[发明专利]城市道路的潜在危险区域识别方法、装置及电子设备

权利要求书

1.一种城市道路的潜在危险区域识别方法，其特征在于，包括：

获取多个车辆的实时轨迹数据；

基于该车辆的所述实时轨迹数据，提取其相应的向量化表示；

对于所述向量化表示，通过深度学习模型提取低维向量化表示；

基于所述低维向量化表示，获取该车辆的各个时间戳的驾驶行为得分；其中所述低维向量化表示包括：所述车辆的身份特征的向量化表示与车辆的时间特征向量化表示；

基于特定时间特定区域的所有车辆的驾驶行为得分，判断该特定时间特定区域是否属于潜在危险区域。

2.根据权利要求1所述的潜在危险区域识别方法，其特征在于，基于所述实时轨迹数据，提取其相应的向量化表示包括如下步骤：

对于所述实时轨迹数据，根据轨迹点进行划分；

对于前后3个相邻轨迹点，获取其驾驶状态；

将每个时间戳的驾驶状态量化为一个向量化表示。

3.根据权利要求2所述的潜在危险区域识别方法，其特征在于，所述驾驶状态为加速直行、加速右转、加速左转、减速直行、减速右转、减速左转、匀速直行、匀速右转、匀速左转中的任意一种。

4.根据权利要求3所述的潜在危险区域识别方法，其特征在于，所述将每个时间戳的驾驶状态量化为一个向量化表示包括：

基于实时轨迹数据，根据每3个相邻轨迹点的驾驶状态形成驾驶状态序列；

对于驾驶状态序列，按时间窗口分割为多个片段；

对于每个片段，提取其相应的特征向量，所述特征向量的元素为所述驾驶状态标志量之一；

基于所述实时轨迹数据，进行驾驶状态转换；

根据每个时间戳记录的当前和下一时间戳的驾驶状态转换，将每个时间戳的驾驶状态量化为所述向量化表示。

5.根据权利要求4所述的潜在危险区域识别方法，其特征在于，基于所述实时轨迹数据，进行驾驶状态转换包括：

根据所述车辆的历史轨迹数据，结合所述车辆的身份标签和时间窗口标签，确定各种驾驶状态之间转换概率与转换过程的持续时间；

基于所述车辆的所述实时轨迹数据，根据所述转换概率与转换过程的持续时间进行所述驾驶状态转换。

6.根据权利要求5所述的潜在危险区域识别方法，其特征在于，通过线性回归法确定所述深度学习模型的模型各层的权值W，以及模型各层的偏置b，并基于所述深度学习模型提取所述低维向量化表示。

7.根据权利要求1所述的潜在危险区域识别方法，其特征在于，基于各车辆的历史驾驶整体评分，通过线性回归法确定所述深度学习模型的线性回归系数ω，并基于所述低维向量化表示以及所述线性回归系数进行加权求和，得到该车辆的各个时间戳的驾驶行为得分。

8.一种城市道路的潜在危险区域识别装置，其特征在于，包括：

获取模块，用于获取多个车辆的实时轨迹数据；

计算模块，用于基于该车辆的所述实时轨迹数据，提取其相应的向量化表示；对于所述向量化表示，通过深度学习模型提取低维向量化表示；基于所述低维向量化表示，获取该车辆的各个时间戳的驾驶行为得分；其中所述低维向量化表示包括：所述车辆的身份特征的向量化表示与车辆的时间特征向量化表示；

潜在危险区域识别模块，用于基于特定时间特定区域的所有车辆的驾驶行为得分判断该特定时间特定区域是否属于潜在危险区域。