确定安全度预测模型的方法、装置、设备和存储介质制造方法及图纸

本公开涉及确定安全度预测模型的方法、装置、设备和存储介质。在此描述的方法包括：获取多个驾驶方的历史驾驶信息；基于历史驾驶信息，将多个驾驶方划分成多个驾驶方子集；基于多个驾驶方子集各自对应的历史驾驶信息来分别训练多个驾驶方子集各自对应的多个子安全度预测模型；以及通过组合多个子安全度预测模型来确定安全度预测模型，该安全度预测模型能够基于目标驾驶方的目标历史驾驶信息来确定目标驾驶方的未来驾驶安全度。在本公开的实施例中，通过确定安全度预测模型并且使用该模型确定驾驶安全度，能够有效地预测驾驶方发生风险事件的概率。

【技术实现步骤摘要】
确定安全度预测模型的方法、装置、设备和存储介质
本公开总体上涉及人工智能(AI)领域，特别地涉及确定安全度预测模型的方法、装置、设备和计算机可读存储介质。
技术介绍
随着科技和网络的发展，越来越多的人选择服务提供方提供的出行服务。对于管理出行服务的服务管理方而言，乘客的安全问题尤为重要。然而，目前，缺少对驾驶方的驾驶安全度的评价机制，因而往往在驾驶方发生风险事件之后才会采取处理措施。这使得乘客的安全无法得到有效地保证，同时也对服务管理方的声誉和业务等造成不良影响。
技术实现思路
根据本公开的一些实施例，提供了一种确定安全度预测模型的方法、装置、设备以及计算机可读存储介质。在本公开的第一方面，提供了一种确定安全度预测模型的方法。该方法包括：获取多个驾驶方的历史驾驶信息，该历史驾驶信息至少指示多个驾驶方在历史时间段内是否发生过风险事件以及多个驾驶方在预定数目的行程内是否发生过风险事件；基于历史驾驶信息，将多个驾驶方划分成多个驾驶方子集；基于多个驾驶方子集各自对应的历史驾驶信息来分别训练多个驾驶方子集各自对应的多个子安全度预测模型本文档来自技高网...

【技术保护点】
1.一种确定安全度预测模型的方法，包括：/n获取多个驾驶方的历史驾驶信息，所述历史驾驶信息至少指示所述多个驾驶方在历史时间段内是否发生过风险事件以及所述多个驾驶方在预定数目的行程内是否发生过风险事件；/n基于所述历史驾驶信息，将所述多个驾驶方划分成多个驾驶方子集；/n基于所述多个驾驶方子集各自对应的历史驾驶信息来分别训练所述多个驾驶方子集各自对应的多个子安全度预测模型；以及/n通过组合所述多个子安全度预测模型来确定安全度预测模型，所述安全度预测模型能够基于目标驾驶方的目标历史驾驶信息来确定所述目标驾驶方的未来驾驶安全度。/n

【技术特征摘要】
1.一种确定安全度预测模型的方法，包括：
获取多个驾驶方的历史驾驶信息，所述历史驾驶信息至少指示所述多个驾驶方在历史时间段内是否发生过风险事件以及所述多个驾驶方在预定数目的行程内是否发生过风险事件；
基于所述历史驾驶信息，将所述多个驾驶方划分成多个驾驶方子集；
基于所述多个驾驶方子集各自对应的历史驾驶信息来分别训练所述多个驾驶方子集各自对应的多个子安全度预测模型；以及
通过组合所述多个子安全度预测模型来确定安全度预测模型，所述安全度预测模型能够基于目标驾驶方的目标历史驾驶信息来确定所述目标驾驶方的未来驾驶安全度。


2.根据权利要求1所述的方法，其中将所述多个驾驶方划分成所述多个驾驶方子集包括：
从所述多个驾驶方选择在所述历史时间段内发生过风险事件的至少一个驾驶方，作为第一组驾驶方；
从所述多个驾驶方选择在所述预定数目的行程内发生过风险事件的至少一个驾驶方，作为第二组驾驶方；以及
将所述第一组驾驶方和所述第二组驾驶方划分到不同的驾驶方子集中。


