CN108242181A - 一种信息预警处理方法及服务器 - Google Patents

Abstract

本发明公开了一种信息预警处理方法及服务器，其中，所述方法包括：接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；提取针对不同时间段和区域的分类预警模型；将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；根据得到的不同分类预警结果针对性的反馈对应的信息预警。

Description

一种信息预警处理方法及服务器

技术领域

本发明涉及信息处理技术，尤其涉及一种信息预警处理方法及服务器。

背景技术

信息处理的一种场景中，为了避免交通事故，提高安全行驶的安全等级，需要对驾驶员的酒驾行为进行检测，以便进行提前预警。现有技术中，主要是对酒驾行为进行人工检测、或通过酒精浓度传感器进行检测并告警的方式进行。1)在人工检测时，警察通过随机拦截车辆，对驾驶员血液中的酒精含量进行检测，来判断驾驶员是否是饮酒或醉酒驾驶，并在驾驶员处于饮酒或醉酒驾驶状态时，禁止驾驶员继续驾驶车辆。2)在通过酒精浓度传感器进行检测并报警的方式中，在车辆内安装酒精浓度传感器检测酒精浓度，当检测到的酒精浓度达到中量饮酒或醉酒标准时，向监控服务器发送酒驾告警信息，以使监控服务器根据酒驾告警信息控制车辆中的电路处于切断状态，使车辆停止行驶。

采用上述现有技术存在的缺点为：一方面，对酒驾行为进行人工检测的方式，由于对车辆随机进行拦截，再采用酒驾检测仪判断驾驶员是否酒驾，有可能造成漏检现象，导致酒驾行为的监测效率低。并且在检测出处于饮酒状态就禁止驾驶员继续驾驶车辆缺乏合理性。因为不同的驾驶员在饮酒后的清醒状态不同。另一方面，通过酒精浓度传感器进行检测并告警的方式，由于在检测车辆内酒精浓度时，并未确定检测到的酒精浓度是否为驾驶员导致的，当并非驾驶员导致酒精浓度超标时，造成对酒驾行为的错误检测，在错误检测后使车辆停止行驶，给驾驶员造成不便。并且在检测出酒精浓度超标后，随即停止车辆行驶，可能造成周边车辆未能及时作出反应，导致交通事故。

综上所述，目前亟需一种对酒驾行为进行全面分析的信息预警处理方案，以准确确定由于酒驾是否会导致交通事故，并对可能导致交通事故的车辆进行合理指导。然而，相关技术中，对于该问题，尚无有效解决方案。

发明内容

有鉴于此，本发明实施例希望提供一种信息预警处理方法及服务器，至少解决了现有技术存在的问题。

本发明实施例的技术方案是这样实现的：

本发明实施例的一种信息预警处理方法，所述方法包括：

接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；

提取针对不同时间段和区域的分类预警模型；

将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；

根据得到的不同分类预警结果针对性的反馈对应的信息预警。

上述方案中，所述方法还包括：

在终端获取到酒精浓度信息以触发指定信息检测后，接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；

对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端。

上述方案中，所述接收用于信息预警分析的至少一个特征信息还包括：

在终端获取到驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息。

上述方案中，所述方法还包括：

接收终端发送的当前驾驶时间信息和车辆位置信息；

将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，具体为：将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

上述方案中，所述根据得到的不同分类预警结果针对性的反馈对应的信息预警，包括：

当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端；

当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

上述方案中，所述将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，包括：

获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；

将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；

将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；

当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警；

当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。

本发明实施例一种服务器，所述服务器包括：

通信单元，用于与终端进行通信，以接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；

预警单元，用于提取针对不同时间段和区域的分类预警模型；将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；根据得到的不同分类预警结果针对性的反馈对应的信息预警。

上述方案中，所述通信单元，进一步用于：

在终端获取到酒精浓度信息以触发指定信息检测后，接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；

对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端。

上述方案中，所述通信单元，进一步用于：

在终端获取到驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息。

上述方案中，所述通信单元，进一步用于：

接收终端发送的当前驾驶时间信息和车辆位置信息；

所述预警单元，进一步用于：

将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

上述方案中，所述预警单元，进一步用于：

当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端；

当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

上述方案中，所述预警单元，进一步用于：

获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；

将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；

将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；

当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警；

当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。

本发明实施例的信息预警处理方法包括：接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；提取针对不同时间段和区域的分类预警模型；将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；根据得到的不同分类预警结果针对性的反馈对应的信息预警。

