[发明专利]人车风险预测方法、装置、介质及电子设备

权利要求书

1.一种人车风险预测方法，其特征在于，包括：

获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；

针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；

针对多个所述突发情况案例分别提取对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；

根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；

将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到风险预测模型；基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。

2.根据权利要求1所述的人车风险预测方法，其特征在于，所述历史车辆信息或所述车辆信息包括车内温度、车内空气质量、车辆速度和车辆位置中的一个指标或多个指标；所述历史健康信息或所述健康信息包括驾驶人的体温、心率、血糖和血压中的一个或多个指标。

3.根据权利要求1所述的人车风险预测方法，其特征在于，获取历史车辆信息、驾驶人的历史健康信息和突发情况案例，包括：

采集所述历史车辆信息、所述历史健康信息和所述突发情况案例；

将所述历史车辆信息、所述历史健康信息和所述突发情况案例上传到区块链网络中。

4.根据权利要求1所述的人车风险预测方法，其特征在于，针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量包括：

对于所述历史车辆信息和所述历史健康信息中连续变化的定量指标进行离散化处理；

按照离散化处理后的数值从小到大分为不同的等级，针对每一等级进行标签化处理。

5.根据权利要求1所述的人车风险预测方法，其特征在于，其中所述突发情况案例中包括车辆抛锚、交通事故、车辆被淹、车辆自燃、驾驶员突发疾病中的一项。

6.根据权利要求5所述的人车风险预测方法，其特征在于，所述根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量，包括：

根据所述历史健康信息和所述历史车辆信息确定风险类型；

对所述风险类型进行编码和标注，得到风险类型标签；

将多个所述突发情况案例对应的风险类型标签组成目标向量。

7.根据权利要求2所述的人车风险预测方法，其特征在于，所述基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果，包括：

针对所述车辆信息和所述健康信息中的指标分别设定相应的指标阈值；

将实时采集的所述车辆信息和所述健康信息分别与相应的指标阈值进行比较；

如果所述车辆信息与所述健康信息中至少一个指标超出对应的指标阈值，则对所述采集的所述车辆信息和所述健康信息进行预处理；

将预处理后的所述车辆信息和所述健康信息输入到所述风险预测模型中，输出的目标向量为所述风险预测结果。

8.一种人车风险预测装置，其特征在于，包括：

信息获取模块，用于获取历史车辆信息、驾驶人的历史健康信息和突发情况案例；

人车特征模块，用于针对所述突发情况案例获取相应的所述历史车辆信息和所述历史健康信息，组成人车特征向量；

特征矩阵模块，用于针对多个所述突发情况案例分别提取对应的人车特征向量，将多个所述人车特征向量组成特征矩阵；

目标向量模块，用于根据所述历史健康信息和所述历史车辆信息确定风险类型，并基于所述风险类型组成目标向量；

模型训练模块，用于将所述特征矩阵作为分类器中的输入，将对应的所述目标向量作为所述分类器的输出，进行模型训练，得到风险预测模型；

风险预测模块，用于基于车联网将实时采集的车辆信息和驾驶人的健康信息输入到所述风险预测模型中，得到风险预测结果。