驾驶意图预测与处理方法、装置、设备及存储介质与流程

本发明涉及人工智能的神经网络技术领域，尤其涉及一种驾驶意图预测与处理方法、装置、设备及存储介质。

背景技术：

目前交通事故造成的车辆损伤已具有赔偿标准，按照赔偿标准对损坏车辆进行经济赔偿，能够减轻车主的经济压力。但是因交通事故造成的车辆损伤存在驾驶员故意追尾或擦车行为，以获取车辆赔偿的情况，妨碍了车辆赔偿企业的健康发展。

传统的风险识别方案使用的模型基于历史欺诈数据以及保险公司根据经验形成的判断欺诈的特定规则。可用于检测欺诈的数据往往局限于车辆赔偿企业收集的赔案数据和少量的外部数据。在车辆损失赔偿业务中，驾驶员之间能够互相配合，通过伪造通话记录或交易记录等获取车辆赔偿，而通过传统的风险识别方案，存在预测用户驾驶意图的准确率低，以及车辆损失赔偿可靠性低的问题。

技术实现要素：

本发明提供了一种驾驶意图预测与处理方法、装置、设备及存储介质，用于通过预设风险用户预测模型对目标对象进行驾驶意图预测，提高预测用户驾驶意图的准确率和识别效率，以及提高车辆损失赔偿可靠性。

为实现上述目的，本发明第一方面提供了一种驾驶意图预测与处理方法，包括：接收目标对象的驾驶意图预测请求，按照所述驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息；对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析筛选，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子；通过预设风险用户预测模型对所述目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断所述驾驶意图预测结果是否小于预设的风险阈值；若所述驾驶意图预测结果小于预设的风险阈值，则根据所述驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将所述车辆赔偿业务订单信息推送至目标终端；若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照所述驾驶意图预测结果和所述目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息。

可选的，在本发明第一方面的第一种实现方式中，所述接收目标对象的驾驶意图预测请求，按照所述驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息，包括：接收目标对象的驾驶意图预测请求，对所述驾驶意图预测请求分配并启动消息处理线程；通过所述消息处理线程将所述驾驶意图预测请求封装为目标业务消息，并将所述目标业务消息缓存至业务消息队列中；调用所述业务消息队列对应的业务处理线程，对所述目标业务消息进行消息解析，得到目标对象的唯一标识和案件标识；按照所述目标对象的唯一标识符和所述案件标识查询预设的图数据库，得到目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

可选的，在本发明第一方面的第二种实现方式中，所述对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析筛选，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子，包括：从预设的数据表中读取多维度候选因子，并根据所述多维度候选因子分别对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析，得到多个位置服务特征因子、多个行动热点特征因子和多个信用特征因子；通过欧氏距离分别对所述多个位置服务特征因子、所述多个行动热点特征因子和所述多个信用特征因子进行聚类处理，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

可选的，在本发明第一方面的第三种实现方式中，所述通过预设风险用户预测模型对所述目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断所述驾驶意图预测结果是否小于预设的风险阈值，包括：将所述目标特征因子数据集输入至预设风险用户预测模型中，并通过所述预设风险用户预测模型中的输入层对所述目标特征因子数据集进行特征提取，得到多个稀疏特征，所述预设风险用户预测模型为训练好的神经网络因子分解机模型；获取每个稀疏特征的维度，并通过所述预设风险用户预测模型中的神经网络层，按照每个稀疏特征的维度，将每个稀疏特征嵌入对应的维度向量，得到多个特征嵌入向量，所述多个特征嵌入向量包括多个低阶特征向量和多个高阶特征向量；通过所述预设风险用户预测模型中的因子分解机层对所述多个低阶特征向量进行特征交叉处理，得到低阶特征组合集；通过所述预设风险用户预测模型中的隐藏层对所述多个高阶特征向量进行非线性变换，得到高阶特征组合集；通过所述预设风险用户预测模型中的输出层将所述低阶特征组合集和所述高阶特征组合集进行特征融合处理，输出驾驶意图预测结果；将所述驾驶意图预测结果与预设的风险阈值进行差运算，得到目标差值，并判断所述目标差值是否小于0；若所述目标差值小于0，则确定所述驾驶意图预测结果小于预设的风险阈值；若所述目标差值大于或等于0，则确定所述驾驶意图预测结果大于或等于预设的风险阈值。

