交通事故报告提取与场景类型推理方法、系统及存储介质技术方案

一种交通事故报告提取与场景类型推理方法、系统及存储介质，方法包括：对交通事故场景的实体进行分类，对V2V事故领域本体进行构建；对交通事故报告进行数据预处理；对数据预处理后的交通事故报告进行事故信息提取，获取事故场景的具体信息；推理得到本体中隐含的其他关联结构，输出结构化场景信息所对应的场景类型。本发明专利技术采用领域本体与自然语言处理技术相结合，根据事故报告中所涵盖的知识体系与本体的应用范围，设计构建出事故领域本体，并在分析事故报告的文本特性之后，提出了领域本体与关系抽取相结合的信息提取框架，初步完成了从事故报告中提取场景信息的自动化过程，提高了交通事故报告数据集在场景构建技术中的利用率和自动化程度。率和自动化程度。率和自动化程度。

【技术实现步骤摘要】
交通事故报告提取与场景类型推理方法、系统及存储介质


[0001]本专利技术属于智能车路系统
，具体涉及一种交通事故报告提取与场景类型推理方法、系统及存储介质。

技术介绍

[0002]智能网联汽车作为自动驾驶技术现阶段的产物，在汽车领域已经发展成为了全球型的热门话题，车路协同系统(CVIS)是目前智能网联车领域内的重点研究方向之一。车路协同通信(V2X)是实现CVIS的重要手段，V2V(vehicle
‑
to
‑
vehicle)作为V2X的一种重要手段，也受到了学术界的重点关注。在车路协同环境下，无论人、车、路以及路边设施皆可以通过车路协同系统感知环境信息与其他参与者信息，同时也能与其他单元进行信息交互，实现真正意义上的车联万物。但目前而言，车路协同领域在其发展过程中还面临着许多安全性的问题，导致人们对车路协同系统仍然存在着些许质疑。因此，降低智能网联车的安全风险成为了现如今车路协同研究中的重中之重。
[0003]数据驱动的场景构建技术是目前智能网联车测试领域中的研究热点。目前，研究人员大多选用结构化的自然驾驶数据进行场景研究，而忽略了数据量丰富的非结构化交通事故报告，且场景构建过程中往往离不开人工分析，导致场景构建周期较长、效率不高。

