FR3128553A1 - Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé - Google Patents
Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé Download PDFInfo
- Publication number
- FR3128553A1 FR3128553A1 FR2111304A FR2111304A FR3128553A1 FR 3128553 A1 FR3128553 A1 FR 3128553A1 FR 2111304 A FR2111304 A FR 2111304A FR 2111304 A FR2111304 A FR 2111304A FR 3128553 A1 FR3128553 A1 FR 3128553A1
- Authority
- FR
- France
- Prior art keywords
- time series
- vehicle
- mileage
- fraudulent
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000000638 solvent extraction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 3
- 230000007787 long-term memory Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
Procédé de détection de fraude dans un kilométrage de chaque véhicule d’une pluralité (100) de véhicules automobiles caractérisé en ce qu’il comprend les étapes suivantes : Réception, à des premiers instants successifs, du kilométrage de chaque véhicule (110, 120, 130, 140, 150, 160) de manière à former une première pluralité de séries temporelles du kilométrage de chaque véhicule (110, 120, 130, 140, 150, 160) de la pluralité (100) de véhicules automobiles,Génération d’une première pluralité de groupes de séries temporelles similaires entre elles à partir de la première pluralité (100) de séries temporelles,Détermination si chaque groupe de séries temporelles de la première pluralité de groupes est un groupe de séries temporaires frauduleuses ou non frauduleuses. Figure pour l’abrégé : figure 1
Description
L’invention concerne la détection de fraude dans un kilométrage de véhicule
Aujourd’hui, certains propriétaires agissent sur leur véhicule de manière à ce que le kilométrage du véhicule affiché par le compteur kilométrique soit inférieur au kilométrage effectivement effectué par le véhicule.
Pour remédier à cet inconvénient, l’invention concerne un procédé de détection de fraude dans un kilométrage de chaque véhicule d’une pluralité de véhicules automobiles caractérisé en ce qu’il comprend les étapes suivantes :
- Réception à des premiers instants successifs du kilométrage de chaque véhicule de manière à former une première pluralité de séries temporelles du kilométrage de chaque véhicule (représentant l’évolution du kilométrage de chaque véhicule en fonction du temps. De manière générale, les séries temporelles sont ainsi constituées d’éléments comportant chacun un kilométrage et une date) de la pluralité de véhicules automobiles,
- Génération d’une première pluralité de groupes de séries temporelles similaires entre elles à partir de (autrement dit : dans) la première pluralité de séries temporelles (ou bien l’étape suivante : Génération d’une première pluralité de groupes de séries temporelles par un partitionnement de la première pluralité (100) de séries temporelles),
- Détermination si chaque groupe de séries temporelles de la première pluralité de groupes est un groupe de séries temporaires frauduleuses ou non frauduleuses.
L’invention permet ainsi de déterminer les véhicules dont le kilométrage est frauduleux.
Par exemple, si un groupe comporte des séries temporelles frauduleuses, par exemple une majorité de séries temporelles frauduleuses, il est considéré comme un groupe de séries temporelles frauduleuses. Un véhicule dont la série temporelle fait partie d’un tel groupe est considérée comme ayant un kilométrage frauduleux. En variante, si le centroïde du groupe est une série temporelle frauduleuse, alors le groupe est un groupe de séries temporelles frauduleuses.
Préférentiellement, chaque série temporelle de la première pluralité de séries temporelles est dans un groupe de la première pluralité de groupes de séries temporelles. Ainsi, la première pluralité de groupes de séries temporelles peut-être un partitionnement de la première pluralité de séries temporelles.
La réception du kilométrage de chaque véhicule peut être réalisée par l’intermédiaire d’un réseau de télécommunication, par exemple sans fil, auquel sont connectés chaque véhicule de la pluralité de véhicules. En variante, le kilométrage peut être reçu par l’intermédiaire d’un bus de données.
Selon un mode de réalisation, lors de l’étape de détermination si chaque groupe de séries temporelles est un groupe de séries temporelles frauduleuses ou non frauduleuses, une série temporelle est frauduleuse si elle présente une décroissance du kilométrage en fonction du temps (et non frauduleuse sinon).
Selon un mode de réalisation, lors de l’étape de détermination si chaque groupe de séries temporelles est un groupe de séries temporelles frauduleuses ou non frauduleuses, une série temporelle est frauduleuse si elle présente une stagnation du kilométrage en fonction du temps, pendant une durée supérieure à un seuil (par exemple, le seuil est compris entre un mois à six mois), (et non frauduleuse sinon).