可选的，在本发明第一方面的第四种实现方式中，所述若所述驾驶意图预测结果小于预设的风险阈值，则根据所述驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将所述车辆赔偿业务订单信息推送至目标终端，包括：若所述驾驶意图预测结果小于预设的风险阈值，则从所述驾驶意图预测请求中提取目标对象的唯一标识和案件标识，并根据所述目标对象的唯一标识和所述案件标识获取目标对象的基本信息和案件赔偿信息；按照所述目标对象的唯一标识和所述案件标识从预设的接口信息配置表中读取目标业务处理接口，并按照所述目标对象的基本信息和所述案件赔偿信息调用并执行所述目标业务处理接口，得到车辆赔偿业务订单信息；按照预设的推送方式将所述车辆赔偿业务订单信息推送至目标终端，以使得所述目标终端对所述车辆赔偿业务订单信息进行审批处理。

可选的，在本发明第一方面的第五种实现方式中，所述若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照所述驾驶意图预测结果和所述目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息，包括：若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照预设的风险转换规则对所述驾驶意图预测结果进行数值转换，得到驾驶意图风险值，并根据所述驾驶意图风险值匹配预设的风险配置数据表，得到驾驶风险等级；将所述驾驶风险等级设置为目标键，并根据所述目标键查询预设的内存数据库，得到目标值；当所述目标值不为空值时，按照所述目标值查询预设的文件目录，得到目标报告模板和预警模板；基于所述目标报告模板和所述预警模板对所述驾驶意图预测结果和所述目标特征因子数据集进行数据封装和转换处理，得到目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息。

可选的，在本发明第一方面的第六种实现方式中，在所述接收目标对象的驾驶意图预测请求，按照所述驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息之前，所述驾驶意图预测与处理方法还包括：通过预设的行为轨迹采集任务获取所述目标对象对应的移动终端定时上报的位置服务信息和行动热点信息；对所述位置服务信息和所述行动热点信息分别进行数据清洗和数据归类处理，得到所述目标对象的位置服务轨迹信息和所述目标对象的行动热点轨迹信息；获取目标对象的唯一标识，并按照所述目标对象的唯一标识将所述目标对象的位置服务轨迹信息和所述目标对象的行动热点轨迹信息更新至预设的图数据库中，以构建目标对象的用户画像。

本发明第二方面提供了一种驾驶意图预测与处理装置，包括：获取模块，用于接收目标对象的驾驶意图预测请求，按照所述驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息；筛选模块，用于对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析筛选，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子；预测模块，用于通过预设风险用户预测模型对所述目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断所述驾驶意图预测结果是否小于预设的风险阈值；处理模块，用于若所述驾驶意图预测结果小于预设的风险阈值，则根据所述驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将所述车辆赔偿业务订单信息推送至目标终端；生成模块，用于若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照所述驾驶意图预测结果和所述目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息。

可选的，在本发明第二方面的第一种实现方式中，所获取模块具体用于：接收目标对象的驾驶意图预测请求，对所述驾驶意图预测请求分配并启动消息处理线程；通过所述消息处理线程将所述驾驶意图预测请求封装为目标业务消息，并将所述目标业务消息缓存至业务消息队列中；调用所述业务消息队列对应的业务处理线程，对所述目标业务消息进行消息解析，得到目标对象的唯一标识和案件标识；按照所述目标对象的唯一标识符和所述案件标识查询预设的图数据库，得到目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

可选的，在本发明第二方面的第二种实现方式中，所述筛选模块具体用于：从预设的数据表中读取多维度候选因子，并根据所述多维度候选因子分别对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析，得到多个位置服务特征因子、多个行动热点特征因子和多个信用特征因子；通过欧氏距离分别对所述多个位置服务特征因子、所述多个行动热点特征因子和所述多个信用特征因子进行聚类处理，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

可选的，在本发明第二方面的第三种实现方式中，所述预测模块具体用于：将所述目标特征因子数据集输入至预设风险用户预测模型中，并通过所述预设风险用户预测模型中的输入层对所述目标特征因子数据集进行特征提取，得到多个稀疏特征，所述预设风险用户预测模型为训练好的神经网络因子分解机模型；获取每个稀疏特征的维度，并通过所述预设风险用户预测模型中的神经网络层，按照每个稀疏特征的维度，将每个稀疏特征嵌入对应的维度向量，得到多个特征嵌入向量，所述多个特征嵌入向量包括多个低阶特征向量和多个高阶特征向量；通过所述预设风险用户预测模型中的因子分解机层对所述多个低阶特征向量进行特征交叉处理，得到低阶特征组合集；通过所述预设风险用户预测模型中的隐藏层对所述多个高阶特征向量进行非线性变换，得到高阶特征组合集；通过所述预设风险用户预测模型中的输出层将所述低阶特征组合集和所述高阶特征组合集进行特征融合处理，输出驾驶意图预测结果；将所述驾驶意图预测结果与预设的风险阈值进行差运算，得到目标差值，并判断所述目标差值是否小于0；若所述目标差值小于0，则确定所述驾驶意图预测结果小于预设的风险阈值；若所述目标差值大于或等于0，则确定所述驾驶意图预测结果大于或等于预设的风险阈值。

