[发明专利]基于无监督智能学习算法的非法运营车辆识别方法

摘要

本发明涉及基于无监督智能学习算法的非法运营车辆识别方法，包括：输入待识别车辆的筛选条件；在Hadoop大数据平台上检索出与筛选条件相关的车辆的过车数据；对检索出来的过车数据进行数据预处理；采用无监督智能学习算法对预处理后的过车数据进行分析处理；对分析结果进行统计分析，并将统计结果与阈值进行比较后，识别车辆是否为非法运营车辆，将最终的识别结果呈现给用户。本发明还公开了基于无监督智能学习算法的非法运营车辆识别系统。本发明对符合筛选条件的车辆的过车数据进行快速检索，接着进行数据预处理，使用无监督智能学习算法进行分析，并将分析结果呈现给用户，从而提高运管部门对非法营运车辆的监控管理能力。

主权项

1.一种基于无监督智能学习算法的非法运营车辆识别方法，该方法包括下列顺序的步骤：（1）输入待识别车辆的筛选条件；（2）根据筛选条件，在Hadoop大数据平台上检索出与筛选条件相关的车辆的过车数据；（3）对检索出来的过车数据进行数据预处理；（4）通过Hadoop大数据平台的MapReduce引擎，采用无监督智能学习算法对预处理后的过车数据进行分析处理，将所有过车数据的局部离群因子大于所设定的离群点判别阈值的过车数据按离群因子从大到小的顺序输出，这些点即为所要求的 离群点；（5）对分析结果进行统计分析，并将统计结果与阈值进行比较后，识别车辆是否为非法运营车辆，将最终的识别结果呈现给用户；将离群点与非法运营车辆判别阈值比较，离群点数大于非法运营车辆判别阈值的车辆即为非法营运车辆；所述采用无监督智能学习算法对预处理后的过车数据进行分析处理包括以下步骤：（1）计算过车数据间的欧几里得距离：将经预处理后的过车数据转变为数值型数据，计算待识别车辆的每条过车数据与其他所有车辆过车数据的欧几里得距离；（2）计算过车数据的第k领域：将欧几里得距离按从小到大的顺序进行排序，取第k个值作为该过车数据的第k距离，以此过车数据为中心，以第k距离值为半径的空间区域为该过车数据的第k领域；（3）计算过车数据的可达距离：将某条过车数据的第k距离与其第k领域中其他过车数据的第k距离比较，取最大的值作为第k领域内过车数据所对应的可达距离；（4）计算过车数据的可达密度：求得每条过车数据第k领域内所有过车数据可达距离的平均值，对此平均值求倒数，即得到各过车数据的可达密度；（5）计算过车数据的离群因子：计算得到某条过车数据第k领域内所有过车数据可达密度与该条过车数据的可达密度之比，求得所有比值的平均值，对此平均值求倒数，即得到各个过车数据的局部离群因子；（6）计算过车数据中的离群点：将每个过车数据的局部离群因子与离群点判别阈值比较，大于离群点判别阈值的局部离群因子作为离群点，离群点判别阈值为1.5。