CN108882146B - 车载通信设备异常行为检测方法、电子设备及系统 - Google Patents

Abstract

本申请实施例提供一种车载通信设备异常行为检测方法、电子设备及系统。在本申请实施例中，通过判断车载通信设备的离线时间信息和车载通信设备离线前所在的位置信息是否符合车辆处于停运状态时的时间维度特征和空间维度特征，来确定该车载通信设备所在车辆是否处于停运状态；当确定出车载通信设备所在车辆未处于停运状态时，则确定该车载通信设备属于异常离线，进而确定该车载通信设备需要进行检修，可自动识别由于车载通信设备出现故障而导致车载通信设备离线的异常情况，无需维护人员现场排查是否需要进行检修，有利于提高车载通信设备的检测效率，节约运维资源。

Description

车载通信设备异常行为检测方法、电子设备及系统

技术领域

本申请涉及车载通信技术领域，尤其涉及一种车载通信设备异常行为检测方法、电子设备及系统。

背景技术

随着车载通信技术的发展，车载通信设备开始逐渐普及。目前，多数公交、出租、火车等车辆上都已安装了WiFi等通信设备。以公交车上的WiFi设备为例，公交车对其上的WiFi设备供电，这样，在公交车运行过程中，WiFi设备可以一直处于在线状态，为乘客提供上网等服务。

但是，在实际应用中，经常发生WiFi设备处于离线状态的情况。当WiFi设备在一段时间处于离线状态时，维护人员需要设法找到相应的公交车辆，然后对车上的WiFi设备进行检修，进而确定WiFi设备是否出现故障。这种检测WiFi设备是否出现故障的方式往往需要花费大量的时间，效率较低，造成维修资源浪费严重。

发明内容

本申请实施例提供一种车载通信设备异常行为检测方法、电子设备及系统，用以提高检测车辆上的车载通信设备是否异常的效率，节约车载通讯设备的维护资源。

本申请实施例提供一种车载通信设备异常行为检测方法，包括：

根据第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修。

本申请实施例还提供一种电子设备，包括：存储器和处理器；

所述存储器，用于存储计算机程序以及车载通信设备上报的车辆运行信息；

所述处理器，耦合至所述存储器，用于执行所述计算机程序以用于：

根据第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修。

本申请实施例还提供一种车载通信设备异常行为检测系统，包括：第一车载通信设备和电子设备，所述第一车载通信设备安装于车辆中；其中，

所述电子设备，用于：

根据第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修；

所述第一车载通信设备，用于向所述电子设备上报所述车辆运行信息。

在本申请实施例中，通过判断车载通信设备的离线时间信息和车载通信设备离线前所在的位置信息是否符合车辆处于停运状态时的时间维度特征和空间维度特征，来确定该车载通信设备所在车辆是否处于停运状态；当确定出车载通信设备所在车辆未处于停运状态时，则确定该车载通信设备属于异常离线，进而确定该车载通信设备需要进行检修。这种车载通信设备异常行为检测方式可自动筛查由于车载通信设备所在车辆的停运导致车载通信设备异常的情况，进而可提高车载通信设备检测效率，节约运维资源。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的一种车载通信设备异常行为检测方法的流程示意图；

图2为本申请一实施例提供的一种构建用于体现车辆运行特征的时间决策树模型的方法的流程示意图；

图3为本申请一实施例提供的另一种构建用于体现车辆运行特征的时间决策树模型的方法的流程示意图；

图4为本申请一实施例提供的一种用于体现车辆运行特征的时间决策树模型的结构示意图；

图5为本申请一实施例提供的一种构建用于体现车辆运行特征的空间聚类模型的方法的流程示意图；

图6为本申请一实施例提供的一种空间聚类的结构示意图；

图7为本申请实施例提供的一种电子设备的结构示意图；

图8为本申请实施例提供的一种车载通信设备异常行为检测系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

针对现有车载通信设备离线状态异常检测方式效率低的问题，本申请实施例提供一种解决方案，主要原理是：通过判断车载通信设备的离线时间和该车载通信设备离线前最后所在的位置信息是否符合车辆处于停运状态时的时间维度特征信息和空间维度信息，确定该车载通信设备所在车辆是否处于停运状态；当车辆处于未停运状态时，则确定该车载通信设备异常离线，需要进行检修。这种车载通信设备异常行为检测方式，可自动从车载通信设备离线的情况中排除由于车辆停运引起车载通信设备离线的正常情况，从而识别出由于车载通信设备出现故障而导致车载通信设备离线的异常情况，无需维护人员现场排查是否需要进行检修，有利于提高车载通信设备的检测效率，节约运维资源。