可选的，在本发明第二方面的第四种实现方式中，所述处理模块具体用于：若所述驾驶意图预测结果小于预设的风险阈值，则从所述驾驶意图预测请求中提取目标对象的唯一标识和案件标识，并根据所述目标对象的唯一标识和所述案件标识获取目标对象的基本信息和案件赔偿信息；按照所述目标对象的唯一标识和所述案件标识从预设的接口信息配置表中读取目标业务处理接口，并按照所述目标对象的基本信息和所述案件赔偿信息调用并执行所述目标业务处理接口，得到车辆赔偿业务订单信息；按照预设的推送方式将所述车辆赔偿业务订单信息推送至目标终端，以使得所述目标终端对所述车辆赔偿业务订单信息进行审批处理。

可选的，在本发明第二方面的第五种实现方式中，所述生成模块具体用于：若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照预设的风险转换规则对所述驾驶意图预测结果进行数值转换，得到驾驶意图风险值，并根据所述驾驶意图风险值匹配预设的风险配置数据表，得到驾驶风险等级；将所述驾驶风险等级设置为目标键，并根据所述目标键查询预设的内存数据库，得到目标值；当所述目标值不为空值时，按照所述目标值查询预设的文件目录，得到目标报告模板和预警模板；基于所述目标报告模板和所述预警模板对所述驾驶意图预测结果和所述目标特征因子数据集进行数据封装和转换处理，得到目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息。

可选的，在本发明第二方面的第六种实现方式中，所述驾驶意图预测与处理装置还包括：采集模块，用于通过预设的行为轨迹采集任务获取所述目标对象对应的移动终端定时上报的位置服务信息和行动热点信息；清洗模块，用于对所述位置服务信息和所述行动热点信息分别进行数据清洗和数据归类处理，得到所述目标对象的位置服务轨迹信息和所述目标对象的行动热点轨迹信息；更新模块，用于获取目标对象的唯一标识，并按照所述目标对象的唯一标识将所述目标对象的位置服务轨迹信息和所述目标对象的行动热点轨迹信息更新至预设的图数据库中，以构建目标对象的用户画像。

本发明第三方面提供了一种驾驶意图预测与处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述驾驶意图预测与处理设备执行上述的驾驶意图预测与处理方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的驾驶意图预测与处理方法。

本发明提供的技术方案中，接收目标对象的驾驶意图预测请求，按照所述驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息；对所述位置服务轨迹信息、所述行动热点轨迹信息和所述信用信息进行特征分析筛选，得到目标特征因子数据集，所述目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子；通过预设风险用户预测模型对所述目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断所述驾驶意图预测结果是否小于预设的风险阈值；若所述驾驶意图预测结果小于预设的风险阈值，则根据所述驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将所述车辆赔偿业务订单信息推送至目标终端；若所述驾驶意图预测结果大于或等于预设的风险阈值，则按照所述驾驶意图预测结果和所述目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向所述目标终端发送所述驾驶意图风险评估报告和所述预警信息。本发明实施例中，基于位置服务轨迹信息、行动热点轨迹信息和信用信息确定目标特征因子数据集；通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果；若驾驶意图预测结果大于或等于预设的风险阈值，则生成驾驶意图风险评估报告和预警信息。提高了预测用户驾驶意图的准确率和识别效率，以及提高了车辆损失赔偿可靠性。

附图说明

图1为本发明实施例中驾驶意图预测与处理方法的一个实施例示意图；

图2为本发明实施例中驾驶意图预测与处理方法的另一个实施例示意图；

图3为本发明实施例中驾驶意图预测与处理装置的一个实施例示意图；

图4为本发明实施例中驾驶意图预测与处理装置的另一个实施例示意图；

图5为本发明实施例中驾驶意图预测与处理设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种驾驶意图预测与处理方法、装置、设备及存储介质，用于通过预设风险用户预测模型对目标对象进行驾驶意图预测，提高预测用户驾驶意图的准确率和识别效率，以及提高车辆损失赔偿可靠性。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中驾驶意图预测与处理方法的一个实施例包括：

