申请/专利权人：东南大学

申请日：2022-02-28

公开（公告）日：2024-06-28

公开（公告）号：CN114611773B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06F18/24;G06F18/243;G06F18/22;G06N3/0442;G06N3/045;G06N3/0464;G06N5/01;G06N7/02;G06F16/903

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本申请涉及一种潜在风险预测与多重惩戒机制嵌套的抛洒车辆处置方法。该方法包括：获取历史抛洒物事故数据并构建抛洒事件潜在风险预测模型；实时对道路上的车辆进行抛洒事件监测；当监测到抛洒事件时，获取目标抛洒车辆的车牌号码、抛洒事件的抛洒物属性、抛洒发生路段交通特性和抛洒发生路段环境特性；将抛洒事件的抛洒物属性、抛洒发生路段交通特性和抛洒发生路段环境特性输入到抛洒事件潜在风险预测模型中，输出初始的潜在风险等级预测结果；根据目标抛洒车辆的历史抛洒记录进行分析和计算，利用基于惩戒机制的风险等级修正模型修正初始的潜在风险等级预测，输出目标抛洒车辆的处置建议并备案。提高抛洒车辆违规成本，减少路面抛洒事件的发生。

主权项：1.一种潜在风险预测与多重惩戒机制嵌套的抛洒车辆处置方法，其特征在于，所述方法包括：步骤1：从交管部门获取历史抛洒物事故数据，所述历史抛洒物事故数据包括历史抛洒物事故中的抛洒物属性、抛洒发生路段交通特性、抛洒发生路段道路环境特性和历史抛洒事件所致事故严重程度；步骤2：利用预处理后的所述历史抛洒物事故数据抽取分类知识，通过计算路面抛洒物风险特征的模糊增益生长决策结点和枝叶，直到生长停止，建立决策树；利用改进特征损益函数的神经网络算法对所述决策树的叶节点进行局部决策，得到最终分类规则，得到抛洒事件潜在风险预测模型；步骤3：实时对道路上的车辆进行抛洒事件监测；步骤4：当监测到抛洒事件时，获取目标抛洒车辆的车牌号码、所述抛洒事件的抛洒物属性、抛洒发生路段交通特性和抛洒发生路段环境特性；步骤5：将所述抛洒事件的抛洒物属性、抛洒发生路段交通特性和抛洒发生路段环境特性输入到抛洒事件潜在风险预测模型中，输出初始的潜在风险等级预测结果；步骤6：在历史数据库中选取历史抛洒记录，比对该历史抛洒记录的车牌号码与所述目标抛洒车辆的车牌号码是否一致，若不一致，返回执行步骤6继续选取下一条历史记录继续比对；直至对比完历史数据库中所有的历史抛洒记录都未比对到与所述目标抛洒车辆的车牌号码一致时，将所述初始的潜在风险等级预测结果输入基于惩戒机制的风险等级修正模型，根据所述初始的潜在风险等级预测结果，输出所述目标抛洒车辆的处置建议并备案；若一致，执行步骤7；步骤7：判断该历史抛洒记录安全风险的显隐性，当该历史抛洒记录的安全风险为显性时，则计算抛洒事件与该历史抛洒事件的风险等级比，返回执行步骤6选取下一条历史记录继续比对；当该历史抛洒记录的安全风险为隐性时，则计算抛洒事件与该历史抛洒事件特征对应维度下输出向量之间的距离，返回执行步骤6选取下一条历史记录继续比对，直至比完历史数据库中所有的历史抛洒记录，执行步骤8；步骤8：判断存在安全风险为隐性的历史抛洒记录条数，若为0条，执行步骤9，若为1条，根据第一事件相似度计算方法计算事件相似度后，执行步骤9；若大于1条，根据第二事件相似度计算方法计算事件相似度后，执行步骤9；步骤9：将所述初始的潜在风险等级预测结果输入基于惩戒机制的风险等级修正模型，基于惩戒机制的风险等级修正模型结合基于孪生网络融合相似度算法计算所得抛洒事件与目标抛洒车辆的隐性历史抛洒事件的相似度、抛洒事件与目标抛洒车辆的隐性历史抛洒事件风险等级比、目标抛洒车辆的历史抛洒事件的数量、目标抛洒车辆的历史抛洒事件的显隐性，计算惩戒建议总分，对所述初始的潜在风险等级预测结果进行修正，并输出所述目标抛洒车辆的处置建议并备案。

全文数据：

权利要求：

百度查询： 东南大学 潜在风险预测与多重惩戒机制嵌套的抛洒车辆处置方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD