[发明专利]驾驶风险等级识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种驾驶风险等级识别方法，其特征在于，所述方法包括：

从第一数据库中获取多个用户的驾驶行为数据，从第二数据库中获取所述多个用户的理赔数据，基于所述理赔数据确定所述多个用户的历史驾驶风险等级，基于所述驾驶行为数据及所述历史驾驶风险等级确定初始风险等级识别模型；

从第三数据库中获取所述多个用户的基本信息数据，采用所述基本信息数据训练所述初始风险等级识别模型得到第一风险等级识别模型，并对所述基本信息数据及所述历史驾驶风险等级执行相关性分析，基于相关性分析结果确定所述基本信息数据中与驾驶风险等级相关的特征因子，所述基本信息数据包括用户身份信息数据及用户经历过的事件数据，所述用户身份信息数据包括用户使用过的手机号码及使用时间、用户居住过的居住地址及居住时间和用户工作过的工作单位及工作时间，所述用户事件数据包括婚育事件、留学事件、旅游事件及固定资产买卖事件相关的数据，所述特征因子包括手机号码、居住地址、工作单位及购房事件的稳定性参数；

响应客户端发出的针对指定用户的驾驶风险等级识别请求，判断所述第一数据库中是否有所述指定用户的驾驶行为数据，当所述第一数据库中没有所述指定用户的驾驶行为数据时，从所述第三数据库中获取所述指定用户的基本信息数据；

基于所述指定用户的基本信息数据及所述特征因子确定所述指定用户对应的特征矩阵，将所述特征矩阵输入所述第一风险等级识别模型，得到所述指定用户的预测驾驶风险等级；

在基于所述驾驶行为数据及所述历史驾驶风险等级确定初始风险等级识别模型之后，所述方法还包括：

采用所述驾驶行为数据训练所述初始风险等级识别模型，得到第二风险等级识别模型；

在判断所述第一数据库中是否有所述指定用户的驾驶行为数据之后，所述方法还包括：

若所述第一数据库中有所述指定用户的驾驶行为数据，则将所述指定用户的驾驶行为数据输入所述第二风险等级识别模型，得到所述指定用户的预测驾驶风险等级。

2.如权利要求1所述的驾驶风险等级识别方法，其特征在于，所述基于所述驾驶行为数据及所述历史驾驶风险等级确定初始风险等级识别模型包括：

将所述多个用户的驾驶行为数据分别输入多个预设模型，每个所述预设模型分别输出所述多个用户中的每个用户对应的初始驾驶风险等级；

基于所述初始驾驶风险等级及所述历史驾驶风险等级确定所述每个预设模型的预测准确率，将预测准确率最高的预设模型作为初始风险等级识别模型。

3.如权利要求1所述的驾驶风险等级识别方法，其特征在于，所述对所述基本信息数据及所述历史驾驶风险等级执行相关性分析，基于相关性分析结果确定所述基本信息数据中与驾驶风险等级相关的特征因子包括：

识别所述用户身份信息数据中的实体类别，将识别到的实体类别的集合作为初始指标集；

基于所述历史驾驶风险等级分析所述事件数据中与驾驶风险等级相关的目标事件；

将所述目标事件添加至所述初始指标集，得到目标指标集，将所述目标指标集中各个指标的稳定性参数作为与驾驶风险等级相关的特征因子。

4.如权利要求3所述的驾驶风险等级识别方法，其特征在于，所述基于所述历史驾驶风险等级分析所述事件数据中与驾驶风险等级相关的目标事件包括：

将每个用户对应的历史驾驶风险等级添加至每个用户对应的第一事件集合中，得到每个用户对应的第二事件集合；

将每个用户对应的第一事件集合中的每个事件与其对应的历史驾驶风险等级两两组合，得到多个组合对；

计算所述多个组合对中的每个组合对在所述第二事件集合中的支持度及置信度；

基于所述支持度及置信度确定所述事件数据中与驾驶风险等级相关的目标事件。

5.如权利要求4所述的驾驶风险等级识别方法，其特征在于，所述基于所述支持度及置信度确定所述事件数据中与驾驶风险等级相关的目标事件包括：

基于所述支持度及置信度计算每个组合对的相关性分值；

将相关性分值大于第一阈值的组合对的集合作为第一组合对集合；

剔除所述第一组合对集合中历史驾驶风险等级低于第二阈值的组合对，得到第二组合对集合，将所述第二组合对集合中的事件作为目标事件。