一种电子围栏风险预警方法、系统、设备及可读存储介质与流程

本发明属于车辆安全监控与风险预警，尤其涉及一种电子围栏风险预警方法、系统、设备及可读存储介质。

背景技术：

1、当前新能源汽车规模化运营过程中，资产防侵占场景风险始终是行业核心痛点：传统远程监控系统仅能对孤立的超阈值异常事件做单点报警，无法识别由多步低风险试探性操作串联形成的渐进式侵占行为，预警完全滞后于风险演变；常规电子围栏应用仅停留在“进/出”二元判定的初级阶段，既无法识别围栏内的可疑徘徊行为，也不能对越界动作做风险分级，应用深度严重不足；通用车辆行为分析模型多面向驾驶安全、金融信用评估场景设计，核心数据维度与资产防侵占诉求错配，且未与电子围栏场景深度耦合，脱离地理语境的异常判断会产生海量误报；传统资产防侵占场景方案存在明显的响应机制断层，要么是事后被动报警，要么直接执行远程熄火等硬拦截操作，完全缺失风险早期的“预警缓冲窗口”，留给运营方柔性处置的时间极短。

2、现有技术中，新能源汽车远程监控平台普遍依赖第三方地图api完成电子围栏点面判断，不仅调用成本高、服务依赖强，在十万级以上海量车辆实时并发场景下，还会出现接口响应延迟、数据处理吞吐量不足的问题，完全无法满足大规模车队的实时预警需求。综上，当前行业尚无实现车辆行为、空间围栏、运营状态三者深度融合的综合性资产防侵占场景预警方案，传统技术在预警精度、处理性能、响应效率上的瓶颈始终无法突破，难以满足规模化车队对潜在侵占风险早发现、早处置的核心刚需。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种新能源汽车防飞车场景下的电子围栏风险预警方案，通过“三维融合风险评分模型、双层自主电子围栏计算架构、闭环告警自优化机制”的组合创新，在保障高风险检出率的前提下将误报率大幅降低，同时实现预警性能百倍级提升，为运营方预留充足的风险早期核查窗口，填补现有技术在新能源汽车资产防侵占领域的能力空白。

2、为实现上述发明目的，本发明采用如下技术方案：

3、本发明的第一方面，提供了一种电子围栏风险预警方法，所述方法包括：

4、s1、接入车辆实时多维数据流，完成标准化清洗处理后，对接驾驶员管理系统dms的车辆运营状态数据，动态生成重点监控车辆列表；

5、s2、对所述重点监控车辆列表内的车辆数据进行空间预过滤，将远离电子围栏外接圆缓冲区域的车辆数据直接标记为安全；

6、s3、对通过预过滤的车辆数据，采用射线法完成坐标点与电子围栏多边形的点面关系判断，结合多维度车辆特征生成动态风险分值；

7、s4、当车辆动态风险分值超过预设阈值时，关联车辆vin码对应的所属机构信息，生成结构化告警信息并推送。

8、进一步的，步骤s1中的车辆实时多维数据流包括时空轨迹数据、车辆状态数据、告警与故障数据三类，其中：

9、时空轨迹数据包含vin标识、定位坐标、定位时间、速度、方向角以及定位精度参数；

10、车辆状态数据包含电源状态、充电状态、车门锁状态、仪表总里程；

11、告警与故障数据包含t-box断电告警、gps天线断路告警、非法进入告警。

12、具体而言，在本实施例步骤s1中，步骤s1的目的是进行数据接入与动态目标的筛选，整体的流程步骤包括：

13、s101、通过车载远程信息处理器（t-box）的通信接口，实时接入车辆上报的多维数据流，包括时空轨迹数据、车辆状态数据、告警与故障数据三类，其中，实时多维数据流经由apache kafka消息队列进行缓冲与分发，确保高并发数据下的稳定可靠传输；

14、进一步的，时空轨迹数据：包含车辆标识（vin）、gps/北斗坐标（经度、纬度）、定位时间、速度、方向角，以及定位精度（如hdop值）；车辆状态数据：包括车辆电源状态（on/off）、充电状态、车门锁状态、仪表总里程；告警与故障数据：包括t-box断电告警、gps天线断路告警、非法进入告警等。

