CN108986468A - 交通事故的处理方法、装置、计算机设备及计算机存储介质 - Google Patents

Abstract

本申请公开了一种交通事故的处理方法、装置、计算机设备及计算机存储介质，涉及交通事故处理技术领域，可以使得交通事故现场数据得到迅速共享，提高交通事故处理速度。所述方法包括：当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有各类用于分析各类交通事故现场数据的交通事故分析模型；根据所述交通事故分析模型对所述交通事故现场数据进行相互验证，生成用于多方确认的交通事故处理结果；将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

Description

交通事故的处理方法、装置、计算机设备及计算机存储介质

技术领域

本发明涉及交通事故处理技术领域，尤其是涉及到交通事故的处理方法、装置、计算机设备及计算机存储介质。

背景技术

随着经济水平的不断提升，汽车已经成为了一种非常普遍的交通工具，汽车保险也随之进入人们的生活。每天在道路上会出现各种大小的交通事故，其中小事故偏多，如汽车追尾、汽车剐蹭等。当出现交通事故的第一时刻需要做的就是及时报案，发生交通事故除了需要向交通管理部门报案以外，还需要及时向保险公司报案，一方面要让保险公司知道投保人出了交通事故，另外一方面要向保险公司咨询车险处理流程，以便于保险公司给出合理的理赔方案。

简单的交通事故如果得不到客观准确而快速的处理，不仅会引起事故双方产生矛盾相互推卸责任，还会造成局部路段的堵塞。目前，对于交通事故的处理过程通常是将事故现场采集到的图片上传至警方以及保险公司，进一步由警方以及保险公司分别到事故现场对事故责任进行判断，这样一来，使得原本简单的交通事故由于需要多方协调确认带来交通的堵塞，耽误时间也耽误人力。

发明内容

本发明实施例提供了交通事故的处理方法、装置、计算机设备及计算机存储介质，解决了相关技术中交通事故处理费时费力的问题。

根据本发明实施例的第一方面，提供一种交通事故的处理方法，所述方法包括：

当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型；

根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

进一步地，所述将所述交通事故现场数据存储至区块链网络中包括：

从所述交通事故现场数据中提取出记录交通事故时间信息的时间戳；

按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上。

进一步地，在所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上之前，所述方法还包括：

利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据；

所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上包括：

按照所述时间戳顺序将相同时间戳达成共识的交通事故现场数据记录至所述区块链中的同一区块上。

进一步地，在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之前，所述方法还包括：

将预先收集的各类交通事故现场数据，并根据交通事故类型对交通事故现场数据进行标记，得到携带交通事故类型标签的交通事故现场数据；

将所述携带交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练，得到交通事故分析模型，所述交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型；

将所述交通事故分析模型进行加密并登记至区块链网络中。

进一步地，所述网络训练模型为多层结构，所述将预先收集的各类交通事故现场数据分别输入至网络训练模型中进行训练，得到交通事故分析模型包括：

通过网络训练模型第一层结构提取各类交通事故现场数据对应的局部行为特征；

通过网络训练模型第二层结构汇总各类交通事故现场数据对应的局部行为特征，得到多维度的局部行为特征；

通过网络训练模型第三层结构对所述多维度的局部行为特征进行降维处理，得到各类交通事故对应的违法行为特征；

通过网络训练模型第四层结构对所述各类交通事故对应的违法行为特征进行分类，得到识别各类交通事故类型的交通事故分析模型。

进一步地，所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果包括：

通过将所述交通事故现场数据输入至所述交通事故分析模型，识别出与所述交通事故现场数据相匹配的交通事故类型；

根据所述交通事故类型查找交通事故现场数据对应的处理方信息；

将所述交通事故现场数据对应的处理方信息填入预设报告模板中，生成用于多方确认的交通事故处理结果。

进一步地，在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之后，所述方法还包括：

将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

根据本发明实施例的第二方面，提供一种交通事故的处理装置，所述装置包括：

调取单元，用于当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

存储单元，用于将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型；

生成单元，用于根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

进一步地，所述存储单元包括：

提取模块，用于从所述交通事故现场数据中提取出记录交通事故时间信息的时间戳；

记录模块，用于按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上。

进一步地，所述存储单元还包括：

验证模块，用于在所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上之前，利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据；

