本发明专利技术涉及大数据领域，公开了一种交通事故影响因子预测方法、装置、设备及存储介质。该方法包括：采用预置文本信息提取算法，从多条历史交通事故数据中提取多个第一影响因子；并将第一影响因子分别输入预置第一、第二预训练模型进行训练，以预测第一影响因子对交通事故的影响程度，得到对应的第一、第二预测结果；计算第一、第二预测结果的似然比，以调整第二预训练模型中的随机参数，得到预测模型；获取当前发生交通事故的第二影响因子，并采用预测模型预测各第二影响因子对当前发生交通事故的影响，以确定当前发生交通事故的影响因子。本发明专利技术还涉及区块链技术，所述交通事故数据存储于区块链中。本发明专利技术提升了行人交通安全因素分析的异质性。析的异质性。析的异质性。
【技术实现步骤摘要】
交通事故影响因子预测方法、装置、设备及存储介质
[0001]本专利技术涉及大数据领域，尤其涉及一种交通事故影响因子预测方法、装置、设备及存储介质。
技术介绍
[0002]随着公路里程的增加及基础设施的完善，其单位里程事故率和亿车公里死亡率趋于下降，但事故总量仍然居高不下，且事故的严重程度逐年上升，安全形势依然严峻，严重影响人民生命财产安全。因此，对公路交通事故进行成因分析，剖析交通事故的发生机理，并提出相应的安全改善措施，从源头上改善其交通安全状况，是十分有意义的。
[0003]传统的行人交通安全的因素影响分析方法是主要通过描述性的数据比较和趋势分析等方法来实现。当前交管部门、科研机构等，已采用多种统计方法来分析交通事故的影响因素及各影响因素的影响程度，其中，常见的统计模型包括多项式对数、有序对数、有序概率、贝叶斯分层模型、随机参数模型等。然而，上类标准的、固定参数的有序模型，不足以捕获事故模型数据中未观察到的异质性，例如针对老年人碰撞中，为考虑到老人的健康状况、道路交通特征以及驾驶员行为等，在固定参数模型中，假设估计的参数在所有观察中保持相同是不合适的。如果是针对一个重要的考虑因素，且当参数实际上在观察结果中是变化的，将参数限制为固定可能就会导致参数估计不一致，进而影响模型的效率低下且有偏差。因此，现有技术通过带固定参数的有序模型分析行人交通安全因素存在异质性不足的问题。
技术实现思路
[0004]本专利技术的主要目的在于解决现有技术通过带固定参数的有序模型分析行人交通安全因素存在异质性不足的技术问题。
[0005]本专利技术第一方面提供了一种交通事故影响因子预测方法，包括：
[0006]获取多条历史的交通事故数据，并采用预置文本信息提取算法，从所述各交通事故数据中提取交通事故中的多个第一影响因子；
[0007]获取第一预训练模型和第二预训练模型，其中，所述第二预训练模型相对于所述第一预训练模型增加了预置随机参数；
[0008]将所述第一影响因子分别输入所述第一预训练模型和所述第二预训练模型进行训练，以预测所述第一影响因子对所述交通事故的影响程度，得到对应的第一预测结果及第二预测结果；
[0009]计算所述第一预测结果和所述第二预测结果的似然比，并根据所述似然比，调整所述第二预训练模型中的随机参数，得到对应的预测模型；
[0010]获取当前发生的交通事故中的第二影响因子，并采用所述预测模型，预测所述各第二影响因子对当前发生的交通事故的影响程度；
[0011]根据所述影响程度，筛选符合预置条件的第二影响因子作为当前发生的交通事故
的影响因子。
[0012]可选的，在本专利技术第一方面的第一种实现方式中，所述采用预置文本信息提取算法，从所述各交通事故数据中提取交通事故中的多个第一影响因子包括：
[0013]对所述各交通事故数据对应内容进行分词处理，得到多个分词，并采用预置先验知识，从所述各分词中提取交通事故中的影响分词；
[0014]统计所述各影响分词的出现频率，并根据所述出现频率由高至低，从所述影响分词中筛选预设数量的影响分词作为第一影响因子。
[0015]可选的，在本专利技术第一方面的第二种实现方式中，在所述根据所述出现频率由高至低，从所述影响分词中筛选预设数量的影响分词作为第一影响因子之后，还包括：
[0016]采用预置显著性测试算法，计算所述各第一影响因子的第一显著性得分；
[0017]判断所述显著性得分是否低于预置的得分阈值；
[0018]若是，则保留低于所述得分阈值的第一影响因子。
[0019]可选的，在本专利技术第一方面的第三种实现方式中，在所述获取多条历史的交通事故数据之后，还包括：
[0020]提取所述各交通事故数据中的标识信息、属性信息、数据结构信息；
[0021]根据所述标识信息、属性信息、数据结构信息，采用预置规则对所述交通事故数据进行检查，确定所述交通事故数据中的无效数据；
[0022]筛除所述交通事故数据中的无效数据。
[0023]可选的，在本专利技术第一方面的第四种实现方式中，所述计算所述第一预测结果和所述第二预测结果的似然比包括：
[0024]根据所述第一预测结果，确定所述第一影响因子的固定参数，以及根据所述第二预测结果，确定所述第一影响因子的随机参数；
[0025]根据所述固定参数，计算所述第一预训练模型训练后的第一对数似然值，以及根据所述随机参数，计算所述第二预训练模型训练后的第二对数似然值；计算所述第二对数似然值和所述第一对数似然值的差值，得到所述第一预测结果和所述第二预测结果的似然比。
