CN106781450A - 一种交通数据处理方法及装置 - Google Patents
一种交通数据处理方法及装置 Download PDFInfo
- Publication number
- CN106781450A CN106781450A CN201510802598.0A CN201510802598A CN106781450A CN 106781450 A CN106781450 A CN 106781450A CN 201510802598 A CN201510802598 A CN 201510802598A CN 106781450 A CN106781450 A CN 106781450A
- Authority
- CN
- China
- Prior art keywords
- illegal
- drivers
- ratio
- traffic
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 127
- 230000000694 effects Effects 0.000 claims abstract description 33
- 230000009471 action Effects 0.000 claims description 107
- 230000006399 behavior Effects 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及计算机技术领域，尤其涉及一种交通数据处理方法及装置，用以通过对交通违法行为进行分析达到对司机将来发生交通事故的情况进行预测的目的。在本申请中，服务器基于获取的违法交通数据，确定多种违法行为中每一种违法行为分别对应的与交通事故相关的特征参数，针对发生违法行为的司机，根据该司机发生的每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值，从而达到对司机将来发生交通事故的情况进行预测的目的。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种交通数据处理方法及装置。
背景技术
随着路面车辆的增多，司机发生交通事故的情况变得越来越多。交管部门一般通过对交通违法行为进行记录和处理，来实现对交通事故的防控。这里的交通事故是指车辆在道路上因过错或者意外造成人身伤亡或者财产损失的事件，与司机违反交通管理法规的违法行为不同。
交管部门对交通违法行为的处理方式一般是通过人为地将违法行为进行归类，例如分为一般的交通违法行为、严重的交通违法行为、特别严重的交通违法行为；或者通过经验的方式进行不同的减分处理，例如超速50％以上扣200分，在公路道路上逆向行驶扣100分，开车吸烟扣20分等。
上述处理方式只是单纯针对违法行为进行控制，这种简单的处理方式无法对司机将来发生交通事故的情况进行预测，也就难以从实质上控制司机的事故率，例如扣分多的司机不一定发生交通事故的概率就大。
可见，现有的处理交通违法行为的方式无法达到对司机将来发生交通事故的情况进行预测的目的。
发明内容
本申请实施例提供一种交通数据处理方法及装置，用以通过对交通违法行为进行分析达到对司机将来发生交通事故的情况进行预测的目的。
本申请实施例提供一种交通数据处理方法，包括：
服务器获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息；
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；
针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
可选地，基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数，包括：
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据；其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数；
根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，将该安全性证明力权重作为所述特征参数。
可选地，根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，包括：
根据未发生该违法行为且未发生交通事故的司机数与未发生交通事故的司机数之间的第一比值，以及未发生该违法行为但发生了交通事故的司机数与发生了交通事故的司机数之间的第二比值，确定所述第一比值与第二比值之间的第三比值；
根据发生该违法行为但未发生交通事故的司机数与未发生交通事故的司机数之间的第四比值，以及发生该违法行为且发生了交通事故的司机数与发生了交通事故的司机数之间的第五比值，确定所述第四比值与第五比值之间的第六比值；
根据所述第三比值和第六比值，确定该违法行为对应的安全性证明力权重。
可选地，根据所述第三比值和第六比值，确定违法行为i对应的安全性证明力权重，包括：
根据公式WOEisum＝αi(WOE0i+WOE1i)确定违法行为i对应的安全性证明力权重WOEisum；
其中，WOE0i＝lnN1，N1为所述第三比值，WOE1i＝lnN2，N2为所述第六比值，αi为违法行为i的权重因子。
可选地，根据司机发生的每一种违法行为分别对应的安全性证明力权重，确定该司机在交通事故方面的安全分值，包括：
确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum；
根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。
可选地，所述方法还包括：
将在预设的分值区间内的安全分值划分为多个分数档；
针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
另一方面，本申请实施例提供一种交通数据处理装置，包括：
接收模块，用于获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息；
第一确定模块，用于基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；
