【技术实现步骤摘要】
本专利技术属于edr数据解析，具体涉及一种基于机器学习的汽车edr数据解析方法。
技术介绍
1、edr，即事件数据记录器(event data recorder)，也被称为黑匣子，它是一种安装在汽车上的设备，用于记录车辆在发生重大事故时的数据。这些汽车edr数据可以包括车辆的速度、发动机转速、刹车踏板位置、方向盘转向角度、安全气囊的状态、安全带的使用情况、车轮的转速等。汽车edr数据对于事故调查和分析非常重要，可以帮助事故调查员了解事故发生时车辆的状态，从而确定事故的原因和责任。此外，汽车edr数据还可以用于车辆设计和改进，以提高车辆的安全性能。然而，由于汽车edr数据量庞大且复杂，如何有效地解析和利用这些数据成为了一个亟待解决的问题。
2、现有技术中，汽车edr数据处于公开状态，缺乏加密防护措施，导致数据安全性低，存在泄密风险；汽车edr数据的解析主要依赖于人工分析，效率低下且准确性难以保证；汽车edr数据的解析步骤复杂，大多采用离线式处理，缺乏信息交互，存在孤岛效应，导致数据价值低。
技术实现思路
1、为了解决现有技术存在的安全性低、效率低、准确性差、步骤复杂以及价值低的问题，本专利技术目的在于提供一种基于机器学习的汽车edr数据解析方法。
2、本专利技术所采用的技术方案为：
3、一种基于机器学习的汽车edr数据解析方法，包括如下步骤：
4、基于可信机构，进行汽车edr用户注册，得到汽车edr用户的公私密钥对，将公私密钥对中的私钥
5、基于数据解析中心，采集汽车edr知识大数据和若干历史汽车edr数据，根据汽车edr知识大数据，构建汽车edr知识图谱，并根据若干历史汽车edr数据，构建数据解析模型和图表生成模型；
6、采集实时汽车基础信息，根据实时汽车基础信息，使用汽车edr知识图谱，获取对应的解析硬件配置方案和数据关键指标集合，并根据解析硬件配置方案，采集汽车edr中存储的根据私钥进行加密的加密后实时汽车edr数据；
7、采集汽车edr用户的用户账户密码信息，对用户账户密码信息进行登录验证，登录验证通过后，返回对应的公钥，并根据公钥，对加密后实时汽车edr数据进行解密，得到对应的解密后实时汽车edr数据；
8、根据数据关键指标集合，对解密后实时汽车edr数据进行数据降维，得到对应的降维后实时汽车edr数据，并使用数据解析模型，对降维后实时汽车edr数据进行数据解析，得到对应的实时数据解析结果；
9、根据实时数据解析结果和降维后实时汽车edr数据，使用图表生成模型，生成对应的实时数据解析图表，并根据实时数据解析图表，生成对应的实时汽车edr数据解析报告。
10、进一步地，基于可信机构，进行汽车edr用户注册，得到汽车edr用户的公私密钥对，将公私密钥对中的私钥保存至对应的汽车edr，并将公私密钥对中的公钥公布至数据解析中心，包括如下步骤：
11、基于可信机构，进行密钥初始化，得到公共参数、主密钥以及初始密钥，并采集汽车edr用户的用户信息；
12、根据用户信息、公共参数、主密钥以及初始密钥，使用非对称加密算法，进行密钥生成，得到汽车edr用户的公私密钥对；
13、将公私密钥对中的私钥保存至对应的汽车edr，并将公私密钥对中的公钥公布至数据解析中心。
14、进一步地，基于数据解析中心，采集汽车edr知识大数据和若干历史汽车edr数据，根据汽车edr知识大数据，构建汽车edr知识图谱，并根据若干历史汽车edr数据，构建数据解析模型和图表生成模型，包括如下步骤：
15、基于数据解析中心，采集汽车edr知识大数据和若干历史汽车edr数据，并进行预处理，得到若干预处理后汽车edr知识数据和若干预处理后历史汽车edr数据；
16、根据若干预处理后汽车edr知识数据，使用自然语言处理算法，构建汽车edr知识图谱，并获取若干汽车事故类别的数据关键指标集合；
17、以汽车事故类别为聚类条件，对若干预处理后历史汽车edr数据进行聚类处理，得到对应的若干聚类集群；
18、根据数据关键指标集合，对对应的汽车事故类别的聚类集群进行降维处理和标签添加，得到设置有真实数据解析标签的若干降维后历史汽车edr数据；
19、根据设置有真实数据解析标签的若干降维后历史汽车edr数据，使用深度学习算法，构建数据解析模型，并生成若干历史数据解析结果；
20、根据若干历史数据解析结果和对应的降维后历史汽车edr数据，使用深度学习算法，构建图表生成模型。
21、进一步地，根据若干预处理后汽车edr知识数据，使用自然语言处理算法，构建汽车edr知识图谱，并获取若干汽车事故类别的数据关键指标集合，包括如下步骤：
22、使用基于自然语言处理算法构建的命名实体提取模型，提取预处理后汽车edr知识数据中的若干命名实体；
23、使用基于自然语言处理算法构建的实体关系提取模型，提取预处理后汽车edr知识数据中的若干实体关系；
24、根据若干命名实体和若干实体关系，构建初始的汽车edr知识图谱，并使用预设的推理规则进行知识图谱扩展，得到最终的汽车edr知识图谱；
25、根据最终的汽车edr知识图谱，获取若干汽车事故类别的数据关键指标集合。
26、进一步地，数据解析模型基于rf-bilstm算法构建，且数据解析模型包括基于rf算法构建的关键特征提取模块和基于bilstm算法构建的汽车edr数据解析模块。
27、进一步地，图表生成模型基于m-gans算法构建，其中，m为关注角度数量。
28、进一步地，实时汽车基础信息包括实时汽车型号和实时汽车事故类别。
