一种交通安全风险评估方法及系统技术方案

本申请公开一种交通安全风险评估方法及系统，应用于基于Spring Cloud搭建的微服务系统中，其中，交通安全风险评估方法包括：建立神经网络模型；从数据库中获取所述神经网络模型的输入数据；对所述输入数据进行预处理后输入到所述神经网络模型中，设置所述神经网络模型的参数并对所述神经网络模型进行训练；接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中，并将所述神经网络模型的输出结果发送给所述服务调用者，其中，所述输出结果用于表征行程的风险值。所述输出结果用于表征行程的风险值。所述输出结果用于表征行程的风险值。

【技术实现步骤摘要】
一种交通安全风险评估方法及系统


[0001]本申请涉及交通安全
，尤其涉及一种交通安全风险评估方法及系统。

技术介绍

[0002]近年来，我国的高速公路迅速发展，总里程已居世界第一，居民出行更加便捷，货物运输也更加高效。与此同时，高速公路的行车安全问题也日益突出。驾驶人在驾驶过程中，打电话、打瞌睡、超速等一些不良行为是引发道路交通事故的重要原因。针对上述现象，一些企业采用高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)采集驾驶员及车辆的数据，并将这些数据传输至远程的服务器进行存储与分析，从而获得海量的驾驶行为数据。因此，构建一个风险评估系统，通过大数据技术读取并分析海量驾驶行为数据，对降低高速公路交通事故的发生率具有重要的意义。