以下结合附图，详细说明本申请实施例各实施例提供的技术方案。

图1为本申请一实施例提供的一种车载通信设备异常行为检测方法的流程示意图。其中，车载通信设备可以是但不局限于车载WiFi设备、车载摄像头、行车记录仪、计价器等。如图1所示，该方法包括：

101、根据第一车载通信设备上报的车辆运行信息，提取该第一车载通信设备的离线时间信息和该第一车载通信设备离线前最后所在的位置信息。

102、根据第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定该第一车载通信设备所在车辆是否处于停运状态。

103、当确定第一车载通信设备所在车辆未处于停运状态时，确定该第一车载通信设备的离线状态异常，以标识需要对该第一车载通信设备进行检修。

车载WiFi设备、行车记录仪、车载摄像头等车载通信设备已广泛应用于公交车、出租车、火车等车辆中。这些车载通信设备正常工作时，可以给乘客或用户提供相应的服务，例如，车载WiFi设备允许用户免费接入，为用户提供上网服务；行车记录仪可以记录所在车辆行驶全过程的视频图像和声音，可为交通事故提供证据等；车载摄像头可以进行路况监控，可为用户倒车提供服务。除此之外，在本实施例中，这些车载通信设备还可以实时向相关设备上报所在车辆的运行信息。其中，车辆运行信息可以包括但不局限于：该车载通信设备所在车辆所属的城市、所属公交公司、所属公交线路、车辆当前的位置、当天的星期、日期以及当前的时刻等。这里的相关设备是指可以根据车载通信设备上报的车辆运行信息，对车载通信设备的状态(离线与否、是否异常离线等)进行监控的设备。在实现形态上，相关设备可以是任何具有一定计算和处理能力的电子设备(在后续均以电子设备进行描述)，例如可以是手机、个人电脑、平板电脑等各种终端设备，或者，也可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。

当车载通信设备处于离线状态时，则无法进行车辆运行信息的采集和上报。对电子设备来说，可以根据车载通信设备上报车辆运行信息的时间间隔判断车载通信设备是否离线。例如，如果电子设备在超过一定时长后仍未接收到车载通信设备上报的车辆运行信息，则可确定车载通信设备处于离线状态。当确定车载通信设备处于离线状态时，有必要通知维护人员对处于离线状态的车载通信设备进行检修，以便于车载通信设备能够及时恢复到正常工作状态。

在本实施例中，考虑到有些车载通信设备的工作状态可能会受其所在车辆的停运状态的影响。例如，在一些应用场景中，一些车载通信设备可能需要其所在车辆为其供电，当其所在车辆停运时，车载通信设备将失去供电来源，因此会进入离线状态。又例如，在另一些应用场景中，一些车载通信设备只需在其所在车辆处于运行状态时工作，则当车载通信设备所在车辆停运时，车载通信设备也会进入离线状态。这意味着，车载通信设备的离线状态可能是因为车载通信设备故障引起的，也可能是因为其所在车辆停运引起的。对于因车载通信设备自身故障导致处于离线状态的情况，需要维护人员进行检修，而对于因车辆停运引起车载通信设备离线的情况，若维护人员进行检修，不仅会降低检修效率，而且会浪费运维资源。

针对该问题，在本实施例中，当确定车载通信设备处于离线状态时，首先对车载通信设备进行异常行为检测，即判断车载通信设备的离线状态是不是因为其所在车辆停运引起的，并在判断出车载通信设备处于离线状态不是因为车载通信设备所在车辆停运而引起时，确定车载通信设备的离线状态属于异常情况，确定该车载通信设备需要维护人员进行检修，这可以直接明确需要检修的车载通信设备，而无需维护人员现场排查是否需要检修，有利于提高车载通信设备的检测效率，节约运维资源。

其中，对任何车载通信设备进行异常行为检测的过程均类似，为便于描述，在本实施例以下内容中将以任一车载通信设备为例对该异常行为检测过程进行描述，并将该车载通信设备称为第一车载通信设备。

其中，电子设备可以根据第一车载通信设备上报车辆运行信息的时间间隔判断第一车载通信设备是否离线。例如，如果电子设备在超过一定时长后仍未接收到第一车载通信设备上报的车辆运行信息，则可确定第一车载通信设备处于离线状态。

当确定第一通信设备处于离线状态时，可根据第一车载通信设备在离线前上报的车辆运行信息，提取第一车载通信设备的离线时间信息和第一车载通信设备离线前最后所在的位置信息。其中，第一车载通信设备的离线时间信息可根据第一车载通信设备离线前最后一次上报的车辆运行信息和/或最后一次上报车载运行信息的时间确定；相应地，第一车载通信设备离线前最后所在的位置信息可根据第一通信设备离线前最后一次或最后一段时间上报的车辆运行信息确定。