采用本发明实施例，由于是将用于信息预警分析的至少一个特征信息得到的综合信息与分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，根据得到的不同分类预警结果针对性的反馈对应的信息预警，而不是一概作为酒驾行为处理并指导用户停止车辆的行驶，因此，可以准确确定由于酒驾是否会导致交通事故，并对可能导致交通事故的车辆进行合理指导，能最大限度的保证交通安全。

附图说明

图1为本发明实施例一的方法实现流程图；

图2a-2b为应用本发明实施例一应用场景的酒驾行为分析及处理流程图；

图3为应用本发明实施例一应用场景的获取优化分类模型及确定驾驶员的酒驾行为是否会发生交通事故的流程图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

实施例一：

本发明实施例的一种信息预警处理方法，如图1所示，应用于服务器，所述方法包括：

步骤101、接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；

步骤102、提取针对不同时间段和区域的分类预警模型；

步骤103、将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；

步骤104、根据得到的不同分类预警结果针对性的反馈对应的信息预警。

采用本发明实施例，通过上述步骤101-104，将至少包括用户行为信息、时间信息和车辆周边的区域信息的该至少一个特征信息进行综合考虑，将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，而不是一概认定为会发生交通事故。经过是否会发生交通事故的判断，得到“会发生交通事故的信息预警”或“不会发生交通事故的信息预警”，根据得到的不同分类预警结果针对性的反馈对应的信息预警比如，综合多个酒驾行为的特征信息，对该驾驶员的酒驾行为进行是否发生交通事故的预测，在预测出是否发生交通事故的结果后，根据预测结果的不同，对酒驾行为进行不同的指导，在保证周边环境车辆安全的情况下，最大限度的保证驾驶员的安全。

实施例二：

本发明实施例的一种信息预警处理方法，应用于服务器，所述方法包括：

步骤201、在终端获取到酒精浓度信息以触发指定信息检测后，服务器接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；

步骤202、服务器对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端；

步骤203、接收用于信息预警分析的至少一个特征信息；

这里，本步骤具体为：终端获取到酒精浓度信息、驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，服务器接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息；

步骤204、服务器接收终端发送的当前驾驶时间信息和车辆位置信息；

步骤205、服务器提取针对不同时间段和区域的分类预警模型；

步骤206、服务器将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配；

这里，本步骤具体为：将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

步骤207、服务器根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，根据得到的不同分类预警结果针对性的反馈对应的信息预警。

采用本发明实施例，通过上述步骤201-207，将至少包括用户行为信息、时间信息和车辆周边的区域信息的该至少一个特征信息进行综合考虑。其中，该至少一个特征信息包括：酒精浓度信息、驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，服务器接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息等。将根据该至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，而不是一概认定为会发生交通事故。经过是否会发生交通事故的判断，得到“会发生交通事故的信息预警”或“不会发生交通事故的信息预警”，根据得到的不同分类预警结果针对性的反馈对应的信息预警比如，综合多个酒驾行为的特征信息，对该驾驶员的酒驾行为进行是否发生交通事故的预测，在预测出是否发生交通事故的结果后，根据预测结果的不同，对酒驾行为进行不同的指导，在保证周边环境车辆安全的情况下，最大限度的保证驾驶员的安全。

基于上述各个实施例，在本发明实施例一实施方式中，根据得到的不同分类预警结果针对性的反馈对应的信息预警，包括如下两种情况：

情况一，当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端。

情况二，当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

基于上述各个实施例，在本发明实施例一实施方式中，将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，包括如下内容：

一，获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；

二，将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；

三，将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；

四，当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警；

五，当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。

实施例三：

本发明实施例的一种服务器，所述服务器包括：通信单元，用于与终端进行通信，以接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；预警单元，用于提取针对不同时间段和区域的分类预警模型；将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；根据得到的不同分类预警结果针对性的反馈对应的信息预警。在实际应用中，所述服务器可以为监控服务器，监控服务器包括通信模块，交通事故预测模块。其中，通信模块，用于与酒驾行为检测指导终端通信；交通事故预测模块，用于根据驾驶员的酒驾行为特征信息，采用优化后的分类模型对该驾驶员的酒驾行为进行分类，获取到该驾驶员的酒驾行为是否会引发交通事故。在交通事故预测模块中，预先存储了多个针对不同时间段和区域的优化后的分类模型。服务器侧，除了包括监控服务器，还可以包括云端服务器：用于获取车辆周边的路况，餐馆，酒吧信息等。

