[發明專利]基于機器學習算法的新能源網約車識別方法及系統

在審

• 申請號: 202111327491.7
• 申請日: 2021-11-10
• 公開（公告）號: CN114239680A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 倪安寧;陳欽欽;張小寧;俞岑歆;張楚研
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215;G06F16/2458;G06F16/29;G06N3/04;G06N3/08
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

本發明提供了一種基于機器學習算法的新能源網約車識別方法及系統，包括：預處理數據，去除空數據和異常數據；統計里程、方向角變化率，記錄每日每次出行數據；清洗與處理數據，將某車某天的特征作為樣本，得到某天是否從事相關活動的標簽；將經過處理得到的數據集按比例分為訓練集、驗證集、測試集；構造人工神經網絡作為識別模型；確定神經網絡的初始參數，調整不同模型參數，訓練模型，選出最優參數組合；將最優參數組合用測試集的數據測試其性能，達到要求訓練結束。本發明建立了新能源網約車的識別模型，能夠識別新能源車某天是否從事網約車相關活動，以實現預測新能源車某天是否從事網約車相關活動。

技術領域

本發明涉及網約車管理技術領域，具體地，涉及一種基于機器學習算法的新能源網約車識別方法及系統。

背景技術

近年來，新能源車在中國發展迅猛。網約車在近幾年同樣發展迅速。它雖然有著更加高效的匹配方式，但是也存在難以規范化管理、安全隱患大等缺點。交通運輸部和各地相繼出臺了網約車的監管細則。然而，對網約車的從嚴管制以及對新能源車的大力扶植有一定的矛盾。一方面，新能源車被大量用于從事網約車行業并非是政府部門扶植新能源車的初衷。另一方面，網約車從業者們基于保護司機隱私的角度不愿意將車輛的相關信息透露給政府部門。這就導致政府空有新能源車的信息，卻無法準確識別每輛新能源車是否是網約車以及其作為網約車的天數。因此，政府部門迫切需要一種能夠通過新能源車數據來判斷其每天是否在開網約車的方法，以輔助下一階段的政策制定。

移動互聯網的快速發展使得具備全球定位系統(GlobalPositionSystem，GPS)的移動終端設備幾乎無處不在，這為交通出行行為的研究帶來了極大的便利。網約車和新能源車行為的研究同樣也屬于交通出行行為研究的范疇。目前，許多學者都運用GPS數據來研究出行特征，其中很大一部分都采用了不同形式的機器學習方法。機器學習是一種通過計算，利用經驗數據改善系統自身性能的方法，它致力于通過經驗數據的學習構建模型算法，并在新情況出現時讓系統能夠依據模型做出判斷。根據訓練數據是否擁有標記信息，機器學習方法可大致劃分為兩大類：“監督學習”和“無監督學習”。監督學習可以訓練出模型以達到對未知數據進行預測。無監督學習將現有數據按照其相似程度進行分類，主要探究數據的內部結構，只能對已有數據進行區分而無法預測。兩類方法都可被用到出行者特征研究當中，且都取得了不錯的效果。

對于包含標記信息的訓練數據，國內外很多學者都考慮采用監督學習。隨著監督學習理論的發展，特別是數據量的增大以及計算能力的增強，多隱含層神經網絡成為了很多學者選擇的研究方式。如果數據不包含標記信息，學者們通常都會考慮無監督學習。

具體到新能源網約車，大多數研究只運用機器學習等算法研究了供需預測、駕駛員行為及相關影響因素等。現今對于新能源網約車模式識別的研究較少。并且，目前大部分對交通領域的數據分析研究只采用了監督學習或無監督學習的一種。本研究結合使用無監督學習中的DBSCAN聚類方法與監督學習中的神經網絡方法，先用前者確定標記，再用后者進行訓練。本研究基于上海市新能源車車載信息采集數據，運用機器學習的方法，建立能夠識別新能源網約車的機器學習模型，以達到僅通過政府手中的車載信息采集數據判斷某新能源車每天是否是網約車的目的，進而作為政府部門決策的依據。

僅從上海市新能源車數據中無法確定任何一輛車在某天是否為網約車，而現有的網約車車架號數據只能表明其在協會登記為網約車，也沒有記錄其究竟哪一天從事網約車相關活動。在現有技術情況下，需要判定某新能源車每天是否為網約車更多通過人工識別車輛GPS軌跡進行，需要較高的人力成本。

在文獻“冷婷,閆興秀,余健,談煒,孫嫻.基于聚類判別模型的網約車鑒別研究[J].江蘇通信,2018,34(02):60-66.”中，冷婷等人利用手機信令數據來進行網約車鑒別。雖然該研究在一定程度上提高了效率，但是相較于GPS軌跡數據，手機信令數據存在準確率較低、誤差較大的問題。本發明結合使用無監督學習中的DBSCAN聚類方法與監督學習中的人工神經網絡方法，可以實現通過輸入的數據識別新能源車某天是否從事網約車相關活動。