本发明专利技术公开了一种私家车非法营运的识别方法、系统、设备及存储介质，方法包括：取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。本发明专利技术涉及分类算法领域，所提供的私家车非法营运的识别方法识别准确率高。供的私家车非法营运的识别方法识别准确率高。供的私家车非法营运的识别方法识别准确率高。
【技术实现步骤摘要】
私家车非法营运的识别方法、系统、设备及存储介质
[0001]本专利技术涉及分类算法领域，尤其涉及一种私家车非法营运的识别方法、系统、计算机设备及存储介质。
技术介绍
[0002]随着网约车市场不断发展，越来越多私家车辆从事网约车服务，但部分私家车辆投保非运营车辆保险。由于营运车辆因行驶轨迹不确定、行驶时间较长等特点，使得其赔付风险远大于一般用途的私家车辆。所以保险公司需要及时识别用于运营服务的私家车辆。
[0003]传统的营运车风险识别系统，将用户轨迹等信息作为独立的特征，运用算法进行自动化识别，但忽略了不同信息之间局部链接的依赖关系，使得识别结果不够准确。
[0004]所以需要一种私家车非法营运的识别方法解决上述技术问题。
技术实现思路
[0005]本专利技术的主要目的在于提出一种私家车非法营运的识别方法、系统、计算机设备及存储介质，旨在解决现有营运车风险识别系统仅依靠单一特征进行识别导致识别率低的技术问题。
[0006]为实现上述目的，本专利技术提供一种私家车非法营运的识别方法，包括步骤：
[0007]获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；
[0008]获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；
[0009]将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。
[0010]优选地，所述获取车辆行驶数据，对车辆行驶数据进行数据处理生成节点特征张量的步骤包括：
[0011]获取车辆行驶数据，确定所述车辆行驶数据覆盖的地图区域，将所述地图区域划分为多个具有预设边长的网格；
[0012]将所述车辆行驶数据中的行驶轨迹经过的网格设置为节点，将所述车辆行驶数据中的行驶时间参数、行驶速度参数和识别参数组合为节点特征张量。
[0013]优选地，所述预设图卷积模型包括预设差分池化子模型和预设特征融合子模型；所述获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量的步骤包括：
[0014]获取车主信息数据；
[0015]将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量；
[0016]将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量，并
[0017]执行：所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量的步骤，直至图向量的数量等于预设个数，获得所述预设个数的不同感受态的图向量。
[0018]优选地，所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量包括：
[0019]将所述车主信息数据和所述节点特征张量输入预设特征融合子模型中进行平均融合；
[0020]将平均融合处理后的节点特征张量输入预设多层感知机，对输出层进行归一化处理，生成融合节点特征；
[0021]将融合节点特征输入预设全局池化层，将各融合节点特征压缩为图向量。
[0022]优选地，所述将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量的步骤包括：
[0023]将所述节点特征张量输入所述预设差分池化子模型中，生成聚类分数和节点嵌入信息；
[0024]根据所述节点嵌入信息和所述聚类分数，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量。
[0025]优选地，所述将所述节点特征张量输入预设差分池化子模型中，生成聚类分数的步骤包括：
[0026]将所述节点特征张量输入预设差分池化子模型中，生成各节点属于不同预设类别的逻辑值和节点嵌入信息；
[0027]将各逻辑值输入归一化指数函数，生成各节点属于不同预设类别的聚类分数。
[0028]优选地，所述根据所述节点嵌入信息和所述聚类分数，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量的步骤包括：
[0029]X
(l+1)
＝S
(l)T
*Z
(l)
；
[0030]其中，Z
(l)
为第L层节点特征张量经过预设差分池化子模型的节点嵌入，S
(l)
为第L层节点特征张量的聚类分数，S
(l)T
为第L层节点特征张量的聚类分数的转置矩阵，X
(l+1)
为第L+1层节点特征张量。
[0031]本专利技术还提供了一种私家车非法营运的识别系统，所述私家车非法营运的识别系统包括：
[0032]数据处理模块，获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；
[0033]图卷积模块，获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；
[0034]多跳信息融合模块，将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果将各图向量输入预设多跳信息融合模型进行非线性融合，输出识别结果。
[0035]为实现上述目的，本专利技术还提供一种计算机设备，所述计算机设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的私家车非法营运的识别方法的步骤。
[0036]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的私家车非法营运的识别方法的步骤。
[0037]本专利技术提出的一种私家车非法营运的识别方法、系统、计算机设备及存储介质，通过将车主信息数据和车辆运行数据输入预设图卷积模型，使得获得的识别结果结合了车主信息数据，避免了仅将车主信息数据作为独立的数据分析，将车主信息数据和车辆行驶数据作为相关特征带入识别过程中，提高了识别结果的准确性；通过预设图卷积模型以对节点特征张量进行抽象，从而获得多个不同感受态的图向量，再通过预设多跳信息融合模型进行非线性融合，使得车主信息数据和车辆运行数据可以有效融合。
附图说明
[0038]图1是本专利技术实施例方案涉及的硬件运行环境的结构示意图；
[0039]图2为本专利技术私家车非法营运的识别方法第一实施例的流程示意图；
[0040]图3为本专利技术私家车非法营运的识别方法第二实施例的流程示意图；
[0041]图4为本专利技术私家车非法营运的识别方法第三实施例中步骤S220的细化流程示意图；
...
【技术保护点】
【技术特征摘要】
1.一种私家车非法营运的识别方法，其特征在于，包括步骤：获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。2.根据权利要求1所述的私家车非法营运的识别方法，其特征在于，所述获取车辆行驶数据，对车辆行驶数据进行数据处理生成节点特征张量的步骤包括：获取车辆行驶数据，确定所述车辆行驶数据覆盖的地图区域，将所述地图区域划分为多个具有预设边长的网格；将所述车辆行驶数据中的行驶轨迹经过的网格设置为节点，将所述车辆行驶数据中的行驶时间参数、行驶速度参数和识别参数组合为节点特征张量。3.根据权利要求1所述的私家车非法营运的识别方法，其特征在于，所述预设图卷积模型包括预设差分池化子模型和预设特征融合子模型；所述获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量的步骤包括：获取车主信息数据；将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量；将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量，并执行：所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量的步骤，直至图向量的数量等于预设个数，获得所述预设个数的不同感受态的图向量。4.根据权利要求3所述的私家车非法营运的识别方法，其特征在于，所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量包括：将所述车主信息数据和所述节点特征张量输入预设特征融合子模型中进行平均融合；将平均融合处理后的节点特征张量输入预设多层感知机，对输出层进行归一化处理，生成融合节点特征；将融合节点特征输入预设全局池化层，将各融合节点特征压缩为图向量。5.根据权利要求3所述的私家车非法营运的识别方法，其特征在于，所述将所述节点特征张量输入所述预设...
【专利技术属性】
技术研发人员：曾思敏，张旭，郑越，龙铠豪，梁智豪，
申请(专利权)人：中国平安财产保险股份有限公司，
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。