【技术实现步骤摘要】
本申请涉及数据分析，尤其涉及一种基于机器学习的车联网数据分析方法及其相关装置。
技术介绍
1、随着智能交通系统的发展和车联网技术的普及，车辆之间以及车辆与基础设施之间的通信变得越来越重要。车联网数据量巨大且复杂，包含了各种传感器数据、地理位置信息、车辆运行状态等多维数据。这些数据为实现智能交通管理和优化提供了丰富的信息来源。然而，如何高效地处理和分析这些大规模、多维度的数据，成为了当前研究的重要课题。
2、传统的数据分析方法在处理车联网数据时存在许多局限性。传统方法难以有效地捕捉车联网数据中的时空特性，导致分析结果不够准确。其次，车联网数据往往具有复杂的网络结构，车辆之间的关系和交互难以通过简单的统计分析方法来建模。此外，在进行数据预处理、特征提取和分类时，传统方法通常无法充分利用数据中的局部和全局信息，导致信息丢失和分类准确度降低。
技术实现思路
1、本申请提供了一种基于机器学习的车联网数据分析方法及其相关装置，用于采用机器学习模型提高了车联网数据的分类准确率。
2、第一方面，本申请提供了一种基于机器学习的车联网数据分析方法，所述基于机器学习的车联网数据分析方法包括：
3、获取原始车联网数据集，并对所述原始车联网数据集进行预处理，得到目标车联网数据集；
4、采用时空序列分析算法，对所述目标车联网数据集进行数据时空特性分析，得到时空特征信息集；
5、通过图神经网络对所述时空特征信息集进行特征建模，得到图嵌入信息集；
...【技术保护点】
1.一种基于机器学习的车联网数据分析方法，其特征在于，所述基于机器学习的车联网数据分析方法包括：
2.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述获取原始车联网数据集，并对所述原始车联网数据集进行预处理，得到目标车联网数据集，包括：
3.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述采用时空序列分析算法，对所述目标车联网数据集进行数据时空特性分析，得到时空特征信息集，包括：
4.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述通过图神经网络对所述时空特征信息集进行特征建模，得到图嵌入信息集，包括：
5.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述将所述目标表征向量集输入预置的初始机器学习模型进行数据分类，得到数据分类结果，包括：
6.根据权利要求5所述的基于机器学习的车联网数据分析方法，其特征在于，所述方法还包括：
7.一种基于机器学习的车联网数据分析装置，其特征在于，所述基于机器学习的车联网数据分析装置包括：<...
【技术特征摘要】
1.一种基于机器学习的车联网数据分析方法，其特征在于，所述基于机器学习的车联网数据分析方法包括：
2.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述获取原始车联网数据集，并对所述原始车联网数据集进行预处理，得到目标车联网数据集，包括：
3.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述采用时空序列分析算法，对所述目标车联网数据集进行数据时空特性分析，得到时空特征信息集，包括：
4.根据权利要求1所述的基于机器学习的车联网数据分析方法，其特征在于，所述通过图神经网络对所述时空特征信息集进行特征建模，得到图嵌入信息集，包括：
5.根据权利要求1所述的基于机器学习的车联...
【专利技术属性】
技术研发人员：郭文艺，丁建佳，
申请(专利权)人：广东车卫士信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。