第二确定模块，用于针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
本申请实施例中，服务器基于获取的违法交通数据，确定多种违法行为中每一种违法行为分别对应的与交通事故相关的特征参数，针对发生违法行为的司机，根据该司机发生的每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值，从而达到对司机将来发生交通事故的情况进行预测的目的。
附图说明
图1为本申请实施例一提供的交通数据处理方法流程图；
图2为本申请实施例二提供的交通数据处理方法流程图；
图3为本申请实施例三提供的交通数据处理方法流程图；
图4为本申请实施例提供的交通数据处理装置结构示意图。
具体实施方式
本申请实施例中，服务器在获取违法交通数据后，基于获取的违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的特征参数，确定该司机在交通事故方面的安全分值。可以采用该安全分值来衡量司机将来发生交通事故的情况，从而达到预测司机将来发生交通事故的目的。
上述处理过程可以由拥有违法交通数据的交管部门服务器来完成；也可以由交管部门将违法交通数据发送给其他机构的服务器后，由其他机构的服务器负责分析处理后，将处理结果反馈给交管部门；例如，可以是第三方征信平台，第三方征信平台从交管部门那获取违法交通数据，采用本申请进行分析处理，将各个司机的交通事故的预测结果反馈给交管部门，或者，通过网页或应用等途径将处理结果提供给用户查询的功能。
下面结合说明书附图对本申请实施例作进一步详细描述。
实施例一
如图1所示，为本申请实施例一提供的交通数据处理方法流程图，包括以下步骤：
S101：服务器获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息。
在具体实施中，可以采用违法代码来标识违法行为，不同的违法行为对应不同的违法代码。比如，闯红灯的违法行为对应违法代码0、在公路道路上逆向行驶的违法行为对应违法代码1、开车吸烟的违法行为对应违法代码2等。
S102：基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数。
在具体实施中，所述特征参数可以为风险性证明力权重或安全性证明力权重。若为风险性证明力权重，则该权重值越高，表示发生交通事故的风险性越大，若为安全性证明力权重，则该权重值越高，表示发生交通事故的风险性越小。可以根据发生交通事故的司机普遍发生的违法行为，来确定各个违法行为的风险性证明力权重，或者根据未发生交通事故的司机普遍没有发生的违法行为，来确定各个违法行为的安全性证明力权重。针对安全性证明力权重，本申请实施例二中将进一步给出优选的确定方式。
S103：针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
在具体实施中，所述安全分值可以与该司机发生的所有违法行为的风险性证明力权重的和值成反比例，或可以与该司机发生的所有违法行为的安全性证明力权重的和值成正比例。在本申请优选的实施方式中，给出了通过进行逻辑变换处理，得到在预设分值区间内的安全分值的处理方式。详见实施例二的描述。
实施例二
如图2所示，为本申请实施例二提供的交通数据处理方法流程图，包括以下步骤：
S201：服务器获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息。
S202：服务器基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据；其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数；
该步骤中，基于对每个司机发生的违法行为以及是否发生交通事故的统计，可以得到针对每一个违法行为的四类特征数据。如下表一所示。
表一
在上述表一中，违法代码i对应违法行为i，违法代码i一列的0表示未发生违法行为i，1表示发生了违法行为i，在是否出现事故一列的0表示未发生交通事故，1表示发生了交通事故，基于此，在司机数一列中，Ni00表示未发生违法行为i且未出现交通事故的司机数，Ni01表示未发生违法行为i但发生了交通事故的司机数，Ni10表示发生了违法行为i但未出现交通事故的司机数，Ni11表示发生了违法行为i且发生了交通事故的司机数。
S203：根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重(Weight of Evidence，WOE)。
在具体实施过程中，可以基于未发生违法行为i且未出现交通事故的司机数Ni00与未发生违法行为i但发生了交通事故的司机数Ni01之间的比例，和在所有样本中未出现交通事故的司机数(Ni00+Ni10)与发生了交通事故的司机数(Ni10+Ni11)之间的比例的差异，以及，发生了违法行为i但未出现交通事故的司机数Ni10与发生了违法行为i且发生了交通事故的司机数Ni11之间的比例，和在所有样本中未出现交通事故的司机数(Ni00+Ni10)与发生了交通事故的司机数(Ni10+Ni11)之间的比例的差异，来衡量所述安全性证明力权重。
具体包括以下步骤：
步骤a：根据未发生该违法行为且未发生交通事故的司机数与未发生交通事故的司机数之间的第一比值，以及未发生该违法行为但发生了交通事故的司机数与发生了交通事故的司机数之间的第二比值，确定所述第一比值与第二比值之间的第三比值。
结合表一，第一比值即为Ni00/(Ni00+Ni10)，第二比值即为Ni01/(Ni01+Ni11)。
步骤b：根据发生该违法行为但未发生交通事故的司机数与未发生交通事故的司机数之间的第四比值，以及发生该违法行为且发生了交通事故的司机数与发生了交通事故的司机数之间的第五比值，确定所述第四比值与第五比值之间的第六比值。
结合表一，第四比值即为Ni10/(Ni00+Ni10)，第五比值即为Ni11/(Ni01+Ni11)。
步骤c：根据所述第三比值和第六比值，确定该违法行为对应的证明力权重。