这里需要指出的是，服务器测的通信单元与终端侧的通信单元进行通信，以接收用于信息预警分析的至少一个特征信息，具体可以是从终端侧的以下传感器或模块上报的特征信息，如下举例描述。

在一个实际应用中，该终端可以为酒驾行为检测指导终端。该酒驾行为检测指导终端包括：计时模块，酒精浓度传感器，心跳传感器，摄像头，疲劳状态检测模块，车辆行驶状态检测模块，终端定位模块，终端侧的通信模块，存储芯片。

1)计时模块，用于对车辆处于驾驶或停止状态的时间进行计时。

2)酒精浓度传感器：用于采集驾驶室内空气中的酒精浓度。

3)心跳传感器：用于采集驾驶员在驾驶状态下的心跳频率。

4)摄像头：用于实时获取驾驶员在驾驶状态下的头部视频信息，并发送给疲劳状态检测模块。

5)疲劳状态检测模块：用于根据摄像头发送的驾驶员在驾驶状态下的头部视频信息，获取驾驶员的眨眼频率及头部晃动频率。

6)车辆行驶状态检测模块，用于检测车辆在预设时长内的行驶方向改变次数。

7)终端定位模块：用于获取车辆位置。

8)通信模块：用于与云端服务器、监控服务器通信。

9)存储芯片：用于存储驾驶员的住所信息。

采用本发明实施例，将至少包括用户行为信息、时间信息和车辆周边的区域信息的该至少一个特征信息进行综合考虑，将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，而不是一概认定为会发生交通事故。经过是否会发生交通事故的判断，得到“会发生交通事故的信息预警”或“不会发生交通事故的信息预警”，根据得到的不同分类预警结果针对性的反馈对应的信息预警比如，综合多个酒驾行为的特征信息，对该驾驶员的酒驾行为进行是否发生交通事故的预测，在预测出是否发生交通事故的结果后，根据预测结果的不同，对酒驾行为进行不同的指导，在保证周边环境车辆安全的情况下，最大限度的保证驾驶员的安全。

在本发明实施例一实施方式中，位于服务器侧的所述通信单元，进一步用于：在终端获取到酒精浓度信息以触发指定信息检测后，接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端。

在本发明实施例一实施方式中，位于服务器侧的所述通信单元，进一步用于：在终端获取到驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息。

在本发明实施例一实施方式中，位于服务器侧的所述通信单元，进一步用于：接收终端发送的当前驾驶时间信息和车辆位置信息。所述预警单元，进一步用于：将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

在本发明实施例一实施方式中，所述预警单元，进一步用于：当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端；当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

在本发明实施例一实施方式中，所述预警单元，进一步用于：获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警，当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。

以一个现实应用场景为例对本发明实施例阐述如下：

信息处理中，为了避免交通事故，提高安全行驶的安全等级，需要对驾驶员的酒驾行为进行检测，以便进行提前预警。现有技术中，采用对酒驾行为进行人工检测的方式，由于对车辆随机进行拦截，再采用酒驾检测仪判断驾驶员是否酒驾，有可能造成漏检现象，导致酒驾行为的监测效率低。并且在检测出处于饮酒状态就禁止驾驶员继续驾驶车辆缺乏合理性。因为不同的驾驶员在饮酒后的清醒状态不同。采用通过酒精浓度传感器进行检测并告警的方式，由于在检测车辆内酒精浓度时，并未确定检测到的酒精浓度是否为驾驶员导致的，当并非驾驶员导致酒精浓度超标时，造成对酒驾行为的错误检测，在错误检测后使车辆停止行驶，给驾驶员造成不便。并且在检测出酒精浓度超标后，随即停止车辆行驶，可能造成周边车辆未能及时作出反应，导致交通事故。

对于上述场景和所存在的问题，采用本发明实施例，可以为一种酒驾行为分析及处理方案，综合了多个酒驾行为的特征信息，对该驾驶员的酒驾行为进行是否发生交通事故的预测，在预测出是否发生交通事故的结果后，根据预测结果的不同，对酒驾行为进行不同的指导，在保证周边环境车辆安全的情况下，最大限度的保证驾驶员的安全。对酒驾行为分析及处理方案具体描述如下。

