一种故障事件的响应方法、装置、电子设备及存储介质制造方法及图纸

本申请适用于数据处理技术领域，提供了一种故障事件的响应方法、装置、电子设备及存储介质，方法包括：接收待处理的故障事件的事件数据；根据事件数据生成与所述故障事件关联的多个事件标签，并基于所述事件标签生成关于事故对象的对象画像；分别计算所述对象画像与对象数据库内的多个历史画像的画像相似度，并基于所述画像相似度确定与事故对象匹配的至少一个历史故障事件；基于所述历史故障事件对应的响应流程报告，生成所述故障事件对应的故障响应报告。采用上述方法能够大大提高了故障流程的稳定性，以及在应对大量故障事件的情况下，也可以通过与对象数据库进行匹配的方式自动生成故障响应报告，大大提高了响应故障报告生成的效率。生成的效率。生成的效率。

【技术实现步骤摘要】
一种故障事件的响应方法、装置、电子设备及存储介质


[0001]本申请属于车辆管理
，尤其涉及一种故障事件的响应方法、装置、电子设备及存储介质。

技术介绍

[0002]随着社会化进程的不断推进，社会人口不断增加。而在日常生活过程中，或多或少会发生意想不到的故障事件，例如交通事故、医疗事故等，在应对故障事件时，相关人员可以指定对应的响应流程，以对故障事件进行应对，以减少故障事件对于人们造成的损失。因此，如何能够快速对故障事件进行响应成为了亟需解决的问题。
[0003]现有的故障事件的响应技术，需要工作人员现场了解故障事件，并根据处理经验指定对应的响应流程。然而受限于不同工作人员的处理经验，对应的响应流程的质量也参差不齐，并且在故障事件数量较多的情况下，工作人员确定响应流程也需要较长时间，响应效率较低。由此可见，现有的故障事件的响应方法，存在响应流程的生成质量不稳定且响应效率较低的问题。