15、s102、将实时多维数据流输入flink流处理作业进行标准化清洗，包括坐标纠偏、无效值过滤、数据补全与时间对齐；

16、s103、基于标准化清洗后的实时多维数据流中的时空轨迹数据以及告警与故障数据，同步生成位置上报有效性校验标记，所述标记作为后续动态生成重点监控车辆列表时“位置上报有效”判定的前置基础；

17、s104、通过restful api接口（表述性状态传递应用程序编程接口）与驾驶员管理系统dms进行实时对接，定时或基于订单状态变更事件从驾驶员管理系统dms拉取全量车辆的最新运营状态；

18、进一步的，所述车辆的最新运营状态包括运营中、闲置可用、已预约、维修保养中、失联状态。

19、s105、基于可配置的监控策略映射表，将驾驶员管理系统dms获取的车辆运营状态映射为预设的监控等级；

20、s106、flink流处理作业根据最新的车辆运营状态映射结果，结合标准化实时多维数据流在内存中动态维护一个重点监控车辆列表，即将同时满足“位置上报有效”且“符合预设监控等级”的车辆纳入重点监控列表，对未纳入列表的车辆数据仅执行归档操作，不参与后续实时风险计算流程。

21、进一步的，flink流处理作业根据最新的车辆运营状态映射结果，结合标准化实时多维数据流在内存中动态维护一个重点监控车辆列表，具体包括：

22、s106-1、将输出的全量车辆监控等级映射结果，加载为flink的常驻内存广播状态，覆盖所有已接入车辆的vin码与对应监控等级的绑定关系；

23、s106-2、将输出的标准化实时多维数据流，以车辆vin码为关联主键，与广播状态执行内存级实时关联，为每一条车辆实时数据挂载对应的监控等级标签；

24、s106-3、对关联完成的融合数据执行双重校验：校验标准化实时多维数据流侧的实时位置字段非空、定位精度在预设有效范围内，同时校验挂载的监控等级属于预设需监控范围；

25、s106-4、将双重校验均通过的车辆，更新至内存中动态维护的重点监控车辆列表，未通过校验的车辆数据直接路由至离线归档链路，不流入后续实时风险计算流程。

26、进一步的，步骤s2中对所述重点监控车辆列表内的车辆数据进行空间预过滤操作是在apache flink（分布式消息队列）流式计算框架中执行，执行前预先加载所有电子围栏多边形至内存，预计算每个电子围栏多边形的最小外接圆圆心与外接圆半径，并将其作为元数据常驻在计算节点内存中。

27、进一步的，所述步骤s2中空间预过滤的判定逻辑为：

28、对重点监控车辆列表内的每一辆车辆数据，采用平面坐标距离公式计算车辆实时坐标与所有电子围栏外接圆圆心的平面距离；

29、若该距离大于对应外接圆半径与预设安全缓冲距离之和，则判定该车辆绝对远离所有监控围栏区域。

30、进一步的，步骤s3中采用射线法完成坐标点与电子围栏多边形的点面关系判断的执行逻辑包括：从待测坐标点向水平正东方向引出射线，统计该射线与电子围栏多边形各边的交点总数，当交点总数为奇数时判定坐标点在多边形内部，当交点总数为偶数时判定坐标点在多边形外部。

31、进一步的，所述射线法的优化操作包括：使用多边形边界框完成快速初筛，处理射线穿过多边形顶点、与多边形边重合的边界场景，采用r-tree空间索引管理大量电子围栏多边形，定位关联多边形完成判断。

32、进一步的，所述步骤s3中动态风险分值的计算过程包括：基于预设滑动时间窗口维护车辆行为序列，提取空间维度特征、时间与行为维度特征、设备与状态维度特征构成特征向量，对原始触发信号应用规则补偿逻辑后，结合各特征的动态权重与时间衰减因子计算风险分值。

33、进一步的，所述空间维度特征包括当前是否在围栏内、本次进入/离开围栏的持续时间、与围栏边界的距离变化率、历史72小时内的越界频次；所述时间与行为维度特征包括当前是否为深夜高风险时段（如0:00-6:00）、车辆在无订单状态下移动的速度模式、车辆电源的非正常切换频率、gps信号丢失的持续时间和模式；设备与状态维度特征包括是否有t-box断电记录、车门异常开启记录。