所述记录模块，具体用于按照所述时间戳顺序将相同时间戳达成共识的交通事故现场数据记录至所述区块链中的同一区块上。

进一步地，所述装置还包括：

标记单元，用于在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之前，将预先收集的各类交通事故现场数据，并根据交通事故类型对交通事故现场数据进行标记，得到携带交通事故类型标签的交通事故现场数据；

训练单元，用于将所述携带交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练，得到交通事故分析模型，所述交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型；

登记单元，用于将所述交通事故分析模型进行加密并登记至区块链网络中。

进一步地，所述网络训练模型为多层结构，所述训练单元包括：

提取模块，用于通过网络训练模型第一层结构提取各类交通事故现场数据对应的局部行为特征；

汇总模块，用于通过网络训练模型第二层结构汇总各类交通事故现场数据对应的局部行为特征，得到多维度的局部行为特征；

处理模块，用于通过网络训练模型第三层结构对所述多维度的局部行为特征进行降维处理，得到各类交通事故对应的违法行为特征；

分类模块，用于通过网络训练模型第四层结构对所述各类交通事故对应的违法行为特征进行分类，得到识别各类交通事故类型的交通事故分析模型。

进一步地，所述生成单元包括：

识别模块，用于通过将所述交通事故现场数据输入至所述交通事故分析模型，识别出与所述交通事故现场数据相匹配的交通事故类型；

查找模块，用于根据所述交通事故类型查找交通事故现场数据对应的处理方信息；

生成模块，用于将所述交通事故现场数据对应的处理方信息填入预设报告模板中，生成用于多方确认的交通事故处理结果。

进一步地，所述装置还包括：

发送单元，用于在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之后，将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

根据本发明实施例的第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述交通事故的处理方法的步骤。

根据本发明实施例的第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述交通事故的处理方法的步骤。

通过本发明，将交通事故现场数据存储至区块链网络中，由于区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型，根据交通事故分析模型对事故现场数据进行分析，生成用于多方确认的交通事故处理结果。与现有技术通过将事故现场采集到的图片上传至警方以及保险公司的交通事故处理方法相比，本发明实施例通过区块链网络中预先训练的各类交通事故分析模型对事故现场数据进行分析，使得交通数据可以迅速得到共享，无需多方费时协调皆可以得到满意的解决方案，从而提高交通事故的处理速度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种交通事故的处理方法的流程图；

图2是根据本发明实施例的另一种交通事故的处理方法的流程图；

图3是根据本发明实施例构建交通事故分析模型的流程图；

图4是根据本发明实施例的一种交通事故的处理装置的结构框图；

图5是根据本发明实施例的另一种交通事故的处理装置的结构框图；

图6是根据本发明实施例的交通事故的处理装置400的框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本实施例中提供了一种交通事故的处理方法，图1是根据本发明实施例的流程图一，如图1所示，该流程包括如下步骤：

步骤S101，当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

其中，交通事故现场数据为由不同客户端在交通事故发生的预设时间段内记录的视频流数据或者图片数据，例如，交通事故区域内道路摄像头监控到的汽车行驶数据，汽车驾驶仪记录的车辆行驶数据以及驾驶人员上传的事故现场数据等，本发明实施例不进行限定。

对于本发明实施例，为了有效控制交通违法行为，预防交通事故发生，可以在不同区域的监控室内设置有负责实时监控交通事故的监控人员，在监控到交通事故发生后，通过监控人员触发事故按钮来调取不同客户端采集的交通事故现场数据。

步骤S102，将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型；

由于不同客户端采集的交通事故现场数据为从不同视角记录的事故现场，不能单从一个客户端来判定交通事故类型以及交通事故责任方等信息，无法对交通事故进行处理，例如，交通事故区域内道路摄像头无法准确拍摄到汽车行车记录仪记录的车辆下方的数据，同理对于汽车行车记录仪无法拍摄到摄像头拍摄的车辆上方的数据。

对于本发明实施例，区块链是一种按照时间顺序将数据区块以顺序相连方式组合成的一种链式数据结构，通过区块链网络汇总不同客户端采集的交通事故现场数据，获取更完善的交通事故现场数据，从而准确判断交通事故类型以及交通事故责任方等信息，以便后续对交通事故进行处理。

