[发明专利]私家车非法营运的识别方法、系统、设备及存储介质

说明书

本发明公开了一种私家车非法营运的识别方法、系统、设备及存储介质，方法包括：取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。本发明涉及分类算法领域，所提供的私家车非法营运的识别方法识别准确率高。

技术领域

本发明涉及分类算法领域，尤其涉及一种私家车非法营运的识别方法、系统、计算机设备及存储介质。

背景技术

随着网约车市场不断发展，越来越多私家车辆从事网约车服务，但部分私家车辆投保非运营车辆保险。由于营运车辆因行驶轨迹不确定、行驶时间较长等特点，使得其赔付风险远大于一般用途的私家车辆。所以保险公司需要及时识别用于运营服务的私家车辆。

传统的营运车风险识别系统，将用户轨迹等信息作为独立的特征，运用算法进行自动化识别，但忽略了不同信息之间局部链接的依赖关系，使得识别结果不够准确。

所以需要一种私家车非法营运的识别方法解决上述技术问题。

发明内容

本发明的主要目的在于提出一种私家车非法营运的识别方法、系统、计算机设备及存储介质，旨在解决现有营运车风险识别系统仅依靠单一特征进行识别导致识别率低的技术问题。

为实现上述目的，本发明提供一种私家车非法营运的识别方法，包括步骤：

获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；

获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；

将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。

优选地，所述获取车辆行驶数据，对车辆行驶数据进行数据处理生成节点特征张量的步骤包括：

获取车辆行驶数据，确定所述车辆行驶数据覆盖的地图区域，将所述地图区域划分为多个具有预设边长的网格；

将所述车辆行驶数据中的行驶轨迹经过的网格设置为节点，将所述车辆行驶数据中的行驶时间参数、行驶速度参数和识别参数组合为节点特征张量。

优选地，所述预设图卷积模型包括预设差分池化子模型和预设特征融合子模型；所述获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量的步骤包括：

获取车主信息数据；

将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量；

将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量，并

执行：所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量的步骤，直至图向量的数量等于预设个数，获得所述预设个数的不同感受态的图向量。

优选地，所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量包括：

将所述车主信息数据和所述节点特征张量输入预设特征融合子模型中进行平均融合；

将平均融合处理后的节点特征张量输入预设多层感知机，对输出层进行归一化处理，生成融合节点特征；