买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中汽智联技术有限公司

摘要：本发明公开了基于人工智能的车辆行驶状况监控方法及系统，方法包括数据采集、数据预处理、第一状况监控模型构建、第二状况监控模型构建和多层次车辆行驶状况监控。本发明涉及车辆行驶状况监控技术领域，具体是指基于人工智能的车辆行驶状况监控方法及系统，本发明通过数据采集得到车辆行驶状况监控原始数据；采用数据清洗、数据标注、数据归一化和数据集分割的数据预处理方法；采用结合图神经网络模型和高斯混合模型的多层次车辆行驶状况监控方法，能够在充分利用图的结构信息的同时，深度理解数据的概率分布特征，提高了模型异常检测的精确度。

主权项：1.基于人工智能的车辆行驶状况监控方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，用于采集车辆行驶状况监控所需的原始数据，具体为通过采集，得到车辆监控原始数据集；所述车辆监控原始数据集，具体包括车辆内部数据和行驶环境数据，所述车辆内部数据，具体包括发动机数据、传动系统数据、刹车系统数据、悬挂系统数据、车辆传感器数据和车内环境数据，所述行驶环境数据，具体包括天气条件数据和道路状况数据；步骤S2：数据预处理，对采集的原始数据进行数据清洗、数据标注、数据归一化和数据集分割；步骤S3：第一状况监控模型构建，具体为构建图神经网络模型并进行模型训练和性能验证，得到第一状况监控模型；步骤S4：第二状况监控模型构建，具体为构建高斯混合模型并进行模型训练和性能验证，得到第二状况监控模型；步骤S5：多层次车辆行驶状况监控，具体为综合分析所述第一状况监控模型的输出和所述第二状况监控模型的输出，得到综合车辆行驶状况参考数据；在步骤S3中，所述第一状况监控模型构建，用于构建车辆行驶状况监控所需的第一模型，具体为构建图神经网络模型并训练，得到第一状况监控模型；所述第一状况监控模型构建，具体包括以下步骤：步骤S31：构建图结构，步骤包括：步骤S311：构建输入节点特征矩阵，表示如下： ；式中，表示第一个节点的特征向量，表示第二个节点的特征向量，表示第Num个节点的特征向量，X表示输入节点特征矩阵，Num表示节点总数，T表示转置操作；步骤S312：基于相似性构建邻接矩阵，表示如下： ；式中，为邻接矩阵的元素，用于表示节点i和节点j之间的连接关系，表示第i个节点的特征向量，表示第j个节点的特征向量，为平滑参数，表示节点i和节点j之间的欧氏距离的平方；步骤S32：节点特征更新，所用公式如下： ；式中，表示标准化的邻接矩阵，表示邻接矩阵的度矩阵，A表示邻接矩阵，I表示单位矩阵，表示第l+1层的节点特征矩阵，表示第l层的节点特征矩阵，表示第l层的权重矩阵，表示ReLU激活函数；步骤S33：计算模型输出，所用公式如下： ；式中，h表示平均池化输出特征向量，表示第L层第i个节点的特征向量，L表示图卷积总层数，表示图神经网络模型输出，表示sigmoid函数，表示输出权重矩阵，表示输出偏置项；步骤S34：设计损失函数，所用公式如下： ；式中，表示损失函数值，M表示样本数量，表示第m个样本的真实标签，值为0表示正常行驶，值为1表示异常行驶，表示模型第m个样本的预测概率；步骤S35：构建模型，具体为通过所述构建图结构、所述节点特征更新、所述计算模型输出和所述设计损失函数，构建图神经网络模型并基于行驶状况训练集进行模型训练，基于行驶状况测试集验证模型性能，得到第一状况监控模型；在步骤S4中，所述第二状况监控模型构建，用于构建车辆行驶状况监控所需的第二模型，具体为构建高斯混合模型并训练，得到第二状况监控模型；所述第二状况监控模型构建，具体包括以下步骤：步骤S41：模型定义，所用公式如下： ；式中，表示高斯混合模型概率密度函数，K表示高斯分布的数量，表示第k个高斯分布的混合系数，表示平均池化输出特征向量h在第k个高斯分布下的概率密度，表示第k个高斯分布的均值向量，表示第k个高斯分布的协方差矩阵；步骤S42：期望最大化计算，步骤包括：步骤S421：计算期望步，所用公式如下： ；式中，表示第m个样本的平均池化输出特征向量，表示第m个样本属于第k个高斯分布的概率，u表示高斯分布的索引；步骤S422：更新模型参数，步骤包括：步骤S4221：更新均值向量，所用公式如下： ；式中，表示更新后的第k个高斯分布的均值向量；步骤S4222：更新协方差矩阵，所用公式如下： ；式中，表示更新后的第k个高斯分布的协方差矩阵；步骤S4223：更新混合系数，所用公式如下： ；式中，表示更新后的第k个高斯分布的混合系数；步骤S43：计算模型输出，所用公式如下： ；式中，o表示对数似然函数值的负值，表示所述行驶状况训练集上对数似然函数值的负值的最小值，表示所述行驶状况训练集上对数似然函数值的负值的最大值，表示高斯混合模型输出；步骤S44：构建模型，具体为通过所述模型定义、所述期望最大化计算和所述计算模型输出，构建高斯混合模型并基于所述行驶状况训练集进行模型训练，基于所述行驶状况测试集验证模型性能，得到第二状况监控模型；在步骤S5中，所述多层次车辆行驶状况监控，具体为采用所述第一状况监控模型和所述第二状况监控模型进行车辆行驶状况监控，并综合分析所述第一状况监控模型的输出和所述第二状况监控模型的输出，得到综合车辆行驶状况参考数据，基于所述综合车辆行驶状况参考数据进行车辆行驶状况监控。

全文数据：

权利要求：

百度查询： 中汽智联技术有限公司 基于人工智能的车辆行驶状况监控方法及系统