异常数据的检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能领域，提供一种异常数据的检测方法、装置、计算机设备和存储介质，方法包括：获取用户驾驶行为特征数据；从指定用户驾驶行为特征数据中筛选出指定用户驾驶行为特征，基于预设的分割值构建指定孤立树并生成相应的孤立森林；计算从孤立树的根节点到每个叶子节点上的用户驾驶行为特征数据的路径长度；计算孤立森林中所有用户驾驶行为特征数据的平均路径长度；计算每一个用户驾驶行为特征数据的异常检测分数；基于异常检测分数生成与每一个用户驾驶行为特征数据对应的异常检测结果。本申请能快速准确地从所有用户驾驶行为特征数据中识别出异常数据。本申请还可以应用于区块链领域，上述异常检测分数等数据可以存储于区块链上。

【技术实现步骤摘要】
异常数据的检测方法、装置、计算机设备和存储介质
本申请涉及人工智能
，具体涉及一种异常数据的检测方法、装置、计算机设备和存储介质。
技术介绍
随着车联网与互联网的快速发展，当前汽车市场会通过收集车主的驾驶轨迹数据的方式来为客户提供增值服务，例如保险定价、货运快递计费等服务，以实现精准营销。正常的驾驶轨迹数据可以通过相应的轨迹APP，或利用手机GPS等信息生成。但现有一些非法用户会使用电脑软件例如导航模拟软件伪造驾驶轨迹数据来实现非法获利，如骗取里程费用。由于电脑软件伪造生成的驾驶轨迹数据非常接近驾驶员在正常驾驶后产生的驾驶轨迹数据，因而，如何实现快速准确地检测出驾驶轨迹数据是否为电脑软件伪造的异常驾驶轨迹数据，避免非法用户使用伪造的驾驶轨迹数据来进行非法获利，成为了目前一个亟待解决的问题。
技术实现思路
本申请的主要目的为提供一种异常数据的检测方法、装置、计算机设备和存储介质，旨在解决现有存在的如何实现快速准确地检测出驾驶轨迹数据是否为电脑软件伪造的异常驾驶轨迹数据，避免非法用户使用伪造的驾驶轨迹数据来进行非法获利的技术问题。本申请提出一种异常数据的检测方法，所述方法包括步骤：获取与第一预设数量的用户分别对应的用户驾驶行为特征数据，其中，每一个所述用户驾驶行为特征数据中包括第二预设数量的用户驾驶行为特征，所述第二预设数量大于1；从指定用户驾驶行为特征数据包含的所有用户驾驶行为特征中筛选出一个指定用户驾驶行为特征，基于预设的与所述指定用户驾驶行为特征对应的分割值构建指定孤立树，并基于与各所述用户驾驶行为特征数据分别对应的孤立树生成孤立森林，其中，所述指定用户驾驶行为特征数据为所有所述用户驾驶行为特征数据中的任意一个特征数据；计算从孤立树的根节点到每个叶子节点上的用户驾驶行为特征数据的路径长度；以及，计算所述孤立森林中所有所述用户驾驶行为特征数据的平均路径长度；基于所述路径长度与所述平均路径长度计算每一个所述用户驾驶行为特征数据的异常检测分数；基于所述异常检测分数生成与每一个所述用户驾驶行为特征数据分别对应的异常检测结果。可选地，所述获取与第一预设数量的用户分别对应的用户驾驶行为特征数据的步骤之前，包括：获取指定用户在预设时间周期内的用户驾驶导航轨迹数据，其中，所述指定用户与所述指定用户驾驶行为特征数据具有对应关系；基于与所述用户驾驶导航轨迹数据对应的道路环境地图数据，生成与所述用户驾驶导航轨迹数据对应的网格区域，其中，所述网格区域的数量大于1；从所有所述网格区域中筛选出目标网格区域，其中，所述目标网格区域的数量为1；基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的个体驾驶行为特征；以及，基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的相对驾驶行为特征；基于所述个体驾驶行为特征与所述相对驾驶行为特征生成与所述指定用户对应的所述指定用户驾驶行为特征数据。