[发明专利]驾驶风险评价模型训练方法及装置

权利要求书

1.一种驾驶风险评价模型训练方法，其特征在于，包括：

获得多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，每组所述驾驶原始数据包含多个数据；

对获得的各组驾驶原始数据中的数据进行筛选，分别得到多组已发生事故的驾驶数据和多组未发生事故的驾驶数据，将所述多组已发生事故的驾驶数据和多组未发生事故的驾驶数据作为第一训练数据；

利用所述第一训练数据对所述驾驶风险评价模型进行训练。

2.根据权利要求1所述的方法，其特征在于，利用所述第一训练数据对所述驾驶风险评价模型进行训练之前，还包括：

对所述第一训练数据进行均衡处理，使得所述第一训练数据中已发生事故的数据组的数量与未发生事故的驾驶数据的数据组的数量比例处于设定范围内。

3.根据权利要求2所述的方法，其特征在于，对所述第一训练数据进行均衡处理，包括下述至少一种：

对所述第一训练数据中所述未发生事故的驾驶数据进行随机抽取删除；

进行重复抽样，获得新的多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，分别对新获得的各组驾驶原始数据中的数据进行筛选，得到第二训练数据；所述第二训练数据包括多组已发生事故的驾驶数据和多组未发生事故的驾驶数据；将所述第二训练数据中已发生事故的驾驶数据加入所述第一训练数据；

对所述第一训练数据中所述已发生事故的驾驶数据进行随机抽取复制。

4.根据权利要求1所述的方法，其特征在于，对驾驶原始数据中的数据进行筛选，包括：

将所述驾驶原始数据中的各数据作为自变量，将所述驾驶原始数据的事故状况作为因变量，确定所述驾驶原始数据中的各数据与所述事故状况的相关性；所述事故状况为已发生事故或未发生事故；

删除所述驾驶原始数据中相关性低于设定值的数据，得到筛选后的驾驶数据。

5.根据权利要求4所述的方法，其特征在于，确定所述驾驶原始数据中的数据与所述事故状况的相关性，包括下述至少一种：

根据所述数据与所述事故状况的箱式图，确定所述相关性；

计算所述数据相对于所述事故状况的证据权重值；根据所述证据权重值，确定所述驾驶数据相对于所述事故状况的信息价值；根据所述信息价值确定所述相关性；

根据赤池信息量准则、梯度下降树模型和随机森林算法中的至少一个，确定所述相关性。

6.一种驾驶风险评价模型训练装置，其特征在于，包括：

原始数据获得模块：用于获得多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，每组所述驾驶原始数据包含多个数据；

原始数据筛选模块：用于对获得的各组驾驶原始数据中的数据进行筛选，分别得到多组已发生事故的驾驶数据和多组未发生事故的驾驶数据，将所述多组已发生事故的驾驶数据和多组未发生事故的驾驶数据作为第一训练数据；

训练模块：用于利用所述第一训练数据对所述驾驶风险评价模型进行训练。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

均衡处理模块：用于对所述第一训练数据进行均衡处理，使得所述第一训练数据中已发生事故的驾驶数据的数据组的数量与未发生事故的驾驶数据的数据组的数量比例处于设定范围内。

8.根据权利要求7所述的装置，其特征在于，所述均衡处理模块包括下述至少一种：

第一均衡单元：用于对所述第一训练数据中所述未发生事故的驾驶数据进行随机抽取删除；

第二均衡单元：用于进行重复抽样，获得新的多组已发生事故的驾驶原始数据和多组未发生事故的驾驶原始数据，分别对新获得的各组驾驶原始数据中的数据进行筛选，得到第二训练数据；所述第二训练数据包括多组已发生事故的驾驶数据和多组未发生事故的驾驶数据；将所述第二训练数据中已发生事故的驾驶数据加入所述第一训练数据；

第三均衡单元：用于对所述第一训练数据中所述已发生事故的驾驶数据进行随机抽取复制。