[发明专利]驾驶风险等级确定方法、装置、计算机设备及存储介质

权利要求书

1.一种驾驶风险等级确定方法，其特征在于，所述方法包括：

获取反映车辆的行驶状态信息的时间序列；

基于变点识别模型，确定所述时间序列中的突变时刻，所述突变时刻之前和之后的所述车辆的行驶状态信息不同；

基于预设的子序列确定规则，在所述时间序列中确定所述突变时刻对应的子序列；

基于预设的分类模型，确定所述子序列是否对应于预设的目标状态，所述目标状态包括急加速、急减速、急转弯中的至少一种；

基于预设的风险等级确定规则，根据所述子序列是否对应于预设的目标状态，确定所述时间序列对应的风险等级。

2.根据权利要求1所述的驾驶风险等级确定方法，其特征在于，所述基于预设的分类模型，确定所述子序列对应的目标状态，包括：

基于回声状态网络，将所述子序列映射到向量维度，得到所述子序列对应的描述向量；

基于自编码器，对所述描述向量进行降维，得到所述描述向量对应的低维度向量；

基于预设的分类模型，确定所述低维度向量对应的目标状态。

3.根据权利要求2所述的驾驶风险等级确定方法，其特征在于，所述基于预设的分类模型，确定所述低维度向量对应的目标状态，包括：

基于聚类模型，对所述低维度向量进行聚类，根据聚类结果确定所述低维度向量对应的目标状态。

4.根据权利要求1所述的驾驶风险等级确定方法，其特征在于，所述基于变点识别模型，确定所述时间序列中的突变时刻，包括：

获取所述时间序列中各时刻的概率密度比，所述概率密度比为所述时刻的先验概率密度和后验概率密度之比；

若所述概率密度比大于预设阈值，判定所述时刻为突变时刻。

5.根据权利要求4所述的驾驶风险等级确定方法，其特征在于，所述获取所述时间序列中任一时刻的概率密度比，包括：

基于高斯混合模型，通过最优化方法对所述时刻的先验概率密度和后验概率密度之比进行拟合，得到所述时刻的概率密度比。

6.根据权利要求1-5任一项所述的驾驶风险等级确定方法，其特征在于，所述获取反映车辆的行驶状态信息的时间序列，包括：

按照预设的时间间隔，获取车辆的行驶状态信息，所述行驶状态信息包括以下至少一者：至少一个方向上的角速度和/或至少一个方向上的加速度。

7.根据权利要求1-5任一项所述的驾驶风险等级确定方法，其特征在于，所述基于预设的风险等级确定规则，根据所述子序列对应的目标状态确定所述车辆的行驶状态信息对应的风险等级，包括：

根据所述时间序列中与所述预设的目标状态对应的子序列的数量，确定所述车辆的行驶状态信息对应的风险等级，其中，所述风险等级与所述目标状态数量正相关。

8.一种驾驶风险等级确定装置，其特征在于，所述驾驶风险等级确定装置包括：

时间序列获取模块，用于获取反映车辆的行驶状态信息的时间序列；

变点识别模块，用于基于变点识别模型，确定所述时间序列中的突变时间，所述突变时间之前和之后的行驶状态信息不同；

子序列确定模块，用于基于预设的子序列确定规则，在所述时间序列中确定所述突变时间对应的子序列；

目标状态确定模块，用于基于预设的分类模型，确定所述子序列是否对应于预设的目标状态，所述目标状态包括急加速、急减速、急转弯中的至少一种；

风险等级确定模块，用于基于预设的风险等级确定规则，根据所述子序列是否对应于预设的目标状态，确定所述时间序列对应的风险等级。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的驾驶风险等级确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的驾驶风险等级确定方法的步骤。