一种公车违规用车行为分析系统、设备、介质及产品的制作方法

本发明具体涉及一种公车违规用车行为分析系统、设备、介质及产品。

背景技术：

1、公务用车管理对于规范公务用车行为、防止公车私用、降低行政成本具有重要意义。随着信息化建设的深入推进，各级机关单位已普遍安装车辆全球定位系统（gps定位系统），积累了海量的车辆轨迹数据，传统算法无法理解用车申请单中的文本语义仅能对gps轨迹数据进行简单的地理围栏判断，无法实现文本语义与时空轨迹的逻辑一致性校验，同时，难以有效区分正常操作与违规行为。

技术实现思路

1、本发明提供了一种公车违规用车行为分析系统、设备、介质及产品，以解决传统算法对于违规用车判断不准确的问题。

2、第一方面，本发明提供了一种公车违规用车行为分析系统，系统包括感知层、推理层和决策层，感知层包括数据感知与清洗智能体，推理层包括知识检索智能体和轨迹语义化智能体，决策层包括综合研判智能体。

3、数据感知与清洗智能体，用于获取待分析车辆的轨迹数据，并利用轨迹去噪算法对待分析车辆的轨迹数据进行去噪计算，获得去噪后的轨迹数据；

4、知识检索智能体，用于获取与待分析车辆相关联的用车申请单、白名单库、节假日库及兴趣点知识库；

5、轨迹语义化智能体，用于对去噪后的轨迹数据进行停留点提取，获得停留点的位置坐标和停留时长数据，并对停留点的位置坐标进行逆地理编码，获得停留点的兴趣点类别标签数据和区域属性数据；

6、综合研判智能体，用于将用车申请单中的申请事由转化为预期行为特征向量，将兴趣点类别标签数据和区域属性数据转化为实际行为特征向量，对预期行为特征向量和实际行为特征向量进行跨模态一致性校验，获得一致性校验结果，并根据停留点的位置坐标、停留时长、白名单库及节假日信息执行风险分级与时间维度分析，获得违规结论与证据链。

7、通过利用数据感知与清洗智能体对原始轨迹进行精细化去噪，剔除了临时点火、园区挪车等合法操作产生的噪音数据，解决了误报率高的技术问题，通过轨迹语义化智能体对轨迹坐标进行逆地理编码和兴趣点语义映射，将坐标转化为可计算的语义标签，由综合研判智能体将申请事由与实际轨迹分别转化为语义特征向量进行语义相似度计算，并结合白名单和节假日时间进行综合判断，解决了传统方案缺乏推理能力的技术问题，从而精准识别违规行为，降低了误报率。

8、在一种可选的实施方式中，轨迹数据包括轨迹序列，去噪计算包括去除临时点火轨迹数据，数据感知与清洗智能体获取待分析车辆的轨迹数据，并利用轨迹去噪算法对待分析车辆的轨迹数据进行去噪计算，包括：

9、数据感知与清洗智能体获取待分析车辆在时间窗口内的轨迹序列，并根据轨迹序列计算各轨迹点的位移熵和速度方差；

10、若位移熵小于第一预设阈值，且，速度方差小于第二预设阈值，且，车辆存在附件电源档位信号跳变，判定轨迹点为原地点火或怠速状态；

11、将原地点火或怠速状态的轨迹点从待分析车辆的轨迹数据中剔除。

12、通过计算轨迹点在时间窗口内的位移熵和速度方差，结合附件电源档位信号跳变数据，从而识别并剔除原地点火或怠速状态下的轨迹点，解决了传统方案中将车辆原地等待、临时点火等合法操作误判为违规停留的技术问题，从而降低了误报率。

13、在一种可选的实施方式中，轨迹数据包括轨迹点集，去噪计算包括去除园区挪车轨迹数据，数据感知与清洗智能体获取待分析车辆的轨迹数据，并利用轨迹去噪算法对待分析车辆的轨迹数据进行去噪计算，包括：

14、数据感知与清洗智能体获取待分析车辆在时间窗口内的轨迹点集和园区多边形顶点序列；

15、若轨迹点集中的所有轨迹点均位于园区多边形顶点序列构成的区域内部，且轨迹点集对应的位移距离小于园区多边形顶点序列构成的区域的最大跨度阈值，则判定轨迹点集为园区内部调度轨迹数据；

