一种基于机器学习实现垃圾清运车辆异常行驶的检测方法技术

一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，属于垃圾清运车辆管理技术领域。方法包括步骤S01，获取车辆端每个行驶点位的回传信息并构建原始数据集；回传信息包括GPS数据、行驶速度、上传时间；步骤S02，对原始数据集进行筛选，筛选出上传时间间隔大于上传间隔阈值且行驶速度为零的行驶点位，并构建测试数据集；步骤S03，基于K

【技术实现步骤摘要】
一种基于机器学习实现垃圾清运车辆异常行驶的检测方法


[0001]本专利技术涉及垃圾清运车辆管理
，尤其涉及一种基于机器学习实现垃圾清运车辆异常行驶的检测方法。

技术介绍

[0002]随着小区入住率不断提高，装修建筑垃圾的堆放、运输和处置成为一大难题。垃圾清运车辆通常会有规定的行驶路线和起终点，车辆必须按照规定路线行驶。由于监管垃圾清运车辆行驶线路和装卸倾倒等任务上需要大量的人力资源，现有技术实现上述功能需要投入大量的硬件设备，导致这一问题成为长久以来的技术难点。
[0003]专利技术专利申请CN202011217624.0公开了基于垃圾分类的环卫管理方法、系统、终端及存储介质，并具体公开了方法包括：获取单位模块的模块垃圾信息；获取数据库中环卫车的环卫车信息，根据模块垃圾信息和环卫车信息，调取一定数量的环卫车，将环卫车与单位模块绑定；获取单位模块内各个垃圾点的垃圾点信息；生成关于单位模块内各个垃圾点的优先顺序总表；按照优先顺序总表，根据垃圾点的垃圾点信息，以及与单位模块绑定的环卫车的环卫车信息，将垃圾点与环卫车绑定，生成每辆环卫车的优先顺序子表；获取城市道路信息，根据城市道路信息和优先顺序子表，规划日常路径。该专利技术主要解决环卫车路径规划问题，并未针对环卫车工作期间是否按规定路线行驶进行监管。
[0004]专利技术专利申请CN202111495456.6公开了基于5G的城市垃圾管理系统和管理方法，并具体公开了系统包括管理平台、多个5G微基站、运转车、回收站和多个垃圾箱，管理平台、运转车、回收站和每个垃圾箱上均设置有5G模块，以使管理平台、运转车、垃圾箱和回收站能够与5G微基站进行通讯以接入区域网中；管理平台用于预先存储垃圾箱、运转车和回收站的位置信息，以及用于接收来自垃圾箱的需要被清理的信息，以及用于预先规划运转车的行驶路径并发送至运转车；运转车根据管理平台发送的行驶路径信息清理垃圾箱，并将垃圾运转至回收站；5G微基站，用于当垃圾箱或运转车的位置发生变化时，重新确定垃圾箱或运转车的位置。该专利技术主要解决运转车路径规划问题，并未针对运转车工作期间是否按规定路线行驶进行监管。

