摘要
本发明涉及车辆画像评估技术领域,具体涉及车辆运行数据驱动的承运车辆画像评估方法及系统,包括以下步骤:采集车辆运行过程中的多模态数据,采用自监督学习算法对数据中的异常行为进行自动感知与标注;加权融合,生成综合特征向量F,构建一个同时考虑车辆短期行为波动和长期运行趋势的动态平衡模型,同时捕捉短期风险事件与长期稳定性分析;对承运车辆的运行状态进行画像生成,针对识别出的异常行为,提供相应的干预决策建议。本发明,确保了车辆画像中异常行为标注的高可靠性,综合分析车辆的长期稳定性趋势,使得本发明能够同时兼顾车辆的短期风险和长期运行状态,为车辆的安全性评分和操作稳定性分析提供了科学依据。
技术关键词
车辆运行数据
画像
方向盘转向角度
车辆运行状态
监督学习模型
监督学习算法
时间序列预测模型
数据融合算法
风险
决策
多模态数据采集
时间序列形式
生成带标注
刹车系统
皮尔逊相关系数
动态
系统为您推荐了相关专利信息
食谱生成方法
多源异构数据
实体关联关系
医学知识图谱
时序预测模型
智能化调控方法
烟叶烘烤工艺
烟叶状态
烟叶图像
烤房加热装置
隧道衬砌脱空
无监督学习
重建误差
监督学习模型
数据
信息推送对象
校园智能化
信息发布系统
构建用户画像
知识图谱挖掘