本发明专利技术公开了一种运营车辆的轨迹监测方法、装置、存储介质及计算机设备。其中方法包括：获取待监测车辆的轨迹数据和业务类型；根据待监测车辆的业务类型，确定待监测车辆对应的轨迹预测模型，其中，轨迹预测模型基于孤立森林算法和随机森林算法训练得到；将待监测车辆的轨迹数据输入到所述轨迹预测模型中，得到待监测车辆的轨迹异常概率值。上述方法基于孤立森林算法和随机森林算法训练得到轨迹预测模型，并通过轨迹预测模型预测出待监测车辆的轨迹异常概率值，可以及时准确的监测出运营车辆出现轨迹异常的概率，从而有效的提高运营车辆的行驶轨迹监测的时效性和准确性。辆的行驶轨迹监测的时效性和准确性。辆的行驶轨迹监测的时效性和准确性。
【技术实现步骤摘要】
运营车辆的轨迹监测方法、装置、存储介质及计算机设备
[0001]本专利技术涉及人工智能及大数据处理
，尤其是涉及一种运营车辆的轨迹监测方法、装置、存储介质及计算机设备。
技术介绍
[0002]随着我国汽车工业的迅猛发展以及国民生活水平的不断提高，汽车逐渐成为居民生活中一项非常重要的交通工具。在此背景下，汽车租赁服务也因为迎合了部分用户临时用车的需求而越来越受到市场的欢迎。
[0003]通常来说，运营车辆(被租赁的车辆)根据业务类型的不同可以划分为多种类型，如长租型、短租型、网约经租型和网约自营型等等。各种类型的运营车辆在运行的过程中都可能会出现多种多样的问题，如丢失、改装和损坏等等，为了避免此类问题，出租方通常会在运营车辆上安装GPS装置，然后通过GPS装置对运营车辆的行驶轨迹和车辆位置进行实时监控。
[0004]在现有技术中，车辆出租方通常是通过监测运营车辆的轨迹是否经常进入危险路段，运营车辆是否经常停驻在二手车市场或修车店附近，以及运营车辆是否行驶至过远的距离等指标来判断运营车辆是否存在运营风险。但是，这种简单的轨迹监测方法无法帮助车辆出租方及时准确的了解运到运营车辆的实际运营风险，并且，由于运营车辆的类型较多，各类型的行驶轨迹也各有不同，这更加大了运营车辆的监控难度，并降低了运营车辆轨迹监测的整体准确性，最终造成车辆出租方的财产受到损失。
技术实现思路
[0005]有鉴于此，本申请提供了一种运营车辆的轨迹监测方法、装置、存储介质及计算机设备，主要目的在于解决运营车辆的行驶轨迹监测时效性差且不够准确的技术问题。
[0006]根据本专利技术的第一个方面，提供了一种运营车辆的轨迹监测方法，该方法包括：
[0007]获取待监测车辆的轨迹数据和业务类型；
[0008]根据待监测车辆的业务类型，确定待监测车辆对应的轨迹预测模型，其中，轨迹预测模型基于孤立森林算法和随机森林算法训练得到；
[0009]将待监测车辆的轨迹数据输入到轨迹预测模型中，得到待监测车辆的轨迹异常概率值。
[0010]根据本专利技术的第二个方面，提供了一种运营车辆的轨迹监测装置，该装置包括：
[0011]数据获取模块，用于获取待监测车辆的轨迹数据和业务类型；
[0012]模型确定模块，用于根据待监测车辆的业务类型，确定待监测车辆对应的轨迹预测模型，其中，轨迹预测模型基于孤立森林算法和随机森林算法训练得到；
[0013]数据处理模块，用于将待监测车辆的轨迹数据输入到轨迹预测模型中，得到待监测车辆的轨迹异常概率值。
[0014]根据本专利技术的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程
序被处理器执行时实现上述运营车辆的轨迹监测方法。
[0015]根据本专利技术的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述运营车辆的轨迹监测方法。
[0016]本专利技术提供的一种运营车辆的轨迹监测方法、装置、存储介质及计算机设备，首先获取待监测车辆的轨迹数据和业务类型，然后根据业务类型确定待监测车辆对应的轨迹预测模型，最后通过轨迹预测模型得到待监测车辆的轨迹异常概率值。在上述方法中，轨迹预测模型是基于孤立森林算法和随机森林算法训练得到的，其中，孤立森林算法可以分离出样本中的正常轨迹和异常轨迹，从而为随机森林算法提供充足的预判后的样本数据，而随机森林算法可以根据预判后的样本数据，对轨迹数据的异常概率进行准确的预测，从而及时准确的监测出运营车辆出现轨迹异常的概率，进而有效的提高运营车辆的行驶轨迹监测的时效性和准确性。
[0017]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0018]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0019]图1示出了本专利技术实施例提供的一种运营车辆的轨迹监测方法的流程示意图，
[0020]图2示出了本专利技术实施例提供的一种轨迹预测模型的训练方法的流程示意图，
[0021]图3示出了本专利技术实施例提供的一种运营车辆的轨迹监测装置的结构示意图。
具体实施方式
