随着道路交通的快速发展,汽车保有量的飞速增长,道路交通安全问题日益严重,道路交通安全问题也日益得到人们的重视。所以对驾驶行为安全性检测和赔付率预测就有了进一步的重要意义。驾驶行为可以分为安全驾驶行为和危险驾驶行为,其中危险驾驶行为是具有危害性的,所以需要对危险驾驶行为进行有效检测。赔付率反映了保险公司的成本高低和经营状况,反映了道路交通安全状况,从赔付率的情况可以看出道路交通的安全状况,所以对赔付率进行有效的预测是具有经济价值和社会价值的。针对上述情况,本文使用长短期记忆网络即LSTM神经网络算法来构建驾驶行为检测模型,设计与构建驾驶行为检测系统来检测驾驶行为安全性。使用注意力反向传播神经网络即注意力BP神经网络算法构建赔付率预测模型,设计与构建赔付率预测系统来预测赔付率。主要工作有以下几个方面:(1)设计与构建基于LSTM神经网络驾驶行为检测系统。使用脉搏传感器获取驾驶员脉搏信息,使用平均滑动法滤除脉搏数据噪声,对处理后的数据进行基于统计分析方法思想的特征提取,提取出脉搏数据的主波幅值变化率、主波降幅以及脉率变化率与愤怒驾驶行为相关特征参数,构建基于LSTM神经网络的驾驶行为检测模型,通过提取的特征参数来进行模型训练,设计和构建驾驶行为检测系统对驾驶员的驾驶行为进行检测与结果展示,最后对比分析了该检测算法对愤怒驾驶行为和正常驾驶行为检测的成功率。(2)设计与构建基于注意力BP神经网络赔付率预测系统。先通过收集保险公司的赔付状况数据集,通过z-score标准化手段进行数据处理,将注意力机制引入到传统BP神经网络中构建基于注意力BP神经网络赔付率预测模型,设计和构建赔付率预测管理系统,通过该系统进行赔付率预测,最后对该系统预测精确度进行了分析总结。(3)分析和总结了驾驶行为安全性检测以及赔付率预测研究现状,通过对道路交通发展的背景研究,引出了本文的工作——设计与构建系统来进行驾驶行为安全性检测和赔付率的预测。