需要说明的是，为了更好地对不同交通事故进行及时处理，本发明实施例在区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型，这里的交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型，通过交通事故分析模型可以识别出与交通事故现场现场数据相匹配的交通事故类型，当然为了保证交通事故分析模型中交通事故类型的多样性，可以实时向区块链网络交通事故分析模型中更新其他类型的交通事故分析模型。

步骤S103，根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

由于交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型，通过交通事故分析模型对交通事故现场数据进行分析，查找与交通事故类型相匹配的交通事故类型，交通事故处理结果通常会涉及多个处理方，例如，向警方、保险公司、车辆维修站，进一步获取交通事故类型对应的处理方信息，根据交通事故类型对应的处理方信息，生成用于多方确认的交通事故处理结果。

现有技术在交通事故发生后需要警方、事故当事人、保险公司等多方对事故现场进行勘察，确认交通事故责任，并及时疏导交通，从而实现对交通事故的处理。对于本发明实施例，通过将交通事故现场数据汇总到区块链网络，区块链网络对交通事故现场数据进行分析，即可初步得到交通事故定责以及赔偿方案，无需警方现场勘查交通，也无需保险公司人员到现场确定理赔方案，大大节省了处理方时间。

通过本发明，将交通事故现场数据存储至区块链网络中，由于区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型，根据交通事故分析模型对事故现场数据进行分析，生成用于多方确认的交通事故处理结果。与现有技术通过将事故现场采集到的图片上传至警方以及保险公司的交通事故处理方法相比，本发明实施例通过区块链网络中预先训练的各类交通事故分析模型对事故现场数据进行分析，使得交通数据可以迅速得到共享，无需多方费时协调皆可以得到满意的解决方案，从而提高交通事故的处理速度。

图2是根据本发明优选实施例的交通事故的处理方法的流程图，如图2所示，该方法包括以下步骤：

步骤S201，当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据。

其中，不同客户端可以为事故发生处设置的道路摄像头、汽车行车记录仪或者用户终端等具有数据拍摄功能的采集设备。道路摄像头可以对违法车辆进行拍摄，不同道路摄像头具有不同的拍摄功能，例如，卡口摄像头主要用来测速，拍摄车辆超速行为，球状摄像头主要用来拍摄车辆停止行为；汽车行车记录仪通过数字视频记录并循环更新车前、车内、周围的路面情况，可以在车辆配装、违规超车导致的追尾、伤人等交通事故时，记录仪提供证据记录材料，实现画面回放；用户终端主要用来实时拍摄事故现场图片或者视频数据，可以根据用户实际需求放大拍摄事故细节，例如用户车辆剐蹭痕迹的细节图，或者车辆尾灯破碎的细节图等，本发明实施例对上述采集设备不进行限定。

对于本发明实施例，当监控到交通事故发生时，为了对交通事故进行责任判定以及后续的赔偿处理，通过调取不同客户端采集的交通事故现场数据，可以得到事故现场全方位的数据，以便于准确判断交通事故并对交通事故进行处理。

步骤S202，从所述交通事故现场数据中提取出记录交通事故时间信息的时间戳。

对于本发明实施例，不同客户端在采集交通事故现场数据过程中会记录事故时间信息，这里的事故时间信息用来记录数据发生的各个时间点，可以作为用于标识事故时间信息的时间戳，通常情况下，每间隔1分钟记录一次事故数据，当然也可以在数据采集之前设置设备记录事故数据的时间间隔，本发明实施例不进行限定。

本发明实施例从交通事故现场数据中提取出记录交通事故时间信息的时间戳，通过时间戳的先后顺序将交通事故现场数据串连起来，以便于对交通事故现场数据进行分析。

步骤S203，利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据。

由于上传至区块链网络中的交通事故现场数据为不同客户端上传的数据，为了对交通事故现场数据进行区分，在不同客户端上传交通事故现场数据的过程中会携带不同的客户端标识，例如，用户终端标识、汽车驾驶记录仪标识等。另外，不同客户端上传的交通事故现场数据之间可能具有一定的关联性，例如，不同客户端上传的交通事故现场数据对应的拍摄角度有所不同，不同客户端上传的交通事故现场数据对应的拍摄时间有所不同，由于不同客户端上传的交通事故现场数据可能具有相同的时间戳，相同的时间戳对应的交通事故现场数据中可能存在虚假数据或者错误数据，所以利用区块链网络的共识机制对相同时间戳对应的不同客户端上传的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据。