[0022]下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0023]在一个实施例中，如图1所示，提供了一种运营车辆的轨迹监测方法，以该方法应用于服务器等计算机设备为例进行说明，包括以下步骤：
[0024]101、获取待监测车辆的轨迹数据和业务类型。
[0025]其中，待监测车辆指的是需要进行轨迹监测的运营车辆，运营车辆指的是由车辆运营方或由车辆出租方以出租、经租、自营等方式提供给车辆承租方或提供给个体司机的车辆。一般来说，运营车辆根据其出租、经租、自营方式的不同可以划分为多种不同的业务类型，如长租、短租、网约经租和网约自营等等。在本实施例中，计算机设备可以通过安装在待监测车辆上的GPS装置实时采集待监测车辆的轨迹数据，并且可以根据待监测车辆的车辆标识(如车牌号)在数据库中获取待监测车辆当前的业务类型。可以理解的是，待监测车辆的数量可以为一台或多台，待监测车辆的业务类型可以根据实际的运营方式的改变而改变。为了便于说明运营车辆的业务类型的具体含义，下面提供几个业务类型的定义可供参考。
[0026]在本实施例中，长租指的是车辆租赁合同超过6个月以上，承租方以企事业单位为
主，在合同执行期间作为企事业单位公务用车，司机由其自行安排，与出租方无关。短租指的是车辆租赁合同不超过60天，承租方以个人客户为主，在合同执行期间由承租方客户自行使用。网约经租指的是车辆归属出租方，个体司机在网约车平台租赁车辆，进行网约车业务获取报酬支付租金。网约自营指的是车辆归属于网约车平台，平台自行招聘司机、培训，司机开展网约车业务，平台支付司机报酬。需要说明的是，除上述几种业务类型之外，运营车辆还可以有其他的业务类型，本实施例在此不再一一列举。
[0027]102、根据待监测车辆的业务类型，确定待监测车辆对应的轨迹预测模型，其中，轨迹预测模型基于孤立森林算法和随机森林算法训练得到。
[0028]其中，轨迹预测模型指的是对运营车辆的轨迹进行预测的模型，该模型的输入为运营车辆的轨迹数据，输出为运营车辆的轨迹异常概率值，通过轨迹异常概率值，可以获知待监测车辆的轨迹发生异常的概率，即轨迹异常概率值越高，待监测车辆的运营风险越高，反之则待监测车辆的运营风险越低。
[0029]具体的，轨迹预测模型可以根据运营车辆类型的不同而不同，即每一种业务类型都对应了一个相应的轨迹预测模型，通过这种方式，可以提高本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种运营车辆的轨迹监测方法，其特征在于，所述方法包括：获取待监测车辆的轨迹数据和业务类型；根据所述待监测车辆的业务类型，确定所述待监测车辆对应的轨迹预测模型，其中，所述轨迹预测模型基于孤立森林算法和随机森林算法训练得到；将所述待监测车辆的轨迹数据输入到所述轨迹预测模型中，得到所述待监测车辆的轨迹异常概率值。2.根据权利要求1所述的方法，其特征在于，所述获取待监测车辆的轨迹数据，包括：通过安装在所述待监测车辆上的GPS装置，实时采集所述待监测车辆的位置数据；根据所述实时采集的待监测车辆的位置数据，生成所述待监测车辆的行驶轨迹；从所述行驶轨迹中选取出多个定位点，并根据所述多个定位点的经纬度坐标值生成待监测车辆的轨迹数据。3.根据权利要求2所述的方法，其特征在于，所述从行驶轨迹中选取出多个定位点，并根据所述多个定位点的经纬度坐标值生成待监测车辆的轨迹数据，包括：将所述行驶轨迹截取为n段，并从每一段行驶轨迹中选取出一个定位点，以得到所述行驶轨迹的n个定位点；按照所述n个定位点的采集时间的先后顺序，对所述n个定位点进行升序排列，得到所述n个定位点的排列序号；以所述n个定位点的排列序号为权值，对所述n个定位点的经纬度坐标绝对值进行加权处理，得到待监测车辆的轨迹数据。4.根据权利要求3所述的方法，其特征在于，所述经纬度坐标绝对值的获取方法，包括：获取待检测车辆所在城市的欧式距离中心点，并计算所述欧式距离中心点与预设的城市中心点之间的距离；当所述欧式距离中心点与所述城市中心点之间的距离小于预设偏差值时，根据所述n个定位点的经纬度坐标值与所述欧式距离中心点之间的差值，得到所述n个定位点的经纬度坐标绝对值；当所述欧式距离中心点与所述城市中心点之间的距离不小于预设偏差值时，根据所述n个定位点的经纬度坐标值与所述城市中心点之间的差值，得到所述n个定位点的经纬度坐标绝对值。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述轨迹预测模型的训练方法，包括：获取多个运营车辆的多条历史轨迹数据，并根据每个所述运营车辆的业务类型对所述多条历史轨迹数据进行分类，得到每种业务类型的多条历史轨迹数据；根据每种业务类型的多条历史轨迹数据，通过孤立森林算法，训练得到每种业务类型对应的轨迹判断模型；将每种业务类型的每条历史轨迹数...
【专利技术属性】
技术研发人员：舒国藩，聂礼平，邹于佳，冯鑫，孙国瑞，谷梅，齐艳民，
申请(专利权)人：一汽出行科技有限公司，
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。