其中，第一车载通信设备出现故障时会导致其处于离线状态，这种离线状态属于异常情况。另外，若第一车载通信设备需要其所在车辆对其进行供电，则当其所在车辆处于停运状态时，会停止对第一车载通信设备供电，这种情况下，第一通信车载设备也会处于离线状态，这种离线状态属于正常情况。为了识别第一车载通信设备的离线状态是属于异常情况还是属于正常情况，在本申请实施例中，电子设备可根据第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定第一车载通信设备所在车辆是否处于停运状态。当第一车载通信设备的离线时间和离线前最后所在的位置信息与该车辆处于停运状态的时间维度特征和空间维度特征不符合时，则确定该车辆处于非停运状态，进而确定第一车载通信设备的离线状态属于异常离线，标记该第一车载通信设备需要进行检修。

需要说明的是，在步骤102中，可以根据第一车载通信设备的离线时间信息和车辆处于停运状态时的时间维度信息，确定第一车载通信设备所在车辆是否处于停运状态。或者，在步骤102中，可以根据第一车载通信设备离线前最后所在的位置信息以及车辆处于停运状态时的空间维度信息，确定第一车载通信设备所在车辆是否处于停运状态。或者，在步骤102中，可以根据第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度信息和空间维度信息，确定第一车载通信设备所在车辆是否处于停运状态。其中，对于根据第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度信息和空间维度信息，确定第一车载通信设备所在车辆是否处于停运状态的情况，需要第一通信设备的离线时间信息和离线前最后所在的位置信息均与车辆处于停运状态时的时间维度信息和空间维度信息分别相符合时，才确定第一车载通信设备所在车辆处于停运状态，否则，确定第一车载通信设备处于未处于停运状态。可选地，当第一车载通信设备的离线时间和离线前最后所在的位置信息与该车辆处于停运状态的时间维度特征和空间维度特征相符合时，则确定第一车载通信设备所在车辆处于停运状态，进而当确定第一车载通信设备所在车辆处于停运状态时，确定第一车载通信设备的离线状态正常，标识无需对第一车载通信设备进行检修。

本实施例提供的车载通信设备异常行为检修方法，可自动从车载通信设备离线的情况中排除由于车辆停运引起车载通信设备离线的正常情况，从而识别出由于车载通信设备出现故障而导致车载通信设备离线的异常情况，无需维护人员现场排查是否需要进行检修，有利于提高车载通信设备的检测效率，节约运维资源。

在上述或下述实施例中，在使用车辆处于停运状态时的时间维度特征和空间维度特征之前，可以预先确定车辆处于停运状态时的时间维度特征和空间维度特征。其中，车辆处于停运状态时的时间维度特征和空间维度特征，可根据至少一台车载通信设备的日常运行数据，通过概率统计等方法进行数据挖掘来确定。可选地，确定车辆处于停运状态时的时间维度特征和空间维度特征的一种可选实施方式为：根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；根据时间决策树模型和空间聚类模型，确定车辆处于停运状态时的时间维度特征和空间维度特征。

需要说明的是，在上述或下述实施例中至少一台车载通信设备的日常运行数据，可包含上述第一车载通信设备的日常运行数据，也可为不包含第一车载通信设备的日常运行数据，确切地说，也可为除第一车载通信设备外的其他车载通信设备的日常运行数据。为了使构建的时间决策树模型和空间聚类模型更为准确，至少一台车载通信设备的日常运行数据可以包括至少一台车载通信设备在一个月、一年或者更长时间内的运行数据，其数据信息量需要足够充分。

在一可选实施例中，根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型的过程如图2所示，包括：

201、从至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组。

202、根据时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型。

在一些应用场景中，车载通信设备所在车辆需要临时停靠，临时停靠时会导致该车载通信设备暂时离线，但是当该车辆再次运行时，车载通信设备会再次上线。为了避免对由于车辆临时停靠等情况造成车载通信设备暂时离线，而造成对车辆运行状态的误判，在本实施例中，从至少一台车载通信设备的日常运行数据中，提取离线时长超过一定预设时长阈值的时间特征信息，并利用该时间特征信息，构建用于体现车辆停运状态的时间决策树模型。为便于描述，将该阈值定义为第一预设时长阈值。其中，第一预设时长阈值的取值可根据具体应用需求适应性设置。这种实施方式可以排除因车辆临时停靠而造成其上的车载通信设备暂时离线的情况，提高构建的时间决策树模型的准确率。