其中，共识机制是区块链网络中用于验证区块内数据一致性的方式，由于每个区块都记录有相同时间戳对应的交通事故现场数据，当接收到同一相同时间戳的不同事故现场数据时，通过共识机制来验证该时间戳的事故现场数据的一致性，使得该时间戳的事故现场数据达成共识，从而确定该时间戳对应的事故现场数据，保证相同时间戳的事故现场数据之间具有一致性，

需要说明的是，不同的共识机制具有不同的实现方式，例如，工作量证明的共识机制依赖机器进行数据运算，证明节点工作量；权益证明的共识机制根据持有数据的量和时间，进行节点权益分配，本发明实施例对共识机制的选取不进行限定，具有可以根据实际应用场景选择合适的共识机制。

具体工作量证明的共识机制主要是让相同时间戳对应不同客户端上传的交通事故现场数据共同参与验证，该算法中相同时间戳对应不同客户端上传的交通现场事故数据需要使用一定的运算资源处理同一个条件的Hashcash计算，哪个客户端上传的交通事故现场数据先计算出来，则区块归属于相同该客户端上传的交通事故现场数据，相同时间戳对应其他客户端上传的交通现场事故数据需要达成共识。

具体权益证明的共识机制主要是通过获取不同客户端上传的交通事故现场数据的数据量，客户端上传的交通事故现场数据的数据量越大，则说明该客户端会得到奖励，拥有更多的区块，则区块归属于相同时间戳该客户端上传的交通事故现场数据的数据，相同时间戳对应其他客户端上传的交通现场事故数据需要达成共识。

对于本发明实施例，利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，解决了区块链如何在分布式场景下达成一致性的问题，保证了区块之间交通事故现场数据之间的一致性。

步骤S204，按照所述时间戳顺序将相同时间戳达成共识的交通事故现场数据记录至区块链中的同一区块上。

这里的时间戳为记录交通事故现场数据的时间信息，可以作为区块链网络中不同区块的时间标识，区块链网络结构中包含有多个区块文件，一个区块文件中记录相同时间戳达成共识的交通事故现场数据，且未被其他在先区块记录，进一步按照时间戳的顺序将相同时间戳达成共识的交通事故现场数据记录至区块链中的同一区块上，一旦将交通事故现场数据记录到区块中，则无法改变或者删除。

其中，每个区块由区块链头和区块体组成，每个区块链头包含区块元信息，如版本号、前一区块的哈希值、时间戳等信息，同时包含一个指向前一个区块链头哈希值的指针，这个指针是防止区块链网络被篡改的关键信息，区块体包含了交通事故现场数据。

需要说明的是，整个区块链网络起决定性作用的是区块头，在区块与其他区块之间进行数据传输的过程中，通过区块链头中的指针将区块链网络中各个区块组合起来，构成一个容易验证、不可更改的交通数据记录本。

步骤S208、通过将所述交通事故现场数据输入至所述交通事故分析模型，识别出与所述交通事故现场数据相匹配的交通事故类型。

对于本发明实施例，由于交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型，具体通过交通事故分析模型可以识别出交通事故现场数据对应的交通事故类型，无需交警进行事故现场勘察，提高了交通事故处理速度。

步骤S209，根据所述交通事故类型查找交通事故现场数据对应的处理方信息。

由于不同交通事故类型对应的交通事故处理方、交通事故定责方式、交通事故理赔方案等交通事故对应处理方信息有所不同，需要查找与交通事故类型相匹配的交通事故处理方信息，进而由交通事故处理方来对交通事故进行处理，例如，车辆追尾交通事故的交通事故处理方涉及双方事故当事人、警察以及保险公司等。

本发明实施例通过交通事故分析模型查找与交通事故现场数据相匹配的交通事故类型，针对不同交通事故类型通知相应交通事故处理方来进行交通事故处理，当然也可以在发生交通事故的第一时间内初步生成交通事故处理方案提供给交通事故处理方，提高交通事故处理速度。

