[发明专利]一种基于特征提取的公共交通可疑卡识别方法

摘要

本发明公开了一种基于特征提取的公共交通可疑卡识别方法，属于公共交通用户识别领域，该方法包括离线训练和在线识别两部分。离线训练包括提取样本用户的十二维出行特征值，建立样本用户的特征矩阵，将样本用户中的小偷用户的特征矩阵作为负样本，普通用户的特征矩阵作为正样本，对选定的分类模型进行训练，得到可疑卡分类器；在线识别包括按照构建样本用户的特征矩阵的方法，构建待识别用户的特征矩阵，利用训练后的可疑卡分类器对待识别用户的特征矩阵进行用户类型识别，以识别出疑似小偷使用的可疑卡。本发明能够识别出疑似小偷使用的IC卡，从而能够辅助公安部门依据IC卡号，结合案发的时间地点，调取监控录像，确定犯罪嫌疑人。

主权项

1.一种基于特征提取的公共交通可疑卡识别方法，其特征在于，包括如下步骤：离线训练步骤：提取样本用户的十二维出行特征值，建立样本用户的特征矩阵，将样本用户中的小偷用户的特征矩阵作为负样本，普通用户的特征矩阵作为正样本，对选定的分类模型进行训练，得到可疑卡分类器；十二维出行特征值包括出行时长、刷卡频次、出行次数、上车站点数、下车站点数、乘坐线路数、功能区域数、陡度、最常上车站点数、最常下车站点数、最常乘坐线路数以及最常出现功能区域数；建立样本用户的特征矩阵的方法如下：首先，获取样本用户的IC卡刷卡数据、公交车和/或地铁的GPS数据以及站点数据；其次，对上述各数据中的无效字段以及格式或者信息错误的数据进行过滤，保留有效字段和数据，并去除公交GPS数据漂移点；然后，根据过滤后的IC卡刷卡数据提取上车、下车站点的序号，根据站点序号匹配站点信息，然后结合GPS数据和站点数据，分别计算出公交和地铁的出行OD，并按照IC卡的ID将同一IC卡的公交和地铁的出行记录进行合并处理；随后，根据合并后的出行记录，以天为时间粒度，分别从时间维度、空间维度提取样本用户的十二维出行特征值；最后，利用样本用户的十二维出行特征值构建n×13的特征矩阵，每一个用户对应矩阵的一条行向量，第1列为用户分类结果，普通用户分类结果为+1，小偷分类结果为‑1，第2～13列为用户的十二维出行特征值，其中，n为样本用户总数量；在线识别步骤：按照构建样本用户的特征矩阵的方法，构建待识别用户的特征矩阵，利用训练后的可疑卡分类器对待识别用户的特征矩阵进行用户类型识别，以识别出疑似小偷使用的可疑卡。