[发明专利]一种车辆风险判别方法和装置

权利要求书

1.一种车辆风险判别方法，其特征在于，所述方法包括：

采集车辆行驶信息，并对所述车辆行驶信息进行预处理；

根据预处理后的车辆行驶信息对该车辆进行风险判别；

所述车辆行驶信息，包括：车主的ID信息、车辆的GPS数据和车辆的停车时长数据；

所述车辆的GPS数据包括若干条车辆的位置信息，所述车辆的位置信息由车辆的GPS经度坐标和车辆的GPS纬度坐标组成；

所述车辆的停车时长数据包括车辆的停车开始时间、车辆的停车结束时间和车辆的停车时长；

所述对所述车辆行驶信息进行预处理，包括：

a.将所述车辆行驶信息中车辆的GPS数据转化成地球坐标系；

b.对转化成地球坐标系后的车辆的GPS数据进行异常值删除和缺失值插补；

c.利用离散标准化方法对进行异常值删除和缺失值插补后的车辆的GPS数据进行归一化，获取待用的车辆的GPS数据；

d.若待用的车辆的GPS数据中存在车辆的位置信息对应的车辆的停车开始时间大于或等于车辆的停车结束时间，则删除该条车辆的位置信息直至车辆的GPS数据中不存在车辆的位置信息对应的车辆的停车开始时间大于或等于车辆的停车结束时间，输出待用的车辆的GPS数据；

若待用的车辆的GPS数据中不存在车辆的位置信息对应的车辆的停车开始时间大于或等于车辆的停车结束时间，则输出待用的车辆的GPS数据；

所述根据预处理后的车辆行驶信息对该车辆进行风险判别，包括：

S1.初始化聚类半径Eps和密度阈值MinPts，以待用的车辆的GPS数据中的车辆的位置信息为样本，利用DBSCAN密度聚类算法将待用的车辆的GPS数据分为K个聚类簇；

S2.随机选取K个聚类簇中的样本i，计算所述样本i到所述样本i对应的聚类簇中除样本i的其他样本的平均距离a_i；

S3.计算所述样本i到第j个聚类簇中所有样本的平均距离b_i,j，令样本i的簇内不相似度b_i＝min[b_i,1,…,b_i,j,…,b_i,K]；

S4.利用所述样本i到所述样本i对应的聚类簇中除样本i的其他样本的平均距离a_i和所述样本i的簇内不相似度b_i获取所述样本i的轮廓系数s(i)；

S5.若所述样本i的轮廓系数s(i)大于等于0.6，则利用所述K个聚类簇判断车主的ID信息是否属实；

若i个样本的轮廓系数s(i)小于0.6，则调整所述聚类半径Eps和密度阈值MinPts，直到所述K个聚类簇中的样本i的轮廓系数s(i)大于等于0.6；

其中，i∈[1,A]，A为第k个聚类簇中样本的总数量，j∈[1,K]且j≠k。

2.根据权利要求1所述的方法，其特征在于，步骤c，包括：

若所述转化成地球坐标系后的车辆的GPS数据中存在车辆的位置信息不属于转化成地球坐标系后的车辆的GPS数据的阈值范围，则该条车辆的位置信息异常，并删除该条车辆的位置信息；

若所述转化成地球坐标系后的车辆的GPS数据存在车辆的位置信息缺失，则利用该条车辆的位置信息的前5条车辆的位置信息和后5条车辆的位置信息的均值进行插补。

3.根据权利要求1所述的方法，其特征在于，步骤S2包括：

按下式确定所述样本i到所述样本i对应的聚类簇中除样本i的其他样本的平均距离a_i：

上式中，l∈[1,A]且l≠i，A为所述样本i对应的聚类簇中样本的总数量；d_i,l为所述样本i到所述样本i对应的聚类簇中第l个样本的距离。

4.根据权利要求1所述的方法，其特征在于，步骤S3包括：

按下式确定所述样本i到第j个聚类簇中所有样本的平均距离b_i,j：

上式中，m∈[1,B]，B为第j个聚类簇中样本的总数量；d_i,m为所述样本i到第j个聚类簇中第m个样本的距离。