在具体实施中，可以直接将所述第三比值和第六比值的和值或者和值乘以预设的系数作为该违法行为对应的证明力权重。或者：根据公式WOEisum＝αi(WOE0i+WOE1i)确定违法行为i对应的证明力权重WOEisum；其中，WOE0i＝lnN1，N1为所述第三比值，WOE1i＝lnN2，N2为所述第六比值，αi为违法行为i的权重因子。需要说明的是，该计算证明力权重的公式仅是本申请的一种可能的实施方式，本领域技术人员可以在不付出创造性劳动的前提下对上述公式作出的多种简单变形都应该在本申请的保护范围内。
S204：针对发生违法行为的司机，服务器根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述安全性证明力权重，确定该司机在交通事故方面的安全分值。
具体地，可以确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum；根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。这里的逻辑变换处理也即将WOEsum变换为可解释性较好的安全分值。
比如，根据以下公式对WOEsum进行逻辑变换处理，得到在预设的分值区间[0，k]内的安全分值Score，k为大于0的实数：
需要说明的是，上述进行逻辑变换处理的公式仅是本申请的一种可能的实施方式，本领域技术人员可以在不付出创造性劳动的前提下对上述公式作出的多种简单变形都应该在本申请的保护范围内。
S205：服务器将在预设的分值区间内的安全分值划分为多个分数档；针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
该步骤中，针对在上述步骤中确定出的每一个司机的安全分值，以及是否发生了交通事故，统计在每个分数档(也即分数区间)内发生交通事故的司机数和在该分数档内的司机总数，将在该分数档内的发生交通事故的司机数除以在该分数档内的司机总数，得到该分数档对应的事故率。
在具体实施中，若本申请应用于第三方机构与交管部门的合作，则本申请服务器可以将确定出的每个发生违法行为的司机的安全分值及每个分数档对应的事故率发送给交管部门，交管部门基于这些信息，可以评测每个司机将来发生交通事故的概率。或者，可以直接根据发生违法行为的司机的安全分值所属的分数档，以及每个分数档对应的事故率，确定所述发生违法行为的司机对应的事故率，将所述发生违法行为的司机的事故率反馈给交管部门。
下面，结合第三方机构与交管部门合作的应用场景，再通过一个实施例作下说明。
实施例三
如图3所示，为本申请实施例三提供的交通数据处理方法流程图，包括以下步骤：
S301：服务器获取交管部门提供的违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息。
S302：服务器基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据，其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数。
S303：针对发生违法行为的司机所发生的每一种违法行为，基于实施例二中的步骤a～c，确定该违法行为对应的安全性证明力权重，进而确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum。
具体地，该步骤可以总结为基于以下公式得到WOEsum：
其中，
上述公式中，m为该司机发生的违法行为数量，j＝0表示没有发生违法行为，j＝1表示发生了违法行为，Ni00/(Ni00+Ni10)为所述第一比值，Ni01/(Ni01+Ni11)为所述第二比值，为所述第三比值，相应地，Ni10/(Ni00+Ni10)为所述第四比值，Ni11/(Ni01+Ni11)为所述第五比值，为所述第六比值。
S304：根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。
具体地，根据以下公式对WOEsum进行逻辑变换处理，得到在预设的分值区间[0，k]内的安全分值Score：
S305：将在预设的分值区间内的安全分值划分为多个分数档；针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
在具体实施中，服务器可以直接将每个发生违法行为的司机将来发生交通事故的事故率发送给交管部门，还可以根据交管部门的定制化需求，进行特定的数据处理，比如，若交管部门需要事故率在4.5％以上的司机名单，则第一服务器可以根据计算出的如表二所示的各个分数档的事故率，将安全分值在10分以下的司机名单报告给交管部门。
| 分数档 | 事故率 |
| <10 | 4.66％ |
| [10，20) | 4.23％ |
| [20，30) | 4.62％ |
| [30，40) | 4.19％ |
| [40，50) | 3.13％ |
| [50，60) | 2.73％ |
| [60，70) | 2.22％ |
| [70，80) | 1.64％ |
| [80，90) | 1.43％ |
| [90，100) | 0.58％ |
| 平均 | 2.49％ |
表二
基于同一发明构思，本申请实施例中还提供了一种与交通数据处理方法对应的交通数据处理装置，由于该装置解决问题的原理与本申请实施例交通数据处理方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
如图4所示，为本申请实施例提供的交通数据处理装置结构示意图，包括：
接收模块41，用于获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息；
第一确定模块42，用于基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；
第二确定模块43，用于针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
可选地，所述第二确定模块43具体用于：
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据；其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数；根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，将该安全性证明力权重作为所述特征参数。
可选地，所述第二确定模块43具体用于：
