[发明专利]一种基于机器学习的车辆异常轨迹实时识别方法在审
| 申请号： | 201910141745.2 | 申请日： | 2019-02-26 |
| 公开（公告）号： | CN109785595A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 彭安 | 申请（专利权）人： | 成都古河云科技有限公司 |
| 主分类号： | G08B21/24 | 分类号： | G08B21/24;G06F17/50 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 杨保刚 |
| 地址： | 611130 四川省成都市温江区光华大道*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的车辆异常轨迹实时识别方法，涉及车辆轨迹异常识别领域；其包括：对采集的数据进行清洗获取完整、无重复、无异常值的训练数据；利用基于无监督的孤立森林方法和训练数据进行模型训练，获取异常检测模型；将异常检测模型放进流计算引擎中进行实时预测，并将预测结果发送至车主；根据车主的反馈信息自动更新和修正模型，并将更新后的模型放进流计算引擎中进行实时预测和将预测结果发送至车主；本发明通过周期性采集车辆信息，使用无监督的孤立森林算法，在流计算引擎中对车辆轨迹进行实时预测分析，给出车辆异常行为的概率值，根据车辆用户给出的反馈数据，周期性调整模型，实现动态更新模型，提高模型的识别准确率。 | ||
| 搜索关键词： | 计算引擎 实时预测 异常检测模型 车主 车辆轨迹 基于机器 实时识别 训练数据 异常轨迹 预测结果 无监督 发送 周期性采集 周期性调整 孤立 车辆信息 车辆用户 动态更新 反馈数据 反馈信息 模型训练 修正模型 异常识别 异常行为 自动更新 准确率 森林 算法 清洗 采集 学习 概率 重复 更新 分析 | ||
【主权项】：
1.一种基于机器学习的车辆异常轨迹实时识别方法，其特征在于：包括如下步骤：对采集的数据进行清洗获取完整、无重复、无异常值的训练数据；利用基于无监督的孤立森林方法和训练数据进行模型训练，获取异常检测模型；将异常检测模型放进流计算引擎中进行实时预测，并将预测结果发送至车主；根据车主的反馈信息自动更新和修正模型，并将更新后的模型放进流计算引擎中进行实时预测和将预测结果发送至车主。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都古河云科技有限公司，未经成都古河云科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910141745.2/，转载请声明来源钻瓜专利网。