(一)、系统组网中所包括的各网元，对其进行说明如下：

酒驾行为检测指导终端，包括：计时模块，酒精浓度传感器，心跳传感器，摄像头，疲劳状态检测模块，车辆行驶状态检测模块，终端定位模块，通信模块，存储芯片。

计时模块，用于对车辆处于驾驶或停止状态的时间进行计时。

酒精浓度传感器：用于采集驾驶室内空气中的酒精浓度。

心跳传感器：用于采集驾驶员在驾驶状态下的心跳频率。

摄像头：用于实时获取驾驶员在驾驶状态下的头部视频信息，并发送给疲劳状态检测模块。

疲劳状态检测模块：用于根据摄像头发送的驾驶员在驾驶状态下的头部视频信息，获取驾驶员的眨眼频率及头部晃动频率。

车辆行驶状态检测模块，用于检测车辆在预设时长内的行驶方向改变次数。

终端定位模块：用于获取车辆位置。

通信模块：用于与云端服务器、监控服务器通信。

存储芯片：用于存储驾驶员的住所信息。

云端服务器：用于获取车辆周边的路况，餐馆，酒吧信息等。

监控服务器：包括通信模块，交通事故预测模块。

通信模块，用于与酒驾行为检测指导终端通信。

交通事故预测模块：用于根据驾驶员的酒驾行为特征信息，采用优化后的分类模型对该驾驶员的酒驾行为进行分类，获取到该驾驶员的酒驾行为是否会引发交通事故。

在交通事故预测模块中，预先存储了多个针对不同时间段和区域的优化后的分类模型。

(二)、应用场景一：酒驾行为分析及处理流程，如图2a-2b所构成的完整流程图所示，该方法包括以下步骤：

步骤S301，在车辆驾驶时，酒驾行为检测指导终端通过酒精浓度传感器获取空气中的酒精浓度。

本实施例中，为了更准确的采集空气中的酒精浓度，将酒精浓度传感器装在驾驶员驾驶位置，如安装在方向盘周围或驾驶员车门侧等。

步骤S302，当酒驾行为检测指导终端获取到空气中具有酒精时，酒驾行为检测指导终端获取当前时间，及满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息。

具体地，酒驾行为检测指导终端可从计时器中获取当前时间及第一时间段内车辆处于停止状态的时间信息。其中，第一时间段可以为从当前驾驶至之前的十二个小时。车辆处于停止状态的时间信息包括：开始停止的时间T_开始及结束停止的时间T_结束。在获取到第一时间段内车辆处于停止状态的时间信息后，从第一时间段内车辆处于停止状态的时间信息中选择满足预设条件的时间信息。预设条件可以表示为式(1)所示：

T_mim≤T_结束-T_开始≤T_max (1)

其中，T_开始表示开始停止的时间，T_结束表示结束停止的时间。T_mim表示预设停止时间段的最小阈值，T_max表示预设停止时间段的最大阈值。预设停止时间段的最小阈值和预设停止时间段的最大阈值可根据饮酒的最小时长和最大时长设定。如T_mim可以设置为半小时，T_max设置为三小时。也可以为其他数值，对其不做限定。

其中，停止位置信息可以从终端定位模块中获取，具体可从终端定位模块的缓存中查找与满足预设条件的停止状态时间信息相对应的车辆位置信息，该车辆位置信息即为停止位置信息。

步骤S303，酒驾行为检测指导终端向云端服务器发送获取停止位置信息周边环境请求。

酒驾行为检测指导终端可通过通信模块向云端服务器发送获取停止位置信息周边环境请求。在获取停止位置信息周边环境请求中携带车辆的停止位置信息及与饮酒相关的位置关键字，如可以为驾驶员的住所，酒吧，餐馆，饭店等。

其中，驾驶员的住所在存储芯片中获取。

步骤S304，云端服务器根据获取停止位置信息周边环境请求，在地图上查找与关键词相关的位置名称，并向酒驾行为检测指导终端发送停止位置信息周边环境响应。

在停止位置信息周边环境响应中携带与关键词相关的位置名称，如可以为“xx小区”、“xx酒吧”、“xx餐馆”等。

步骤S305，酒驾行为检测指导终端获取驾驶员在驾驶状态下的心跳频率、驾驶员的眨眼频率及头部晃动频率、及预设时长内的行驶方向改变次数。

本实施例中，酒驾行为检测指导终端可通过心跳传感器获取驾驶员在驾驶状态下的心跳频率。为了强行使驾驶员佩戴心跳传感器，可将该心跳传感器安装在安全带上的与心脏贴合的位置。