101、接收目标对象的驾驶意图预测请求，按照驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

其中，目标对象的驾驶意图预测请求包括目标对象的唯一标识符和案件标识。具体的，服务器接收目标对象的驾驶意图预测请求，服务器解析目标对象的驾驶意图预测请求，得到目标对象的唯一标识符和案件标识；服务器根据唯一标识符判断目标对象是否为车辆损失赔偿对象；若目标对象不为车辆损失赔偿对象，则服务器拒绝目标对象的驾驶意图预测请求；若目标对象为车辆损失赔偿对象，则服务器根据目标对象的唯一标识符和案件标识从预设的图数据库中查询目标关系图谱数据，目标关系图谱数据包括目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

可以理解的是，本发明的执行主体可以为驾驶意图预测与处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

102、对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析筛选，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

需要说明的是，目标对象的驾驶意图预测请求用于预测识别具有目的性的欺诈对象，也就是，服务器判断目标对象的驾驶意图是否存在以欺诈手段实现获取车辆损失赔偿的目的。服务器根据预设的历史赔案信息(包括正常赔付案件和拒赔案件)和预设的位置服务轨迹信息和预设的行动热点轨迹信息构建特征因子规则，特征因子规则包括多维度候选因子；服务器根据多维度候选因子分别分析筛选目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。多维度候选因子可以包括与职业相关的特征因子、与社交网络黑名单相关的特征因子和与用户信用相关的特征因子。

进一步地，用户预先分析具有目的性的欺诈对象的特征，确定具有目的性的欺诈对象对应的特征相关性，然后，服务器根据特征分析的内容加工多维度候选因子。可以理解的是，欺诈对象对应的特征相关性可以对应以下情形：一是与职业维度具有特征相关性，出现在特定场所的目标对象，例如，修理厂或4s店，修理厂或4s店熟悉汽车保险理赔方式，导致欺诈概率较高；与社交网络维度具有特征相关性，例如，具有目的性的欺诈对象之间会出现在同一地区或连接相同的行动热点设备；与用户信用维度具有特征相关性，例如，出现逾期、信用差的用户有动机去实施欺诈。欺诈对象对应的特征相关性还可以包括其他以下情形，具体此处不做限定。

103、通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断驾驶意图预测结果是否小于预设的风险阈值。

其中，预设风险用户预测模型可以预先按照实际业务场景进行模型训练处理。预设风险用户预测模型可以为基于机器学习的随机森林模型、基于深度学习的长短期记忆人工神经网络模型或反向传播神经网络模型，还可以在各模型中引入注意力机制，具体此处不做限定。可选的，服务器设置训练好的神经网络因子分解机模型(也就是，deepfm模型)为预设风险用户预测模型；服务器通过预设风险用户预测模型中的输入层对目标特征因子数据集进行特征提取，得到多个稀疏特征；服务器通过预设风险用户预测模型中基于引入注意力机制的神经网络层，按照每个稀疏特征的维度，将每个稀疏特征嵌入到对应的维度向量，得到多个特征嵌入向量；服务器通过预设风险用户预测模型中的因子分解机层对多个特征嵌入向量进行特征交叉处理，得到低阶特征组合集；服务器通过预设风险用户预测模型中的隐藏层对多个特征嵌入向量进行非线性变换，得到高阶特征组合集；服务器通过预设风险用户预测模型中的输出层将低阶特征组合集和高阶特征组合集进行特征融合处理，输出驾驶意图预测结果，并判断驾驶意图预测结果是否小于预设的风险阈值。

104、若驾驶意图预测结果小于预设的风险阈值，则根据驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将车辆赔偿业务订单信息推送至目标终端。

也就是，若驾驶意图预测结果小于预设的风险阈值，则服务器确定目标对象为正常驾驶行为，不存在欺诈风险。具体的，若驾驶意图预测结果小于预设的风险阈值，则服务器对驾驶意图预测请求进行参数解析，得到目标对象的唯一标识和案件标识；服务器将根据目标对象的唯一标识和案件标识设置为目标索引，并按照目标索引查询预设的数据库，得到目标对象的基本信息和案件赔偿信息；服务器按照目标对象的唯一标识和案件标识从预设的接口信息配置表中读取目标业务处理接口；服务器将目标对象的基本信息和案件赔偿信息设置为接口输入参数，并基于接口输入参数调用并执行目标业务处理接口，得到接口响应结果和接口响应数据；当接口响应结果为预设值时，服务器从接口响应数据中获取车辆赔偿业务订单信息；服务器按照预设的推送方式调用预设的推送接口，通过预设的推送接口将车辆赔偿业务订单信息推送至目标终端，以使得目标终端对车辆赔偿业务订单信息进行审批处理。

105、若驾驶意图预测结果大于或等于预设的风险阈值，则按照驾驶意图预测结果和目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

