[发明专利]公共自行车故障诊断方法

说明书

公共自行车故障诊断方法，包括：步骤1.确定自行车变量及故障类型；步骤2.生成自行车属性集；步骤3.确定故障诊断方法；4.确定属性对类的贡献；5.确定评价指标。本发明通过贝叶斯分类器对待诊断的自行车属性进行分类，分析结果，判断自行车是否存在故障。模型能够在最短的时间内查找故障自行车，提高故障自行车诊断的效率，并且通过不断地学习提升诊断正确率，对公共自行车的发展具有重要的指导意义。

技术领域

本发明涉及一种公共自行车用户故障车快速诊断方法，属于智能交通领域。

背景技术

公共自行车系统承担着重要的城市短程交通任务，可以有效解决公共汽车交通的“最后一公里”难题，提升城市交通的整体服务水平。公共自行车系统自从在全国范围内推行以来，作为一种绿色交通方式,以其方便、快捷、低价的公共交通特征，节能、环保、健康的优点，越来越受到人们的青睐。在为广大市民和游客带来出行方便的同时，也存在着一些局限，例如现有公共自行车没有安装车载检测传感器，而且流动及停放区域较大，管理部门无法及时发现自行车故障。

发明内容

为了解决无法及时发现故障自行车的问题，本发明提出了基于朴素贝叶斯分类器的自行车故障诊断方法。

本发明通过分析PBS租用记录、维修记录、用户报修和用户评价，选取15个属性变量作为自行车故障检测的实验数据；根据朴素贝叶斯分类器后验概率，获取每个属性对类的贡献率；以召回率作为评价指标来预测诊断故障自行车。

本发明的公共自行车故障诊断方法，

方法具体步骤如下：

1.确定自行车变量及故障类型；

选取三类因素共15个属性变量作为自行车故障检测的实验数据，如表1所示。

表1 PBS单个服务点属性变量类型(Table 1 PBS single service stationattribute variable type)

PBS预测结果分为两类，分别为正常车和故障车，即故障类型C{C₁，C₂}。

2.生成公共自行车属性集；

在步骤1确定的合理范围内，生成自行车属性变量观测值的集合，记为X＝{X₁,X₂,X₃,X₄,X₅,X₆,X₇,X₈,X₉,X₁₀,X₁₁,X₁₂,X₁₃,X₁₄,X₁₅}。每一个属性变量X_i有若干个值，x_i表示属性变量X_i对应的值。

3.确定故障诊断方法；

对于一个数据样本，其对应的分类值c_t的概率表示为

求每个分类值后验概率时，属性值x₁,x₂,…x₁₅均不变，即分母保持不变。将其表示为常数，从而将式(1)简化成

根据各属性之间相互独立的特点，式(2)可以简化成

这样，只需要计算每一个分类值C_t下单个属性的条件概率P(x_i|C_t)即可。