[发明专利]一种基于知识图谱与区块链的交通违章分析方法

权利要求书

1.一种基于知识图谱与区块链的交通违章分析方法，其特征在于：包括以下步骤：S1，在违章行为发生后，根据违章车牌获取车辆信息并关联知识图谱，从知识图谱中匹配该车辆可能的驾驶员，知识图谱主要包含三类实体：驾驶员实体、车辆实体以及违章记录实体，驾驶员实体属性包含驾驶员姓名、身份证、年龄、驾龄、驾驶员有驾照亲属、可能发生违章估计时间间隔；车辆实体属性包括车牌号、车型、车龄、车辆所属驾驶员、车辆可用驾驶员；违章记录实体属性包括了违章类型、违章时间、违章地点、事故扣分情况，然后根据驾驶员和车辆的关系、驾驶员和驾驶员之间的关系、违章记录和有关驾驶员和车辆的信息进行实体关联，最终得到完整的违章记录知识图谱；S2，当违章驾驶员前往交管部门接受处罚时，如果该违章驾驶员并不属于与该车辆匹配的驾驶员名单，则疑似出现顶包行为；S3，如果该违章驾驶员属于与该车辆匹配的驾驶员名单，则根据知识图谱分析计算权重分数，所述权重分数包括驾龄权重分、事故多发地段权重分、违章类型权重分、日常行驶区域权重分以及阈值权重分数，如果所述驾龄权重分、所述事故多发地段权重分、所述违章类型权重分、所述日常行驶区域权重分相加超过设定的阈值权重分数的，则疑似出现顶包行为，通过区块链向交警大队发送对疑似驾驶员顶包行为进行排查请求，对交通违章进行违章处理，将违章信息上传至区块链，在所述区块链进行广播，并将违章信息上传至知识图谱；S4，若步骤S1至S3均不存在顶包行为，则分析该驾驶员的驾驶习性，用Cox模型对驾驶员违章行为发生的数据进行分析，预测出下次的违章行为信息，当该驾驶员再次前往交管部门接受处罚时，比对该次发生的交通违章情况和预测的违章行为信息，若出现较大的匹配差异，则疑似出现顶包行为。

2.根据权利要求1所述的基于知识图谱与区块链的交通违章分析方法，其特征在于：所述Cox模型的计算方法具体为:首先通过建立好的知识图谱，提取出驾驶员的所有违章记录，获取违章的时间以及次数，计算出驾驶员的违章行为时间间隔，其中，n表示违章行为发生的次数；然后使用KM方法利用驾驶员的违章行为时间间隔来估计发生概率；引入Cox比例风险回归模型，计算危险率，其中是实例第i个违章行为潜在影响参数形成的向量，t为给定的时间；再使用partial likelihood方法进行建模，得到针对单个违章行为的发生概率，其中是参数向量，并使用极大似然估计来估计参数；最后计算出违章发生风险临界值，向所述违章发生风险临界值代入最新的违章发生时间点从而计算出驾驶员可能发生违章行为的时间间隔，其中，c表示最新一次违章行为发生的次数，并把数据录入知识图谱中做违章行为预测。

3.根据权利要求2所述的基于知识图谱与区块链的交通违章分析方法，其特征在于：根据每个驾驶员的预测违章时间间隔给驾驶员发送交通安全提醒。