基于深度学习的网约车上下车开关门声音识别的方法技术

本发明专利技术公开一种基于深度学习的网约车上下车开关门声音识别的方法，具体包括下述步骤：(1)从线上数据库随机选取大量真实的历史音频数据；(2)将数据进行特征工程处理，生成训练集、测试集、验证集；(3)重复步骤(1)和步骤(2)，生成多组数据；(4)利用KFold方法对数据集进行K折划分为训练集和验证集，采用卷积神经网络处理；等。本发明专利技术属于网约车技术领域，具体提供了一种基于深度学习的网约车上下车开关门声音识别的方法，该方法针对现有方案的三个问题，设计了基于深度学习的网约车上下车开关门声音识别的方法，解决了传统机器学习方法下的不易训练、迭代周期长、可拓展性差三个问题，并且大幅度提升了准确率和召回率。

【技术实现步骤摘要】

本专利技术属于网约车，具体为基于深度学习的网约车上下车开关门声音识别的方法。

技术介绍

1、随着网约车的迅速发展，大量的司机涌入网约车平台，网约车平台也大力投入营销，以促进司机活跃。但是由于入驻门槛低，导致司机质量良莠不齐，继而出现司机投机取巧，企图无成本或者低成本的薅羊毛的情况，甚至有发展出一些底层灰色产业链。

2、举个例子，司机本人利用虚拟或虚假的手机号进行打车，然后再自己接单，并利用模拟gps等的一些软件进行虚假模拟，从而完单，当此虚假单逃单不支付，但是平台又需要垫付给司机钱时，司机即实现了刷钱，获得非法收入。因此，如何通过识别行车录音中是否有开关门的声音，可以作为一个重要的结论来判断此单是否有真实的乘客，所以，分析录音，做音频分类，是本专利技术的主要工作。

3、传统的音频分析，主要是利用传统的信号处理和传统的机器学习方法进行处理和分析的技术，包括时域、频域、滤波等方面的分析，具有易理解、易实现等优点。但是上述传统方法存在以下三个问题：1.不易训练，效果需要手动选择特征以及调优特征才能得到更好的效果。2.迭代周期长，因为训练的本文档来自技高网...

【技术保护点】

1.基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，具体包括下述步骤：

2.根据权利要求1所述的基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，步骤(2)中将数据进行特征工程处理，生成训练集、测试集、验证集具体包括下述步骤：

3.根据权利要求1所述的基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，所述准确率是分类正确的样本数与总样本数之比，可以衡量模型整体分类的准确程度；

4.根据权利要求1所述的基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，所述精确率是指分类为正例中实际为正例的比例，可以衡量模型对正例...

【技术特征摘要】

1.基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，具体包括下述步骤：

2.根据权利要求1所述的基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，步骤(2)中将数据进行特征工程处理，生成训练集、测试集、验证集具体包括下述步骤：

3.根据权利要求1所述的基于深度学习的网约车上下车开关门声音识别的方法，其特征在于，所述准确率是分类正确的样本数与总样本数之比，可以衡量模型整体分类的准确程度；

4.根据权利要求1所述的基于深度学习的...

【专利技术属性】
技术研发人员：于志杰，
申请(专利权)人：北京白龙马云行科技有限公司，
类型：发明
国别省市：