[发明专利]一种新能源网约车信息挖掘方法

说明书

本发明涉及智能交通技术领域，具体公开了一种新能源网约车信息挖掘方法，其中，包括：根据新能源车的车辆数据信息构建新能源网约车和新能源非网约车的多维特征数据库；根据所述多维特征数据库进行机器学习分类算法的训练，得到网约车判定模型；将待预测车辆的多维特征输入至所述网约车判定模型，得到是否为新能源网约车的判定结果。本发明提供的新能源网约车信息挖掘方法可以实现智能化和自动化的对新能源网约车的挖掘，有助于交管部门可以全面客观的掌握新能源网约车的车辆信息。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种新能源网约车信息挖掘方法。

背景技术

新能源汽车具备用车成本低、不限行等优势，因此越来越多的网约车司机将其作为用车首选。但受限于电池技术瓶颈，新能源汽车运行安全隐患仍未完全解决。因此，对于从事营运的新能源汽车更应将其纳入交通管理部门的监管之中。目前，交管部门掌握新能源网约车信息的主要途径是通过各网约出行平台的主动上报，因此很难全面客观的掌握所有新能源网约车辆信息。

发明内容

本发明提供了一种新能源网约车信息挖掘方法，解决相关技术中存在的无法全面客观获取新能源网约车信息的问题。

作为本发明的第一个方面，提供一种新能源网约车信息挖掘方法，其中，包括：

根据新能源车的车辆数据信息构建新能源网约车和新能源非网约车的多维特征数据库；

根据所述多维特征数据库进行机器学习分类算法的训练，得到网约车判定模型；

将待预测车辆的多维特征输入至所述网约车判定模型，得到是否为新能源网约车的判定结果。

进一步地，所述根据新能源车的车辆数据信息构建新能源网约车和新能源非网约车的多维特征数据库，包括：

获取新能源车的车辆数据信息；

根据所述车辆数据信息构建车辆出行特征、车辆状态特征以及驾驶行为特征。

进一步地，所述获取新能源车的车辆数据信息，包括：

从新能源车的车辆数据信息集中提取GPS信息、车辆状态信息和加速度与速度信息，所述新能源车的车辆数据信息集包括训练数据集和预测数据集，所述训练数据集包括确定为新能源网约车的新能源车辆信息和确定为新能源非网约车的新能源车辆信息，所述预测数据集为待预测的是否为网约车的新能源车辆信息。

进一步地，所述根据所述车辆数据信息构建车辆出行特征、车辆状态特征以及驾驶行为特征，包括：

根据所述GPS信息结合聚类算法构建车辆出行特征，所述GPS信息包括GPS时间、经度和纬度；

根据所述车辆状态信息结合聚类算法构建车辆状态特征，所述车辆状态信息包括电池电压、电池电流、电池温度、SOC、电机转速和电机转矩；

根据所述加速度和速度信息结合聚类算法构建驾驶行为特征。

进一步地，所述聚类算法包括K-Means算法与组内平方和组成的聚类算法。

进一步地，所述根据所述多维特征数据库进行机器学习分类算法的训练，得到网约车判定模型，包括：

对所述多维特征数据库内的特征进行标准化处理，得到标准化的多维特征数据库；

对标准化的多维特征数据库内的特征进行数据降维处理，得到降维后的特征数据库；

针对降维后的特征数据库通过分类学习算法进行训练，得到网约车判定模型。

进一步地，所述对所述多维特征数据库内的特征进行标准化处理，得到标准化的多维特征数据库，包括：