技术实现思路

[0004]本申请实施例提供了一种故障事件的响应方法、装置、电子设备及存储介质，可以解决现有的故障事件的响应方法，存在响应流程的生成质量不稳定且响应效率较低的问题。
[0005]第一方面，本申请实施例提供了一种故障事件的响应方法，包括：
[0006]接收待处理的故障事件的事件数据；所述事件数据包括：事故对象信息以及事故场景信息；
[0007]根据事件数据生成与所述故障事件关联的多个事件标签，并基于所述事件标签生成关于事故对象的对象画像；
[0008]分别计算所述对象画像与对象数据库内的多个历史画像的画像相似度，并基于所述画像相似度确定与事故对象匹配的至少一个历史故障事件；每个所述历史画像对应一个所述历史故障事件；
[0009]基于所述历史故障事件对应的响应流程报告，生成所述故障事件对应的故障响应报告。
[0010]在第一方面的一种可能的实现方式中，所述事件标签包括：交通场景标签以及事故对象标签；所述交通场景标签包括：基于所述事故场景信息确定的事件类型标签、事件原因标签、车辆类型标签以及场景地点标签；所述事故对象标签包括：基于所述事故对象信息确定的职业标签以及年龄标签；
[0011]所述根据事件数据生成与所述故障事件关联的多个事件标签，并基于所述事件标签生成关于事故对象的对象画像，包括：
[0012]根据预设的多个标签维度的标签关键词，从所述事件数据中确定包含的标签关键
词，并基于包含的所述标签关键词得到所述事件标签；
[0013]将所述事件类型标签、所述事件原因标签以及所述场景地点标签导入预设的事故模拟模型，构建与所述故障事件对应的故障模拟场景；
[0014]根据所述场景地点标签确定所述故障事件关联的道路类型，并基于所述道路类型关联的额定速度区间，确定发生故障事件时刻故障车辆的车辆速度；
[0015]基于所述车辆类型标签计算发生故障车辆的安全系数；
[0016]通过所述故障车辆的安全系数以及所述车辆速度构建在所述故障模拟场景内对应的车辆模型；
[0017]控制所述车辆模型在所述故障模拟场景内运动，生成故障还原数据，并通过所述故障还原数据生成所述事故对象的碰撞维度得分；
[0018]根据所述碰撞维度得分、所述职业标签以及所述年龄标签，生成所述事故对象的对象画像。
[0019]在第一方面的一种可能的实现方式中，所述根据所述碰撞维度得分、所述职业标签以及所述年龄标签，生成所述事故对象的对象画像，包括：
[0020]根据所述职业标签以及所述年龄标签确定所述事故对象的身体基础得分；
[0021]通过预设的职业与常见疾病的对应关系，确定所述职业标签关联的疾病类型，并基于所述疾病类型确定所述事故对象的已有疾病维度得分；
[0022]接收所述事故对象反馈的事件描述语音，并基于所述事件描述语言确定情绪维度得分；
[0023]根据所述身体基础得分、所述已有疾病维度得分、所述碰撞维度得分以及所述情绪维度得分，生成所述对象画像；所述对象画像用于对所述事故对象进行伤情预测。
[0024]在第一方面的一种可能的实现方式中，所述接收所述事故对象反馈的事件描述语音，并基于所述事件描述语言确定情绪维度得分，包括：
[0025]从对象语音库中提取与所述事故对象关联的历史对象语音，通过所述历史对象语音的历史语音幅值，确定基础分贝值；所述基础分贝值用于确定所述事故对象在情绪平稳状态下的语音分贝；
[0026]根据所述事件描述语音，确定分贝特征参数组；所述分贝特征参数组包括：分贝极值、分贝均值以及分贝均方差；
[0027]基于所述分贝特征参数组以及所述基础分贝值，得到至少一个候选情绪类型；
[0028]将所述事件描述语音与各个所述候选情绪类型的标准语音波形进行匹配，确定目标情绪类型；
[0029]根据所述目标情绪类型确定所述情绪维度得分。
[0030]在第一方面的一种可能的实现方式中，所述事件标签包含：交通场景标签以及事故对象标签；
[0031]在所述分别计算所述对象画像与对象数据库内的多个历史画像的画像相似度，并基于所述画像相似度确定与事故对象匹配的至少一个历史故障事件之前，还包括：
[0032]调用与所述交通场景标签对应的第一标签个数关联的多条第一并行线程，从所述对象数据库内提取与各个所述交通场景标签对应的第一对象数据；每个所述第一并行线程对应一个所述交通场景标签；
[0033]对所有所述第一对象数据进行数据交集识别，得到第一对象组；
[0034]调用与所述事故对象标签对应的第二标签个数关联的多条第二并行线程，从所述对象数据库内提取与各个所述事故对象标签对应的第二对象数据；每个所述第二并行线程对应一个所述事故对象标签；
[0035]对所有所述第二对象数据进行数据交集识别，得到第二对象组；