酒驾行为检测指导终端可通过疲劳状态检测模块获取驾驶员的眨眼频率及头部晃动频率。其中，疲劳状态检测模块与摄像头连接，以使摄像头获取驾驶员在驾驶状态下的头部视频信息，并发送给疲劳状态检测模块，疲劳状态检测模块根据摄像头发送的驾驶员在驾驶状态下的头部视频信息，获取驾驶员的眨眼频率及头部晃动频率。

酒驾行为检测指导终端可通过车辆行驶状态检测模块获取车辆在预设时长内的行驶方向改变次数。如在预设时长为2分钟内获取到的行驶方向改变次数为4次。

步骤S306，酒驾行为检测指导终端将车辆行驶时驾驶员的酒驾行为特征信息和当前驾驶时间信息和车辆位置信息发送给监测服务器。

其中，酒驾行为特征信息包括：酒精浓度信息，心跳频率信息，眨眼频率及头部晃动频率信息，车辆在预设时长内的形式方向改变次数信息，车辆停止超过预设时间时车辆周边的环境信息。

步骤S307，监测服务器根据车辆行驶时驾驶员的酒驾行为特征信息和当前驾驶时间信息和车辆位置信息，采用与当前驾驶时间和车辆位置对应的优化后的分类模型进行分类，获得该驾驶员的酒驾行为是否会引发交通事故的预测结果。

在步骤307之前，在监测服务器中预先存储了针对多个时间段和区域的优化后的分类模型。其中，分类模型可以为逻辑回归模型。

具体地，预存储的针对多个时间段和区域存储的优化后的逻辑回归模型在实施例二中介绍。

步骤S308，酒驾行为检测指导终端接收监测服务器发送的该驾驶员的酒驾行为是否引发交通事故的预测结果。

步骤S309，酒驾行为检测指导终端确定接收到的预测结果是否为会引发交通事故的预测结果，若是，则执行步骤310，若否，则执行步骤313。

具体可针对不同的预测结果，采用不同的方法对该驾驶员的酒驾行为进行处理。

步骤S310，向云端服务器发送获取最近安全停靠区域的请求。

在向云端服务器发送的获取最近安全停靠区域的请求中携带该车辆的位置信息，该车辆的位置信息可通过终端定位模块获取。

步骤S311，云端服务器根据该获取最近安全停靠区域的请求，识别该车辆的位置，向酒驾行为检测指导终端发送最近安全停靠区域的响应。

具体地，云端服务器通过获取最近安全停靠区域的请求中的车辆的位置信息，判断该车辆所在位置的道路状况，若该车辆在高速公路上，则向酒驾行为检测指导终端发送安全停靠区域的响应为最近休息区的响应，并在响应中携带表示停在最近休息区的标识信息。若根据车辆的位置信息，判断该车辆所在位置为在道路边上可进行停靠的普通道路上，则向酒驾行为检测指导终端发送安全停靠区域的响应为停落路边的响应，并在响应中携带表示停靠路边的标识信息。

步骤S312，酒驾行为检测指导终端根据最近安全停靠区域的响应中的标识信息，向驾驶员发出危险预警，并控制车辆进行安全停靠。

具体地，若最近安全停靠区域的响应中携带的为停在最近休息区的标识信息，则向驾驶员发出在最近休息区停靠的危险预警，控制车辆尾灯闪烁显示，并控制车辆速度小于预设的第一车速阈值，当终端定位模块检测到车辆行驶到最近休息区时，控制车辆的电路处于断开状态。若最近安全停靠区域的响应中携带的为停靠路边的标识信息，则向驾驶员发出在停落路边的危险预警，并控制车辆的右转向灯开启，在预设停靠时间后，控制车辆的电路处于断开状态。在保证对周边车辆进行提示状态的情况下，在安全区域进行停靠，最大限度的保证驾驶员的安全。