29、进一步地，采集实时汽车基础信息，根据实时汽车基础信息，使用汽车edr知识图谱，获取对应的解析硬件配置方案和数据关键指标集合，并根据解析硬件配置方案，采集汽车edr中存储的根据私钥进行加密的加密后实时汽车edr数据，包括如下步骤：
30、采集实时汽车基础信息，得到对应的实时汽车型号和实时汽车事故类别；
31、基于汽车edr知识图谱，根据实时汽车型号，生成对应的解析硬件配置方案，并根据实时汽车事故类别，生成对应的数据关键指标集合；
32、根据解析硬件配置方案，获取汽车edr数据采集的读取硬盘型号、连接线缆型号以及数据采集方式；
33、基于读取硬盘型号、连接线缆型号以及数据采集方式，配置对应的汽车edr数据采集硬件，采集汽车edr中存储的根据私钥进行加密的加密后实时汽车edr数据。
34、进一步地，根据数据关键指标集合，对解密后实时汽车edr数据进行数据降维，得到对应的降维后实时汽车edr数据，并使用数据解析模型，对降维后实时汽车edr数据进行数据解析，得到对应的实时本文档来自技高网...
【技术保护点】
1.一种基于机器学习的汽车EDR数据解析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：基于可信机构，进行汽车EDR用户注册，得到汽车EDR用户的公私密钥对，将公私密钥对中的私钥保存至对应的汽车EDR，并将公私密钥对中的公钥公布至数据解析中心，包括如下步骤：
3.根据权利要求1所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：基于数据解析中心，采集汽车EDR知识大数据和若干历史汽车EDR数据，根据汽车EDR知识大数据，构建汽车EDR知识图谱，并根据若干历史汽车EDR数据，构建数据解析模型和图表生成模型，包括如下步骤：
4.根据权利要求3所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：根据若干预处理后汽车EDR知识数据，使用自然语言处理算法，构建汽车EDR知识图谱，并获取若干汽车事故类别的数据关键指标集合，包括如下步骤：
5.根据权利要求3所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：所述的数据解析模型基于RF-BiLSTM算法构建，且
6.根据权利要求3所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：所述的图表生成模型基于M-GANs算法构建，其中，M为关注角度数量。
7.根据权利要求3所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：所述的实时汽车基础信息包括实时汽车型号和实时汽车事故类别。
8.根据权利要求7所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：采集实时汽车基础信息，根据实时汽车基础信息，使用汽车EDR知识图谱，获取对应的解析硬件配置方案和数据关键指标集合，并根据解析硬件配置方案，采集汽车EDR中存储的根据私钥进行加密的加密后实时汽车EDR数据，包括如下步骤：
9.根据权利要求5所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：根据数据关键指标集合，对解密后实时汽车EDR数据进行数据降维，得到对应的降维后实时汽车EDR数据，并使用数据解析模型，对降维后实时汽车EDR数据进行数据解析，得到对应的实时数据解析结果，包括如下步骤：
10.根据权利要求6所述的一种基于机器学习的汽车EDR数据解析方法，其特征在于：根据实时数据解析结果和降维后实时汽车EDR数据，使用图表生成模型，生成对应的实时数据解析图表，并根据实时数据解析图表，生成对应的实时汽车EDR数据解析报告，包括如下步骤：
...【技术特征摘要】
1.一种基于机器学习的汽车edr数据解析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的汽车edr数据解析方法，其特征在于：基于可信机构，进行汽车edr用户注册，得到汽车edr用户的公私密钥对，将公私密钥对中的私钥保存至对应的汽车edr，并将公私密钥对中的公钥公布至数据解析中心，包括如下步骤：
3.根据权利要求1所述的一种基于机器学习的汽车edr数据解析方法，其特征在于：基于数据解析中心，采集汽车edr知识大数据和若干历史汽车edr数据，根据汽车edr知识大数据，构建汽车edr知识图谱，并根据若干历史汽车edr数据，构建数据解析模型和图表生成模型，包括如下步骤：
4.根据权利要求3所述的一种基于机器学习的汽车edr数据解析方法，其特征在于：根据若干预处理后汽车edr知识数据，使用自然语言处理算法，构建汽车edr知识图谱，并获取若干汽车事故类别的数据关键指标集合，包括如下步骤：
5.根据权利要求3所述的一种基于机器学习的汽车edr数据解析方法，其特征在于：所述的数据解析模型基于rf-bilstm算法构建，且数据解析模型包括基于rf算法构建的关键特征提取模块和基于bilstm算法构建的汽车edr数据解析模块。
6.根据权利要求3所述的一...
【专利技术属性】
技术研发人员：宋恒锋，马良琳，刘胜利，刘志强，刘朝亚，
申请(专利权)人：重庆人文科技学院，
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。