步骤S210，将所述交通事故现场数据对应的处理方信息填入预设报告模板中，生成用于多方确认的交通事故处理结果。

其中，预设报告模板可以记录交通事故类型、事故当事人、事故责任方等信息，根据不同交通事故处理结果可以设定不通的报告模板，例如，警方处理方需要了解交通事故类型以及交通事故当事人等信息，则生成警方处理方的交通事故处理结果主要包括事故类型、事故责任方以及事故当事人等信息，而保险公司处理方需要了解交通事故责任以便对后续理赔判定，则生成保险公司处理方的交通事故处理结果主要包括事故责任方以及事故当事人信息、事故理赔方案等。

当然为了方便进一步了解交通事故的细节信息，该交通事故处理结果还可以记录交通事故的时间信息、位置信息，时间信息可以为交通事故发生时间、车辆碰撞时间等，位置信息可以为车辆碰撞位置、事故红绿灯位置等，当然如果事故肇事者或者事故受伤者为人物或者车辆等，该交通事故处理结果还可以记录事故肇事者或者事故受伤者的标识信息，如人物名称、车牌号码、道路标记等信息。

步骤S211，将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

需要说明的是，如果交通事故涉案方为单方，如逆向行驶、冲入绿化带等单方驾驶人员的交通事故类型，并且车辆并无任何损伤，该交通事故类型不涉及保险公司理赔，则无需保险公司确认，无需生成用于保险公司确认的交通事故处理结果，也无需向保险公司发送交通事故处理结果。

通过本发明实施例，将交通事故现场数据存储至区块链网络中，由于区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型，根据交通事故分析模型对事故现场数据进行分析，生成用于多方确认的交通事故处理结果。与现有技术通过将事故现场采集到的图片上传至警方以及保险公司的交通事故处理方法相比，本发明实施例通过区块链网络中预先训练的各类交通事故分析模型对事故现场数据进行分析，使得交通数据可以迅速得到共享，无需多方费时协调皆可以得到满意的解决方案，从而提高交通事故的处理速度。

需要说明的是，在执行步骤S208之前，需要构建交通事故分析模型，具体可以通过下述步骤S205至步骤S207实现，当然构建交通事故分析模型的过程并不限定在步骤S201至步骤S204之后执行，如图3所示，具体构建交通事故分析模型的包括以下步骤：

步骤S205，将预先收集的各类交通事故现场数据，并根据交通事故类型对交通事故现场数据进行标记，得到携带交通事故类型标签的交通事故现场数据。

对于本发明实施例，预先收集的各类交通事故现场数据可以为追尾事故现场数据、转弯事故现场数据或者超车事故现场数据等，具体可以包括交通事故类型、交通事故当事人、交通事故处理人、交通事故处理处理流程以及交通事故赔偿方案等，在此不进行限定。

需要说明的是，为了提高交通事故分析模型的准确度，需要交通事故现场数据的样本尽可能大、数据多样化，以保证输出的交通事故分析结果中包含更多的交通事故类型，进而更接近实际情况。

由于不同交通事故类型对应的交通事故现场数据不同，根据交通事故类型对交通事故现场数据进行标记，得到携带有不同交通事故类型标签的交通事故现场数据，如标记闯红灯交通事故类型的交通事故现场数据，标记追尾事故类型的交通事故现场数据等。

步骤S206，将所述携带交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练，得到交通事故分析模型。

具体采用网络训练模型对各类交通事故现场数据进行训练，可以采用有监督式学习算法或者无监督式学习算法，当然还可以采用深度神经网络学习算法，本发明实施例对具体的机器学习算法不进行限定，具体可以根据实际情况进行选取。

对于本发明实施例，这里的网络模型为多层结构，将携带有不同交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练具体可以包括：通过网络训练模型第一层结构提取各类交通事故现场数据对应的局部行为特征，通过网络训练模型第二层结构汇总各类交通事故现场数据对应的局部行为特征，得到多维度的局部行为特征，通过网络训练模型第三层结构对多维度的局部行为特征进行降维处理，得到各类交通事故对应的违法行为特征，通过网络训练模型第四层结构对各类交通事故对应的违法行为特征进行分类，得到识别各类交通事故类型的交通事故分析模型。