技术实现思路

[0005]本专利技术旨在降低人力成本和硬件需求下，同时能够实时监控垃圾清运车辆行为，及时发现并处理违规车辆，为此提出一种基于机器学习实现垃圾清运车辆异常行驶的检测方法。
[0006]本专利技术提供一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，包括:步骤S01，获取车辆端每个行驶点位的回传信息，并基于获取的行驶点位的回传信息构建原始数据集；其中，所述回传信息包括GPS数据、行驶速度、上传时间；步骤S02，对原始数据集进行筛选，筛选出上传时间间隔大于上传间隔阈值且行驶速度为零的行驶点位，并基于筛选出的行驶点位的回传信息构建测试数据集；
步骤S03，基于K
‑
means算法对测试数据集中的GPS数据进行聚类，获得簇心点位个数、簇心点位的GPS数据；所述簇心点位为作业停留点位；步骤S04，将簇心点位与电子围栏数据进行匹配，若匹配到电子围栏数据的簇心点位数量少于两个时，判断该簇心点位所属车辆处于异常行驶状态。
[0007]该方法在远程控制中心执行，该远程控制中心可接收来自不同车辆端的回传信息，每个回传信息与每个车辆编号绑定存储，则一个车辆编号下有多个行驶点位的回传信息，同一个车辆编号下的所有回传信息构建成一个原始数据集。本专利技术方法针对同一车辆的数据集进行异常行驶检测，通过多次再现此方法流程，对多个车辆分别进行异常行驶检测。当控制中心对某个车辆编号下的数据集检测发现异常时，则确定该车辆编号所属的车辆存在异常行驶行为，便于对该车辆进行告警，整改驾驶行为。
[0008]所述回传信息通过车辆端上的车载GPS设备采集车辆行驶速度和GPS数据并将其回传。由于车载GPS设备会因为车辆行驶状态或周边环境导致上传信号不稳定，则上传时间间隔不一致，则无法直接将实时采集数据投入分析，无法直接判断车速为零的情况就是因垃圾清运车作业而停留的点位。为此，需要对采集数据进行筛选，排除因红绿灯临时停车等其他停车情况；进一步通过K
‑
means算法来准确获取作业停留点位。尤其是在不清楚车辆行驶路线或运行趟数下，K
‑
means算法能基于筛选后的数据获得进一步准确的因作业停车的数据结果。
[0009]该专利技术利用机器学习算法，将所需数据量降到最低，能够用相对简单快速的方法对垃圾车进行行车监控并判断车辆行驶行为，同时可以降低算法对于路口及红绿灯停车的误判，尽量少的人工介入降低了人工成本，也减少了认为产生的误差和不公平因素。
[0010]作为优选，方法还包括：步骤S05，在判断该簇心点位所属车辆处于异常行驶状态后，触发人工审核流程，对符合异常行驶状态的车辆进行告警。
[0011]作为优选，方法还包括：步骤S40，基于簇心点位和测试数据集中的行驶点位，形成往返行驶路线。
[0012]作为优选，所述步骤S40与所述步骤S04的执行顺序可同步进行，或者，所述步骤S40在所述步骤S04前执行，或者所述步骤S40在所述步骤S04后执行。
[0013]作为优选，所述步骤S40包括：步骤S41，基于欧几里德距离原理，将每个簇心点位与测试数据集中的行驶点位进行距离匹配，获得与每个簇心点位距离最近的行驶点位；步骤S42，将步骤S41获得的行驶点位所对应的簇心点位的GPS数据合并到所述测试数据集中，并基于行驶点位的上传时间排序形成路线数据集；步骤S43，依次遍历所述路线数据集中每个点位是否属于同一个作业停留点位，若是，则遍历下一个点位；若否，记录当前点位，再遍历下一个点位；当遍历完路线数据集中所有点位后，基于记录下的点位形成往返行驶路线。
[0014]作为优选，所述步骤S41还包括：将与簇心点位距离最近的行驶点位，同其对应的簇心点位关联在一起，使得两个相对应的行驶点位和簇心点位能被确认为同一个作业停留点位，并将行驶点位的上传时间作为簇心点位的上传时间。
[0015]作为优选，所述步骤S01还包括：计算原始数据集中每个行驶点位的上传时间间隔，并将通过众数计算获得的上传时间间隔作为上传间隔阈值。
[0016]作为优选，所述步骤S02包括：步骤S21，对原始数据集进行筛选，筛选出上传时间间隔大于上传间隔阈值的行驶点位；步骤S22，对步骤S21中筛选出的行驶点位进一步筛选，获得行驶速度为零的行驶点位；步骤S23，基于筛选出的行驶点位的回传信息构建测试数据集。
[0017]作为优选，所述步骤S03包括：步骤S31，基于K
‑
means算法对测试数据集中的GPS数据进行聚类，计算聚类过程中的聚类点间的误差平方；其中，k为聚类数，C为聚类中心，X为簇中数据点；步骤S32，基于步骤S31计算获得的SSE和聚类数构建肘部图，并基于肘部图的成像情况确定真实的聚类数，并将该真实的聚类数确定为作业停留点位个数；所述步骤S33，调用python中的机器学习算法库中的聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，其特征在于，包括:步骤S01，获取车辆端每个行驶点位的回传信息，并基于获取的行驶点位的回传信息构建原始数据集；其中，所述回传信息包括GPS数据、行驶速度、上传时间；步骤S02，对原始数据集进行筛选，筛选出上传时间间隔大于上传间隔阈值且行驶速度为零的行驶点位，并基于筛选出的行驶点位的回传信息构建测试数据集；步骤S03，基于K
‑
means算法对测试数据集中的GPS数据进行聚类，获得簇心点位个数、簇心点位的GPS数据；所述簇心点位为作业停留点位；步骤S04，将簇心点位与电子围栏数据进行匹配，若匹配到电子围栏数据的簇心点位数量少于两个时，判断该簇心点位所属车辆处于异常行驶状态。2.根据权利要求1所述的一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，其特征在于，方法还包括：步骤S05，在判断该簇心点位所属车辆处于异常行驶状态后，触发人工审核流程，对符合异常行驶状态的车辆进行告警。3.根据权利要求1所述的一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，其特征在于，方法还包括：步骤S40，基于簇心点位和测试数据集中的行驶点位，形成往返行驶路线。4.根据权利要求3所述的一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，其特征在于，所述步骤S40与所述步骤S04的执行顺序可同步进行，或者，所述步骤S40在所述步骤S04前执行，或者所述步骤S40在所述步骤S04后执行。5.根据权利要求3所述的一种基于机器学习实现垃圾清运车辆异常行驶的检测方法，其特征在于，所述步骤S40包括：步骤S41，基于欧几里德距离原理，将每个簇心点位与测试数据集中的行驶点位进行距离匹配，获得与每个簇心点位距离最近的行驶点位；步骤S42，将步骤S41获得的行驶点位所对应的簇心点位的GPS数据合并到所述测试数据集中，并基于行驶点位的上传时间排序形成路线数据集；步骤S43，依次遍历所述路线数据集中每个点位是否属于同一个作业停留点位，若是，则遍历下一个点位；若...

【专利技术属性】
技术研发人员：潘士渠，刘峰，卢攀，李国庆，巩玉峰，汪旻悦，
申请(专利权)人：浙江鸿程计算机系统有限公司，
类型：发明
国别省市：