[发明专利]数据处理方法、装置及设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取第一驾驶员的特征数据，所述特征数据包括多种类型的驾驶特征对应的数据；

通过预测模型对所述特征数据进行处理，得到所述第一驾驶员的第一危险度；

根据所述特征数据、所述预测模型以及所述第一危险度，确定所述多种类型的驾驶特征各自对应的第二危险度。

2.根据权利要求1所述的方法，其特征在于，根据所述特征数据、所述预测模型以及所述第一危险度，确定所述多种类型的驾驶特征各自对应的第二危险度，包括：

将所述特征数据、所述预测模型以及所述第一危险度输入解释模型，获取所述解释模型的输出结果；

根据所述输出结果，确定所述多种类型的驾驶特征各自对应的第二危险度。

3.根据权利要求2所述的方法，其特征在于，所述第一危险度用于指示所述第一驾驶员在未来预设时长内发生交通事故的频率；每种类型的驾驶特征对应的第二危险度用于指示该类型的驾驶特征对所述第一危险度的贡献值。

4.根据权利要求3所述的方法，其特征在于，根据所述特征数据、所述预测模型以及所述第一危险度，确定所述多种类型的驾驶特征各自对应的第二危险度之后，还包括：

根据所述第一危险度以及所述多种类型的驾驶特征各自对应的第二危险度，生成展示信息；

对所述展示信息进行展示。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取第一驾驶员的特征数据，包括：

根据所述第一驾驶员的历史驾驶数据，获取多种维度的特征数据；其中，每种维度的特征数据包括至少一种类型的所述驾驶特征对应的数据，所述多种维度包括下述维度中的至少两种：属性维度、业务维度、事故维度、驾驶行为维度。

6.根据权利要求5所述的方法，其特征在于，通过预测模型对所述特征数据进行处理，得到所述第一驾驶员的第一危险度，包括：

对所述多种维度的特征数据进行预处理，以使所述预处理后的特征数据满足预设分布；

将所述预处理后的特征数据输入所述预测模型，根据所述预测模型的输出结果得到所述第一驾驶员的第一危险度。

7.根据权利要求1至4任一项所述的方法，其特征在于，所述预测模型是通过如下训练方法得到的：

获取多个第二驾驶员在第一历史时间段内的特征数据，以及在第二历史时间段内的事故数据，所述第二历史时间段位于所述第一历史时间段之后；

将每个第二驾驶员在第一历史时间段内的特征数据作为训练样本，并根据该第二驾驶员在第二历史时间段内的事故数据，确定所述训练样本的标签；

根据所述训练样本以及所述标签，对待训练的预测模型进行有监督的训练，得到训练后的所述预测模型。

8.根据权利要求2至4任一项所述的方法，其特征在于，所述预测模型为广义线性模型GLM，所述解释模型为SHAP模型。

9.一种数据处理装置，其特征在于，包括：

获取模块，用于获取第一驾驶员的特征数据，所述特征数据包括多种类型的驾驶特征对应的数据；

预测模块，用于通过预测模型对所述特征数据进行处理，得到所述第一驾驶员的第一危险度；

解释模块，用于根据所述特征数据、所述预测模型以及所述第一危险度，确定所述多种类型的驾驶特征各自对应的第二危险度。

10.根据权利要求9所述的装置，其特征在于，所述解释模块具体用于：

将所述特征数据、所述预测模型以及所述第一危险度输入解释模型，获取所述解释模型的输出结果；

根据所述输出结果，确定所述多种类型的驾驶特征各自对应的第二危险度。

11.根据权利要求10所述的装置，其特征在于，所述第一危险度用于指示所述第一驾驶员在未来预设时长内发生交通事故的频率；每种类型的驾驶特征对应的第二危险度用于指示该类型的驾驶特征对所述第一危险度的贡献值。