根据未发生该违法行为且未发生交通事故的司机数与未发生交通事故的司机数之间的第一比值，以及未发生该违法行为但发生了交通事故的司机数与发生了交通事故的司机数之间的第二比值，确定所述第一比值与第二比值之间的第三比值；
根据发生该违法行为但未发生交通事故的司机数与未发生交通事故的司机数之间的第四比值，以及发生该违法行为且发生了交通事故的司机数与发生了交通事故的司机数之间的第五比值，确定所述第四比值与第五比值之间的第六比值；
根据所述第三比值和第六比值，确定该违法行为对应的安全性证明力权重。
可选地，所述第二确定模块43具体用于：
根据公式WOEisum＝αi(WOE0i+WOE1i)确定违法行为i对应的安全性证明力权重WOEisum；
其中，WOE0i＝lnN1，N1为所述第三比值，WOE1i＝lnN2，N2为所述第六比值，αi为违法行为i的权重因子。
可选地，所述第二确定模块43具体用于：
确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum；
根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。
可选地，所述装置还包括：
第三确定模块44，用于将在预设的分值区间内的安全分值划分为多个分数档；针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种交通数据处理方法，其特征在于，该方法包括：
服务器获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息；
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；
针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
2.如权利要求1所述的方法，其特征在于，基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数，包括：
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据；其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数；
根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，将该安全性证明力权重作为所述特征参数。
3.如权利要求2所述的方法，其特征在于，根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，包括：
根据未发生该违法行为且未发生交通事故的司机数与未发生交通事故的司机数之间的第一比值，以及未发生该违法行为但发生了交通事故的司机数与发生了交通事故的司机数之间的第二比值，确定所述第一比值与第二比值之间的第三比值；
根据发生该违法行为但未发生交通事故的司机数与未发生交通事故的司机数之间的第四比值，以及发生该违法行为且发生了交通事故的司机数与发生了交通事故的司机数之间的第五比值，确定所述第四比值与第五比值之间的第六比值；
根据所述第三比值和第六比值，确定该违法行为对应的安全性证明力权重。
4.如权利要求3所述的方法，其特征在于，根据所述第三比值和第六比值，确定违法行为i对应的安全性证明力权重，包括：
根据公式WOEisum＝αi(WOE0i+WOE1i)确定违法行为i对应的安全性证明力权重WOEisum；
其中，WOE0i＝lnN1，N1为所述第三比值，WOE1i＝lnN2，N2为所述第六比值，αi为违法行为i的权重因子。
5.如权利要求4所述的方法，其特征在于，根据司机发生的每一种违法行为分别对应的安全性证明力权重，确定该司机在交通事故方面的安全分值，包括：
确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum；
根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。
6.如权利要求1～5任一所述的方法，其特征在于，所述方法还包括：
将在预设的分值区间内的安全分值划分为多个分数档；
针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
7.一种交通数据处理装置，其特征在于，该装置包括：
接收模块，用于获取违法交通数据；所述违法交通数据包括多个司机分别发生的违法行为以及指示其中每个司机是否发生交通事故的信息；
第一确定模块，用于基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征参数；
第二确定模块，用于针对发生违法行为的司机，根据该司机发生的至少一种违法行为中每一种违法行为分别对应的所述特征参数，确定该司机在交通事故方面的安全分值。
8.如权利要求7所述的装置，其特征在于，所述第二确定模块具体用于：
基于获取的所述违法交通数据，确定多种违法行为中每一种违法行为分别对应的特征数据；其中任一种违法行为对应的特征数据包括：未发生该违法行为且未发生交通事故的司机数、未发生该违法行为但发生了交通事故的司机数、发生了该违法行为但未发生交通事故的司机数、发生了该违法行为且发生了交通事故的司机数；
根据每一种违法行为分别对应的特征数据，确定该违法行为对应的安全性证明力权重，将该安全性证明力权重作为所述特征参数。
9.如权利要求8所述的装置，其特征在于，所述第二确定模块具体用于：
根据未发生该违法行为且未发生交通事故的司机数与未发生交通事故的司机数之间的第一比值，以及未发生该违法行为但发生了交通事故的司机数与发生了交通事故的司机数之间的第二比值，确定所述第一比值与第二比值之间的第三比值；
根据发生该违法行为但未发生交通事故的司机数与未发生交通事故的司机数之间的第四比值，以及发生该违法行为且发生了交通事故的司机数与发生了交通事故的司机数之间的第五比值，确定所述第四比值与第五比值之间的第六比值；
根据所述第三比值和第六比值，确定该违法行为对应的安全性证明力权重。
10.如权利要求9所述的装置，其特征在于，所述第二确定模块具体用于：
根据公式WOEisum＝αi(WOE0i+WOE1i)确定违法行为i对应的安全性证明力权重WOEisum；
其中，WOE0i＝lnN1，N1为所述第三比值，WOE1i＝lnN2，N2为所述第六比值，αi为违法行为i的权重因子。
