汽车驾驶事故预测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种汽车驾驶事故预测方法、装置、电子设备及存储介质，涉及车辆技术领域。所述方法包括：实时采集汽车驾驶过程中的行车数据；将所述行车数据输入预先构建的动态融合模型，以得到汽车驾驶事故预测值；根据得到的汽车驾驶事故预测值与预设的驾驶安全阈值之间的关系，动态预测汽车驾驶风险。本公开提供了一种汽车驾驶事故预测方法、装置、电子设备及存储介质，采集汽车驾驶过程中的行车数据，将采集到的行车数据输入预先构建的动态融合模型，自动预测汽车驾驶过程中发生交通事故的预测值，动态预测汽车驾驶风险，降低交通事故发生的几率，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
汽车驾驶事故预测方法、装置、电子设备及存储介质


[0001]本公开涉及车辆
，尤其涉及一种汽车驾驶事故预测方法、装置、电子设备及存储介质。

技术介绍

[0002]在车路协同的应用场景中，预测算法常用于挖掘隐含在行车数据中的关联信息及分布规律，从而评估特定事件未来输出情况。预测模型融合是综合考虑多种预测算法的输出结果，通过构建训练多个弱分类算法，然后按照一定的权重比例将这些弱分类算法进行集成融合。目前模型融合方法主要有Voting、Blending、Stacking等多种方法，由于不同的模型有各自的长短处，具有明显的差异性，而模型融合的方式可以使得各模型发挥出各自优势，使得相对较弱的分类算法通过一定的策略结合决策，从而达到较强的预测能力。
[0003]在相关技术中，当前加权决策融合的过程中，未充分考虑各分类算法的权重系数合理分配问题，忽视了综合考虑各独立分类算法在不同的回归函数下的预测能力集成过程，从而导致在驾驶事故预测的应用场景中，经模型融合后整体评价指标提升效果不佳的情况，进而造成模型融合效率低下的问题。r/>[0004]需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车驾驶事故预测方法，其特征在于，包括：实时采集汽车驾驶过程中的行车数据；将所述行车数据输入预先构建的动态融合模型，以得到汽车驾驶事故预测值；根据得到的汽车驾驶事故预测值与预设的驾驶安全阈值之间的关系，动态预测汽车驾驶风险。2.根据权利要求1所述方法，其特征在于，所述动态融合模型通过以下方式构建：采集试验时汽车驾驶过程中的试验行车数据；将所述试验行车数据进行预处理，得到训练样本数据；基于预设分类算法，根据所述训练样本数据构建动态融合模型。3.根据权利要求2所述方法，其特征在于，所述预设分类算法包括支持向量回归SVR算法、K最邻近KNN算法和分类回归树CART算法。4.根据权利要求2所述方法，其特征在于，所述基于预设分类算法，根据所述训练样本数据构建动态融合模型，包括：将训练样本数据中的训练集数据分别输入各预设分类算法，分别得到各分类算法的待验证的算法模型；将训练样本数据中的测试集数据输入各分类算法的待验证的算法模型，得到各算法模型的均方差、R2和解释方差分数三个评价指标；基于三个评价指标计算标准差及相关系数，得出各分类算法间的融合权重，根据各分类算法间的融合权重构建动态融合模型。5.根据权利要求4所述方法，其特征在于，所述将训练样本数据中的训练集数据分别输入各预设分类算法，分别得到各分类算法的待验证的算法模型，包括：将训练集数据输入SVR算法，构建SVR模型函数和SVR损失函数；获取不同的非敏感区域宽度值，得到与非敏感区域宽度值对应的SVR分类函数和SVR函数权重，使损失值最小；根据非敏感区域宽度值和SVR函数权重，得到SVR算法的驾驶事故预测值；根据SVR函数权重和SVR算法的驾驶事故预测值计算SVR算法加权决策预测值公式，以得到待验证的SVR算法模型。6.根据权利要求4所述方法，其特征在于，所述将训...

【专利技术属性】
技术研发人员：许文馨，刘圆，赵继壮，郑超，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：