(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210646465.9 (22)申请日 2022.06.08 (71)申请人 东软睿驰汽车技 术 （沈阳） 有限公司 地址 110172 辽宁省沈阳市沈抚新区金枫 街75-1号 (72)发明人 刘美亿　曹斌　 (74)专利代理 机构 北京知帆远景知识产权代理 有限公司 1 1890 专利代理师 范心田 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06Q 10/06(2012.01)G06Q 50/30(2012.01) G06V 10/74(2022.01) (54)发明名称 基于多源数据预估风险的方法、 装置、 设备 及存储介质 (57)摘要 本发明公开了一种基于多源数据预估风险 的方法、 装置、 设备及存储介质， 所述方法包括： 获取同时间段内的多源数据训练集； 基于所述多 源数据训练集对初始模型进行训练， 获得目标模 型， 包括： 基于预设规则对所述多源数据训练集 进行预处理， 获得多个预处理轨迹序列集； 对多 个所述预处理轨迹序列进行标准化处理， 获得多 个标准轨迹序列集； 对多个所述标准轨迹序列集 进行融合匹配， 获得匹配轨迹序列集； 确定每个 所述匹配轨迹序列集的风险等级， 基于风险等级 阈值对多个所述匹配轨迹序列集进行筛选， 并确 定历史风险轨迹序列集； 将目标多源 数据输入至 所述目标模型， 输出预估风险轨迹序列集。 本发 明的技术方案， 基于多源数据进行预估风险轨迹 序列集的挖掘。 权利要求书2页 说明书12页 附图2页 CN 115170863 A 2022.10.11 CN 115170863 A 1.一种基于多源数据预估风险的方法， 其特 征在于， 包括： 获取同时间段内的多源数据训练集； 其中， 所述多源数据训练集包括目标车辆的图像 数据、 时刻数据以及时间序列数据； 基于所述多源数据训练集对初始模型进行训练， 获得目标模型； 其中， 所述基于所述多 源数据训练集对所述初始模型进行训练， 包括： 基于预设规则对所述多源数据训练集进行 预处理， 获得多个预 处理轨迹序列集； 对多个所述预处理轨迹序列进 行标准化处理， 获得多 个标准轨迹序列集； 对多个所述标准轨迹序列集进 行融合匹配， 获得匹配轨迹序列集； 确定 每个所述匹配轨迹序列集的风险等级， 基于风险等级阈值对多个所述匹配轨迹序列集进 行 筛选， 并确定历史风险轨 迹序列集； 将目标多源数据输入至所述目标模型， 输出 预估风险轨 迹序列集。 2.根据权利要求1所述的方法， 其特征在于， 所述基于预设规则对所述多源数据训练集 进行预处理， 获得多个预处 理轨迹序列集， 包括： 基于第一预设规则分别对所述图像数据、 时刻数据以及时间序列数据进行切分， 获得 多个感知轨 迹段、 多个行驶轨 迹段、 以及多个地图轨 迹段； 基于第二预设规则分别对所述感知轨迹段、 行驶轨迹段以及地图轨迹段进行合并， 获 得多个感知合并轨 迹段、 多个行驶 合并轨迹段以及多个地图合并轨 迹段。 3.根据权利要求2所述的方法， 其特征在于， 所述对多个所述预处理轨迹序列进行标准 化处理， 获得多个标准轨 迹序列集， 包括： 对每个所述行驶合并轨迹段进行标准化处理， 获得行驶轨迹序列集； 对每个所述感知 合并轨迹段进行标准化处理， 获得感知轨迹序列集； 对每个所述地图合并轨迹段进行标准 化处理， 获得地图轨 迹序列集； 其中， 每个行驶轨迹序列、 感知轨迹序列以及地图轨迹序列包括特征标签； 所述特征标 签包括路况 标签、 行为标签以及场景 标签中的至少一种。 4.根据权利要求3所述的方法， 其特征在于， 所述对多个所述标准轨迹序列集进行融合 匹配， 获得匹配轨 迹序列集， 包括： 获取待融合匹配组； 其中， 所述获取待融合匹配组基于所述行驶轨迹序列集、 感知轨迹 序列集以及地图轨迹序列集中的任意两个轨迹序列集 获取； 所述待融合匹配组包括第一待 融合匹配轨 迹序列集以及第二待融合匹配轨 迹序列集； 获得每个第一待融合匹配轨 迹序列以及第二待融合匹配轨 迹序列的时间戳； 将对应相同所述时间戳的第一待融合匹配轨迹序列以及第二待融合匹配轨迹序列的 多个所述特 征标签进行融合匹配， 获得匹配结果； 基于所述匹配结果， 获得 所述匹配轨 迹序列集。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述匹配结果， 获得所述匹配轨 迹序列集， 包括： 基于所述特征标签对所述第一待融合匹配轨迹序列集以及第二待融合匹配轨迹序列 集进行分类， 获得多类预匹配轨迹序列集； 其中， 每类所述预匹配轨迹序列集与一个所述特 征标签对应； 基于多个所述匹配结果， 确定每 类所述预匹配轨 迹序列集的匹配度； 将每个所述匹配度与匹配度阈值进行比较， 并将大于所述匹配度阈值的所述匹配度确权　利　要　求　书 1/2 页 2 CN 115170863 A 2定为目标匹配度； 将与所述目标匹配度对应的所述预匹配轨 迹序列集， 确定为所述匹配轨 迹序列集。 6.根据权利要求5所述的方法， 其特征在于， 所述确定每个所述匹配轨迹序列集的风险 等级， 基于风险等级阈值对多个所述匹配轨迹序列集进行筛选， 并确定历史风险轨迹序列 集， 包括： 确定每个所述匹配轨 迹序列集的风险等级； 将风险等级与风险等级阈值进行比对， 并将大于所述风险等级阈值的所述风险等级确 定为目标风险等级； 将与所述目标风险等级对应的所述匹配轨 迹序列， 确定为历史风险轨 迹序列集。 7.根据权利要求1所述的方法， 其特 征在于， 还 包括： 识别所述预估风险轨 迹序列集的场景 标签； 基于所述场景 标签， 确定异常场景。 8.一种基于多源数据预估风险的装置， 其特 征在于， 包括： 获取模块， 用于获取同时间段内的多源数据训练集； 其中， 所述多源数据训练集包括目 标车辆的图像数据、 时刻数据以及时间序列数据； 训练模块， 用于基于所述多源数据训练集对初始模型进行训练， 获得目标模型； 其中， 所述基于所述多源数据训练集对所述初始模型进行训练， 包括： 基于预设规则对所述多源 数据训练集进行预处理， 获得多个预处理轨迹序列集； 对多个所述预处理轨迹序列进行标 准化处理， 获得多个标准轨迹序列集； 对多个所述标准轨迹序列集进 行融合匹配， 获得匹配 轨迹序列集； 确定每个所述匹配轨迹序列集的风险等级， 基于风险等级阈值对多个所述匹 配轨迹序列集进行筛 选， 并确定历史风险轨 迹序列集； 输出模块， 用于将目标多源数据输入至所述目标模型， 输出 预估风险轨 迹序列集。 9.一种电子设备， 其特征在于， 包括处理器、 存储器以及存储在所述存储器中且被配置 为由所述处理器执行 的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1 至7中任意 一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权 利要求1至7中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115170863 A 3