也就是，若驾驶意图预测结果大于或等于预设的风险阈值，则服务器确定目标对象为异常驾驶行为，且存在欺诈风险。具体的，若驾驶意图预测结果大于或等于预设的风险阈值，则服务器按照驾驶意图预测结果确定驾驶风险等级，并根据驾驶风险等级获取目标报告模板和预警模板，并基于目标特征因子数据集统计确定目标对象的驾驶风险行为类型，并根据目标报告模板、预警模板、驾驶意图预测结果和驾驶风险行为类型目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。进一步地，服务器将驾驶意图风险评估报告存储于区块链数据库中，具体此处不做限定。

本发明实施例中，基于位置服务轨迹信息、行动热点轨迹信息和信用信息确定目标特征因子数据集；通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果；若驾驶意图预测结果大于或等于预设的风险阈值，则生成驾驶意图风险评估报告和预警信息。提高了预测用户驾驶意图的准确率和识别效率，以及提高了车辆损失赔偿可靠性。

请参阅图2，本发明实施例中驾驶意图预测与处理方法的另一个实施例包括：

201、接收目标对象的驾驶意图预测请求，对驾驶意图预测请求分配并启动消息处理线程。

其中，驾驶意图预测请求中携带与目标对象相关的至少一个业务参数，各业务参数包括参数名和参数值。驾驶意图预测请求与消息处理线程存在一一对应关系。可选的，服务器通过预设的行为轨迹采集任务获取目标对象对应的移动终端定时上报的位置服务信息和行动热点信息；服务器对位置服务信息和行动热点信息分别进行数据清洗和数据归类处理，得到目标对象的位置服务轨迹信息和目标对象的行动热点轨迹信息；服务器获取目标对象的唯一标识，并按照目标对象的唯一标识将目标对象的位置服务轨迹信息和目标对象的行动热点轨迹信息更新至预设的图数据库中，以构建目标对象的用户画像。

需要说明的是，位置服务信息和行动热点信息已经经过目标对象授权，并且不涉及目标对象隐私。目标对象对应的移动终端用于实时获取位置信息，将位置信息进行压缩和加密处理后，并向预设的移动定位中心发送处理后的位置信息；移动定位中心用于对位置信息进行解压缩、解密、匹配和数据封装处理，得到位置服务信息，并将位置服务信息返回值移动终端。移动终端将位置服务信息和行动热点信息定时上报位置服务信息和行动热点信息。

202、通过消息处理线程将驾驶意图预测请求封装为目标业务消息，并将目标业务消息缓存至业务消息队列中。

进一步地，服务器获取驾驶意图预测请求对应的业务类型，服务器通过消息处理线程，将驾驶意图预测请求封装为目标业务消息，并按照驾驶意图预测请求对应的业务类型，将目标业务消息缓存至业务类型对应的业务消息队列中，并终止消息处理线程。

203、调用业务消息队列对应的业务处理线程，对目标业务消息进行消息解析，得到目标对象的唯一标识和案件标识。

具体的，服务器调用业务消息队列对应的业务处理线程，按照预设的消息格式对目标业务消息进行消息解析，得到消息解析结果；服务器对消息解析结果进行数据验证，得到验证结果；当验证结果为验证成功时，服务器从验证结果中提取目标对象的唯一标识和案件标识。需要说明的是，服务器在对目标业务消息进行业务处理时，还可以监控目标业务消息是否存在异常，若目标业务消息存在异常，则服务器对目标业务消息进行异常处理。

204、按照目标对象的唯一标识符和案件标识查询预设的图数据库，得到目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

具体的，服务器按照目标对象的唯一标识符和案件标识从预设的图数据库中计算实体并列关系相似度，并进行上下位关系的抽取和统计，得到目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

205、对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析筛选，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

需要说明的是，与目标对象欺诈风险行为相关的多维度特征因子对应数量小于或等于多个候选因子对应数量。与目标对象欺诈风险行为相关的多维度特征因子也可以包括与职业维度相关的特征因子、与社交网络黑名单维度相关的特征因子和与用户信用维度相关的特征因子。例如，与职业维度相关的特征因子包括目标对象工作日经常出现的场所、目标对象出现的次数和出现时刻。与社交网络黑名单维度相关的特征因子用于指示基于历史欺诈用户建立社交网络黑名单，分析目标对象和预设的黑名单用户出现在相同区域的次数和时刻，以及连接同一个行动热点的次数、时刻和连接类型。与用户信用维度相关的特征因子包括逾期次数、逾期类型、逾期金额等。多维度特征因子也可以包括目标对象的车辆行驶轨迹维度特征，还可以包括其他类型的因子，具体此处不做限定。

