驾驶行为风险预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，具体提供一种驾驶行为风险预测方法、装置、设备及存储介质，旨在解决针对不同用户群体，如何提高模型训练效率和预测准确性的问题。为此目的，本发明专利技术的一种驾驶行为风险预测方法，所述方法包括：基于原始群体车辆数据构建驾驶行为风险预测的预训练模型；基于目标群体车辆数据微调所述预训练模型参数并训练至收敛，得到驾驶行为风险预测模型；基于所述驾驶行为风险预测模型，对目标群体车辆进行风险预测。对目标群体车辆进行风险预测。对目标群体车辆进行风险预测。

【技术实现步骤摘要】
驾驶行为风险预测方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，具体提供一种驾驶行为风险预测方法、装置、设备及存储介质。

技术介绍

[0002]通过GPS、RFID、传感器等装置，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有的车辆可以将自身的各种信息传输汇聚到中央处理器；通过计算机技术，这些大量车辆的信息可以被分析和处理，从而根据不同的功能需求对车辆进行有效的引导与监管。
[0003]驾驶行为数据的采集处理的准确性对于车辆网系统至关重要，当前已有通过采集、清洗数据建立模型来评估驾驶行为风险技术，该评估结果可以作为测试车辆驾驶员的驾驶风险数据的支撑，提醒和督促驾驶员改善行车习惯，从而提高驾驶员的安全意识，也可以为保险公司制定不同等级的保费提供依据。
[0004]现有驾驶行为风险评估模型通常针对单独类型的用户群体，若想用该群体数据建立的模型去评估另一群体的用户，需要整合原始数据和新目标群体所有数据，重新训练模型，训练时间长，训练量大，效率低，且若新的群体的数据量占比较少，采用重新训练后的模型进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶行为风险预测方法，其特征在于，包括：基于原始群体车辆数据构建驾驶行为风险预测的预训练模型；基于目标群体车辆数据微调所述预训练模型参数并训练至收敛，得到驾驶行为风险预测模型；基于所述驾驶行为风险预测模型，对目标群体车辆进行风险预测。2.根据权利要求1所述的驾驶行为风险预测方法，其特征在于，所述基于原始群体车辆数据构建驾驶行为风险预测的预训练模型，包括：获取原始群体车辆数据；基于所述原始群体车辆数据对自监督模型或全连接模型进行模型训练，得到车辆行程特征；将所述车辆行程特征与其所对应的车辆信息进行拼接，作为模型的输入，通过模型的全连接网络得到驾驶行为得分；通过所述驾驶行为得分与人工专家打分或赔付相关信息进行比对，计算模型的loss；基于模型的loss反向传播优化模型参数直至模型收敛，得到驾驶行为风险预测的预训练模型。3.根据权利要求2所述的驾驶行为风险预测方法，其特征在于，所述基于所述原始群体车辆数据对自监督模型或全连接模型进行模型训练，得到车辆行程特征，包括：使用行程预测的预训练任务训练至模型收敛，保存该模型参数；提取模型最后若干层的输出特征，将数层所述输出特征拼接得到车辆行程特征。4.根据权利要求1所述的驾驶行为风险预测方法，其特征在于，所述基于目标群体车辆数据微调所述预训练模型参数并训练至收敛，得到驾驶行为风险预测模型，包括：冻结所述预训练模型中的所有参数；对所述预训练模型中每一个权重矩阵W
q
和权重矩阵W
v
，构建对应的矩阵A和矩阵B；其中，若权重矩阵W
q
和权重矩阵W
v
为n*n方阵，则矩阵A初始化为n*m随机矩阵，矩阵B初始化为m*n全0矩阵，m小于n；对于输入的目标车辆群体数据样本x，将预训练模型中的x
q
替换为x*Wq+x*A*B，预训练模型中的x
v
替换为x*W
v
+x*A*B；训练预训练模型至收敛，得...

【专利技术属性】
技术研发人员：鲁鑫，
申请(专利权)人：北京宏瓴科技发展有限公司，
类型：发明
国别省市：