技术实现思路

[0003]本申请实施例提供了一种交通安全风险评估方法及系统，能够提高交通安全风险评估的准确性，从而降低高速公路交通事故的发生率。
[0004]本申请实施例提供的交通安全风险评估方法，其特征在于，应用于基于Spring Cloud搭建的微服务系统中，该方法包括：
[0005]建立神经网络模型；
[0006]从数据库中获取所述神经网络模型的输入数据；
[0007]对所述输入数据进行预处理后输入到所述神经网络模型中，设置所述神经网络模型的参数并对所述神经网络模型进行训练；
[0008]接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中，并将所述神经网络模型的输出结果发送给所述服务调用者，其中，所述输出结果用于表征行程的风险值。
[0009]在本申请一可选方式中，所述神经网络模型为多层全连接神经网络模型，所述神经网络模型包括：输入层、第一隐藏层、第二隐藏层和输出层；其中，所述输入层包括多个输入节点，所述输出层包括一个输出节点。
[0010]在本申请一可选方式中，所述多个输入节点包括25个输入节点，所述25个输入节点需要的输入数据包括：车辆类型、行程的起始时间、行程的持续时间、平均车速、平均车流量、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量、行程中多类警报的数量；其中，所述行程中多类警报包括：急减速警报、急加速警报、急转弯警报、超速警报、碰撞警报、闭眼警报、打哈欠警报、低头警报、左顾右盼警报、无人脸警报、打电话警报、抽烟警报和遮挡警报；所述输出节点的输出数据为行程的风险值，所述风险值的不同取值用于表示不同程度的安全风险。
[0011]在本申请一可选方式中，所述从数据库中获取所述神经网络模型的输入数据，包括：
[0012]基于Spark大数据引擎从MongoDB数据库中获取以下数据作为所述神经网络模型的输入数据：行程的起始时间、行程的持续时间、平均车速、平均车流量、行程中多类警报的数量以及行程的风险值，所述行程的风险值由人工标注出；以及，
[0013]从MySQL数据库中获取以下数据作为所述神经网络模型的输入数据：车辆类型、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量。
[0014]在本申请一可选方式中，对所述输入数据进行预处理，包括：
[0015]去除所述输入数据中的缺失数据、异常数据以及重复数据后，将所述输入数据转换成.csv文件的格式。
[0016]在本申请一可选方式中，设置所述神经网络模型的参数并对所述神经网络模型进行训练，包括：
[0017]设置所述神经网络模型的学习率和优化器，以及训练神经网络模型的迭代次数和周期；
[0018]采用多线程技术对所述神经网络模型进行定时训练，将训练完后的所述神经网络模型分别保存为能够被Python和Java读取的格式。
[0019]在本申请一可选方式中，接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中，并将所述神经网络模型的输出结果发送给所述服务调用者，包括：
[0020]服务提供者接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中；
[0021]服务提供者将所述神经网络模型的输出结果发送给所述服务调用者，所述服务调用者将车辆的位置及风险标识展示在电子地图上，所述风险标识基于所述输出结果确定。
[0022]在本申请一可选方式中，所述服务调用者采用FeignClient调用所述服务提供者提供的交通安全风险评估服务，其中，所述的交通安全风险评估服务的接口符合RESTful规范。
[0023]本申请实施例提供的交通安全风险评估系统，应用于基于Spring Cloud搭建的微服务系统，所述微服务系统上建立有神经网络模型；所述交通安全风险评估系统包括：
[0024]获取单元，用于从数据库中获取所述神经网络模型的输入数据；
[0025]预处理单元，用于对所述输入数据进行预处理；
[0026]输入单元，用于将预处理后的所述输入数据输入到所述神经网络模型中；
[0027]训练单元，用于设置所述神经网络模型的参数并对所述神经网络模型进行训练；
[0028]评估单元，用于接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中，并将所述神经网络模型的输出结果发送给所述服务调用者，其中，所述输出结果用于表征行程的风险值。
[0029]在本申请一可选方式中，所述神经网络模型为多层全连接神经网络模型，所述神经网络模型包括：输入层、第一隐藏层、第二隐藏层和输出层；其中，所述输入层包括多个输入节点，所述输出层包括一个输出节点。
[0030]在本申请一可选方式中，所述多个输入节点包括25个输入节点，所述25个输入节点需要的输入数据包括：车辆类型、行程的起始时间、行程的持续时间、平均车速、平均车流量、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量、行程中多类
警报的数量；其中，所述行程中多类警报包括：急减速警报、急加速警报、急转弯警报、超速警报、碰撞警报、闭眼警报、打哈欠警报、低头警报、左顾右盼警报、无人脸警报、打电话警报、抽烟警报和遮挡警报；所述输出节点的输出数据为行程的风险值，所述风险值的不同取值用于表示不同程度的安全风险。
[0031]在本申请一可选方式中，所述获取单元，具体用于基于Spark大数据引擎从MongoDB数据库中获取以下数据作为所述神经网络模型的输入数据：行程的起始时间、行程的持续时间、平均车速、平均车流量、行程中多类警报的数量以及行程的风险值，所述行程的风险值由人工标注出；以及，从MySQL数据库中获取以下数据作为所述神经网络模型的输入数据：车辆类型、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量。
[0032]在本申请一可选方式中，所述训练单元，具体用于设置所述神经网络模型的学习率和优化器，以及训练神经网络模型的迭代次数和周期；采用多线程技术对所述神经网络模型进行定时训练，将训练完后的所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通安全风险评估方法，其特征在于，应用于基于Spring Cloud搭建的微服务系统中，该方法包括：建立神经网络模型；从数据库中获取所述神经网络模型的输入数据；对所述输入数据进行预处理后输入到所述神经网络模型中，设置所述神经网络模型的参数并对所述神经网络模型进行训练；接收到服务调用者的行程数据后，将所述行程数据输入到训练后的所述神经网络模型中，并将所述神经网络模型的输出结果发送给所述服务调用者，其中，所述输出结果用于表征行程的风险值。2.根据权利要求1所述的方法，其特征在于，所述神经网络模型为多层全连接神经网络模型，所述神经网络模型包括：输入层、第一隐藏层、第二隐藏层和输出层；其中，所述输入层包括多个输入节点，所述输出层包括一个输出节点。3.根据权利要求2所述的方法，其特征在于，所述多个输入节点包括25个输入节点，所述25个输入节点需要的输入数据包括：车辆类型、行程的起始时间、行程的持续时间、平均车速、平均车流量、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量、行程中多类警报的数量；其中，所述行程中多类警报包括：急减速警报、急加速警报、急转弯警报、超速警报、碰撞警报、闭眼警报、打哈欠警报、低头警报、左顾右盼警报、无人脸警报、打电话警报、抽烟警报和遮挡警报；所述输出节点的输出数据为行程的风险值，所述风险值的不同取值用于表示不同程度的安全风险。4.根据权利要求3所述的方法，其特征在于，所述从数据库中获取所述神经网络模型的输入数据，包括：基于Spark大数据引擎从MongoDB数据库中获取以下数据作为所述神经网络模型的输入数据：行程的起始时间、行程的持续时间、平均车速、平均车流量、行程中多类警报的数量以及行程的风险值，所述行程的风险值由人工标注出；以及，从MySQL数据库中获取以下数据作为所述神经网络模型的输入数据：车辆类型、能见度、降雨量、降雪量、节假日、交通管制、道路形态、道路的监控器数量。5.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：耿丹阳，郝志强，刘宇峰，刘瑞斌，韩昱，牛彦峰，刘帆，赵昊，奥炜，卢思超，艾云飞，孙云华，赵鹏志，
申请(专利权)人：山西交通控股集团有限公司中交信息技术国家工程实验室有限公司，
类型：发明
国别省市：