可选的，服务器从预设的数据表中读取多维度候选因子，并根据多维度候选因子分别对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析，得到多个位置服务特征因子、多个行动热点特征因子和多个信用特征因子；服务器通过欧氏距离分别对多个位置服务特征因子(属于与职业维度相关的特征因子)、多个行动热点特征因子(属于社交网络黑名单维度相关的特征因子)和多个信用特征因子(也就是，与用户信用维度相关的特征因子)进行聚类处理，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

206、通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断驾驶意图预测结果是否小于预设的风险阈值。

可以理解的是，服务器在模型训练时，服务器获取多个用户的历史赔案信息(包括正常赔付案件和拒赔案件)、多个用户的位置服务信息、多个用户的行动热点轨迹信息和多个用户的信用信息，并对多个用户的历史赔案信息、多个用户的位置服务信息、多个用户的行动热点轨迹信息和多个用户的信用信息分别进行数据抽取、数据清洗和数据聚类处理，得到训练数据集；并基于训练数据集进行模型训练，得到训练好的神经网络因子分解机模型，并将训练好的神经网络因子分解机模型作为预设风险用户预测模型。提高驾驶意图预测的效率和准确度，进而可以为车辆赔偿业务的合理决策和控制提供判断依据。

可选的，服务器将目标特征因子数据集输入至预设风险用户预测模型中，并通过预设风险用户预测模型中的输入层对目标特征因子数据集进行特征提取，得到多个稀疏特征，预设风险用户预测模型为训练好的神经网络因子分解机模型；服务器获取每个稀疏特征的维度，并通过预设风险用户预测模型中的神经网络层，按照每个稀疏特征的维度，将每个稀疏特征嵌入对应的维度向量，得到多个特征嵌入向量，多个特征嵌入向量包括多个低阶特征向量和多个高阶特征向量；服务器通过预设风险用户预测模型中的因子分解机层对多个低阶特征向量进行特征交叉处理，得到低阶特征组合集；服务器通过预设风险用户预测模型中的隐藏层对多个高阶特征向量进行非线性变换，得到高阶特征组合集；服务器通过预设风险用户预测模型中的输出层将低阶特征组合集和高阶特征组合集进行特征融合处理，输出驾驶意图预测结果；服务器将驾驶意图预测结果与预设的风险阈值进行差运算，得到目标差值，并判断目标差值是否小于0；若目标差值小于0，则服务器确定驾驶意图预测结果小于预设的风险阈值；若目标差值大于或等于0，则服务器确定驾驶意图预测结果大于或等于预设的风险阈值。例如，预设的风险阈值为0.65。

207、若驾驶意图预测结果小于预设的风险阈值，则根据驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将车辆赔偿业务订单信息推送至目标终端。

其中，车辆赔偿业务订单信息用于指示对目标对象进行车辆损失进行赔偿，也就是，目标对象符合预设的车辆损失赔偿规定。可选的，服务器若驾驶意图预测结果小于预设的风险阈值，则从驾驶意图预测请求中提取目标对象的唯一标识和案件标识，并根据目标对象的唯一标识和案件标识获取目标对象的基本信息和案件赔偿信息；服务器按照目标对象的唯一标识和案件标识从预设的接口信息配置表中读取目标业务处理接口，并按照目标对象的基本信息和案件赔偿信息调用并执行目标业务处理接口，得到车辆赔偿业务订单信息；服务器按照预设的推送方式将车辆赔偿业务订单信息推送至目标终端，以使得目标终端对车辆赔偿业务订单信息进行审批处理。需要说明的是，预设的推送方式可以包括消息通知方式，也可以包括邮件方式，具体此处不做限定。进一步地，服务器接收目标终端发送的审批结果和审批信息；当审批结果为审批通过时，服务器按照车辆赔偿业务订单信息触发预设的赔偿业务流程，并向目标用户发送审批信息；当审批结果为审批通过时，服务器按照审批信息对车辆赔偿业务订单信息进行重新驾驶意图预测并审核。

208、若驾驶意图预测结果大于或等于预设的风险阈值，则按照驾驶意图预测结果和目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

其中，驾驶意图风险评估报告为预设格式的报告文件。进一步地，以使得目标终端向目标人员绘制并展示驾驶意图风险评估报告和预警信息，目标人员能够根据驾驶意图风险评估报告和预警信息进行现场勘察，并反馈勘察结果。以使得服务器根据勘察结果对目标对象进行车辆损失赔偿处理和修订驾驶意图风险评估报告，降低了车辆损失赔偿的损失。可选的，服务器按照目标对象的唯一标识和案件标识将驾驶意图预测结果和预警信息更新至目标对象对应的图数据库中，提高了目标对象的画像精准度。服务器将驾驶意图风险评估报告或传输至预设的文件系统中，以使得预设的文件系统对驾驶意图风险评估报告进行统一文件存储和维护。