值得说明的是，在上述或下述实施例中，为便于描述，将至少一台车载通信设备中的离线时长超过第一预设时长阈值的车载通信设备定义为A类车载通信设备，则提取的离线时长超过第一预设时长阈值的时间特征信息可包括但不局限于：A类车载通信设备所在车辆所属的城市、所属公交公司、所属公交线路、停运的时长、开始停运时的时刻、日期、星期、是否节假日以及历史维修记录等。

进一步可选地，根据时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型的可选实施过程可参见图3所示实施例中的描述。图3所示为构建时间决策树模型的另一种可选实施方式的流程。如图3所示，该可选实施方式包括：

301、从至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组。

302、将该时间特征元组的部分数据设置为时间决策树模型的根节点。

303、以具有最大增益或最大增益率的属性对该部分数据进行多次划分，直至获得无法进一步划分的子元组为止。

304、将无法进一步划分的子元组所属的类别设置为叶节点，以形成时间决策树模型的各分枝。

305、根据时间决策树模型的根节点和各分枝，构建用于体现车辆处于停运状态的时间决策树模型。

在本实施例中，对于步骤301的描述可参见上述实施例，此处不再赘述。

接续于步骤301，在步骤302中，将由A类车载通信设备的时间特征信息组成的时间特征元组的部分数据(为便于描述，将该部分数据标记为集合D)设置为时间决策树的根节点。时间特征元组的部分数据可以为时间特征元组的三分之二的数据，但不限于此。在步骤303中，以具有最大增益或最大增益率的属性对集合D进行多次划分，其中，各个属性的增益的计算方法为：

假设根据m个不同的属性对集合D进行元组划分，则基于m个属性定义了m个不同的类C_i(i＝1，2，…，m)，那么集合D中元组划分所需要的期望信息为：

其中，p_i为集合D中任意元素属于类C_i的概率，Info表示集合D进行元组划分所需要的期望信息。

假设以属性B对集合D进行元组划分，其中属性B具有n个不同的值，那么属性B则可将集合D划分为n个子元组{d₁，d₂，…，d_n}。若A类车载通信设备的时间特征信息为“开始停运时的星期”，则对于这个属性来说，n＝7，即属性“开始停运时的星期”具有7个不同值。

基于属性B对集合D进行元组划分所需要的期望信息为：

其中，Info_B(D)表示基于属性B对集合D进行元组划分所需要的期望信息，|d_j|和|D|分别表示子元组d_j和集合D中元素的个数。属性对集合B进行元组划分所需要的期望信息越小，划分出的各子元组的纯度越高。

那么，属性B的信息增益Gain(B)为集合D进行元组划分所需要的期望信息与基于属性B对集合D进行元组划分所需要的期望信息之差，即：

Gain(B)＝Info(D)-Info_B(D)

当选择具有最大增益的属性对集合D进行元组划分时，则可在“能在最佳分类”的属性上对集合D进行划分，此时，完成各子元组划分需要的信息最小。

在上述计算信息增益的基础上，进一步计算各属性的信息增益率。属性B对集合D进行元组划分的信息增益率GainRate(B)可表示为：

其中SplitInfo_B(D)表示集合D划分成基于属性B的n个子元组产生的信息，可表示为：

下面将结合图4所示的时间决策树模型对步骤303-305的操作进行示例性说明。如图4所示，属性B包括：A类车载通信设备所在车辆所属的城市、所属的公交公司、所属的公交线路、A类车载通信设备开始离线时的月份、开始离线时的日期，即属性的个数m＝5。假设基于属性“A类车载通信设备所在车辆所属的城市”对集合D进行元组划分时，具有最大增益或最大增益率，则如图4所示，先基于属性“A类车载通信设备所在车辆所属的城市”对集合D进行划分，划分为“A类车载通信设备所在车辆所属的城市为北京”和“A类车载通信设备所在车辆所属的城市为非北京城市”两个子元组，对于子元组“A类车载通信设备所在车辆所属的城市为非北京城市”来说，A类车载通信设备所在车辆均处于非停运状态，无法进行进一步划分，则子元组“A类车载通信设备所在车辆所属的城市为非北京城市”所属的类别为“非停运状态”，并将“非停运状态”设置为叶节点，形成时间决策树模型的一个分枝，则可确定标记子元组“A类车载通信设备所在车辆所属的城市为非北京城市”中的车载通信设备属于离线异常，需要进行检修。

