(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 202210743207.2 (22)申请日 2022.06.27 (71)申请人 公安部道路交通 安全研究中心 地址 100062 北京市东城区崇文门外大街3 号B座14层 (72)发明人 赵琳娜　成超锋　宋然子　戴帅　 刘金广　刘涛　闫星培　褚昭明　 朱新宇　杨钧剑　于晓娟　姚雪娇　 刘婉　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 刘静 (51)Int.Cl. G06Q 10/06(2012.01) G06V 10/44(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 一种电动自行车骑行者的风险识别方法、 系 统及计算机设备 (57)摘要 本发明提供的电动自行车骑行者的风险识 别方法、 系统及计算机设备， 该方法基于预设道 路交通违 法信息建立风险数据集， 然后基于该风 险数据集， 采用模糊类聚类算法分析电动自行车 骑行者的交通安全风险， 以按照预设风险等级进 行划分； 最后， 根据骑行者的属性信息以及电动 自行车车辆特征信息， 再次将各风险等级的电动 自行车骑行者群体划分为不同的风险种类。 该方 法能够精准定位存在不同安全风险等级的电动 自行车群体， 以便对各安全风险等级的电动自行 车骑行者制定不同的管理策略， 进行差异化管理 电动自行车骑行者群体， 同时为制定电动自行车 治理措施提供了依据。 权利要求书2页 说明书7页 附图2页 CN 114997714 A 2022.09.02 CN 114997714 A 1.一种电动自行 车骑行者的风险识别方法， 其特 征在于， 包括： 在采样周期内， 采集电动自行车的车辆特征信息、 骑行者的预设道路交通违法信息及 骑行者的属性信息， 基于所述预设道路交通违法信息建立 风险数据集； 基于所述风险数据集， 采用模糊聚类算法分析电动自行车骑行者的交通安全风险， 并 按照预设风险等级 进行划分； 根据骑行者的属性信 息以及电动自行车车辆特征信 息， 再次将各预设风险等级的电动 自行车骑行者群 体划分为 不同的风险种类。 2.根据权利要求1所述的电动自行车骑行者的风险识别方法， 其特征在于， 所述基于所 述风险数据集， 采用模糊聚类算法分析电动自行车骑行者的交通安全风险， 并按照预设风 险等级进行划分， 包括： 根据所述 风险数据集确定电动自行 车骑行者的风险因子集 合； 根据预设风险等级设定聚类中心集， 根据 所述聚类中心集和所述风险因子集合得到所 述聚类中心集的隶属度， 依据所述隶属度获得骑行者交通 风险隶属度矩阵； 迭代计算电动自行车骑行者风险等级的聚类分析结果， 直至所述骑行者交通风险隶属 度矩阵满足预设条件， 获得电动车骑行者的预设风险等级。 3.根据权利要求2所述的电动自行车骑行者的风险识别方法， 其特征在于， 所述根据 预 设风险等级设定聚类中心集， 根据所述聚类中心 集和所述风险因子集合得到所述聚类中心 集的隶属度， 依据所述隶属度获得骑行者交通 风险隶属度矩阵， 包括： 设定所述聚类中心集V＝{vωt}； 其中， vωt表示第ω个风险等级、 第 t次迭代的聚类中心， ω∈[1， M]， M为预设风险等级的数量； 根据所述聚类中心集和所述 风险因子集 合获得所述聚类中心集的隶属度 其中， dωi表示第i个骑行者到第ω个风 险类别聚类中心的 欧式距离， q为模糊指数； Sωi为第ω个风险等级、 第i个骑行者 的风险因子集合， N为电动自 行车骑行者总数量； Vωi表示第ω个风险等级、 第i个骑行者的聚类中心集； 同时， μωi应满足以下约束条件： 依据所述聚类中心集的隶属度得到骑行者交通风险隶属度矩阵U＝{ μ1i，……， μωi}； 其 中， ω∈[1， M]， M为预设风险等级的数量， i∈[1， N]， N 为电动自行 车骑行者总数量。 4.根据权利要求2所述的电动自行车骑行者的风险识别方法， 其特征在于， 所述骑行者 交通风险隶属度矩阵满足预设条件， 包括： 相邻两次迭代计算的所述骑行者交通风险隶属度矩阵差值的绝对值达到预设停止阈 值或达到预设迭代次数。 5.根据权利要求1 ‑4任一项所述的电动自行车骑行者的风险识别方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 114997714 A 2述车辆特 征信息包括： 车辆号 牌种类以及车辆号 牌号码； 所述预设道路交通违法信息包括： 交通违法行为发生时间、 地 点以及频次； 所述骑行者的属性信息包括： 骑行者 年龄。 6.根据权利要求5所述的电动自行车骑行者的风险识别方法， 其特征在于， 所述根据 所 述风险数据集确定电动自行 车骑行者的风险因子集 合， 包括： 根据电动自行车发生交通违法行为的频次、 在预设时间段内发生交通违法行为的频次 以及在预设地 点发生交通违法行为的频次， 确定所述 风险因子集 合。 7.根据权利要求6所述的电动自行车骑行者的风险识别方法， 其特征在于， 所述根据 所 述预设信息以及电动自行车车辆特征将各预设风险等级的电动自行车骑行者进行再划分， 包括： 根据所述骑行者年龄、 电动自行车的车辆号牌种类以及车辆号牌号码将各预设风险等 级的电动自行 车骑行者进行交叉分类。 8.一种电动自行 车骑行者的风险识别系统， 其特 征在于， 包括： 采集单元， 用于在采样周期内， 采集电动自行车的车辆特征信 息、 骑行者的预设道路交 通违法信息及骑行者的属性信息， 并基于所述预设道路交通违法信息建立 风险数据集； 风险等级划分单元， 用于接收所述采集单元发送的风险数据集， 基于所述风险数据集， 采用模糊聚类算法分析电动自行车骑行者的交通安全风险， 并按照预设风险等级进行划 分； 骑行群体划分单元， 用于根据骑行者的属性信息以及电动自行车车辆特征信息， 再次 将各风险等级的电动自行 车骑行者群 体划分为 不同的风险种类。 9.一种计算机设备， 其特征在于， 包括： 至少一个处理器； 以及与所述至少一个处理器 通信连接的存储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指 令， 所述指 令被所述至少一个处理器执行， 以使所述至少一个处理器执行如权利要求1 ‑7任一项所述 的电动自行 车骑行者的风险识别方法的步骤。 10.一种计算机可读存储介质， 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如权利要求 1‑7中任一项 所述的电动自行车骑行者的风险识别方法的 步骤。权　利　要　求　书 2/2 页 3 CN 114997714 A 3