3.根据权利要求2所述的方法，其中将所述多个驾驶方划分成所述多个驾驶方子集还包括：
确定所述第一组驾驶方中的驾驶方的数目为第一数目；
从所述多个驾驶方选择在所述历史时间段内未发生过风险事件的第二数目的驾驶方，作为第三组驾驶方，所述第一数目与所述第二数目的差异小于预定阈值；以及
将所述第一组驾驶方和所述第三组驾驶方合并成第一驾驶方子集，所述第一组驾驶方和所述第三组驾驶方分别标记为训练正样本和训练负样本。


4.根据权利要求2所述的方法，其中将所述多个驾驶方划分成所述多个驾驶方子集还包括：
确定所述第二组驾驶方中的驾驶方的数目为第三数目；
从所述多个驾驶方选择在所述预定数目的行程内未发生过风险事件的第四数目的驾驶方，作为第四组驾驶方，所述第三数目与所述第四数目的差异小于预定阈值；以及
将所述第二组驾驶方和所述第四组驾驶方合并成第二驾驶方子集，所述第二组驾驶方和所述第四组驾驶方分别被标记为训练正样本和训练负样本。


5.根据权利要求1所述的方法，其中训练多个子安全度预测模型包括：针对所述多个驾驶方子集中的给定驾驶方子集，
基于所述给定驾驶方子集对应的历史驾驶信息，确定所述给定驾驶方子集中的驾驶方各自对应的特征向量和样本类别指示符，每个样本类别指示符指示所述驾驶方为训练正样本或训练负样本；以及
基于所述特征向量和所述类别指示符，训练所述给定驾驶方子集对应的子安全度预测模型。


6.根据权利要求1所述的方法，其中获取所述历史驾驶信息还包括：
获取以下各项中的至少一项：驾驶方的年龄、驾龄、性别、被评价信息以及异常行为信息。


7.一种确定驾驶安全度的方法，包括：
获取目标驾驶方的目标历史驾驶信息，所述目标历史驾驶信息至少指示所述目标驾驶方在历史时间段内是否发生过风险事件以及所述目标驾驶方在预定数目的行程内是否发生过风险事件；以及
使用安全度预测模型，基于所述目标历史驾驶信息来确定所述目标驾驶方的未来驾驶安全度，其中所述安全度预测模型通过组合多个子安全度预测模型而被确定，并且所述多个子安全度预测模型分别基于与多个驾驶方的多个驾驶方子集相对应的历史驾驶信息而被训练得到。


8.根据权利要求7所述的方法，其中确定所述目标驾驶方的所述未来驾驶安全度还包括：
基于所述目标历史驾驶信息，提取所述目标驾驶方对应的特征向量；以及
通过利用所述多个子安全度预测模型分别处理所述特征向量，来确定所述安全度预测模型的输出，所述输出指示所述目标驾驶方的所述未来驾驶安全度。


9.根据权利要求7所述的方法，其中获取所述目标驾驶方的所述目标历史驾驶信息包括：
获取以下各项中的至少一项：所述目标驾驶方的年龄、驾龄、性别、被评价信息以及异常行为信息。


10.一种确定安全度预测模型的装置，包括：
第一历史驾驶信息获取模块，被配置为获取多个驾驶方的历史驾驶信息，所述历史驾驶信息至少指示所述多个驾驶方在历史时间段内是否发生过风险事件以及所述多个驾驶方在预定数目的行程内是否发生过风险事件；
第一驾驶方子集划分模块，被配置为基于所述历史驾驶信息，将所述多个驾驶方划分成多个驾驶方子集；
第一子安全度预测模型训练模块，被配置为基于所述多个驾驶方子集各自对应的历史驾驶信息来分别训练所述多个驾驶方子集各自对应的多个子安全度预测模型；以及
安全度预测模型确定模块，被配置为通过组合所述多个子安全度预测模型来确定安全度预测模型，所述安全度预测模型能够基于目标驾驶方的目标历史驾驶信息来确定所述目标驾驶方的未来驾驶安全度。

【专利技术属性】
技术研发人员：宋洪正，刘亚书，
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