对于子元组“A类车载通信设备所在车辆所属的城市为北京”来说，基于属性“A类车载通信设备所在车辆所属的公司”对“A类车载通信设备所在车辆所属的城市为北京”子元组进行划分时，具有最大增益或最大增益率，则将子元组“A类车载通信设备所在车辆所属的城市为北京”进一步划分为子元组“A类车载通信设备所在车辆所属公司为北京的甲公司”和“A类车载通信设备所在车辆所属公司为北京的乙公司”，之后再采用相同的方法基于属性“A类车载通信设备所在车辆所属的路线”、“开始离线时的月份”、“日期”对子元祖“A类车载通信设备所在车辆所属公司为北京的甲公司”继续进行划分，直到无法进一步划分为止，确定出各子元组所属的类别为“停运状态”还是“非停运状态”，进而形成时间决策树模型的各分枝。这样，基于上述时间决策树的根节点和各分枝，可构建用于体现车辆处于停运状态的时间决策树模型。

对于如图4所示的时间决策树模型来说，当上述第一车载通信设备所在车辆满足所属城市为北京、所属公司为甲公司、所属线路为1号线路、开始离线时的月份和日期为3月1号时，则可确定该第一车载通信设备所在车辆处于停运状态，进而确定该第一车载通信设备的离线属于正常离线，标记该第一车载通信设备不需要进行检修；当上述第一车载通信设备所在车辆满足所属城市为北京、所属公司为甲公司、所属线路为1号线路、开始离线时的月份为3月、日期为1号外的其他日期时，则可确定该第一车载通信设备所在车辆处于非停运状态，进而确定该第一车载通信设备的离线属于异常离线，标记该第一车载通信设备需要进行检修。

在一可选实施例中，为了提高所构建的时间决策树对上述第一车载通信所在车辆运行状态判断的准确性，则需要对构建的时间决策树的准确性进行测试，并将时间决策树模型中准确率较低的分枝进行剪枝。基于此，在构建出上述用于体现车辆处于停运状态时的时间决策树模型后，可对所构建的时间决策树模型的各分枝进行准确率测试。其中，一种可选实施方式为：根据上述时间特征元组的其余数据，评估所构建的时间决策树模型的各分枝的准确率；将时间决策树模型的各分枝中准确率低于准确率阈值的分枝进行剪枝。

需要说明的是，上述时间特征元组的其余数据是相对于上述设置为时间决策树模型的根节点的时间特征元组的部分数据而言的。当用于构建体现车辆处于停运状态的时间决策树模型的部分数据选用时间特征元组所包含数据的三分之二时，则用于对时间决策树模型进行准确率测试的时间特征元组的其余数据可为时间特征元组所包含的其余三分之一的数据，也可以是其余三分之一数据中的部分数据。

在另一可选实施例中，根据至少一台车载通信设备的日常运行数据，构建用于体现车辆停运特征的空间聚类模型的可选实施过程可参见图5所示实施例中的描述。图5所示为构建空间聚类模型的一种可选实施方式的流程。如图5所示，该可选实施方式包括：

501、从至少一台车载通信设备的日常运行数据，提取离线时长超过第二预设时长阈值时的空间维度信息，以形成空间对象集；

502、判断该空间对象集中的任一对象的预设邻域内包含的对象的个数是否不小于预设个数阈值；当判断结果为是时，执行步骤503。

503、将上述任一对象和其密度可达的所有对象设置为一个空间聚类，以构建用于体现车辆处于停运状态的空间聚类模型。

在一些应用场景中，车载通信设备所在车辆需要临时停靠，临时停靠时会导致该车载通信设备暂时离线，但是当该车辆再次运行时，车载通信设备会再次上线。为了避免对由于车辆临时停靠等情况造成车载通信设备暂时离线，而造成对车辆运行状态的误判，在本实施例中，从至少一台车载通信设备的日常运行数据中，提取离线时长超过另一预设时长阈值的空间维度信息，并利用该空间维度信息，构建用于体现车辆停运状态的空间模型。为便于描述，将该预设时长阈值定义为第二预设时长阈值。其中，第二预设时长阈值的取值可根据具体应用需求适应性设置，例如可以为一天、两天、一周等，其与第一预设时长阈值可以相同，也可不同。这种实施方式可以排除因车辆临时停靠而造成其上的车载通信设备暂时离线的情况，提高构建的空间聚类模型的准确率。

值得说明的是，在上述或下述实施例中，为便于描述，将至少一台车载通信设备中的离线时长超过第二预设时长阈值的车载通信设备定义为B类车载通信设备，则提取的离线时长超过第二预设时长阈值的空间维度信息可包括但不局限于B类车载通信设备所在车辆日常停靠时的位置信息等。该位置信息可采用全球定位系统(Global positioningsystem，GPS)或基站进行定位，但不限于此。

