[发明专利]一种基于驾驶行为相似度的被盗车辆追踪方法

权利要求书

1.一种基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，包括如下步骤：

训练车辆所有的常规驾驶员的驾驶行为相似度计算模型；

实时获取车辆在行驶过程中的驾驶行为数据，并提取计算当前驾驶员驾驶行为相似度的特征项；

将特征项输入训练好的驾驶行为相似度计算模型中，得到当前驾驶员与车辆所有的常规驾驶员的驾驶行为相似度；

判断最大的相似度是否小于预设阈值，若是，则判断当前驾驶员为可疑人员，发送车辆状态信息至车主，并根据车主的反馈进行相应的处理。

2.根据权利要求1所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，根据车主的反馈进行相应的处理具体包括：

当车主反馈当前驾驶员为可信时，云端则不对本次驾驶行为进行处理；

当车主反馈车辆被盗时，云端则对本次驾驶行为做出预警处理，并发送车辆位置信息至车主。

3.根据权利要求1所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，还包括，当车主不反馈时，云端则默认车辆安全，不对本次驾驶行为进行处理。

4.根据权利要求1所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，所述预设阈值的设置范围为0.4-0.8。

5.根据权利要求1所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，训练相似度计算模型具体包括：

获取车辆的原始数据，并对原始数据进行行程划分；

实时对每个行程的原始数据进行清洗处理得到每个行程的基础指标项，实时统计每个行程的基础指标项并引导车主对每个行程进行标记；

对统计的基础指标项进行处理并提取计算驾驶员驾驶行为相似度的特征项；

通过驾驶行为相似度计算算法根据特征项建立车辆所有的常规驾驶员的驾驶行为相似度计算模型；

对建立的模型进行训练验证，得到训练好的车辆所有的常规驾驶员的驾驶行为相似度计算模型。

6.根据权利要求5所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，每个行程的原始数据进行清洗处理具体包括：

判断每个行程的原始数据中的异常数据类型；

当异常数据为数据缺失时，判断所缺失的数据是否为关键数据项，若是，则丢弃，否则，对其进行推测恢复；

当异常数据为数据值异常时，对其进行推测恢复；

当异常数据为数据重复时，对其进行去重处理。

7.根据权利要求6所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，对异常数据进行推测恢复的方法包括上下文补全法、平均值填充法或者特殊值填充法。

8.根据权利要求5所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，对统计的基础指标项进行处理并提取计算驾驶员驾驶行为相似度的特征项具体包括：

通过Spark对统计的基础指标项进行处理；

提取大于一定预设距离的单次行程中的统计量作为特征项。

9.根据权利要求5所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，对建立的模型进行训练验证具体包括：

通过构建的损失函数对建立的模型进行训练；

使用Spark mllib将所训练的模型采用十折交叉验证法进行验证；

根据验证结果分析模型的正确率、精度和召回率，根据模型的正确率、精度和召回率确定最优的常规驾驶员的驾驶行为相似度计算模型。

10.根据权利要求5所述的基于驾驶行为相似度的被盗车辆追踪方法，其特征在于，所述特征项包括：每公里踩油门次数、每公里踩刹车次数、油门踏板平均深度、刹车踏板平均深度、方向盘平均转速、平均车速、急加速指数、急减速指数和急转弯指数。