执行步骤312后结束。

步骤S313，酒驾行为检测指导终端向云端服务器发送获取最小车流量路线的请求。

其中，在获取最小车流量路线的请求中携带车辆位置信息和目的地信息。

其中，目的地信息可以通过向驾驶员发出目的地请求，并接收用户发送的目的地的信息获得的。

步骤S314，云端服务器根据获取最小车流量路线的请求，确定最小车流量路线，并向酒驾行为检测指导终端发送最小车流量路线的响应，在最小车流量路线的响应中携带最小车流量路线。

云端服务器统计从车辆位置到目的地的每个行车路线上的车流量，选择出最小车流量的路线。

步骤S315，酒驾行为检测指导终端根据最小车流量路线的响应中携带的最小车流量路线，向用户语音导航，直到到达目的地。

酒驾行为检测指导终端在向用户语音导航的同时控制车速不超过预设的第二车速阈值。

(三)、应用场景二：监测服务器中获取优化分类模型及确定驾驶员的酒驾行为是否会发生交通事故的流程，如图3所示，该方法包括以下步骤：

步骤401，获取对逻辑回归模型进行优化的针对每个时间段和区域的训练集，在每个训练集中具有N个训练样本，每个训练样本携带是否发生交通事故的标签。每个训练样本包括一个驾驶员在该时间段和区域进行驾驶的酒驾行为特征信息。

其中，每个训练样本的酒驾行为特征信息包括：酒精浓度信息，心跳频率信息，眨眼频率及头部晃动频率信息，车辆在预设时长内的形式方向改变次数信息，车辆停止超过预设时间时车辆周边的环境信息。

其中，每个训练集中的N个训练样本表示为

表示第i个训练样本的第一个酒驾行为特征信息，即酒精浓度信息，表示第i个训练样本的第二至第M个酒驾行为特征信息。，y⁽ⁱ⁾表示第i个训练样本对应的标签，如可用“1”表示发生了交通事故，用“0”表示未发生交通事故。

举例说明为：获取的训练集为在晚上8点至10点在北京海淀区域对应的训练集。该训练集中具有50个训练样本，该50个训练样本中包括在8点至10点在北京海淀区域由于酒驾发生交通事故的训练样本，也包括在8点至10点在北京海淀区域由于酒驾未发生交通事故的训练样本。

步骤402，将N个带标签的训练样本输入到逻辑回归模型对应的优化函数中，求解优化函数的最优解，以获得与时间段和区域对应的优化后的逻辑回归模型。

逻辑回归模型对应的优化函数可以表示为式(1)所示：

其中，N表示训练样本的个数，y⁽ⁱ⁾表示第i个训练样本对应的标签，h_θ(x⁽ⁱ⁾)表示第i个训练样本对应的逻辑回归模型。

其中，第i个训练样本对应的逻辑回归模型表示为式(3)所示：

其中，θ₀至θ_M依次表示训练样本中第一酒驾行为特征信息至第M个酒驾行为特征信息的权值。

其中，为J(z)函数的运算规则。

将N个带标签的训练样本输入到逻辑回归模型对应的优化函数中，求解优化函数的最优解，该最优解为该优化函数的最小值。该最优解对应的逻辑回归模型即为该时间段和区域的优化后的逻辑回归模型，该逻辑回归模型中对应的每个酒驾行为特征信息的权值即为优化后的权值。

步骤403，将与优化后的逻辑回归模型对应的待判断的驾驶员的酒驾行为特征信息输入到优化后的逻辑回归模型中，计算该待判断的驾驶员的酒驾行为发生交通事故的概率。

其中，优化后的逻辑回归模型可以表示为式(4)所示：

其中，θ′₀至θ′_M依次表示优化后的酒驾行为特征信息的权值。依次表示第i′个待判断的驾驶员酒驾行为的特征信息。

本实施例中，计算出的待判断的驾驶员的酒驾行为发生交通事故的概率表示为P，0≤P≤1。其中P的值越大，表示该待判断的驾驶员的酒驾行为越可能发生交通事故，P的值越小，表示该待判断的驾驶员的酒驾行为越不可能发生交通事故。

步骤404，判断该驾驶员的酒驾行为发生交通事故概率是否大于预设概率阈值，若是，则执行步骤405，若否，则执行步骤406。

其中，预设概率阈值进行预先设定，如预设概率阈值表示T_P，可以设置为0.2或0.3等数值。

步骤405，确定该驾驶员的酒驾行为将发生交通事故。

若计算出的驾驶员的酒驾行为发生交通事故的概率P大于预设概率阈值T_p，即P>T_p，则确定该驾驶员的酒驾行为将发生交通事故。

步骤406，确定该驾驶员的酒驾行为不将发生交通事故。

计算出的驾驶员的酒驾行为发生交通事故的概率P不大于预设阈值T_p，即P≤T_p，则确定该驾驶员的酒驾行为不将发生交通事故。

本发明实施例所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。

相应的，本发明实施例还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行本发明实施例的信息预警处理方法。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (12)

