一种基于人工智能的行车风险检测方法及系统技术方案

本申请提供一种基于人工智能的行车风险检测方法及系统，在网络调试环节，获取拟调试学习样例库，基于拟调试表征信息挖掘网络提取每一学习样例的表征载体。基于置信度映射组件获取每一学习样例的分类置信度序列，结合每一学习样例的分类置信度序列和先验标记确定得到类别推理代价。此外，结合每一学习样例的表征载体确定得到第一锚点偏离代价。通过两种代价对拟调试表征信息挖掘网络进行优化。基于此，通过多个不同共性程度的相关学习样例库用于网络的调试。采用度量学习完成不同共性程度的度量学习，同时结合多先验标记分类使得网络不仅拥有表征数据语义，加强网络对不同评估区间的共性度量结果的鉴别效果，还增加了网络的表征信息的质量。

【技术实现步骤摘要】

本申请涉及但不限于人工智能、机器学习，尤其涉及一种基于人工智能的行车风险检测方法及系统。

技术介绍

1、近年来，随着我国高速公路建设规模的持续扩大，相应的我国高速公路桥梁、隧道也在成正比例的增多。伴随着桥梁、隧道数量的不断增加，桥隧处出现事故的频率也越来越高，桥隧的安全成为了公路建设不可忽视的重要问题。对于各类长距离隧道，一旦发生交通火灾事故，引起空间相对封闭且狭长,疏散条件差，会导致蔓延速度快、产生的烟气大且不易控制排除，安全疏散困难，会造成重大伤亡事故和经济损失。贵州为山区环境，在高速公路建设过程中，为降低建设成本，通常将跨河、跨峡谷的桥梁建设在谷底处，但该建设方式就导致多数桥梁两侧均为长下坡路段，长下坡路段易导致车辆高温引发火灾，会对桥梁结构形成安全隐患。据统计，高速公路车辆着火事故，从车辆着火事故类型来看，车辆自燃类（车辆自燃约占60%和运输货物自燃约占20%）事故占车辆着火事故总数的8成，是着火事故发生的主要类型。因超速、未保持安全车速和车距、疲劳驾驶、车辆反光标识不明显、高速出口违法停车或变道等引发的车辆追尾着火的事故比例占2成。因此对高速公路本文档来自技高网...

【技术保护点】

1.一种基于人工智能的行车风险检测方法，其特征在于，应用于计算机系统，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述表征信息挖掘网络通过以下步骤调试得到：

3.如权利要求2所述的方法，其特征在于，所述q个相关学习样例库包括一致学习样例库和同类学习样例库；所述获取拟调试学习样例库，包括：

4.如权利要求2所述的方法，其特征在于，所述q个相关学习样例库包括一致学习样例库、相似学习样例库、同类学习样例库、共享类别学习样例库和相邻类别学习样例库；所述获取拟调试学习样例库，包括：

5.如权利要求2所述的方法，其特征在于，所述拟调试学习样...

【技术特征摘要】

1.一种基于人工智能的行车风险检测方法，其特征在于，应用于计算机系统，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述表征信息挖掘网络通过以下步骤调试得到：

3.如权利要求2所述的方法，其特征在于，所述q个相关学习样例库包括一致学习样例库和同类学习样例库；所述获取拟调试学习样例库，包括：

4.如权利要求2所述的方法，其特征在于，所述q个相关学习样例库包括一致学习样例库、相似学习样例库、同类学习样例库、共享类别学习样例库和相邻类别学习样例库；所述获取拟调试学习样例库，包括：

5.如权利要求2所述的方法，其特征在于，所述拟调试学习样例库中的每一个学习样例属于联动数据分类的学习样例，其中，所述联动数据分类包括气体成分数据和红外成像数据，或者，所述联动数据分类包括气体成分数据和桥隧图像数据；所述基于拟调试表征信息挖掘网络...

【专利技术属性】
技术研发人员：张伟，刘万军，梁栋，沈兆坤，罗晶，周丹，王圣棋，
申请(专利权)人：贵州黔通工程技术有限公司，
类型：发明
国别省市：