[0026]可选的，在本专利技术第一方面的第五种实现方式中，所述交通事故数据还存储于区块链中。
[0027]本专利技术第二方面提供了一种交通事故影响因子预测装置，包括：
[0028]提取模块，用于获取多条历史的交通事故数据，并采用预置文本信息提取算法，从所述各交通事故数据中提取交通事故中的多个第一影响因子；
[0029]获取模块，用于获取第一预训练模型和第二预训练模型，其中，所述第二预训练模型相对于所述第一预训练模型增加了预置随机参数；
[0030]训练模块，用于将所述第一影响因子分别输入所述第一预训练模型和所述第二预训练模型进行训练，以预测所述第一影响因子对所述交通事故的影响程度，得到对应的第一预测结果及第二预测结果；
[0031]调整模块，用于计算所述第一预测结果和所述第二预测结果的似然比，并根据所述似然比，调整所述第二预训练模型中的随机参数，得到对应的预测模型；
[0032]预测模块，用于获取当前发生的交通事故中的第二影响因子，并采用所述预测模
型，预测所述各第二影响因子对当前发生的交通事故的影响程度；
[0033]筛选模块，用于根据所述影响程度，筛选符合预置条件的第二影响因子作为当前发生的交通事故的影响因子。
[0034]可选的，在本专利技术第二方面的第一种实现方式中，所述提取模块包括：
[0035]分词单元，用于对所述各交通事故数据对应内容进行分词处理，得到多个分词，并采用预置先验知识，从所述各分词中提取交通事故中的影响分词；
[0036]筛选单元，用于统计所述各影响分词的出现频率，并根据所述出现频率由高至低，从所述影响分词中筛选预设数量的影响分词作为第一影响因子。
[0037]可选的，在本专利技术第二方面的第二种实现方式中，在所述筛选单元之后，还包括：
[0038]第一计算单元，用于采用预置显著性测试算法，计算所述各第一影响因子的第一显著性得分；
[0039]判别单元，用于判断所述显著性得分是否低于预置的得分阈值；若是，则保留低于所述得分阈值的第一影响因子。
[0040]可选的，在本专利技术第二方面的第三种实现方式中，在所述提取模块之后，还包括：
[0041]检查模块，用于提取所述各交通事故数据中的标识信息、属性信息、数据结构信息；根本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通事故影响因子预测方法，其特征在于，所述交通事故影响因子预测方法包括：获取多条历史的交通事故数据，并采用预置文本信息提取算法，从所述各交通事故数据中提取交通事故中的多个第一影响因子；获取第一预训练模型和第二预训练模型，其中，所述第二预训练模型相对于所述第一预训练模型增加了预置随机参数；将所述第一影响因子分别输入所述第一预训练模型和所述第二预训练模型进行训练，以预测所述第一影响因子对所述交通事故的影响程度，得到对应的第一预测结果及第二预测结果；计算所述第一预测结果和所述第二预测结果的似然比，并根据所述似然比，调整所述第二预训练模型中的随机参数，得到对应的预测模型；获取当前发生的交通事故中的第二影响因子，并采用所述预测模型，预测所述各第二影响因子对当前发生的交通事故的影响程度；根据所述影响程度，筛选符合预置条件的第二影响因子作为当前发生的交通事故的影响因子。2.根据权利要求1所述的交通事故影响因子预测方法，其特征在于，所述采用预置文本信息提取算法，从所述各交通事故数据中提取交通事故中的多个第一影响因子包括：对所述各交通事故数据对应内容进行分词处理，得到多个分词，并采用预置先验知识，从所述各分词中提取交通事故中的影响分词；统计所述各影响分词的出现频率，并根据所述出现频率由高至低，从所述影响分词中筛选预设数量的影响分词作为第一影响因子。3.根据权利要求2所述的交通事故影响因子预测方法，其特征在于，在所述根据所述出现频率由高至低，从所述影响分词中筛选预设数量的影响分词作为第一影响因子之后，还包括：采用预置显著性测试算法，计算所述各第一影响因子的第一显著性得分；判断所述显著性得分是否低于预置的得分阈值；若是，则保留低于所述得分阈值的第一影响因子。4.根据权利要求1所述的交通事故影响因子预测方法，其特征在于，所述计算所述第一预测结果和所述第二预测结果的似然比包括：根据所述第一预测结果，确定所述第一影响因子的固定参数，以及根据所述第二预测结果，确定所述第一影响因子的随机参数；根据所述固定参数，计算所述第一预训练模型训练后的第一对数似然值，以及根据所述随机参数，计算所述第二预训练模型训练后的第二对数似然值；计算所述第二对数似然值和所述第一对数似然值的差值，得到所述第一预测结果和所述第二预测结果的似然比。5.根据权利要求1
‑
4中任一项所述的交通事故影响因子预测方法，其特征在于，在所述获取多条...
【专利技术属性】
技术研发人员：王玥颖，
申请(专利权)人：深圳赛安特技术服务有限公司，
类型：发明
国别省市：
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。