11.如权利要求10所述的装置，其特征在于，所述第二确定模块具体用于：
确定该司机发生的每一种违法行为分别对应的安全性证明力权重的和值WOEsum；
根据预设的分值区间，对WOEsum进行逻辑变换处理，得到在所述预设的分值区间内的安全分值。
12.如权利要求7～11任一所述的装置，其特征在于，所述装置还包括：
第三确定模块，用于将在预设的分值区间内的安全分值划分为多个分数档；针对划分的每个分数档，根据在该分数档内的发生交通事故的司机数和在该分数档内的司机总数，确定该分数档对应的事故率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510802598.0A CN106781450B (zh) | 2015-11-19 | 2015-11-19 | 一种交通数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510802598.0A CN106781450B (zh) | 2015-11-19 | 2015-11-19 | 一种交通数据处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106781450A true CN106781450A (zh) | 2017-05-31 |
| CN106781450B CN106781450B (zh) | 2019-09-17 |
Family
ID=58916405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510802598.0A Active CN106781450B (zh) | 2015-11-19 | 2015-11-19 | 一种交通数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106781450B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107195185A (zh) * | 2017-07-26 | 2017-09-22 | 温州市鹿城区中津先进科技研究院 | 一种交通数据处理方法 |
| CN108922170A (zh) * | 2018-06-13 | 2018-11-30 | 同济大学 | 一种基于电子警察抓拍数据的交叉口安全评价方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012200182A1 (de) * | 2012-01-09 | 2013-07-11 | Robert Bosch Gmbh | Verfahren zum Unterstützen eines Fahrers |
| CN103268426A (zh) * | 2013-06-05 | 2013-08-28 | 北京宣爱智能模拟技术股份有限公司 | 一种汽车驾驶人安全驾驶水平测评的方法 |
| CN104091079A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种基于mems imu公交司机驾驶水平评定方法 |
| CN104867327A (zh) * | 2014-02-21 | 2015-08-26 | ***通信集团公司 | 一种驾驶安全监测方法及装置 |
| CN104978492A (zh) * | 2015-07-09 | 2015-10-14 | 彩虹无线（北京）新技术有限公司 | 一种基于车联网数据流的安全驾驶评价方法 |
-
2015
- 2015-11-19 CN CN201510802598.0A patent/CN106781450B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012200182A1 (de) * | 2012-01-09 | 2013-07-11 | Robert Bosch Gmbh | Verfahren zum Unterstützen eines Fahrers |
| CN103268426A (zh) * | 2013-06-05 | 2013-08-28 | 北京宣爱智能模拟技术股份有限公司 | 一种汽车驾驶人安全驾驶水平测评的方法 |
| CN104867327A (zh) * | 2014-02-21 | 2015-08-26 | ***通信集团公司 | 一种驾驶安全监测方法及装置 |
| CN104091079A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种基于mems imu公交司机驾驶水平评定方法 |
| CN104978492A (zh) * | 2015-07-09 | 2015-10-14 | 彩虹无线（北京）新技术有限公司 | 一种基于车联网数据流的安全驾驶评价方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107195185A (zh) * | 2017-07-26 | 2017-09-22 | 温州市鹿城区中津先进科技研究院 | 一种交通数据处理方法 |
| CN108922170A (zh) * | 2018-06-13 | 2018-11-30 | 同济大学 | 一种基于电子警察抓拍数据的交叉口安全评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106781450B (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Montgomery et al. | Age and gender differences in time to collision at braking from the 100-car naturalistic driving study | |
| Yeung | A study of the implications of advanced digital technologies (including AI systems) for the concept of responsibility within a human rights framework | |