1.一种信息预警处理方法，其特征在于，所述方法包括：

接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；

提取针对不同时间段和区域的分类预警模型；

将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；

根据得到的不同分类预警结果针对性的反馈对应的信息预警。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在终端获取到酒精浓度信息以触发指定信息检测后，接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；

对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端。

3.根据权利要求2所述的方法，其特征在于，所述接收用于信息预警分析的至少一个特征信息还包括：

在终端获取到驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

接收终端发送的当前驾驶时间信息和车辆位置信息；

将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，具体为：将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据得到的不同分类预警结果针对性的反馈对应的信息预警，包括：

当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端；

当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故，包括：

获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；

将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；

将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；

当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警；

当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。

7.一种服务器，其特征在于，所述服务器包括：

通信单元，用于与终端进行通信，以接收用于信息预警分析的至少一个特征信息，所述至少一个特征信息至少包括用户行为信息、时间信息和车辆周边的区域信息；

预警单元，用于提取针对不同时间段和区域的分类预警模型；将根据所述至少一个特征信息得到的综合信息与所述分类预警模型进行匹配，根据得到的匹配结果对所述综合信息进行分类预警，以确定是否会发生交通事故；根据得到的不同分类预警结果针对性的反馈对应的信息预警。

8.根据权利要求7所述的服务器，其特征在于，所述通信单元，进一步用于：

在终端获取到酒精浓度信息以触发指定信息检测后，接收到终端发送的根据所述指定信息得到的获取停止位置信息周边环境请求，所述指定信息包括当前时间、满足预设条件的第一时间段内车辆处于停止状态的时间信息和停止位置信息；

对停止位置信息周边环境请求进行响应，将与所述停止位置信息相关的位置名称封装到停止位置信息周边环境响应中，并发送给终端。

9.根据权利要求8所述的服务器，其特征在于，所述通信单元，进一步用于：

在终端获取到驾驶员在驾驶状态下的心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息后，接收由终端发送的酒精浓度信息、心跳频率信息、眨眼频率及头部晃动频率信息、车辆在预设时长内的形式方向改变次数信息、车辆停止超过预设时间时车辆周边的环境信息所构成的所述特征信息。

10.根据权利要求9所述的服务器，其特征在于，所述通信单元，进一步用于：

接收终端发送的当前驾驶时间信息和车辆位置信息；

所述预警单元，进一步用于：

将根据所述至少一个特征信息得到的综合信息、结合所述当前驾驶时间信息和车辆位置信息与所述分类预警模型进行匹配。

11.根据权利要求7至10中任一项所述的服务器，其特征在于，所述预警单元，进一步用于：

当反馈会发生交通事故的信息预警时，在触发终端发送获取最近安全停靠区域的请求后，对所述获取最近安全停靠区域的请求进行响应，识别车辆的位置，将与所述车辆的位置相关的指示信息封装到最近安全停靠区域的响应中，并发送给终端；

当反馈不会发生交通事故的信息预警时，在触发终端发送获取最小车流量路线的请求后，对所述获取最小车流量路线的请求进行响应，确定最小车流量路线，将所述最小车流量路线封装到最小车流量路线的响应中，并发送给终端。

12.根据权利要求7至10中任一项所述的服务器，其特征在于，所述预警单元，进一步用于：

获取至少一个训练样本，每个训练样本由用户在指定时间段和指定区域进行驾驶的至少一个特征信息构成，每个训练样本携带是否发生交通事故的标签；

将携带所述标签的所述至少一个训练样本输入所述分类预警模型对应的预设函数中，以根据所述预设函数得到的运算结果对所述分类预警模型进行优化，得到优化后的分类预警模型；

将每个训练样本中的所述至少一个特征信息与所述优化后的分类预警模型进行匹配，以得到发生交通事故的概率；

当所述发生交通事故的概率大于阈值时，得到会发生交通事故的信息预警；

当所述发生交通事故的概率小于等于阈值时，得到不会发生交通事故的信息预警。