进一步，在步骤502中，基于上述由B类车载通信设备所在车辆的空间维度信息构成的空间对象集，以空间维度信息为B类车载通信设备所在车辆日常停靠时的位置信息为例进行说明。其中，空间对象集中的任一对象的预设邻域内的对象个数为距离B类车载通信设备所在车辆日常停靠时的任一停车位置在预设距离内的各停车位置的个数，为方便描述，将该预设邻域定义为ε邻域，将将该预设距离定义为ε距离，将任一停车位置定义为P位置。当空间对象集中与P位置的距离≤ε距离的停车位置的个数大于或等于预设的个数阈值时，将P位置设置为核心位置，并将P位置和P位置密度可达的所有停车位置设置为一个空间聚类。其中，P位置密度可达的停车位置的解释为：对于P位置外的另一核心位置Q，若与核心位置Q的距离≤ε距离的停车位置中包含有与P位置的距离≤ε距离的停车位置，则核心位置Q从P位置密度可达。由于P位置为空间对象集中的任一对象，空间对象集中所有满足上述条件的对象和该对象密度可达的所有对象便构成无数的空间聚类，这些空间聚类组成用于体现车辆处于停运状态的空间聚类模型。

为了更清楚的说明步骤502和503的操作，结合如图6所示的空间聚类的结构示意图进行示例性阐述。假设预设邻域为ε邻域，预设个数阈值为5，对于对象P，在ε邻域内含有6个对象(大于个数阈值5)，则对象P为核心对象，对象P1在对象P的ε邻域内，则对象P1从对象P直接密度可达；对于对象Q，在ε邻域含有5个对象(等于个数阈值5)，则对象Q也是一个核心对象，且对象P1在对象Q的ε邻域内，则对象P1从对象Q直接密度可达，则对象P从对象Q密度可达。同理，对象P从对象R密度可达，则由对象P、Q、R构成一个空间聚类。当确定出空间对象集中所有对象的空间聚类时，则由这些空间聚类构成用于体现车辆处于停运状态的空间聚类模型。

以车载通信设备所在车辆为公交车为例，则空间聚类模型可以为公交场站的位置聚类，公交车处于停运状态时的空间维度特征可为公交车所停靠的公交场站的位置信息。当第一车载通信设备离线前最后所在的位置符合公交场站的位置信息时，即与公交车辆处于停运状态的位置信息相符时，则确定第一车载通信设备所在车辆处于停运状态，第一车载通信设备的离线属于正常离线，将该第一车载通信设备标识为无需进行检修。相应地，当第一车载通信设备离线前最后所在的位置与公交场站的位置信息不符合时，即与公交车辆处于停运状态的位置信息不相符时，则确定第一车载通信设备所在车辆处于非停运状态，第一车载通信设备的离线属于异常离线，将该第一车载通信设备标识为需要进行检修。图7为本申请实施例提供的一种电子设备的结构示意图。如图7所示，电子设备包括存储器70a和处理器70b。其中，

存储器70a，用于存储计算机程序以及车载通信设备上报的车辆运行信息。

处理器70b，耦合至存储器70a，用于执行计算机程序以用于：

根据第一车载通信设备上报的车辆运行信息，提取第一车载通信设备的离线时间信息和第一车载通信设备离线前最后所在的位置信息；

根据第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定第一车载通信设备所在车辆是否处于停运状态；

当确定第一车载通信设备所在车辆未处于停运状态时，确定第一车载通信设备的离线状态异常，以标识需要对第一车载通信设备进行检修。

可选地，处理器70b还用于：当确定第一车载通信设备所在车辆处于停运状态时，确定第一车载通信设备的离线状态正常，以标识无需对第一车载通信设备进行检修。

在一可选实施例中，处理器70b还用于：根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；根据时间决策树模型和空间聚类模型，确定车辆处于停运状态时的时间维度特征和所述空间维度特征。

在另一可选实施例中，处理器70b具体用于：从至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组；根据时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型。

进一步，处理器70b具体用于：将上述时间特征元组的部分数据设置为时间决策树模型的根节点；以具有最大增益或最大增益率的属性对上述部分数据进行多次划分，直至获得无法进一步划分的子元组为止；将无法进一步划分的子元组所属的类别设置为叶节点，以形成时间决策树模型的各分枝；根据时间决策树模型的根节点和各分枝，构建用于体现车辆处于停运状态的时间决策树模型。

可选地，处理器70b还用于：根据时间特征元组的其余数据，评估时间决策树模型的各分枝的准确率；将时间决策树模型的各分枝中准确率低于准确率阈值的分枝进行剪枝。

在又一可选实施例中，处理器70b具体还用于：从至少一台车载通信设备的日常运行数据，提取离线时长超过第二预设时长阈值时的空间维度信息，以形成空间对象集；判断空间对象集中的任一对象的预设邻域内包含的对象的个数是否不小于预设个数阈值；当该任一对象的预设邻域内包含的对象的个数不小于预设个数阈值时，将任一对象和任一对象密度可达的所有对象设置为一个空间聚类，以构建用于体现车辆处于停运状态的空间聚类模型。