由于交通事故分析模型中记录有交通事故现场数据与不同交通事故类型的映射关系，通过交通事故分析模型可以识别交通事故现场数据对应的交通事故类型。

步骤S207，将所述交通事故分析模型进行加密并登记至区块链网络中。

对于本发明实施例，通过网络模型可以训练出交通事故分析模型，由于交通事故分析模型为针对不同交通事故类型的交通事故现场数据所构建的，并非所有客户端都有使用交通事故现场模型分析交通事故现场数据的权限，为了保证交通事故分析模型的安全性，在将交通事故分析模型封装登记到区块链网络中之前，需要对交通事故分析模型进行加密，只有经过解密验证的客户端才可以对上传的交通事故现场数据进行分析，而其他客户端无法对交通事故现场数据进行分析。

具体可以在使用交通事故分析模型对交通事故现场数据分析之前，会预先将解密密钥发送至具有使用权限的上传客户端，具有使用权限的上传客户端根据解密密钥对交通事故分析模型进行解密，进而使用交通事故分析模型对交通事故现场数据进行分析，而不具有使用权限的客户端时无法获取解密密钥的，无法使用交通事故分析模型对交通事故现场数据进行分析。

图4是根据本发明实施例的一种交通事故的处理装置的结构框图。参照图4，该装置包括调取单元31，存储单元32和生成单元33。

调取单元31，可以用于当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

存储单元32，可以用于将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型；

生成单元33，可以用于根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

通过本发明，将交通事故现场数据存储至区块链网络中，由于区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型，根据交通事故分析模型对事故现场数据进行分析，生成用于多方确认的交通事故处理结果。与现有技术通过将事故现场采集到的图片上传至警方以及保险公司的交通事故处理方法相比，本发明实施例通过区块链网络中预先训练的各类交通事故分析模型对事故现场数据进行分析，使得交通数据可以迅速得到共享，无需多方费时协调皆可以得到满意的解决方案，从而提高交通事故的处理速度。

作为图4中所示交通事故的处理装置的进一步说明，图5是根据本发明实施例另一种交通事故的处理装置的结构示意图，如图5所示，该装置还包括：

标记单元34，可以用于在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之前，将预先收集的各类交通事故现场数据，并根据交通事故类型对交通事故现场数据进行标记，得到携带交通事故类型标签的交通事故现场数据；

训练单元35，可以用于将所述携带交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练，得到交通事故分析模型，所述交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型；

登记单元36，可以用于将所述交通事故分析模型进行加密并登记至区块链网络中。

发送单元37，可以用于在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之后，将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

进一步地，所述存储单元32包括：

提取模块321，可以用于从所述交通事故现场数据中提取出记录交通事故时间信息的时间戳；

记录模块322，可以用于按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上。

进一步地，所述存储单元32还包括：

验证模块323，可以用于在所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上之前，利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据；

所述记录模块322，具体可以用于按照所述时间戳顺序将相同时间戳达成共识的交通事故现场数据记录至所述区块链中的同一区块上。

进一步地，所述网络训练模型为多层结构，所述训练单元35包括：

提取模块351，可以用于通过网络训练模型第一层结构提取各类交通事故现场数据对应的局部行为特征；

汇总模块352，可以用于通过网络训练模型第二层结构汇总各类交通事故现场数据对应的局部行为特征，得到多维度的局部行为特征；

处理模块353，可以用于通过网络训练模型第三层结构对所述多维度的局部行为特征进行降维处理，得到各类交通事故对应的违法行为特征；

分类模块354，可以用于通过网络训练模型第四层结构对所述各类交通事故对应的违法行为特征进行分类，得到识别各类交通事故类型的交通事故分析模型。

进一步地，，所述生成单元33包括：

识别模块331，可以用于通过将所述交通事故现场数据输入至所述交通事故分析模型，识别出与所述交通事故现场数据相匹配的交通事故类型；

查找模块332，可以用于根据所述交通事故类型查找交通事故现场数据对应的处理方信息；

生成模块333，可以用于将所述交通事故现场数据对应的处理方信息填入预设报告模板中，生成用于多方确认的交通事故处理结果。

图6是根据一示例性实施例示出的一种交通事故的处理装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，I/O(Input/Output，输入/输出)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如SRAM(Static Random Access Memory,静态随机存取存储器)，EEPROM(Electrically-Erasable Programmable Read-Only Memory,电可擦除可编程只读存储器)，EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)，PROM(Programmable Read-Only Memory,可编程只读存储器)，ROM(Read-OnlyMemory,只读存储器)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理***，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。