可选地，所述基于与所述用户驾驶导航轨迹数据对应的道路环境地图数据，生成与所述用户驾驶导航轨迹数据对应的网格区域的步骤，包括：基于所述用户驾驶导航轨迹数据，获取与所述用户驾驶导航轨迹数据对应的区域的道路环境地图数据；对所述道路环境地图数据进行网格化处理，得到处理后的道路环境地图数据；获取预设的区域划分范围数值；基于所述区域划分范围数值，对所述处理后的道路环境地图数据进行划分处理，得到多个所述网格区域。可选地，所述个体驾驶行为特征包括道路使用特征、最高限速特征、部分道路限速特征、夜间行驶特征、高峰时段行驶特征、野蛮驾驶特征、驾驶平滑度特征以及疲劳驾驶特征，所述基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的个体驾驶行为特征的步骤，包括：基于所述用户驾驶导航轨迹数据，在所述目标网格区域内计算慢速道路上驾驶的记录时间区间占总驾驶时间的第一比例，并将所述第一比例作为所述道路使用特征，其中，所述总驾驶时间为在所述预设时间周期内所述指定用户在所述目标网格区域内花费的所有驾驶时间的和值；以及，计算车速超过第一预设速度阈值的超速记录时间区间占所述总驾驶时间的第二比例，并将所述第二比例作为所述最高限速特征；以及，计算车速超过道路类型限速的记录时间区间占所述总驾驶时间的第三比例，并将所述第三比例作为所述部分道路限速特征；以及，计算在预设的夜间时间段的驾驶记录时间区间占所述总驾驶时间的第四比例，并将所述第四比例作为所述夜间行驶特征；以及，计算在预设的高峰时间段的驾驶记录时间区间占所述总驾驶时间的第五比例，并将所述第五比例作为所述高峰时段行驶特征；以及，计算车速超过第二预设速度阈值的记录时间区间占所述总驾驶时间的第六比例，并将所述第六比例作为所述野蛮驾驶特征；以及，计算急减速事件的记录时间区间占所述总驾驶时间的第七比例，并将所述第七比例作为所述驾驶平滑度特征；以及，计算连续驾驶时间超过预设时长的行程总时间占所述总驾驶时间的第八比例，并将所述第八比例作为所述疲劳驾驶特征。可选地，所述相对驾驶行为特征包括节奏特征与加速特征，所述基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的相对驾驶行为特征的步骤，包括：基于所述用户驾驶导航轨迹数据，计算所述指定用户在所述目标网格区域内的第一平均车速；获取其他用户在所述目标网格区域内的第二平均车速；计算所述第一平均车速与所述第二平均车速的第一比值，并将所述第一比值作为所述节奏特征；以及，获取所述指定用户在所述目标网格区域内的急加速事件数；获取所述其他用户在所述目标网格区域内的急加速平均事件数；计算所述急加速事件数与所述急加速平均事件数的第二比值，并将所述第二比值作为所述加速特征。可选地，所述基于所述路径长度与所述平均路径长度计算每一个所述用户驾驶行为特征数据的异常检测分数的步骤，包括：基于所述路径长度，计算每一个所述用户驾驶行为特征数据在所述孤立森林中的路径长度的期望；基于所述平均路径长度与所述期望，调用预设的计算公式计算每一个所述用户驾驶行为特征数据的异常检测分数，其中，s(x,n)为用户驾驶行为特征数据x的异常检测分数，E(h(x))为当用户驾驶行为特征数据的数量为n时，用户驾驶行为特征数据x在所述孤立森林中的路径长度的期望，c(n)为所述孤立森林中所有用户驾驶行为特征数据的平均路径长度。可选地，所述基于所述异常检测分数生成与每一个所述用户驾驶行为特征数据分别对应的异常检测结果的步骤，包括：获取与所述指定用户驾驶行为特征数据对应的指定异常检测分数；判断所述指定异常检测分数是否大于第一预设分数阈值；若所述指定异常检测分数大于所述第一预设分数阈值，则判定所述指定用户驾驶行为特征数据为异常数据；若所述指定异常检测分数不大于所述第一预设分数阈值，判断所述指定异常检本文档来自技高网...