进一步，如图7所示，电子设备还包括：通信组件70c、显示器70d、电源组件70e、音频组件70f等其它组件。图7中仅示意性给出部分组件，并不意味着电子设备只包括图7所示组件。

在图7中的通信组件，可被配置为便于通信组件所属设备和其他设备之间有线或无线方式的通信。通信组件所属设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在图7中的显示器，可以包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

在图7中的电源组件，为电源组件所属设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所属设备生成、管理和分配电力相关联的组件。

在图7中的音频组件，被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(MIC)，当音频组件所属设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。

本实施例提供的电子设备，通过判断车载通信设备的离线时间和该车载通信设备离线前最后所在的位置信息是否符合车辆处于停运状态时的时间维度特征信息和空间维度信息，确定该车载通信设备所在车辆是否处于停运状态；当确定车辆处于未停运状态时，则确定该车载通信设备异常离线，需要进行检修。本实施例提供的电子设备可自动从车载通信设备离线的情况中排除由于车辆停运引起车载通信设备离线的正常情况，从而识别出由于车载通信设备出现故障而导致车载通信设备离线的异常情况，无需维护人员现场排查是否需要进行检修，有利于提高车载通信设备的检测效率，节约运维资源。

图8为本申请实施例提供的一种车载通信设备异常行为检测系统的结构示意图。如图8所示，车载通信设备异常行为检测系统80包括：第一车载通信设备80a和电子设备80b，且第一车载通信设备80a安装于车辆中。

其中，第一车载通信设备80a所在车辆的实现形式可以为公交车、出租车、火车、飞机等，在本申请中不做限制，也未在图8中示出。相应地，车载通信设备80a可以是但不局限于车载WiFi设备、车载摄像头、行车记录仪、计价器等。

其中，第一车载通信设备80a和电子设备80b之间可以是无线或有线连接。在本实施例中，若电子设备80b通过移动网络和第一车载通信设备80a通信连接，该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。另外，电子设备80b也可以通过蓝牙、WiFi、红外线等方式和第一车载通信设备80a通信连接。

在本实施例中，电子设备80b用于：根据第一车载通信设备80a上报的车辆运行信息，提取第一车载通信设备80a的离线时间信息和第一车载通信设备80a离线前最后所在的位置信息；根据第一车载通信设备80a的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定第一车载通信设备80a所在车辆是否处于停运状态；当确定第一车载通信设备80a所在车辆未处于停运状态时，确定第一车载通信设备80a的离线状态异常，以标识需要对第一车载通信设备80a进行检修。

相应地，第一车载通信设备80a，用于向电子设备80b上报其所在车辆的车辆运行信息。

可选地，电子设备80b还用于：当确定第一车载通信设备80a所在车辆处于停运状态时，确定第一车载通信设备80a的离线状态正常，以标识无需对第一车载通信设备80a进行检修。

在一可选实施例中，电子设备80b还用于：根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；根据时间决策树模型和空间聚类模型，确定车辆处于停运状态时的时间维度特征和所述空间维度特征。

在另一可选实施例中，电子设备80b具体用于：从至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组；根据时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型。

进一步，电子设备80b具体用于：将上述时间特征元组的部分数据设置为时间决策树模型的根节点；以具有最大增益或最大增益率的属性对上述部分数据进行多次划分，直至获得无法进一步划分的子元组为止；将无法进一步划分的子元组所属的类别设置为叶节点，以形成时间决策树模型的各分枝；根据时间决策树模型的根节点和各分枝，构建用于体现车辆处于停运状态的时间决策树模型。

可选地，电子设备80b还用于：根据时间特征元组的其余数据，评估时间决策树模型的各分枝的准确率；将时间决策树模型的各分枝中准确率低于准确率阈值的分枝进行剪枝。

在又一可选实施例中，电子设备80b具体还用于：从至少一台车载通信设备的日常运行数据，提取离线时长超过第二预设时长阈值时的空间维度信息，以形成空间对象集；判断空间对象集中的任一对象的预设邻域内包含的对象的个数是否不小于预设个数阈值；当该任一对象的预设邻域内包含的对象的个数不小于预设个数阈值时，将任一对象和任一对象密度可达的所有对象设置为一个空间聚类，以构建用于体现车辆处于停运状态的空间聚类模型。

