[发明专利]一种疲劳检测模型的训练方法、疲劳驾驶检测方法及装置

权利要求书

1.一种疲劳检测模型的训练方法，其特征在于，所述训练方法包括：

基于历史订单构造训练样本，所述训练样本中包括疲劳特征和所述疲劳特征对应的是否发生交通事故的事故结果；

将所述疲劳特征作为决策树模型的输入，将疲劳规则作为所述决策树模型的输出；根据所述决策树模型基于输入的疲劳特征得到的输出结果和所述疲劳特征对应的事故结果，训练决策树模型，得到训练好的疲劳检测模型和所述疲劳检测模型对应的疲劳规则；其中，在所述决策树模型的训练过程中，输入的疲劳特征得到的输出结果和所述疲劳特征对应的事故结果用于确定所述决策树模型的损失；

根据所述疲劳检测模型对应的疲劳规则，建立所述疲劳特征和疲劳程度的映射关系；其中，所述映射关系用于基于所述疲劳检测模型基于目标订单对应的目标疲劳特征的输出结果，确定所述目标订单对应的目标疲劳程度。

2.根据权利要求1所述的疲劳检测模型的训练方法，其特征在于，所述疲劳特征包括以下至少之一：服务提供方的基本动作特征；服务提供方的连续疲劳特征；订单特征；

其中，所述服务提供方的基本动作特征至少包括：服务提供方在最近时间段内的睁闭眼次数、睁闭眼时长、张闭嘴次数、张闭嘴时长；所述服务提供方的连续疲劳特征至少包括：服务提供方在一段时间段内连续触发基本动作的次数、每两次基本动作之间的时间间隔、每一次基本动作在对应时间段内的时长占比；其中，所述一段时间段内连续触发的每两次基本动作之间的时间间隔小于第一预设阈值；所述订单特征至少包括订单时间、订单距离。

3.根据权利要求2所述的疲劳检测模型的训练方法，其特征在于，所述基于历史订单构造训练样本，包括：

基于服务提供方对应的历史订单构造初始训练样本，所述初始训练样本中包括初始疲劳特征和所述初始疲劳特征对应的是否发生交通事故的事故结果；

针对所述决策树模型的每一节点，获取该节点对应的初始训练样本；针对所述初始训练样本中的每一初始疲劳特征，将该初始疲劳特征作为该节点的输入，得到该节点对应的决策结果；

若该决策结果不符合预设条件，则从所述初始训练样本中删除该初始疲劳特征，得到训练样本。

4.根据权利要求1所述的疲劳检测模型的训练方法，其特征在于，根据所述决策树模型基于输入的疲劳特征得到的输出结果和所述疲劳特征对应的事故结果，训练决策树模型，得到所述疲劳检测模型对应的疲劳规则，包括：

基于每一个疲劳特征对所述疲劳检测模型的输出结果的影响，确定当所述疲劳检测模型基于输入的疲劳特征得到的输出结果和所述疲劳特征对应发生事故相匹配时，对应的准确率满足第二预设阈值的疲劳规则。

5.根据权利要求1所述的疲劳检测模型的训练方法，其特征在于，所述根据所述疲劳检测模型对应的疲劳规则，建立所述疲劳特征和疲劳程度的映射关系，包括：

当所述训练样本对应的疲劳程度为轻度疲劳时，所述疲劳检测模型基于所述训练样本中的疲劳特征得到单条疲劳规则；其中，不同的疲劳特征对应的单条疲劳规则不同；

当所述训练样本对应的疲劳程度为重度疲劳时，所述疲劳检测模型基于所述训练样本中的疲劳特征得到组合疲劳规则；其中，不同的疲劳特征对应的组合疲劳规则不同。

6.根据权利要求5所述的疲劳检测模型的训练方法，其特征在于，确定所述组合疲劳规则包括：

根据每一个所述单条疲劳规则在每一个训练正样本中的疲劳特征命中信息，确定该单条疲劳规则在该训练正样本下的时间权重值；其中，所述训练正样本为对应的事故结果为发生交通事故的训练样本；

根据该单条疲劳规则在多个训练正样本下的时间权重值，确定该单条疲劳规则对应的综合时间权重值；

根据每一个单个疲劳规则对应的综合时间权重值，从所述单条疲劳规则中选取第一候选疲劳规则和第二候选疲劳规则；其中，所述第一候选疲劳规则对应的综合时间权重值的小于第一阈值，所述第二候选疲劳规则对应的综合时间权重值大于第二阈值；其中，所述第二阈值大于或者等于所述第一阈值；

将所述第一候选疲劳规则和所述第二候选疲劳规则确定为所述组合疲劳规则。