16、将园区内部调度轨迹数据从待分析车辆的轨迹数据中剔除。

17、通过获取待分析车辆在时间窗口内的轨迹点集和园区多边形顶点序列，并判断所有轨迹点是否均位于园区多边形内部且位移距离小于最大跨度阈值，从而识别并剔除园区内部调度轨迹数据，解决了将车辆在单位园区内正常挪车、进出车库等合法调度行为，误判为违规用车的技术问题，进一步降低了误报率。

18、在一种可选的实施方式中，轨迹语义化智能体对停留点的位置坐标进行逆地理编码，获得停留点的兴趣点类别标签数据和区域属性数据，包括：

19、轨迹语义化智能体，对停留点的位置坐标执行逆地理编码计算，获得停留点的地址信息和周边兴趣点信息；

20、根据周边兴趣点信息确定相关兴趣点，并对相关兴趣点进行标签提取，获得停留点的兴趣点类别标签数据；

21、根据周边兴趣点信息确定停留点所在的区域属性数据。

22、通过对停留点的位置坐标执行逆地理编码计算，获得地址信息和周边兴趣点信息，并根据周边兴趣点信息确定相关兴趣点进行标签提取以及确定区域属性，从而将抽象的经纬度坐标转化为具有明确语义含义的兴趣点类别标签和区域属性数据，为后续综合研判智能体进行一致性校验和风险分级提供了语义化的数据基础。

23、在一种可选的实施方式中，综合研判智能体将用车申请单中的申请事由转化为预期行为特征向量，包括：

24、综合研判智能体获取用车申请单中的申请事由文本；

25、对申请事由文本进行关键实体提取，获得目的地数据、目的数据和业务属性数据；

26、对目的地数据、目的数据和业务属性数据进行语义补全和文本重构，生成预期行为描述文本；

27、将预期行为描述文本输入至预设的文本嵌入模型，获得预期行为特征向量。

28、通过将用车申请单中的申请事由文本进行关键实体提取，获得目的地数据、目的数据和业务属性数据，再进行语义补全和文本重构后，将结果输入至文本嵌入模型，生成预期行为特征向量，从而将非结构化的自然语言申请事由转化为可计算的数值向量形式，使得系统能够量化判断实际行驶行为是否与申请事由相符。

29、在一种可选的实施方式中，综合研判智能体将兴趣点类别标签和区域属性转化为实际行为特征向量，包括：

30、综合研判智能体获取兴趣点类别标签和区域属性；

31、对兴趣点类别标签和区域属性进行文本拼接和语义扩展，获得实际行为描述文本；

32、将实际行为描述文本输入至预设的文本嵌入模型，获得实际行为特征向量。

33、通过对兴趣点类别标签和区域属性进行文本拼接和语义扩展，生成实际行为描述文本后输入预设的文本嵌入模型，获得实际行为特征向量，此过程将非结构化的场所类别标签和区域属性信息转化为结构化、可计算的数值向量形式，使系统能够将实际行为特征向量与预期行为特征向量进行同一语义空间下的相似度比较。

34、在一种可选的实施方式中，违规结论包括敏感场所违规停留和节假日非公停放，综合研判智能体根据停留点的位置坐标、停留时长、白名单库及节假日信息执行风险分级与时间维度分析，获得违规结论，包括：

35、综合研判智能体获取单位封存点范围数据、停留点的位置坐标、停留时长、白名单库及节假日信息；

36、根据停留点的位置坐标、停留时长确定当前兴趣点类别标签；

37、若当前兴趣点类别标签属于预设风险场所集合且停留时长大于预设时长阈值，则判定为敏感场所违规停留；

38、若停留点的位置坐标属于白名单库中的白名单范围内，则判定为合规停留；

39、若当前时间为节假日且停留点的位置坐标未在单位封存点范围数据内，则判定为节假日非公停放。

40、通过获取单位封存点范围数据、停留点的位置坐标、停留时长、白名单库及节假日信息，并根据当前兴趣点类别标签与预设风险场所集合的关系，和停留时长与预设时长阈值的关系，判定敏感场所违规停留，根据停留点的位置坐标和白名单库范围，判定合规停留，以及根据当前是否为节假日时间，和停留点的位置坐标与单位封存点范围数据的关系，判定节假日非公停放，最终实现了识别敏感场所长时间停留、节假日违规停放等多种违规场景，避免了传统方案中的误报，提升了系统的准确性。

41、第二方面，本发明提供了一种电子设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的一种公车违规用车行为分析系统。

42、第三方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的一种公车违规用车行为分析系统。

43、第四方面，本发明提供了一种计算机程序产品，包括计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的一种公车违规用车行为分析系统。