1.一种司机驾驶轨迹中异常轨迹的检测方法,通过与司机之前的行驶轨迹及其他司机的行驶轨迹进行对比,检测是否是异常行驶轨迹;具体包括以下步骤:
S1、获取原始数据集;所述的原始数据包括车辆行驶状态以及司机驾驶行为的数据;
S2、对数据进行初步处理;对原始数据集进行清洗得到特征数据和标注数据,对清洗出的特征和标注数据进行处理,处理后的数据供模型训练使用;
S3、训练生成异常行驶轨迹检测模型;
S4、检测司机原始数据中的异常轨迹,得到异常行驶轨迹。
2.根据权利要求1所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:所述的S3还包含以下子步骤:
S31、获取检测司机行驶轨迹中的异常轨迹训练集;先从处理后的司机行驶轨迹中选取一定数量的样本数据,再随机从其他司机的行驶轨迹中选取等数量的行驶轨迹,形成检测司机行驶轨迹中的异常轨迹训练集;
S32、获取针对司机中异常轨迹问题的个性化分类器;使用机器学习中的分类算法从异常轨迹训练集一个针对甲司机中异常轨迹问题的个性化分类器;
S33、获取司机异常轨迹验证集,验证异常轨迹;选择p条司机行驶轨迹,并随机挑选q条其他某个司机行驶轨迹作为异常轨迹形成异常轨迹验证集,利用S32中训练的分类器去检测验证集中异常轨迹;
S34、计算异常检测模型的检出率和误警率,检查指标是否符合阈值要求;如果达标则生成异常行驶轨迹检测模型;否则迭代进行S31-S34直至指标符合阈值要求;所述的阈值检出率越高,误警率越低则模型越好。
3.根据权利要求2所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:所述的S32还包含子步骤:
S321:对异常轨迹训练集进行处理,提取特征;将原始特征转换为一组具有明显物理意义或者统计意义的特征;
S322:为了提高预测的准确度并构造更快消耗更低的预测模型,对S321中提取的特征进行特征选择。
4.根据权利要求1所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:所述的原始数据集包括了汽车行驶状态数据和司机驾驶行为数据,表现为文本、图像或者应用数据。
5.根据权利要求1所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:S2中所述的清洗是指去除不利于之后的数据分析的原始数据。
6.根据权利要求3所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:S321中所述的提取特征包括将经纬度数据转换为速度和加速度特征,具体计算公式如下:
ai,j,t=vi,j,t-vi,j,t-1
其中(xi,j,t,yi,j,t)为t时刻经纬度坐标,vi,j,t为t时刻速度,ai,j,t为t时刻加速度;
再根据汽车速度变化将司机的一条轨迹分为持续加速或者持续减速阶段,再根据持续的时间将持续加速(减速)阶段分为不同时长的部分;针对持续x秒加速(减速)阶段,计算该阶段速度和加速度的均值、最大值和最小值,以及加速度的方差;再汇集一条轨迹中相同的所有持续x秒加速(减速)阶段,计算这些特征的均值和方差,则每一个类型的阶段可以生成多个特征。
7.根据权利要求2所述的一种司机驾驶轨迹中异常轨迹的检测方法,其特征在于:S33中所述的q远小于p。
8.根据权利要求1-8任一所述的司机驾驶轨迹中异常轨迹的检测方法,其特征在于:所述驾驶轨迹指所有采集设备对行驶过程的记录,所述的异常轨迹是指车辆行驶轨迹中不属于车主的驾驶轨迹。
9.一种司机驾驶轨迹中异常轨迹的检测系统,包括:采集装置、检测装置;所述采集装置与所述检测装置通过数据线连接;
所述采集装置用来采集车辆行驶状态以及司机驾驶行为数据,获取原始数据集;
所述检测装置包括:
数据获取单元:用来接收原始数据集;
数据处理单元:用来训练生成异常行驶轨迹检测模型;
异常轨迹检测单元:用来检测司机原始数据中的异常轨迹,得到异常行驶轨迹;
检测结果输出单元:用来将异常行驶轨迹以文本或者图像方式输出并显。
10.根据权利要求9所述的一种司机驾驶轨迹中异常轨迹的检测系统,其特征在于:所述的采集装置包括车载诊断系统OBD、GPS导航仪、行车记录仪、智能手机中的一种或几种。