技术实现思路

[0004]本专利技术的目的在于针对上述现有技术中的问题，提供一种交通事故报告提取与场景类型推理方法、系统及存储介质，提高了交通事故报告数据集在场景构建技术中的利用率和自动化程度，辅助智能网联车领域数据驱动场景的构建。
[0005]为了实现上述目的，本专利技术有如下的技术方案：
[0006]一种交通事故报告提取与场景类型推理方法，包括：
[0007]对交通事故场景的实体进行分类，对V2V事故领域本体进行构建；
[0008]对交通事故报告进行数据预处理；
[0009]对数据预处理后的交通事故报告进行事故信息提取，获取事故场景的具体信息；
[0010]推理得到本体中隐含的其他关联结构，输出结构化场景信息所对应的场景类型。
[0011]作为优选，在所述对交通事故场景的实体进行分类，对V2V事故领域本体进行构建的步骤中，设计出V2V事故领域本体的类属结构、对象属性和若干实例，通过OWL语言和本体构建工具对基本体进行构建；V2V事故领域的核心本体包括以下模块：Vehicle、Obstacle、Object Behavior、Environment、Road NetWork和Accident Scenario Type；其中，Vehicle描述主要的交通参与者；Obstacle通过其状态分为两种对象：静态障碍物和动态障碍物；所述的Obstacle和Vehicle通过抽取出共同的行为属性，衍生出Object Behavior，用于描述实体的行为动作；Environment作为事故场景中的环境要素，描述天气状态和光照条件；Road NetWork作为描述道路路网的模块，包含路网形状及其物理结构；Accident Scenario Type是事故场景类别模块，标识事故场景的类型。
[0012]作为优选，所述对交通事故报告进行数据预处理的内容包括特定领域词汇处理、指代消解、句子边界检测以及依存关系分析；对于V2V事故领域的核心本体设置如表1所示对象关联结构以及如表2所示数据关联结构：
[0013]表1
[0014][0015][0016]表2
[0017]属性名称定义域值域speed_isSpeeddoublemove_direction_isDirectionstringlane_width_isLanedoubleScenario_type_isAccidentScenariostringrelative_direction_isAccidentScenariostringhas_traffic_lightRoadNetworkbooleanhas_stop_signRoadNetworkboolean
[0018]。
[0019]作为优选，在所述对数据预处理后的交通事故报告进行事故信息提取的步骤中，对数据预处理后的交通事故报告经过本体解析后，依据提取规则对信息进行提取。
[0020]作为优选，所述对数据预处理后的交通事故报告进行事故信息提取的具体步骤包括：
[0021]定义一个特定领域词典，然后通过正则匹配，将报告中满足匹配条件的特定词汇“A”和“B”，转换成“A
‑
B”的形式，使之成为一个整体；
[0022]将文本中的指代词还原为其原本所指代的对象；
[0023]进行句子边界检测，将文本转换为若干的单句；
[0024]利用自然语言处理工具包对非结构化的事故报告进行依存分析，获得句子中词与词之间的依存关系。
[0025]作为优选，所述获取事故场景的具体信息的步骤包括：
[0026]本体解析，导入实体中的类、属性关系、实例信息；
[0027]导入交通事故报告经关系抽取模块后的分析结果，包含经分组处理后的单句以及单句中词与词的依存关系；
[0028]对交通事故报告进行单句信息提取，每次只对交通事故报告中的一个句子进行内容抽取，遍历完交通事故报告中的所有句子后，抽取结束；
[0029]创建对象列表并置为空，所述对象列表中存放的是从句子中识别出的类或实例的实例化对象，若识别为实例，则先通过本体查找到其所属的父类类型，然后在查询对象列表，判断对象列表中是否存在该类的实例，若存在，则进行下一步，若不存在，则先生成该类的实例化对象，将对象添加到列表中后再进行下一步；
[0030]遍历实体的依存关系，包括对依存关系的查找，以及实例对象的属性填充。
[0031]作为优选，在所述推理得到本体中隐含的其他关联结构的步骤中，用SWRL语言描述场景推理规则，并使用软件对规则进行编辑，通过推理引擎自动化推理得到本体中隐含的其他关联结构。
[0032]作为优选，所述通过推理引擎自动化推理得到本体中隐含的其他关联结构的步骤包括：
[0033]导入OWL本体文件；
[0034]导入场景信息：将非结构化事故报告所转化为的结构化场景信息，在推理场景类型之前导入场景信息列表；
[0035]构建实例：将场景信息列表中的场景内容创建为对应类的实例的工作；
[0036]添加实例间的关联结构：将所有实例间的关联关系也填充到本体中；
[0037]用推理引擎：推理引擎根据实例化的本体信息，在规则库中进行查找，并返回满足条件的推理结果；
[0038]输出推理结果：输出结构化场景信息所对应的场景类型。
[0039]本专利技术还提出一种交通事故报告提取与场景类型推理系统，包括：
[0040]事故本体构建模块，用于对交通事故场景的实体进行分类，对V2V事故领域本体进行构建；
[0041]数据预处理模块，用于对交通事故报告进行数据预处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通事故报告提取与场景类型推理方法，其特征在于，包括：对交通事故场景的实体进行分类，对V2V事故领域本体进行构建；对交通事故报告进行数据预处理；对数据预处理后的交通事故报告进行事故信息提取，获取事故场景的具体信息；推理得到本体中隐含的其他关联结构，输出结构化场景信息所对应的场景类型。2.根据权利要求1所述交通事故报告提取与场景类型推理方法，其特征在于：在所述对交通事故场景的实体进行分类，对V2V事故领域本体进行构建的步骤中，设计出V2V事故领域本体的类属结构、对象属性和若干实例，通过OWL语言和本体构建工具对基本体进行构建；V2V事故领域的核心本体包括以下模块：Vehicle、Obstacle、Object Behavior、Environment、Road NetWork和Accident Scenario Type；其中，Vehicle描述主要的交通参与者；Obstacle通过其状态分为两种对象：静态障碍物和动态障碍物；所述的Obstacle和Vehicle通过抽取出共同的行为属性，衍生出Object Behavior，用于描述实体的行为动作；Environment作为事故场景中的环境要素，描述天气状态和光照条件；Road NetWork作为描述道路路网的模块，包含路网形状及其物理结构；Accident Scenario Type是事故场景类别模块，标识事故场景的类型。3.根据权利要求2所述交通事故报告提取与场景类型推理方法，其特征在于：所述对交通事故报告进行数据预处理的内容包括特定领域词汇处理、指代消解、句子边界检测以及依存关系分析；对于V2V事故领域的核心本体设置如表1所示对象关联结构以及如表2所示数据关联结构：表1表1
表2属性名称定义域值域speed_isSpeeddoublemove_direction_isDirectionstringlane_width_isLanedoubleScenario_type_isAccidentScenariostringrelative_direction_isAccidentScenariostringhas_traffic_lightRoadNetworkbooleanhas_stop_signRoadNetworkboolean。4.根据权利要求1所述交通事故报告提取与场景类型推理方法，其特征在于：在所述对数据预处理后的交通事故报告进行事故信息提取的步骤中，对数据预处理后的交通事故报告经过本体解析后，依据提取规则对信息进行提取。5.根据权利要求4所述交通事故报告提取与场景类型推理方法，其特征在于，所述对数据预处理后的交通事故报告进行事故信息提取的具体步骤包括：定义一个特定领域词典，然后通过正则匹...

【专利技术属性】
技术研发人员：马峻岩，赵祥模，许良，史静，刘晨颖，
申请(专利权)人：长安大学，
类型：发明
国别省市：