可选的，首先，若驾驶意图预测结果大于或等于预设的风险阈值，则服务器按照预设的风险转换规则对驾驶意图预测结果进行数值转换，得到驾驶意图风险值，并根据驾驶意图风险值匹配预设的风险配置数据表，得到驾驶风险等级，其中，驾驶意图预测结果与驾驶意图风险值存在一一对应关系，驾驶意图风险值和驾驶风险等级存在对应关系。然后，服务器将驾驶风险等级设置为目标键，并根据目标键查询预设的内存数据库，得到目标值，进一步地，服务器判断目标值是否为空值，若目标值为空值，则服务器生成提示信息，并将提示信息发送至目标终端。其次，当目标值不为空值时，服务器按照目标值查询预设的文件目录，得到目标报告模板和预警模板，也就是，当目标值不为空值时，服务器确定目标值为目标报告模板对应的第一文件路径信息和预警模板对应的第二文件路径信息，服务器基于第一文件路径信息和第二文件路径信息从预设的文件目录中读取目标报告模板和预警模板。其中，第一文件路径信息和第二文件路径信息均具有唯一性。最后，服务器基于目标报告模板和预警模板对驾驶意图预测结果和目标特征因子数据集进行数据封装和转换处理，得到目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

本发明实施例中，基于位置服务轨迹信息、行动热点轨迹信息和信用信息确定目标特征因子数据集；通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果；若驾驶意图预测结果大于或等于预设的风险阈值，则生成驾驶意图风险评估报告和预警信息。提高了预测用户驾驶意图的准确率和识别效率，以及提高了车辆损失赔偿可靠性。

上面对本发明实施例中驾驶意图预测与处理方法进行了描述，下面对本发明实施例中驾驶意图预测与处理装置进行描述，请参阅图3，本发明实施例中驾驶意图预测与处理装置的一个实施例包括：

获取模块301，用于接收目标对象的驾驶意图预测请求，按照驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息；筛选模块302，用于对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析筛选，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子；预测模块303，用于通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断驾驶意图预测结果是否小于预设的风险阈值；处理模块304，用于若驾驶意图预测结果小于预设的风险阈值，则根据驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将车辆赔偿业务订单信息推送至目标终端；生成模块305，用于若驾驶意图预测结果大于或等于预设的风险阈值，则按照驾驶意图预测结果和目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

进一步地，将驾驶意图风险评估报告存储于区块链数据库中，具体此处不做限定。

本发明实施例中，基于位置服务轨迹信息、行动热点轨迹信息和信用信息确定目标特征因子数据集；通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果；若驾驶意图预测结果大于或等于预设的风险阈值，则生成驾驶意图风险评估报告和预警信息。提高了预测用户驾驶意图的准确率和识别效率，以及提高了车辆损失赔偿可靠性。

请参阅图4，本发明实施例中驾驶意图预测与处理装置的另一个实施例包括：

获取模块301，用于接收目标对象的驾驶意图预测请求，按照驾驶意图预测请求获取目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息；筛选模块302，用于对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析筛选，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子；预测模块303，用于通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果，并判断驾驶意图预测结果是否小于预设的风险阈值；处理模块304，用于若驾驶意图预测结果小于预设的风险阈值，则根据驾驶意图预测请求调用对应的目标业务处理接口，得到车辆赔偿业务订单信息，并将车辆赔偿业务订单信息推送至目标终端；生成模块305，用于若驾驶意图预测结果大于或等于预设的风险阈值，则按照驾驶意图预测结果和目标特征因子数据集生成目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

可选的，获取模块301还可以具体用于：

接收目标对象的驾驶意图预测请求，对驾驶意图预测请求分配并启动消息处理线程；通过消息处理线程将驾驶意图预测请求封装为目标业务消息，并将目标业务消息缓存至业务消息队列中；调用业务消息队列对应的业务处理线程，对目标业务消息进行消息解析，得到目标对象的唯一标识和案件标识；按照目标对象的唯一标识符和案件标识查询预设的图数据库，得到目标对象的位置服务轨迹信息、目标对象的行动热点轨迹信息和目标对象的信用信息。

可选的，筛选模块302还可以具体用于：从预设的数据表中读取多维度候选因子，并根据多维度候选因子分别对位置服务轨迹信息、行动热点轨迹信息和信用信息进行特征分析，得到多个位置服务特征因子、多个行动热点特征因子和多个信用特征因子；通过欧氏距离分别对多个位置服务特征因子、多个行动热点特征因子和多个信用特征因子进行聚类处理，得到目标特征因子数据集，目标特征因子数据集用于指示与目标对象欺诈风险行为相关的多维度特征因子。