【技术保护点】
1.一种异常数据的检测方法，其特征在于，包括：/n获取与第一预设数量的用户分别对应的用户驾驶行为特征数据，其中，每一个所述用户驾驶行为特征数据中包括第二预设数量的用户驾驶行为特征，所述第二预设数量大于1；/n从指定用户驾驶行为特征数据包含的所有用户驾驶行为特征中筛选出一个指定用户驾驶行为特征，基于预设的与所述指定用户驾驶行为特征对应的分割值构建指定孤立树，并基于与各所述用户驾驶行为特征数据分别对应的孤立树生成孤立森林，其中，所述指定用户驾驶行为特征数据为所有所述用户驾驶行为特征数据中的任意一个特征数据；/n计算从孤立树的根节点到每个叶子节点上的用户驾驶行为特征数据的路径长度；以及，/n计算所述孤立森林中所有所述用户驾驶行为特征数据的平均路径长度；/n基于所述路径长度与所述平均路径长度计算每一个所述用户驾驶行为特征数据的异常检测分数；/n基于所述异常检测分数生成与每一个所述用户驾驶行为特征数据分别对应的异常检测结果。/n

【技术特征摘要】
1.一种异常数据的检测方法，其特征在于，包括：
获取与第一预设数量的用户分别对应的用户驾驶行为特征数据，其中，每一个所述用户驾驶行为特征数据中包括第二预设数量的用户驾驶行为特征，所述第二预设数量大于1；
从指定用户驾驶行为特征数据包含的所有用户驾驶行为特征中筛选出一个指定用户驾驶行为特征，基于预设的与所述指定用户驾驶行为特征对应的分割值构建指定孤立树，并基于与各所述用户驾驶行为特征数据分别对应的孤立树生成孤立森林，其中，所述指定用户驾驶行为特征数据为所有所述用户驾驶行为特征数据中的任意一个特征数据；
计算从孤立树的根节点到每个叶子节点上的用户驾驶行为特征数据的路径长度；以及，
计算所述孤立森林中所有所述用户驾驶行为特征数据的平均路径长度；
基于所述路径长度与所述平均路径长度计算每一个所述用户驾驶行为特征数据的异常检测分数；
基于所述异常检测分数生成与每一个所述用户驾驶行为特征数据分别对应的异常检测结果。


2.根据权利要求1所述的异常数据的检测方法，其特征在于，所述获取与第一预设数量的用户分别对应的用户驾驶行为特征数据的步骤之前，包括：
获取指定用户在预设时间周期内的用户驾驶导航轨迹数据，其中，所述指定用户与所述指定用户驾驶行为特征数据具有对应关系；
基于与所述用户驾驶导航轨迹数据对应的道路环境地图数据，生成与所述用户驾驶导航轨迹数据对应的网格区域，其中，所述网格区域的数量大于1；
从所有所述网格区域中筛选出目标网格区域，其中，所述目标网格区域的数量为1；
基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的个体驾驶行为特征；以及，
基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的相对驾驶行为特征；
基于所述个体驾驶行为特征与所述相对驾驶行为特征生成与所述指定用户对应的所述指定用户驾驶行为特征数据。


3.根据权利要求2所述的异常数据的检测方法，其特征在于，所述基于与所述用户驾驶导航轨迹数据对应的道路环境地图数据，生成与所述用户驾驶导航轨迹数据对应的网格区域的步骤，包括：
基于所述用户驾驶导航轨迹数据，获取与所述用户驾驶导航轨迹数据对应的区域的道路环境地图数据；
对所述道路环境地图数据进行网格化处理，得到处理后的道路环境地图数据；
获取预设的区域划分范围数值；
基于所述区域划分范围数值，对所述处理后的道路环境地图数据进行划分处理，得到多个所述网格区域。


4.根据权利要求2所述的异常数据的检测方法，其特征在于，所述个体驾驶行为特征包括道路使用特征、最高限速特征、部分道路限速特征、夜间行驶特征、高峰时段行驶特征、野蛮驾驶特征、驾驶平滑度特征以及疲劳驾驶特征，所述基于所述用户驾驶导航轨迹数据与所述目标网格区域，计算所述指定用户的个体驾驶行为特征的步骤，包括：
基于所述用户驾驶导航轨迹数据，在所述目标网格区域内计算慢速道路上驾驶的记录时间区间占总驾驶时间的第一比例，并将所述第一比例作为所述道路使用特征，其中，所述总驾驶时间为在所述预设时间周期内所述指定用户在所述目标网格区域内花费的所有驾驶时间的和值；以及，
计算车速超过第一预设速度阈值的超速记录时间区间占所述总驾驶时间的第二比例，并将所述第二比例作为所述最高限速特征；以及，
计算车速超过道路类型限速的记录时间区间占所述总驾驶时间的第三比例，并将所述第三比例作为所述部分道路限速特征；以及，
计算在预设的夜间时间段的驾驶记录时间区间占所述总驾驶时间的第四比例，并将所述第四比例作为所述夜间行驶特征；以及，
计算在预设的高峰时间段的驾驶记录时间区间占所述总驾驶时间的第五比例，并将所述第五比例作为所述高峰时段行驶特征；以及，
计算车速超过第二预设速度阈值的记录时间区间占所述总驾驶时间的第六比例，并将所述第六比例作为所述野蛮驾驶特征；以及，
计算急减速事件的记录时间区间占所述总驾驶...

【专利技术属性】
技术研发人员：唐炳武，敖琦，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44