| CN104867327B (zh) | 一种驾驶安全监测方法及装置 | |
| Fitzpatrick et al. | An investigation of the speeding-related crash designation through crash narrative reviews sampled via logistic regression | |
| CN107833312A (zh) | 基于多模态信息的驾驶危险系数评估方法和装置 | |
| Marques et al. | The effect of alcohol and drug testing at the workplace on individual’s occupational accident risk | |
| Pérez-Marín et al. | Semi-autonomous vehicles: Usage-based data evidences of what could be expected from eliminating speed limit violations | |
| Castillo-Manzano et al. | Are traffic violators criminals? Searching for answers in the experiences of European countries | |
| Anderson et al. | Use of age–period–cohort models to estimate effects of vehicle age, year of crash and year of vehicle manufacture on driver injury and fatality rates in single vehicle crashes in New South Wales, 2003–2010 | |
| Chatterjee et al. | A methodology for modeling regional terrorism risk | |
| Varhelyi | Road safety management–the need for a systematic approach | |
| Lv et al. | The influence of different factors on right-turn distracted driving behavior at intersections using naturalistic driving study data | |
| CN106781450B (zh) | 一种交通数据处理方法及装置 | |
| Zettler et al. | Assessing the celerity of arrest on 3-year recidivism patterns in a sample of criminal defendants | |
| Van Ginneken et al. | The use of risk assessment in sentencing | |
| CN109784586B (zh) | 车险的出险情况的预测方法及*** | |
| Kim et al. | Use of digital tachograph data to provide traffic safety education and evaluate effects on bus driver behavior | |
| Ye et al. | Accounting for driver distraction and socioeconomic characteristics in a crash risk index: naturalistic driving study | |
| McDonald et al. | Traffic offending and deterrence: An examination of recidivism amongst drivers in Victoria, Australia born prior to 1975 | |
| Brar | Estimation of fatal crash rates for suspended/revoked and unlicensed drivers in California | |
| CN110991782A (zh) | 一种风险订单研判方法和*** | |
| Imberger et al. | The effect of sanctions on Victorian speeding drivers | |
| Mitra | Analysis of truck accidents using structural equation models | |
| OS et al. | On the model selection of road accident data in Nigeria: A time series approach | |
| Naghawi et al. | Evaluation of automated enforcement program in Amman |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200921 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200921 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Patentee after: Advanced innovation technology Co.,Ltd. Address before: Cayman Islands Grand Cayman capital building, a four storey No. 847 mailbox Patentee before: Alibaba Group Holding Ltd. |