多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括LCD(Liquid Crystal Display，液晶显示器)和TP(TouchPanel，触摸面板)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个MIC(Microphone,麦克风)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物)或CCD(Charge-coupled Device，电荷耦合元件)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括NFC(NearField Communication,近场通信)模块，以促进短程通信。例如，在NFC模块可基于RFID(Radio FrequencyIdentification,射频识别)技术，IrDA(Infra-red Data Association,红外数据协会)技术，UWB(Ultra Wideband,超宽带)技术，BT(Bluetooth,蓝牙)技术和其他技术来实现。

在示例性实施例中，装置400可以被一个或多个ASIC(Application SpecificIntegrated Circuit,应用专用集成电路)、DSP(Digital signal Processor,数字信号处理器)、DSPD(Digital signal Processor Device，数字信号处理设备)、PLD(ProgrammableLogic Device,可编程逻辑器件)、FPGA)(Field Programmable Gate Array,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述交通事故的处理方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器)、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由交通事故的处理装置的处理器执行时，使得交通事故的处理装置能够执行上述交通事故的处理方法。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种交通事故的处理方法，其特征在于，所述方法包括：

当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有用于分析各类交通事故现场数据的交通事故分析模型；

根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述交通事故现场数据存储至区块链网络中包括：

从所述交通事故现场数据中提取出记录交通事故时间信息的时间戳；

按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上。

3.根据权利要求2所述的方法，其特征在于，在所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上之前，所述方法还包括：

利用区块链网络的共识机制对相同时间戳对应的交通事故现场数据进行一致性验证，得到相同时间戳达成共识的交通事故现场数据；

所述按照所述时间戳的顺序将相同时间戳对应的交通事故现场数据记录至所述区块链网络中的同一区块上包括：

按照所述时间戳顺序将相同时间戳达成共识的交通事故现场数据记录至所述区块链中的同一区块上。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之前，所述方法还包括：

将预先收集的各类交通事故现场数据，并根据交通事故类型对交通事故现场数据进行标记，得到携带交通事故类型标签的交通事故现场数据；

将所述携带交通事故类型标签的交通事故现场数据作为样本数据输入至网络训练模型中进行训练，得到交通事故分析模型，所述交通事故分析模型中记录有与交通事故现场数据相匹配的交通事故类型；

将所述交通事故分析模型进行加密并登记至区块链网络中。

5.根据权利要求4所述的方法，其特征在于，所述网络训练模型为多层结构，所述将预先收集的各类交通事故现场数据分别输入至网络训练模型中进行训练，得到交通事故分析模型包括：

通过网络训练模型第一层结构提取各类交通事故现场数据对应的局部行为特征；

通过网络训练模型第二层结构汇总各类交通事故现场数据对应的局部行为特征，得到多维度的局部行为特征；

通过网络训练模型第三层结构对所述多维度的局部行为特征进行降维处理，得到各类交通事故对应的违法行为特征；

通过网络训练模型第四层结构对所述各类交通事故对应的违法行为特征进行分类，得到识别各类交通事故类型的交通事故分析模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果包括：

通过将所述交通事故现场数据输入至所述交通事故分析模型，识别出与所述交通事故现场数据相匹配的交通事故类型；

根据所述交通事故类型查找交通事故现场数据对应的处理方信息；

将所述交通事故现场数据对应的处理方信息填入预设报告模板中，生成用于多方确认的交通事故处理结果。

7.根据权利要求1-6中任一项所述的方法，其特征在于，在所述根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果之后，所述方法还包括：

将所述用于多方确认的交通事故处理结果发送至相应的处理方，以便所述处理方根据所述交通事故处理结果对交通事故进行处理。

8.一种交通事故的处理装置，其特征在于，所述装置包括：

调取单元，用于当监控到交通事故发生时，调取不同客户端采集的交通事故现场数据；

存储单元，用于将所述交通事故现场数据存储至区块链网络中，所述区块链网络中预先封装有各类交通事故分析模型；

生成单元，用于根据所述交通事故分析模型对所述交通事故现场数据进行分析，生成用于多方确认的交通事故处理结果。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。