[发明专利]基于人工智能的酒驾识别方法、装置、设备及介质

权利要求书

1.一种基于人工智能的酒驾识别方法，其特征在于，所述基于人工智能的酒驾识别方法包括：

连接采集设备，利用所述采集设备采集当前所经过车辆的车辆信息；

从所述车辆信息中获取车牌号信息；

调用配置数据库，根据所述车牌号信息从所述配置数据库中调取车辆画像、车主画像及车辆行驶轨迹数据；

利用异常轨迹检测算法确定所述车辆行驶轨迹数据是否异常，得到轨迹信息；

从所述车辆信息中获取所述车辆的过车时间及所述车辆所属的查处辖区；

对所述车辆画像执行第一特征处理，得到第一特征，对所述车主画像执行第一特征处理，得到第二特征，对所述过车时间执行第一特征处理，得到第三特征，对所述查处辖区执行第二特征处理，得到第四特征，及对所述轨迹信息执行第二特征处理，得到第五特征；

拼接所述第一特征、所述第二特征、所述第三特征、所述第四特征及所述第五特征，得到目标特征；

将所述目标特征输入至LightGBM模型，输出酒驾概率。

2.如权利要求1所述的基于人工智能的酒驾识别方法，其特征在于，所述利用异常轨迹检测算法确定所述车辆行驶轨迹数据是否异常，得到轨迹信息包括：

从所述车辆行驶轨迹数据中确定经过的路口；

根据经过所述路口的顺序，以每两个路口为一组对所述车辆行驶轨迹数据进行拆分，得到至少一个轨迹片段；

从所述配置数据库中调取所述车辆在预设时间段内的历史轨迹数据；

根据所述历史轨迹数据计算每个路口的目标概率；

根据每个路口的目标概率计算每个轨迹片段的经过概率；

根据每个轨迹片段的经过概率判断每个轨迹片段是否异常，并确定异常的轨迹片段的数量；

确定所述至少一个轨迹片段的总数量；

根据所述异常的轨迹片段的数量及所述总数量确定所述车辆行驶轨迹数据是否异常，得到轨迹信息。

3.如权利要求2所述的基于人工智能的酒驾识别方法，其特征在于，所述根据所述历史轨迹数据计算每个路口的目标概率包括：

确定与每个路口相邻的上一路口；

将每个上一路口与每个路口构成的轨迹片段确定为每个目标轨迹片段；

获取在所述历史轨迹数据中包括每个目标轨迹片段的第一轨迹数，及获取在所述历史轨迹数据中包括每个路口的第二轨迹数；

计算每个第一轨迹数与每个第二轨迹数的商作为每个路口的目标概率。

4.如权利要求2所述的基于人工智能的酒驾识别方法，其特征在于，采用下述公式，根据每个路口的目标概率计算每个轨迹片段的经过概率包括：

P(L_i)＝P(L_i-1)*P(S_i)＝P(S₁)*P(S₂)*…*P(S_i)

其中，S_i表示第i个路口，i为正整数；P(S_i)表示第i个路口的目标概率，L_i表示从S₁到S_i的轨迹片段，P(L_i)表示从S₁到S_i的轨迹片段的经过概率，P(L_i-1)表示从S₁到S_i-1的轨迹片段的经过概率。

5.如权利要求4所述的基于人工智能的酒驾识别方法，其特征在于，所述根据每个轨迹片段的经过概率判断每个轨迹片段是否异常包括：

当P(L_i-1)大于第一阈值，且P(L_i)小于所述第一阈值时，确定从S_i-1到S_i的轨迹片段异常。