[发明专利]人车风险预测方法、装置、介质及电子设备

说明书

本公开实施例涉及信息技术领域，提供一种人车风险预测方法，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历史车辆信息和历史健康信息，组成人车特征向量；针对多个突发情况案例分别提取对应的人车特征向量，将多个人车特征向量组成特征矩阵；根据历史健康信息和历史车辆信息确定风险类型，并基于风险类型组成目标向量；将特征矩阵作为分类器中的输入，将对应的目标向量作为分类器的输出，进行模型训练，得到风险预测模型；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。本公开可以识别用户可能面临的健康风险或突发情况。

技术领域

本公开涉及信息技术领域，具体而言，涉及一种人车风险预测方法、装置、介质及电子设备。

背景技术

近年来随着互联网技术的飞速发展，物联网在人们生活中的应用愈加广泛，例如智能家居、智能穿戴、车联网等领域。车联网(Internet of Vehicles)是由车辆位置、速度和路线等信息构成的巨大交互网络。通过GPS、RFID、传感器、摄像头图像处理等装置，车辆可以完成自身环境和状态信息的采集。

但是，现有技术的技术方案中对于如何在车联网下进行信息共享、处理和管理还存在有待改进之处。

需要说明的是，在上述背景技术数据子段公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种人车风险预测方法、装置、介质及电子设备，进而至少在一定程度上克服现有的访问机制安全性差的缺点。

本公开的其他特性和优点将通过下面的详细描述变得显然，或数据子段地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种人车风险预测方法，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，得到所述风险预测模型；

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。

在本公开的一种示例性实施例中于，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。

在本公开的一种示例性实施例中，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。

在本公开的一种示例性实施例中，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。