[发明专利]基于特征融合的失证人员危险驾驶行为预测方法及系统

权利要求书

1.一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，包括以下步骤：

S1通过身份特征采集设备，采集经过该设备附近的人员轨迹信息和车辆轨迹信息；

S2对采集到的人员轨迹信息和车辆轨迹信息进行去重处理，并保存至本地数据库中；

S3筛选出区域活跃车辆，根据采集到的人员轨迹信息和车辆轨迹信息进行人-车关联，找出潜在的车辆实际驾驶人；

S4对可能存在危险驾驶行为的实际驾驶人进行预测，给相关工作人员进行实时的告警推送；

S5将告警结果汇总，导出危险驾驶人信息详细报表，转入步骤S6；

S6重复步骤S1-S5，实现对失证人员危险驾驶行为的持续检测。

2.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S1中，身份特征采集设备包括：侦码采集设备、MAC地址采集设备、人脸摄像头和车牌卡口。

3.如权利要求2所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，侦码采集设备、MAC地址采集设备以及人脸摄像头与车牌卡口安装于同一位置。

4.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S2中对采集到的人员轨迹信息和车辆轨迹信息进行去重处理的方法包括：

S21针对某一较小时间段∆T内重复采集到的人员轨迹信息、车辆轨迹信息仅保留其中一个；

S22根据Relief（Relevant Features）法，选取目标人员与车辆的出现天数D、共站站点数S、出现次数C三个特征来计算匹配度M。

5.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，人员轨迹信息包括身份特征信息、人员地址信息以及人员时间戳，车辆信息包括车牌号、车辆地址信息以及车辆时间戳。

6.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S3中筛选区域活跃车辆的方法包括：

S31统计N天内，某辆车出现的次数X，若X大于预先设定的阈值X₀，则认为该车辆为活跃车辆。

7.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S3中人-车关联的方法包括：

S32分别统计指定时间段内某个目标人员与车辆的出现天数D、共站站点数S和出现次数C，计算二者的天数匹配度M_D、站点匹配度M_S以及次数匹配度M_C；

S33计算最终的匹配度M，计算公式如下：

；

其中，a，b，c为权重，且满足a+b+c=1；

S34筛选出匹配度M大于匹配阈值M₀的身份特征记录集合I，从集合I中选择出排名靠前的1-2条记录，该身份特征即与相应的车辆存在确认的关联关系；

S35根据本地内网数据、身份特征，确定驾驶员身份。

8.如权利要求1所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S3中人-车关联的方法还包括：

S36查询机动车驾驶证库，查找该车辆对应的驾驶人信息，以确定车辆的驾驶人。

9.如权利要求1-8所述的一种基于特征融合的失证人员危险驾驶行为预测方法，其特征在于，所述步骤S4中对可能存在危险驾驶行为的驾驶人进行预测的方法包括：

S41根据已经得到的车辆驾驶人信息以及车辆信息，在交通驾驶人信息库中获取该驾驶人的驾照状态，包括驾照正常、驾照过期以及吊销驾照；若不存在该驾驶人信息，则为无证驾驶；

S42在数据资源共享平台中获取驾驶人的前科信息，包括酒驾、醉驾、毒驾以及刑事犯罪信息；若驾驶人存在上述犯罪历史，则预测可能会继续进行危险驾驶。

10.一种基于特征融合的失证人员危险驾驶行为预测系统，其特征在于，包括：数据采集模块、数据处理模块、人-车关联模块、驾驶人危险驾驶行为预测模块以及告警模块；

所述数据采集模块，用于采集经过身份特征采集设备附近的人员轨迹信息、车辆轨迹信息；

所述数据处理模块，用于剔除人员轨迹信息、车辆轨迹信息中的重复数据记录；

所述数据处理模块，还用于筛选区域活跃车辆；

所述人-车关联模块，用于确认车辆与实际驾驶人之间的关系；

所述驾驶人危险驾驶行为预测模块，用于预测可能存在危险驾驶行为的驾驶人信息；

所述告警模块，用于将驾驶人危险驾驶行为预测模块预测的驾驶人信息给相应的工作人员进行实时告警推送，并导出危险驾驶人信息详细报表。