【技术实现步骤摘要】
基于人工智能的酒驾识别方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种基于人工智能的酒驾识别方法、装置、设备及介质。
技术介绍
酒后驾驶是导致交通事故的重要原因，为了减少由酒驾造成的交通事故次数，传统的方法都是通过交警现场布控来对所有过车进行酒驾行为的排查，这种排查方式效率非常低，并且还会耗费大量人力。近年来，随着人工智能的快速发展，涌现出了不少酒驾识别算法用来辅助交警进行酒驾查处，一定程度上减少了人力的耗费并提升了交警的查处效率，但是，即便是目前综合性能最好的酒驾识别算法，主要也只是基于车辆画像和车主画像两大类特征来进行酒驾行为的识别，由于特征不够丰富，导致召回率较低，并且准确率也不高，尚存在很大的提升空间。
技术实现思路
鉴于以上内容，有必要提供一种基于人工智能的酒驾识别方法、装置、设备及介质，能够将判断车辆行驶轨迹是否异常的问题转换成基于路口序列信息的异常路段统计问题，提升了车辆行驶轨迹这类核心特征的质量，从而提高了酒驾识别的准确率，并且，采用多类特征进行酒驾的判断，大幅...
【技术保护点】
1.一种基于人工智能的酒驾识别方法，其特征在于，所述基于人工智能的酒驾识别方法包括：/n连接采集设备，利用所述采集设备采集当前所经过车辆的车辆信息；/n从所述车辆信息中获取车牌号信息；/n调用配置数据库，根据所述车牌号信息从所述配置数据库中调取车辆画像、车主画像及车辆行驶轨迹数据；/n利用异常轨迹检测算法确定所述车辆行驶轨迹数据是否异常，得到轨迹信息；/n从所述车辆信息中获取所述车辆的过车时间及所述车辆所属的查处辖区；/n对所述车辆画像执行第一特征处理，得到第一特征，对所述车主画像执行第一特征处理，得到第二特征，对所述过车时间执行第一特征处理，得到第三特征，对所述查处辖区执...
【技术特征摘要】
1.一种基于人工智能的酒驾识别方法，其特征在于，所述基于人工智能的酒驾识别方法包括：
连接采集设备，利用所述采集设备采集当前所经过车辆的车辆信息；
从所述车辆信息中获取车牌号信息；
调用配置数据库，根据所述车牌号信息从所述配置数据库中调取车辆画像、车主画像及车辆行驶轨迹数据；
利用异常轨迹检测算法确定所述车辆行驶轨迹数据是否异常，得到轨迹信息；
从所述车辆信息中获取所述车辆的过车时间及所述车辆所属的查处辖区；
对所述车辆画像执行第一特征处理，得到第一特征，对所述车主画像执行第一特征处理，得到第二特征，对所述过车时间执行第一特征处理，得到第三特征，对所述查处辖区执行第二特征处理，得到第四特征，及对所述轨迹信息执行第二特征处理，得到第五特征；
拼接所述第一特征、所述第二特征、所述第三特征、所述第四特征及所述第五特征，得到目标特征；
将所述目标特征输入至LightGBM模型，输出酒驾概率。
2.如权利要求1所述的基于人工智能的酒驾识别方法，其特征在于，所述利用异常轨迹检测算法确定所述车辆行驶轨迹数据是否异常，得到轨迹信息包括：
从所述车辆行驶轨迹数据中确定经过的路口；
根据经过所述路口的顺序，以每两个路口为一组对所述车辆行驶轨迹数据进行拆分，得到至少一个轨迹片段；
从所述配置数据库中调取所述车辆在预设时间段内的历史轨迹数据；
根据所述历史轨迹数据计算每个路口的目标概率；
根据每个路口的目标概率计算每个轨迹片段的经过概率；
根据每个轨迹片段的经过概率判断每个轨迹片段是否异常，并确定异常的轨迹片段的数量；
确定所述至少一个轨迹片段的总数量；
根据所述异常的轨迹片段的数量及所述总数量确定所述车辆行驶轨迹数据是否异常，得到轨迹信息。
3.如权利要求2所述的基于人工智能的酒驾识别方法，其特征在于，所述根据所述历史轨迹数据计算每个路口的目标概率包括：
确定与每个路口相邻的上一路口；
将每个上一路口与每个路口构成的轨迹片段确定为每个目标轨迹片段；
获取在所述历史轨迹数据中包括每个目标轨迹片段的第一轨迹数，及获取在所述历史轨迹数据中包括每个路口的第二轨迹数；
计算每个第一轨迹数与每个第二轨迹数的商作为每个路口的目标概率。
4.如权利要求2所述的基于人工智能的酒驾识别方法，其特征在于，采用下述公式，根据每个路口的目标概率计算每个轨迹片段的经过概率包括：
P(Li)＝P(Li-1)*P(Si)＝P(S1)*P(S2)*…*P(Si)
其中，Si表示第i个路口，i为正整数；P(Si)表示第i个路口的目标概率，Li表示从S1到Si的轨迹片段，P(Li)表示从S1到Si的轨迹片段的经过概率，P(Li-1)表示从S1到Si-1的轨迹片段的经过概率。
5.如权利要求4所述的基于人工智能的酒驾识别方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：吴晓东，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。