本实施例提供的车载通信设备异常行为检测系统，通过判断车载通信设备的离线时间和该车载通信设备离线前最后所在的位置信息是否符合车辆处于停运状态时的时间维度特征信息和空间维度信息，确定该车载通信设备所在车辆是否处于停运状态；当确定车辆处于未停运状态时，则确定该车载通信设备异常离线，需要进行检修。本实施例提供的车载通信设备异常行为检测系统可自动从车载通信设备离线的情况中排除由于车辆停运引起车载通信设备离线的正常情况，从而识别出由于车载通信设备出现故障而导致车载通信设备离线的异常情况，无需维护人员现场排查是否需要进行检修，有利于提高车载通信设备的检测效率，节约运维资源。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中各步骤。

需要说明的是，本申请实施例和实施例附图中所示的车载通信设备和电子设备的实现形式和结构均为示例性说明，而非对其进行限制。另外，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (8)

1.一种车载通信设备异常行为检测方法，其特征在于，包括：

根据第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修；

其中，在确定所述第一车载通信设备所在车辆是否处于停运状态之前，所述方法还包括：

根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；

根据所述时间决策树模型和空间聚类模型，确定车辆处于停运状态时的所述时间维度特征和所述空间维度特征；

所述根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型，包括：

从所述至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组；

根据所述时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

当确定所述第一车载通信设备所在车辆处于停运状态时，确定所述第一车载通信设备的离线状态正常，以标识无需对所述第一车载通信设备进行检修。

3.根据权利要求1所述的方法，其特征在于，所述根据所述时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型，包括：

将所述时间特征元组的部分数据设置为所述时间决策树模型的根节点；

以具有最大增益或最大增益率的属性对所述部分数据进行多次划分，直至获得无法进一步划分的子元组为止；

将所述无法进一步划分的子元组所属的类别设置为叶节点，以形成所述时间决策树模型的各分枝；

根据所述时间决策树模型的根节点和各分枝，构建用于体现车辆处于停运状态的时间决策树模型。

4.根据权利要求1所述的方法，其特征在于，在构建出所述时间决策树模型之后，所述方法还包括：

根据所述时间特征元组的其余数据，评估所述时间决策树模型的各分枝的准确率；

将所述时间决策树模型的各分枝中准确率低于准确率阈值的分枝进行剪枝。

5.根据权利要求1所述的方法，其特征在于，所述根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的空间聚类模型，包括：

从所述至少一台车载通信设备的日常运行数据，提取离线时长超过第二预设时长阈值时的空间维度信息，以形成空间对象集；

判断所述空间对象集中的任一对象的预设邻域内包含的对象的个数是否不小于预设个数阈值；

当所述任一对象的预设邻域内包含的对象的个数不小于所述预设个数阈值时，将所述任一对象和所述任一对象密度可达的所有对象设置为一个空间聚类，以构建用于体现车辆处于停运状态的空间聚类模型。

6.一种电子设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储计算机程序以及车载通信设备上报的车辆运行信息；

所述处理器，耦合至所述存储器，用于执行所述计算机程序以用于：

根据第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修；

所述处理器还用于：

根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；

根据所述时间决策树模型和空间聚类模型，确定车辆处于停运状态时的所述时间维度特征和所述空间维度特征；其中

所述处理器，根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型，具体用于：

从所述至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组；

根据所述时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型。

7.根据权利要求6所述的电子设备，其特征在于，所述处理器还用于：

当确定所述第一车载通信设备所在车辆处于停运状态时，确定所述第一车载通信设备的离线状态正常，以标识无需对所述第一车载通信设备进行检修。

8.一种车载通信设备异常行为检测系统，其特征在于，包括：第一车载通信设备和电子设备，所述第一车载通信设备安装于车辆中；其中，

所述电子设备，用于：

根据所述第一车载通信设备上报的车辆运行信息，提取所述第一车载通信设备的离线时间信息和所述第一车载通信设备离线前最后所在的位置信息；

根据所述第一车载通信设备的离线时间信息和离线前最后所在的位置信息以及车辆处于停运状态时的时间维度特征和空间维度特征，确定所述第一车载通信设备所在车辆是否处于停运状态；

当确定所述第一车载通信设备所在车辆未处于停运状态时，确定所述第一车载通信设备的离线状态异常，以标识需要对所述第一车载通信设备进行检修；

还用于根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型和空间聚类模型；

根据所述时间决策树模型和空间聚类模型，确定车辆处于停运状态时的所述时间维度特征和所述空间维度特征；其中

所述电子设备，根据至少一台车载通信设备的日常运行数据，构建用于体现车辆运行特征的时间决策树模型，具体用于：

从所述至少一台车载通信设备的日常运行数据中，提取离线时长超过第一预设时长阈值的时间特征信息，以形成时间特征元组；

根据所述时间特征元组，构建用于体现车辆处于停运状态的时间决策树模型；

所述第一车载通信设备，用于向所述电子设备上报所述车辆运行信息。

Images