【技术实现步骤摘要】
本申请属于物流运输，尤其涉及一种dms告警分类方法、告警分类方法、装置及设备。
技术介绍
1、在物流运输场景中，为缓解司机疲劳以及降低运输事故的发生概率，会在驾驶过程中进行多个维度的监控，并生成相应的告警。常见的具有告警功能的系统包括高级辅助驾驶系统(adas，advanced driving assistance system)、驾驶疲劳检测系统(dms，drivermonitor system)和盲区监视系统(bsd，blind spot detection)等。
2、目前，由于告警的数量较多且告警是有一定误报率的，故，需要对告警进行分类筛选，再针对危险告警提前进行干预，以缓解司机疲劳以及降低运输事故的发生概率。
3、然而，由于车辆种类和告警设备种类是多种多样的，以及各类告警有不同的上报频率和准确率，故导致了告警分类较为困难，若仅采用简单的规则对告警进行分类则无法贴合实际的设备情况和驾驶情况，降低告警分类的准确性，影响提前干预的效果。
技术实现思路
1、本申请实施例提供了一种dms告警分类方法、告警分类方法、装置及设备，可以解决上述技术问题。
2、第一方面，本申请实施例提供了一种dms告警分类方法，包括：响应于dms告警分类请求，获取dms告警前的序列化告警数据，并获取车辆静态数据和dms告警时的车辆动态数据；其中，dms告警前的序列化告警数据用于反映dms告警在历史时序上的特征；将车辆静态数据、dms告警时的车辆动态数据以及dms告警前的序
3、进一步地，将车辆静态数据、dms告警时的车辆动态数据以及dms告警前的序列化告警数据输入至告警分类模型之前，包括：获取告警训练数据集；其中，告警训练数据集包括若干条告警训练数据，每条告警训练数据至少包括车辆静态训练数据、告警时的车辆动态训练数据以及告警前的序列化告警训练数据；根据告警特征训练数据集和预设的梯度提升决策树算法，训练初始化后的告警分类模型，得到告警分类模型。
4、进一步地，获取告警训练数据集之前，包括：响应于告警请求，获取车辆静态训练数据、告警时的车辆动态训练数据和告警历史数据；根据告警历史数据和预设的序列化数据构造算法，得到告警前的序列化告警训练数据；根据车辆静态训练数据、告警时的车辆动态数据以及告警前的序列化告警训练数据，得到一组告警训练数据。
5、进一步地，响应于dms告警分类请求，获取dms告警前的序列化告警数据，包括：响应于dms告警分类请求，获取dms告警历史数据；其中，dms告警历史数据至少包括告警类型和告警时间；根据dms告警历史数据中的告警类型和告警时间以及预设的序列化数据构造算法，得到dms告警前的序列化告警数据。
6、进一步地，dms告警前的序列化告警数据中包括dms告警历史时序数据，根据dms告警历史数据和预设的序列化数据构造算法，得到dms告警前的序列化告警数据，包括：根据dms告警历史数据中的告警类型和告警时间，统计dms告警前的若干个时间段下各个类型的告警的次数；根据dms告警前的若干个时间段下各个类型的告警的次数，得到各个类型的告警对应的dms告警历史时序数据。
7、进一步地，dms告警前的序列化告警数据中包括dms混合告警历史时序数据，根据dms告警历史数据和预设的序列化数据构造算法，得到dms告警前的序列化告警数据，包括：根据dms告警历史数据中的告警类型和告警时间，统计dms告警前的若干个时间段下预设类型的告警的累加次数；其中，预设类型至少包括两个类型；根据dms告警前的若干个时间段下预设类型的告警的累加次数，得到dms混合告警历史时序数据。
8、进一步地，dms告警前的序列化告警数据中包括dms告警历史时序数据的关联特征数据，根据dms告警历史数据和预设的序列化数据构造算法，得到dms告警前的序列化告警数据，包括：根据dms告警历史数据中的告警类型和告警时间，统计dms告警前的若干个时间段下各个类型的告警的次数；根据dms告警前的若干个时间段下各个类型的告警的次数，得到各个类型的告警对应的dms告警历史时序数据；根据各个类型的告警对应的告警历史时序数据和已筛选的关联特征构造规则，得到dms告警历史时序数据的关联特征数据。
9、进一步地，车辆静态数据中包括车辆型号和/或告警设备型号，告警时的车辆动态数据中包括告警时的车速、告警时的车重和/或告警时的所在道路类型。
10、第二方面，本申请实施例提供了一种告警分类方法，包括：根据如第一方面的dms告警分类方法，响应于dms告警分类请求，获取dms告警前的序列化告警数据；获取dms告警模型输出的dms告警数据和dms告警模型中目标层的输出数据；其中，目标层为dms告警模型的输出层的前一层；获取adas序列化告警数据、路况判断模型输出的路况判断数据、车速监测模型输出的车速告警数据以及行驶环境数据；将dms告警前的序列化告警数据、dms告警数据、目标层的输出数据、adas序列化告警数据、路况判断数据、车速告警数据以及行驶环境数据输入至多模态融合告警分类模型，得到告警分类结果；其中，多模态融合告警分类模型是基于多模态告警训练数据集和预设的机器学习算法训练得到的。
