[發明專利]一種共享交通工具故障預測方法及系統

在審

• 申請號: 202110328305.5
• 申請日: 2021-03-26
• 公開（公告）號: CN112990592A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 任鴻儒;盧樺茵;魯仁全;吳卓儒;張辰
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種共享交通工具故障預測方法，其特征在于，包括如下步驟：

S1、獲取車輛車況故障數據；

S2、對車輛車況故障數據進行清洗；

S3、對清洗后的車輛車況故障數據采用隨機森林模型，從初始特征指標集中篩選出新特征指標集；

S4、在新特征指標集的基礎上，建立車輛故障的樸素貝葉斯預測模型；

S5、使用樸素貝葉斯預測模型對車輛故障進行預測。

2.根據權利要求1所述的共享交通工具故障預測方法，其特征在于，在步驟1中，獲取運維人員和用戶保留在本地服務器日志文件中的車輛車況故障數據。

3.根據權利要求2所述的共享交通工具故障預測方法，其特征在于，通過Apache Flume讀取本地服務器的日志文件數據。

4.根據權利要求1所述的共享交通工具故障預測方法，其特征在于，在步驟S1中，獲取的車輛車況故障數據保存在Hadoop中的HDFS文件系統。

5.根據權利要求1所述的共享交通工具故障預測方法，其特征在于，在步驟S2中，將清洗后的車輛車況故障數據存儲在MongoDB中，步驟S5通過樸素貝葉斯預測模型預測的車輛故障情況數據寫回MongoDB中。

6.根據權利要求1所述的共享交通工具故障預測方法，其特征在于，步驟S2包括：

S2.1、缺失數據的清洗，根據缺失字段的重要性程度決定刪除字段或補全字段；

S2.2、格式內容的清洗，整理、統一化數據格式，整理內容與字段應有內容的數據；

S2.3、邏輯錯誤數據的清洗，去除不合理的數據，修正邏輯矛盾的數據；

S2.4、非需求數據的清洗，去除不需要的數據；

S2.5、數據加工，計算新字段。

7.根據權利要求1所述的共享交通工具故障預測方法，其特征在于，步驟S2對獲取的車輛車況故障數據清洗后所得的訓練樣本集

S＝{(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，…，(x_n，y_n)},

為屬于x_i的第j個特征屬性,

步驟S3包括：

S3.1、抽樣，對S做K次抽樣，生成K個自助樣本集D_K和K個袋外樣本集00B_K(K＝1,2，…，K，其中D_K與S大小相等)；

S3.2、訓練決策樹模型，對K個自助樣本集D_K，分別訓練K個決策樹模型T_K；

S3.3、對于T_i∈T_K(i＝1,2,3,…，K)，計算袋外數據誤差err00B_1i；

S3.4、隨機地對袋外數據00B所有樣本的特征x^(j)加入噪聲干擾

再次計算每個決策樹模型T_K的袋外數據誤差err00B_2i；

S3.5、計算每個特征x^(j)的重要性，按降序排序

S3.6、篩選新的特征集，設定比例a，依據步驟S3.4所得的特征重要性排序，剔除相應比例的重要程度最低的特征集合n*a，得到一個新的特征集為n′＝n-n*a；

S3.7、用新的特征集n'重復上述過程，直到剩下m個特征(m為根據數據實際情況提前設定的值)；

S3.8、根據上述過程中得到的各個特征集和特征集對應的袋外誤差率，選擇袋外誤差率最低的特征集作為新的特征指標集。

8.根據權利要求7所述的共享交通工具故障預測方法，其特征在于，在步驟S3.1中，對S抽樣采用Bootstrap抽樣。