[发明专利]一种司机驾驶轨迹中异常轨迹的检测方法和系统

摘要

本发明提供一种司机驾驶轨迹中异常轨迹的检测方法和系统，通过与司机之前的行驶轨迹及其他司机的行驶轨迹进行对比，检测是否是异常行驶轨迹，包括获取原始数据集，对数据进行初步处理，训练生成异常行驶轨迹检测模型，利用生成的异常轨迹检测模型来检测司机原始数据中的异常轨迹，得到异常行驶轨迹。检测系统包括采集装置和检测装置。与现有的司机异常轨迹检测方法相比，可以适应多样化的司机轨迹数据，且对异常轨迹的数量具有很好的鲁棒性，更准确高效的检测司机异常轨迹，有利于对保险理赔中的司机身份验证和个性化服务中的身份识别提供更好的辅助。

主权项

1.一种司机驾驶轨迹中异常轨迹的检测方法，通过与司机之前的行驶轨迹及其他司机的行驶轨迹进行对比，检测是否是异常行驶轨迹；具体包括以下步骤：S1、获取原始数据集：所述的原始数据包括车辆行驶状态以及司机驾驶行为的数据：S2、对数据进行初步处理：对原始数据集进行清洗得到特征数据和标注数据，对清洗出的特征和标注数据进行处理，处理后的数据供模型训练使用：S3、训练生成异常行驶轨迹检测模型：S31、获取检测司机行驶轨迹中的异常轨迹训练集：先从处理后的司机行驶轨迹中选取一定数量的样本数据，再随机从其他司机的行驶轨迹中选取等数量的行驶轨迹，形成检测司机行驶轨迹中的异常轨迹训练集：S32、获取针对司机中异常轨迹问题的个性化分类器：使用机器学习中的分类算法从异常轨迹训练集训练一个针对甲司机中异常轨迹问题的个性化分类器：S33、获取司机异常轨迹验证集，验证异常轨迹：选择p条司机行驶轨迹，并随机挑选q条其他某个司机行驶轨迹作为异常轨迹形成异常轨迹验证集，利用S32中训练的分类器去检测验证集中异常轨迹：S34、计算异常检测模型的检出率和误警率，检查指标是否符合阈值要求：如果达标则生成异常行驶轨迹检测模型：否则迭代进行S31‑S34直至指标符合阈值要求：所述的阈值检出率越高，误警率越低则模型越好；S4、检测司机原始数据中的异常轨迹，得到异常行驶轨迹。