[发明专利]疑似酒驾车辆预测方法、装置、设备及存储介质

说明书

本申请公开了一种疑似酒驾车辆预测方法、装置、设备及存储介质，所述方法包括：根据酒驾车辆的潜在特征因子构建层次模型；获取预设区域内车辆的驾驶特征数据，根据所述驾驶特征数据过滤代驾车辆，得到非代驾车辆的驾驶特征数据；将非代驾车辆的驾驶特征数据输入构建的层次模型，得到非代驾车辆的疑似酒驾概率；当所述疑似酒驾概率大于预设概率阈值时，确定车辆为疑似酒驾车辆。根据本申请实施例提供的疑似酒驾车辆预测方法，可以有效提高酒驾排查效率，快速对驾驶人进行定性排查，避免发生因排查酒驾而造成交通拥堵的问题，大大提高了民警的工作效率，精准打击酒驾行为，优化执法警力部署，切实提高公安机关社会治理智能化、科学化、精准化水平。

技术领域

本发明涉及智能交通技术领域，特别涉及一种疑似酒驾车辆预测方法、装置、设备及存储介质。

背景技术

酒驾是造成重大交通安全事故的重要原因，根据相关数据显示在城市道路上查处的酒后驾驶违法行为最多，饮酒地点主要集中在饭店、酒吧以及KTV等娱乐场所。

现有技术中，通常是交管部门执勤上岗，针对酒驾高发地(根据以往经验确定)，对过往车辆驾驶员进行酒精检测以判断是否存在酒驾行为的排查。但是，通过人工对过往车辆驾驶员进行酒精检测，处理过程不够智能化，且覆盖率低。

发明内容

本申请实施例提供了一种疑似酒驾车辆预测方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本申请实施例提供了一种疑似酒驾车辆预测方法，包括：

根据酒驾车辆的潜在特征因子构建层次模型；

获取预设区域内车辆的驾驶特征数据，根据驾驶特征数据过滤代驾车辆，得到非代驾车辆的驾驶特征数据；

将非代驾车辆的驾驶特征数据输入构建的层次模型，得到非代驾车辆的疑似酒驾概率；

当疑似酒驾概率大于预设概率阈值时，确定车辆为疑似酒驾车辆。

在一个实施例中，根据酒驾车辆的潜在特征因子构建层次模型，包括：

获取车辆的历史驾驶特征数据；

根据车辆的历史驾驶特征数据得到酒驾车辆的潜在特征因子；

对酒驾车辆的潜在特征因子进行分层；

根据每层中的各个特征因子对评价目标的重要性，得到每层中每两个不同的特征因子之间的相对重要性比较结果；

根据每层中每两个不同的特征因子之间的相对重要性比较结果得到相对重要性比较矩阵；

根据相对重要性比较矩阵以及和积法计算每层特征因子的权重，得到构建的层次模型。

在一个实施例中，获取预设区域内车辆的驾驶特征数据之后，还包括：

根据预设区域内车辆的驾驶特征数据得到车辆的特征因子。

在一个实施例中，根据预设区域内车辆的驾驶特征数据得到车辆的特征因子，包括：

实时采集预设区域内车辆的过车数据、停车数据及三方平台代驾数据，并按照预设周期采集车辆的基础信息数据以及酒驾违法数据，停车数据包括重点酒驾区域停车数据；

根据车辆的过车数据、停车数据、基础信息数据以及酒驾违法数据得到车辆的特征因子，车辆的特征因子包括车辆的酒驾时间、停车位置、停车时长、车辆类型、出行偏好、车主年龄、车主性别以及酒驾违法次数。