【技术实现步骤摘要】
一种私家新能源汽车异常使用的判定方法
[0001]本专利技术涉及智能交通控制
,具体为一种私家新能源汽车异常使用的判定方法。
技术介绍
[0002]根据相关规定,私家车是不能作为运营车辆使用的。由于新能源汽车的电池技术瓶颈,频繁使用的新能源汽车,本身就存在安全隐患。通常新能源车辆作为运营车辆时,车辆的运行状态时处于实时监控状态的。但当私家车为新能源车,被用做运营车辆,又处于失管失控的状态时,发生事故等突发事件的可能性和危害性远大于一般燃油车。这种被异常使用的新能源私家车需要重点管理和控制,目前,研判私家车辆异常使用的方法较多,但大多都是建立机器学习模型,通过历史数据进行训练之后再进行预测,现有方法的预测精度取决与模型的泛化能力,对数据分布的同一性要求较高,即不同数据集的预测精度有较大偏差。
技术实现思路
[0003]为了解决现有技术中研判私家车辆异常使用的方法大多基于机器学习模型完成,判定结果对训练数据集依赖较大的问题,本专利技术提供一种私家新能源汽车异常使用的判定方法,其适用于具有不同分布特性的数据集,可以精准研判被异常使用的新能源私家车,适用于更多的场景中。
[0004]本专利技术的技术方案是这样的:一种私家新能源汽车异常使用的判定方法,其特征在于,其包括以下步骤:
[0005]S1:确定待监控路段和监控时间段,基于监控设备获取所述监控时间段内的车辆监控数据;
[0006]根据所述车辆监控数据,分析后确定车辆信息,将确定身份的车辆记作:待分析车辆;
[0007 ...
【技术保护点】
【技术特征摘要】
1.一种私家新能源汽车异常使用的判定方法,其特征在于,其包括以下步骤:S1:确定待监控路段和监控时间段,基于监控设备获取所述监控时间段内的车辆监控数据;根据所述车辆监控数据,分析后确定车辆信息,将确定身份的车辆记作:待分析车辆;S2:针对每一辆所述待分析车辆分别构建出行特征;所述出行特征的构建方法包括:a1:获取所述待分析车辆的通行轨迹数据;a2:对所述通行轨迹数据进行划分,得到出行子轨迹;假设对所述通行轨迹数据的GPS数据划分了n
‑
1次,则形成n份所述出行子轨迹;a3:对每份所述出行子轨迹取平均值,则形成n个GPS轨迹点;a4:基于聚类算法,对所述GPS轨迹点进行聚类;设定聚类中心数k的取值从1取到10,分别对n条数据进行聚类;a5:每做一次聚类,画出每一个k值对应的对应的SSE曲线;计算每一条所述SSE曲线的变化趋势;a6:找到所述变化趋势最平缓的所述SSE曲线对应的k值,即为所述待分析车辆对应的所述出行特征;S3:针对每一辆所述待分析车辆分别构建车辆轨迹重复率特征;所述车辆轨迹重复率特征的构建步骤包括:b1:获取所述待分析车辆对应的所有所述出行子轨迹;b2:将每一个所述出行子轨迹中的GPS点的经纬度,基于Geohash算法转化为一维的Base32编码,记作:Geohash编码;b3:抽取所述待分析车辆对应的所有所述出行子轨迹中任意两条所述出行子轨迹,记作:待计算轨迹对;基于所述Geohash编码,利用最大公共子序列算法求解所述待计算轨迹对的最大公共子序列;b4:计算所述待计算轨迹对的轨迹重复率;所述轨迹重复率 = 所述最大公共子序列包括的GPS轨迹点个数/所述待计算轨迹对包括的总的轨迹点个数;b5:将所述待分析车辆对应的所有的所述轨迹重复率取平均数,即得到所述待分析车辆对应的轨迹重复率特征;S4:计算每一辆所述待分析车辆的充电频率特征;所述充电频率特征表示在监控时间段中所述待分析车辆的充电频率;S5:获取所有的所述待分析车辆的所述出行特征、所述车辆轨迹重复率特征、所述充电频率特征;分别构建出行特征集合、车辆轨迹重复率特征集合、充电频率特征集合;S6:分别针对所述出行特征集合、所述车辆轨迹重复率特征集合、所述充电频率特征集合计算下四分位数Q1,上四分位数Q3;设,Q1与Q3的差值为IOR,则设置上限阈值为Q3+1.5IOR,下限阈值为Q1
‑
1.5IOR;三个特征集合中,所有大于所述上限阈值的特征值,都记作异常值;S7:如果存在所述待分析车辆,其对应的所述出行特征、所述车辆轨迹重复率特征、所
述充电频率特征都是所述异常值,则将所述待分析车辆记作:异常车辆。2.根据权利要求1所述一种私家新能源汽车异常使用的判定方法,其特征在于:步骤a2中,所述出行子轨迹划分的方法包括:a21:根据GPS时间对车辆经纬度进行升序排列;获取第一个GPS点设置为子轨迹起点;a...
【专利技术属性】
技术研发人员:蔡岗,姜良维,黄淑兵,孔晨晨,曹鹏,张沛,黄瑛,周云龙,赵磊,姜鉴铎,孙瀚,吴晓峰,
申请(专利权)人:公安部交通管理科学研究所,
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。