[发明专利]预测模型训练及预测方法、装置、电子设备、存储介质

权利要求书

1.一种驾驶安全风险预测模型训练方法，其特征在于，包括：

对于M个车辆，获取各车辆的出险数据，并至少根据驾驶动态数据、车辆数据、驾驶员数据及环境数据得到每个车辆的多个特征，将每个车辆的该多个特征作为该车辆的特征向量，所述M个车辆的特征向量形成样本集，M为大于2的整数；

利用所述样本集及对应的出险数据训练第一层第一预测模型和第一层第二预测模型，包括：

将所述样本集按预设比例划分为第一训练集X及第一测试集T；

将所述第一训练集划分为N个第一训练子集，N为大于1的整数；

基于该N个第一训练子集及对应的出险数据训练第一层第一预测模型，获得N个第一预测集A；

将所述第一测试集T输入经训练的所述第一层第一预测模型，获得N个第二预测集B；

基于该N个第一训练子集及对应的出险数据训练第一层第二预测模型，获得N个第三预测集C；

将所述第一测试集T输入经训练的所述第一层第二预测模型，获得N个第四预测集D；

利用所述样本集训练第一层第一预测模型和第一层第二预测模型时，第一层第一预测模型的输出和第一层第二预测模型的输出及对应的出险数据训练训练第二层预测模型，包括：

将N个所述第一预测集A和N个所述第三预测集C组成第二训练集P；

将N个所述第二预测集B的均值及N个所述第四预测集D的均值组成第二测试集Q；

根据所述第二训练集P、所述第二测试集Q及对应的出险数据训练第二层预测模型。

2.如权利要求1所述的驾驶安全风险预测模型训练方法，其特征在于，所述基于该N个第一训练子集训练第一层第一预测模型，获得N个第一预测集A包括：

对于每一第一训练子集X_i：

利用第一训练子集X₁，…X_i-1，X_i+1，…X_N，训练第一层第一预测模型获得准第一层第一预测模型Mod_1i；

将第一训练子集X_i输入准第一层第一预测模型Mod_1i获得第一预测集A_i。

3.如权利要求2所述的驾驶安全风险预测模型训练方法，其特征在于，所述将所述第一测试集T输入经训练的所述第一层第一预测模型，获得N个第二预测集B包括：

将第一测试集T分别输入N个准第一层第一预测模型以获得N个第二预测集。

4.如权利要求1所述的驾驶安全风险预测模型训练方法，其特征在于，所述基于该N个第一训练子集训练第一层第二预测模型，获得N个第三预测集C包括：

对于每一第一训练子集X_i：

利用第一训练子集X₁，…X_i-1，X_i+1，…X_N，训练第一层第二预测模型获得准第一层第二预测模型Mod_2i；

将第一训练子集X_i输入准第一层第二预测模型Mod_2i获得第三预测集C_i。

5.如权利要求4所述的驾驶安全风险预测模型训练方法，其特征在于，所述将所述第一测试集T输入经训练的所述第一层第二预测模型，获得N个第四预测集D包括：

将第一测试集T分别输入N个准第一层第二预测模型以获得N个第四预测集。

6.如权利要求1至5任一项所述的驾驶安全风险预测模型训练方法，其特征在于，

所述驾驶动态数据包括：车辆位置、车辆速度、车辆加速度、车辆角速度中的一项或多项；

所述车辆数据包括：车辆尺寸、车辆型号、车辆类型、车辆性能中的一项或多项；

所述驾驶员数据包括：驾驶员性别、驾驶员年龄、驾驶员驾龄中的一项或多项；

所述环境数据包括：驾驶天气、道路信息中的一项或多项。