34、进一步的，所述规则补偿逻辑包括短时停留补偿、点位漂移补偿、白名单补偿三类；短时停留补偿为车辆进入围栏后在预设时长阈值内驶离则标记为路过，点位漂移补偿为围栏边界附近小范围静止且定位精度满足阈值时判定为定位漂移忽略进出事件，白名单补偿为预设白名单车辆、区域或时间段的异常行为执行权重调低或免检操作。

35、进一步的，所述结合各特征的动态权重与时间衰减因子计算风险分值，其具体计算表达式为，

36、

37、式中，表示车辆在时刻的动态风险分值；表示异常特征维度总数，取值为3，分别对应空间维度特征、时间与行为维度特征、设备与状态维度特征；表示第项异常特征在时刻的动态权重，初始值由业务规则预设，后续根据告警处置反馈的自学习结果动态调整，所有权重满足；表示第项异常特征在时刻的触发标记值，未触发时取0，触发时取1，若触发规则补偿逻辑则按补偿规则取值：短时停留补偿/点位漂移补偿下取0，白名单补偿下取值范围可在之间按需配置；表示时间衰减系数，固定为正实数，取值越大历史异常特征的权重衰减越快，默认取值为（单位：，对应异常行为2小时后权重衰减至初始值的1/e）；表示第项异常特征从触发时刻到当前时刻的时间差，单位：秒，，其中为第项异常特征的触发时刻；表示时刻的合规行为抵扣分，车辆处于白名单区域、正常运营状态、连续无异常时长超过阈值时，按预设规则抵扣累计风险分，默认取值为0。

38、进一步的，步骤s4生成的结构化告警信息包含车辆位置快照、速度、动态风险分值、异常特征触发列表、近1小时轨迹简图，以及车辆所属经销商或运营方的名称、负责人信息、联系电话，推送渠道覆盖运营监控大屏、短信、企业办公机器人。

39、进一步的，本发明提供的电子围栏风险预警方法，还包括步骤s5，采集告警处置结果作为反馈数据，通过机器学习算法调整各异常特征的权重值，结合区域长期gps信号质量数据调整点位漂移补偿的容差参数，完成模型迭代优化。

40、本发明的第二方面，基于本发明第一方面同样的发明构思，还提供了一种电子围栏风险预警系统，所述系统包括数据接入筛选模块、空间预过滤模块、核心风险计算模块、告警生成推送模块以及模型自学习迭代模块，其中：

41、所述数据接入筛选模块，用于接入车辆多维数据流完成标准化清洗，对接驾驶员管理系统dms获取车辆运营状态，动态生成重点监控车辆列表；

42、所述空间预过滤模块，用于基于电子围栏预先计算的外接圆元数据，将远离电子围栏外接圆缓冲区域的车辆数据标记为安全；

43、所述核心风险计算模块，用于对通过预过滤的车辆数据调用射线法完成点面关系判断，计算生成车辆动态风险分；

44、所述告警生成推送模块，用于当车辆动态风险分超过预设阈值时，关联车辆vin码对应的所属机构信息，生成结构化告警消息并推送；

45、所述模型自学习迭代模块，用于采集告警处置结果作为反馈数据，调整各异常特征的权重值与点位漂移补偿容差参数，完成模型迭代优化。

46、本发明的第三方面，提供了一种电子围栏风险预警设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明第一方面提供的一种电子围栏风险预警方法的所有步骤。

47、本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明第一方面提供的一种电子围栏风险预警方法的所有步骤。

48、与现有技术相比，本发明的有益效果为：

49、通过t-box实时数据流与dms运营状态数据的双流关联动态筛选重点监控车辆，前置过滤大部分无效监控数据流，大幅降低全量车辆实时监控的计算资源消耗；依托flink流式计算框架实现内存级空间预过滤、结合自主射线法的两级围栏判定逻辑，完全摆脱对第三方空间计算api的依赖，将单条数据围栏判断平均耗时压缩至毫秒级以内，计算性能较传统方案实现大幅提升；结合带时间衰减的多维度动态风险分模型与三类规则补偿逻辑，将电子围栏预警误报率大幅降低，同时支持告警处置反馈驱动的模型自学习迭代，可广泛适配新能源汽车防飞车场景下的高精准、低延迟车辆资产安全风控需求。

50、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。