摘要
本发明公开了一种交通风险因素评估方法、装置、电子设备和存储介质,方法包括:从历史交通数据中获取初始数据,初始数据包括事故道路的特征数据以及造成交通风险的实际风险因素类别;对初始数据进行异常数据筛选及归一化处理,得到样本数据;利用深度学习算法构建特征学习模型;以样本数据为输入、对特征学习模型进行训练,得到风险评估模型;采用深度学习算法构建特征学习模型,结合历史样本数据训练出能够识别不同风险特征的机器学习模型,从而能快速、准确对不同路口路段的交通风险因素类别进行评估分析,能够针对性指导实际道路的事故风险预防工作的开展,及时预防和控制交通风险。
技术关键词
特征学习模型
风险评估模型
历史交通数据
深度学习算法
非数值型数据
异常数据
样本
电子设备
路口路段
模型训练模块
处理器
可读存储介质
曲线
机器学习模型
数据获取模块
数据处理模块
计算机
系统为您推荐了相关专利信息
建筑物倾斜角度
风险评估模型
地铁隧道施工
风险预警方法
动态权重分配
逻辑回归模型
高尿酸
个性化建议
风险评估模型训练
智能穿戴设备
供应链金融系统
数据同步系统
业财一体化
数据分析单元
实时业务
模拟交易系统
金融
数据分析工具
在线
信贷风险评估
排水管道
预警模型
二维卷积神经网络
水力学模型
深度学习算法