可选的，预测模块303还可以具体用于：将目标特征因子数据集输入至预设风险用户预测模型中，并通过预设风险用户预测模型中的输入层对目标特征因子数据集进行特征提取，得到多个稀疏特征，预设风险用户预测模型为训练好的神经网络因子分解机模型；获取每个稀疏特征的维度，并通过预设风险用户预测模型中的神经网络层，按照每个稀疏特征的维度，将每个稀疏特征嵌入对应的维度向量，得到多个特征嵌入向量，多个特征嵌入向量包括多个低阶特征向量和多个高阶特征向量；通过预设风险用户预测模型中的因子分解机层对多个低阶特征向量进行特征交叉处理，得到低阶特征组合集；通过预设风险用户预测模型中的隐藏层对多个高阶特征向量进行非线性变换，得到高阶特征组合集；通过预设风险用户预测模型中的输出层将低阶特征组合集和高阶特征组合集进行特征融合处理，输出驾驶意图预测结果；将驾驶意图预测结果与预设的风险阈值进行差运算，得到目标差值，并判断目标差值是否小于0；若目标差值小于0，则确定驾驶意图预测结果小于预设的风险阈值；若目标差值大于或等于0，则确定驾驶意图预测结果大于或等于预设的风险阈值。

可选的，处理模块304还可以具体用于：若驾驶意图预测结果小于预设的风险阈值，则从驾驶意图预测请求中提取目标对象的唯一标识和案件标识，并根据目标对象的唯一标识和案件标识获取目标对象的基本信息和案件赔偿信息；按照目标对象的唯一标识和案件标识从预设的接口信息配置表中读取目标业务处理接口，并按照目标对象的基本信息和案件赔偿信息调用并执行目标业务处理接口，得到车辆赔偿业务订单信息；按照预设的推送方式将车辆赔偿业务订单信息推送至目标终端，以使得目标终端对车辆赔偿业务订单信息进行审批处理。

可选的，生成模块305还可以具体用于：若驾驶意图预测结果大于或等于预设的风险阈值，则按照预设的风险转换规则对驾驶意图预测结果进行数值转换，得到驾驶意图风险值，并根据驾驶意图风险值匹配预设的风险配置数据表，得到驾驶风险等级；将驾驶风险等级设置为目标键，并根据目标键查询预设的内存数据库，得到目标值；当目标值不为空值时，按照目标值查询预设的文件目录，得到目标报告模板和预警模板；基于目标报告模板和预警模板对驾驶意图预测结果和目标特征因子数据集进行数据封装和转换处理，得到目标对象的驾驶意图风险评估报告和预警信息，并向目标终端发送驾驶意图风险评估报告和预警信息。

可选的，驾驶意图预测与处理装置还可以包括：采集模块306，用于通过预设的行为轨迹采集任务获取目标对象对应的移动终端定时上报的位置服务信息和行动热点信息；清洗模块307，用于对位置服务信息和行动热点信息分别进行数据清洗和数据归类处理，得到目标对象的位置服务轨迹信息和目标对象的行动热点轨迹信息；更新模块308，用于按照目标对象的唯一标识将目标对象的位置服务轨迹信息和目标对象的行动热点轨迹信息更新至预设的图数据库中，以构建目标对象的用户画像。

本发明实施例中，基于位置服务轨迹信息、行动热点轨迹信息和信用信息确定目标特征因子数据集；通过预设风险用户预测模型对目标特征因子数据集进行驾驶意图预测，得到驾驶意图预测结果；若驾驶意图预测结果大于或等于预设的风险阈值，则生成驾驶意图风险评估报告和预警信息。提高了预测用户驾驶意图的准确率和识别效率，以及提高了车辆损失赔偿可靠性。

上面图3和图4从模块化的角度对本发明实施例中的驾驶意图预测与处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中驾驶意图预测与处理设备进行详细描述。

图5是本发明实施例提供的一种驾驶意图预测与处理设备的结构示意图，该驾驶意图预测与处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessingunits，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对驾驶意图预测与处理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在驾驶意图预测与处理设备500上执行存储介质530中的一系列指令操作。

驾驶意图预测与处理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windowsserve，macosx，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的驾驶意图预测与处理设备结构并不构成对驾驶意图预测与处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述驾驶意图预测与处理方法的步骤。

本发明还提供一种驾驶意图预测与处理设备，所述驾驶意图预测与处理设备包括存储器和处理器，存储器中存储有指令，所述指令被处理器执行时，使得处理器执行上述各实施例中的所述驾驶意图预测与处理方法的步骤。

进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。