预测模型的构建方法、车辆事故预测方法及装置制造方法及图纸

本发明专利技术涉及一种预测模型的构建方法、车辆事故预测方法及装置。该构建方法包括以下步骤：根据第一数据，确定仅包含核心特征的训练集；所述第一数据为历史事故记录信息中，第一设定时间内的司机行为信息、车辆行驶信息、车辆报警信息和环境信息；采用仅包含核心特征的训练集对聚类分析模型进行训练；根据车辆事故的预测结果，优化聚类分析模型，确定优化后的聚类分析模型为预测模型；其中，所述车辆事故的预测结果是所述训练后的聚类分析模型对第二数据进行预测得到。该方法综合考量了事故发生前的多种信息，并通过采用车辆事故的预测的方式，优化聚类分析模型，使得所构建的预测模型精准可靠，对于各种复杂情况下的潜在事故均能有效预测。能有效预测。能有效预测。

【技术实现步骤摘要】
预测模型的构建方法、车辆事故预测方法及装置


[0001]本专利技术涉及智能交通控制领域，具体而言，涉及一种预测模型的构建方法、车辆事故预测方法及装置。

技术介绍

[0002]随着社会的发展，交通设施愈加发达，人们的出行需求也不断提高，但是随之而来的交通安全问题也越来越多。传统的车辆事故预防措施包括被动安全系统与主动安全系统，然而无论是主动安全系统还是被动安全系统，其对事故发生的介入均较晚，均无法对事故进行有效预测。随着科技的不断进步以及人们对车辆功能需求的不断增加，开发一种可进行事故预测的预防式安全系统变得越来越紧迫。
[0003]有鉴于此，特提出本专利技术。

技术实现思路

[0004]本专利技术的目的在于提供一种预测模型的构建方法、车辆事故预测方法及装置，以实现对车辆事故进行准确预测的效果。
[0005]为了实现上述目的，本专利技术采用以下技术方案：第一方面，本专利技术提供了一种预测模型的构建方法，包括以下步骤：根据第一数据，确定仅包含核心特征的训练集；所述第一数据为历史事故记录信息中，第一设定时间内的司机行为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测模型的构建方法，其特征在于，包括以下步骤：根据第一数据，确定仅包含核心特征的训练集；所述第一数据为历史事故记录信息中，第一设定时间内的司机行为信息、车辆行驶信息、车辆报警信息和环境信息；采用所述仅包含核心特征的训练集对聚类分析模型进行训练；根据车辆事故的预测结果，优化聚类分析模型，确定优化后的聚类分析模型为预测模型；其中，所述车辆事故的预测结果是所述训练后的聚类分析模型对第二数据进行预测得到，所述第二数据为第二设定时间内的司机行为信息、车辆行驶信息、车辆报警信息和环境信息；所述核心特征是指在历史事故记录信息中所出现的所有特征中，出现的百分比超出设定百分比的特征。2.根据权利要求1所述的预测模型的构建方法，其特征在于，所述根据第一数据，确定仅包含核心特征的训练集，包括：根据第一数据与第一因素，确定第三数据；所述第一因素用于将第一数据中的各个特征的数值处理为处于同一量纲下的数值；根据第三数据，确定包含所有特征的训练集；根据所述包含所有特征的训练集，确定所述仅包含核心特征的训练集。3.根据权利要求2所述的预测模型的构建方法，其特征在于，所述根据第三数据，确定包含所有特征的训练集，包括：对第三数据进行标准化处理，确定所述包含所有特征的训练集。4.根据权利要求2所述的预测模型的构建方法，其特征在于，所述根据所述包含所有特征的训练集，确定所述仅包含核心特征的训练集，包括：采用所述包含所有特征的训练集对随机森林模型进行训练，确定所有特征的权重，根据所述权重，确定车辆事故相关特征；对所述车辆事故相关特征进行特征降维，确定所述仅包含核心特征的训练集。5.根据权利要求1
‑
4任一项所述的预测模型的构建方法，其特征在于，在所述采用所述仅包含核心特征的训练集对聚类分析模型进行训练之后，还包括：采用验证集对训练后的聚类分析模型进行验证，所述验证集为第四数据，所述第四数据为所述第一数据经特征降维得到的数据。6.一种车辆事故预测方法，其特征在于，包括以下步骤：对待测试数据进行特征降维，确定测试集；所述待测试数据为...

【专利技术属性】
技术研发人员：徐显杰，付成祥，
申请(专利权)人：浙江所托瑞安科技集团有限公司，
类型：发明
国别省市：