【技术实现步骤摘要】
一种车辆运行数据的检测方法、装置及设备
[0001]本申请涉及自动驾驶
，尤其涉及一种车辆运行数据的检测方法、装置及设备。
技术介绍
[0002]传统检测车辆运行数据的模型是根据连续两个输入的正常车辆运行数据，预测出下一个车辆运行数据，然后将实际收到的下一个车辆运行数据与预测出的车辆运行数据进行比对，得出二者的偏差，若该偏差大于预设阀值，则将该接收到的车辆运行数据判定为异常车辆运行数据。因此，传统检测车辆运行数据的模型是以连续两个正常车辆运行数据为参照物来评价被检测车辆运行数据，其结果受所选择的正常车辆运行数据的影响较大，局限性比较高，因此会导致被检测车辆运行数据的判定结果的误差较大。
[0003]并且目前车辆运行数据采集设备对车辆运行数据的采集方式已由原来的将整车作为一个刚性实体进行车辆运行数据的采集，变更为针对车辆的四个车轮分别进行车辆运行数据的采集，即由原来的一个数据采集设备每次采集一个车辆运行数据，变更为现在的四个数据采集设备每次同时采集四个车辆运行数据。由于现有的检测车辆运行数据的模型每次只能检测一个...
【技术保护点】
【技术特征摘要】
1.一种车辆运行数据的检测方法，其特征在于，包括：获取针对目标车辆采集到的车辆运行数据集合；所述车辆运行数据集合中包括设置于所述目标车辆的各个预设位置处的车载设备在预设时间内采集到的车辆运行数据；将所述车辆运行数据集合中的各个所述车辆运行数据输入至孤立森林模型，得到各个所述车辆运行数据的异常评分；其中，所述孤立森林模型包括预设数量的孤立树模型，所述孤立树模型为对训练样本集进行二叉树的分叉处理后生成的模型；将所述异常评分小于预设值的所述车辆运行数据确定为正常车辆运行数据。2.如权利要求1所述的方法，其特征在于，所述各个预设位置处的车载设备为分别设置于所述目标车辆的四个车轮处的四个车载设备。3.如权利要求1所述的方法，其特征在于，所述将所述车辆运行数据集合中的各个所述车辆运行数据输入至孤立森林模型，得到各个所述车辆运行数据的异常评分之前，还包括：获取初始训练样本集合，所述初始训练样本集合中包含第一预设数量的正常车辆运行数据样本；对所述初始训练样本集合进行有放回抽样处理，得到第二预设数量的目标训练样本集合；每个所述目标训练样本集合中包含第三预设数量的所述正常车辆运行数据样本；对各个所述目标训练样本集合按预设维度进行二叉树分叉处理，得到第四预设数量的所述孤立树模型；所述孤立森林模型包括所述第四预设数量的所述孤立树模型。4.如权利要求3所述的方法，其特征在于，所述将所述车辆运行数据集合中的各个所述车辆运行数据输入至孤立森林模型，得到各个所述车辆运行数据的异常评分，具体包括：将目标车辆运行数据依次遍历所述孤立森林模型的各个所述孤立树模型，得到所述目标车辆运行数据在各个所述孤立树模型中的各个第一平均高度；所述目标车辆运行数据为所述车辆运行数据集合中的任意一个车辆运行数据；计算各个所述第一平均高度的平均值，得到所述目标车辆运行数据的第二平均高度；根据所述第二平均高度与第三平均高度的比值，生成所述目标车辆运行数据的异常评分；所述第三平均高度是通过将所述孤立森林模型输入至深度学习模型进行训练，得到针对目标孤立树模型进行分叉处理后的平均高度，所述目标孤立树模型为根据任意数量的训练样本得到的孤立树模型。5.如权利要求4所述的方法，其特征在于，所述深度学习模型为Scikit
‑
Learn深度学习模型，所述第三平均高度是按照公式(1)计算得到的；其中：C(n)表示第三平均高度，n表示训练样本的数量，H(n
‑
1)是调和数，，H(n
‑
1)是根据ln(n
‑
1)+0.5772156649(欧拉常数)来估算生成的。6.如权利要求5所述的方法，其特征在于，所述根据所述第二平均高度与第三平均高度的比值，生成所述目标车辆运行数据的异常评分，具体包括：根据所述第二平均高度与第三平均高度的比值，按照公式(2)计算得到所述目标车辆
运行数据的异常评分；其中，S(x,φ)表示包含...
【专利技术属性】
技术研发人员：姜瑞，闫学亮，王卓，杨春城，
申请(专利权)人：云控智行上海汽车科技有限公司，
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。