[0036]根据所述第一对象组与所述第二对象组，确定候选对象组；
[0037]根据所有所述交通场景标签以及所述事故对象标签，构建关于所述故障事件的多维融合向量；
[0038]从所述候选对象组中提取与所述多维融合向量匹配的目标历史对象；所述历史画像为基于所述目标历史对象的历史故障事件生成的。
[0039]在第一方面的一种可能的实现方式中，所述接收待处理的故障事件的事件数据，包括：
[0040]接收所述故障事件的记录人员反馈的原始事件数据；所述原始事件数据是基于所述记录人员的自然语言描述得到的；所述原始事件数据内包含有多个事件描述维度的程度参数；
[0041]从校正算法库内提取与所述记录人员的人员标识关联的程度校正算法；所述程度校正算法是通过所述记录人员的历史描述语言与历史故障事件之间的差异信息训练后生成的；
[0042]分别将各个所述事件描述维度对应的程度参数导入上述的程度校正算法，得到各个所述事件描述维度的校正参数；
[0043]基于所有所述事件描述维度的校正参数生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障事件的响应方法，其特征在于，包括：接收待处理的故障事件的事件数据；所述事件数据包括：事故对象信息以及事故场景信息；根据事件数据生成与所述故障事件关联的多个事件标签，并基于所述事件标签生成关于事故对象的对象画像；分别计算所述对象画像与对象数据库内的多个历史画像的画像相似度，并基于所述画像相似度确定与事故对象匹配的至少一个历史故障事件；每个所述历史画像对应一个所述历史故障事件；基于所述历史故障事件对应的响应流程报告，生成所述故障事件对应的故障响应报告。2.根据权利要求1所述的响应方法，其特征在于，所述事件标签包括：交通场景标签以及事故对象标签；所述交通场景标签包括：基于所述事故场景信息确定的事件类型标签、事件原因标签、车辆类型标签以及场景地点标签；所述事故对象标签包括：基于所述事故对象信息确定的职业标签以及年龄标签；所述根据事件数据生成与所述故障事件关联的多个事件标签，并基于所述事件标签生成关于事故对象的对象画像，包括：根据预设的多个标签维度的标签关键词，从所述事件数据中确定包含的标签关键词，并基于包含的所述标签关键词得到所述事件标签；将所述事件类型标签、所述事件原因标签以及所述场景地点标签导入预设的事故模拟模型，构建与所述故障事件对应的故障模拟场景；根据所述场景地点标签确定所述故障事件关联的道路类型，并基于所述道路类型关联的额定速度区间，确定发生故障事件时刻故障车辆的车辆速度；基于所述车辆类型标签计算发生故障车辆的安全系数；通过所述故障车辆的安全系数以及所述车辆速度构建在所述故障模拟场景内对应的车辆模型；控制所述车辆模型在所述故障模拟场景内运动，生成故障还原数据，并通过所述故障还原数据生成所述事故对象的碰撞维度得分；根据所述碰撞维度得分、所述职业标签以及所述年龄标签，生成所述事故对象的对象画像。3.根据权利要求2所述的响应方法，其特征在于，所述根据所述碰撞维度得分、所述职业标签以及所述年龄标签，生成所述事故对象的对象画像，包括：根据所述职业标签以及所述年龄标签确定所述事故对象的身体基础得分；通过预设的职业与常见疾病的对应关系，确定所述职业标签关联的疾病类型，并基于所述疾病类型确定所述事故对象的已有疾病维度得分；接收所述事故对象反馈的事件描述语音，并基于所述事件描述语言确定情绪维度得分；根据所述身体基础得分、所述已有疾病维度得分、所述碰撞维度得分以及所述情绪维度得分，生成所述对象画像；所述对象画像用于对所述事故对象进行伤情预测。4.根据权利要求3所述的响应方法，其特征在于，所述接收所述事故对象反馈的事件描
述语音，并基于所述事件描述语言确定情绪维度得分，包括：从对象语音库中提取与所述事故对象关联的历史对象语音，通过所述历史对象语音的历史语音幅值，确定基础分贝值；所述基础分贝值用于确定所述事故对象在情绪平稳状态下的语音分贝；根据所述事件描述语音，确定分贝特征参数组；所述分贝特征参数组包括：分贝极值、分贝均值以及分贝均方差；基于所述分贝特征参数组以及所述基础分贝值，得到至少一个候选情绪类型；将所述事件描述语音与各个所述候选情绪类型的标准语音波形进行匹配，确定目标情绪类型；根据所述目标情绪类型确定所述情绪维度得分。5.根据权利要求1所述的响应方法，其特征在于，所述事件标签包含：交通场景标签以及事故对象标签；在所述分别计算所述对象画像与对象数据库内的多个历史画像的画像相似度，并...

【专利技术属性】
技术研发人员：刘港，
申请(专利权)人：德联易控科技北京有限公司，
类型：发明
国别省市：