11、第三方面，本申请实施例提供了一种dms告警分类装置，包括：响应单元，用于响应于dms告警分类请求，获取dms告警前的序列化告警数据，并获取车辆静态数据和dms告警时的车辆动态数据；其中，dms告警前的序列化告警数据用于反映dms告警在历史时序上的特征；分类单元，用于将车辆静态数据、dms告警时的车辆动态数据以及dms告警前的序列化告警数据输入至告警分类模型，得到dms告警分类结果；其中，告警分类模型是基于告警训练数据集和预设的机器学习算法训练得到的；触发单元，用于基于dms告警分类结果，触发相应的告警干预进程。
12、进一步地，该装置，还包括：第一获取单元，用于获取告警训练数据集；其中，告警训练数据集包括若干条告警训练数据，每条告警训练数据至少包括车辆静态训练数据、告警时的车辆动态训练数据以及告警前的序列化告警训练数据；训练单元，用于根据告警特征训练数据集和预设的梯度提升决策树算法，训练初始化后的告警分类模型，得到告警分类模型。
13、进一步地，该装置，还包括：第二获取单元，用于响应于告警请求，获取车辆静态训练数据、告警时的车辆动态训练数据和告警历史数据；第一构造单元，用于根据告警历史数据和预设的序列化数据构造算法，得到告警前的序列化告警训练数据；第二构造单元，用于根据车辆静态训练数据、告警时的车辆动态数据以及告警前的序列化告警训练数据，得到一组告警训练数据。
14、进一步地，响应单元，包括：第一响应单元，用于响应于dms告警分类请求，获取dms告警历史数据；其中本文档来自技高网...
【技术保护点】
1.一种DMS告警分类方法，其特征在于，包括：
2.如权利要求1所述的DMS告警分类方法，其特征在于，所述将所述车辆静态数据、所述DMS告警时的车辆动态数据以及所述DMS告警前的序列化告警数据输入至告警分类模型之前，包括：
3.如权利要求2所述的DMS告警分类方法，其特征在于，所述获取所述告警训练数据集之前，包括：
4.如权利要求1至3任意一项所述的DMS告警分类方法，其特征在于，所述响应于DMS告警分类请求，获取DMS告警前的序列化告警数据，包括：
5.如权利要求4所述的DMS告警分类方法，其特征在于，所述DMS告警前的序列化告警数据中包括DMS告警历史时序数据，所述根据所述DMS告警历史数据和预设的序列化数据构造算法，得到所述DMS告警前的序列化告警数据，包括：
6.如权利要求4所述的DMS告警分类方法，其特征在于，所述DMS告警前的序列化告警数据中包括DMS混合告警历史时序数据，所述根据所述DMS告警历史数据和预设的序列化数据构造算法，得到所述DMS告警前的序列化告警数据，包括：
7.如权利要求4所述的
8.如权利要求1至3任意一项所述的DMS告警分类方法，其特征在于：所述车辆静态数据中包括车辆型号和/或告警设备型号，所述告警时的车辆动态数据中包括告警时的车速、告警时的车重和/或告警时的所在道路类型。
9.一种告警分类方法，其特征在于，包括：
10.一种DMS告警分类装置，其特征在于，包括：
11.一种告警分类装置，其特征在于，包括：
12.一种设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任意一项或权利要求9所述方法的步骤。
...【技术特征摘要】
1.一种dms告警分类方法，其特征在于，包括：
2.如权利要求1所述的dms告警分类方法，其特征在于，所述将所述车辆静态数据、所述dms告警时的车辆动态数据以及所述dms告警前的序列化告警数据输入至告警分类模型之前，包括：
3.如权利要求2所述的dms告警分类方法，其特征在于，所述获取所述告警训练数据集之前，包括：
4.如权利要求1至3任意一项所述的dms告警分类方法，其特征在于，所述响应于dms告警分类请求，获取dms告警前的序列化告警数据，包括：
5.如权利要求4所述的dms告警分类方法，其特征在于，所述dms告警前的序列化告警数据中包括dms告警历史时序数据，所述根据所述dms告警历史数据和预设的序列化数据构造算法，得到所述dms告警前的序列化告警数据，包括：
6.如权利要求4所述的dms告警分类方法，其特征在于，所述dms告警前的序列化告警数据中包括dms混合告警历史时序数据，所述根据所述dms告警历史数据和预设的序列...
【专利技术属性】
技术研发人员：廖国林，张定棋，江瑞，黄晓冰，邱胡珍，
申请(专利权)人：丰图科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。