数据之间的差别特征；
根据所述差别特征训练所述特征学习模型，并通过所述特征学习模型生成多个所述虚拟驾驶数据；
其中，所述虚拟驾驶数据的数量大于所述实验驾驶数据的数量。


4.根据权利要求3所述的用户行为的识别方法，其特征在于，所述特征学习模型为生成对抗网络GAN模型；
根据所述差别特征训练所述特征学习模型，并通过所述特征学习模型生成多个所述虚拟驾驶数据的步骤，具体包括：
由所述GAN模型的生成器产生随机变量；
通过所述GAN模型的判别器判别所述随机变量是否与所述差别特征相同，以使所述GAN模型的生成器产生接近所述差别特征的随机变量；
根据所述接近所述差别特征的随机变量得到所述虚拟驾驶数据。


5.根据权利要求1至4中任一项所述的用户行为的识别方法，其特征在于，在获取所述目标终端传感器检测到的所述目标终端的目标驾驶数据之后，还包括：
对所述目标驾驶数据进行格式过滤以及加速度波动过滤。


6.根据权利要求1至4中任一项所述的用户行为的识别方法，其特征在于，还包括：
当识别所述目标终端对应的用户具有所述危险驾驶行为时，记录所述目标驾驶数据；
向所述目标终端发送警报信息。


7.根据权利要求3所述的用户行为的识别方法，其特征在于，所述实验驾驶数据、所述虚拟驾驶数据、所述目标驾驶数据均至少包括：加速度数据、夹角数据、速度数据、持续时长数据。


8.一种用户行为的识别系统，其特征在于，所述系统包括：
获取单元，用于获取目标终端传感器检测到的所述目标终端的目标驾驶数据；
识别单元，用于通过用户行为识别模型分析所述目标驾驶数...

【专利技术属性】
技术研发人员：陈奥，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11