Selon un exemple de réalisation, l’étape de génération d’une première pluralité de groupes de séries temporelles comprends un partitionnement de la première pluralité de séries temporelles en k-moyennes (ou « k-means » en anglais) (chaque partition ainsi formée constituant un groupe de la première pluralité de groupes).
Selon un mode de réalisation, la fonction (ou la distance) à minimiser dans le partitionnement de la première pluralité de séries temporelles en k-moyennes est la déformation temporelle dynamique. En anglais, « Dynamic Time Wrapping ». L’article « How to Apply K-means Clustering to Time Series Data » publié dans « Towards Data Science » par Alexandra Amidon décris une telle méthode (notamment au lien towardsdatascience.com/how-to-apply-k-means-clustering-to-time-series-data-28d04a8f7da3). D’autres fonctions à minimiser peuvent bien entendu être utilisées.
En variante d’un partitionnement en k-moyennes, d’autres algorithmes de partitionnement peuvent être utilisés tel que par exemple l’algorithme DBSCAN.
Les étapes ci-dessus peuvent être réalisées par un premier serveur, par exemple connecté au réseau de télécommunication.
En particulier, le premier serveur peut :
- Mémoriser les éléments de chaque série temporelle de la première pluralité de séries temporelles dans sa mémoire, formant ainsi la première pluralité de séries temporelles, (et/ou)
- Mémoriser la première pluralité de groupes de séries temporelles dans sa mémoire, (et/ou)
- Pour chaque groupe de séries temporelles, mémoriser, dans sa mémoire, l’information selon laquelle il s’agit d’un groupe de séries temporelles frauduleuses ou non frauduleuses.
L’étape de réception du kilométrage de chaque véhicule peut être précédée de la transmission du kilométrage par chaque véhicule, par exemple par l’intermédiaire du réseau de télécommunication.
Par exemple, chaque véhicule de la pluralité de véhicules transmet de manière automatique son kilométrage, par l’intermédiaire du réseau de télécommunication, par exemple, de manière périodique, par exemple entre une fois par seconde et une fois par jour (les premiers instants successifs ont dans ce cas une périodicité comprise entre une fois par secondes et une fois par jour).
Selon un mode de réalisation, le procédé comprend en outre les étapes suivantes, par exemple réalisées par un deuxième serveur connecté au réseau de télécommunication (par exemple, le deuxième serveur est le premier serveur) :
- Réception d’un kilométrage d’un deuxième véhicule ne faisant pas partie de la pluralité de véhicules à des deuxièmes instants successifs de manière à former une deuxième série temporelle du kilométrage du deuxième véhicule,
- Détermination d’un deuxième groupe de séries temporelles, parmi la première pluralité de groupes de séries temporelles, plus proche (selon une distance prédéfinie, par exemple la déformation temporelle dynamique. La distance entre une série temporelle et un groupe de séries temporelles peut-être la distance entre la série temporelle et le centroïde du groupe) de la deuxième série temporelle que tout autre groupe de la première pluralité de groupes de séries temporelles.
- Détermination d’une deuxième information indiquant que la deuxième série temporelle est frauduleuse si le deuxième groupe est un groupe de séries temporelles frauduleuses, et(/ou) que la deuxième série temporelle n’est pas frauduleuse si le deuxième groupe est un groupe de séries temporelles non frauduleuses.
En particulier, le deuxième serveur peut :
- Mémoriser les éléments de la deuxième série temporelle dans sa mémoire, formant ainsi la deuxième de série temporelle, (et/ou)
- Mémoriser ou recevoir la première pluralité de groupes de séries temporelles, (et/ou),
- Mémoriser la deuxième information, dans sa mémoire.
Selon un mode de réalisation, il est possible d’interroger le deuxième serveur qui répond alors en indiquant si le deuxième véhicule à un kilométrage affiché frauduleux ou non frauduleux. Cela peut permettre, par exemple, à un acheteur de vérifier le kilométrage d’un véhicule qu’il souhaite acheter.
La réception du kilométrage du deuxième véhicule peut être réalisée par l’intermédiaire d’un réseau de télécommunication, par exemple sans fil, auquel est connecté le deuxième véhicule. L’étape de réception du kilométrage du deuxième véhicule peut être précédée par la transmission du kilométrage du deuxième véhicule, par le deuxième véhicule, par l’intermédiaire du réseau de télécommunication. En variante, le kilométrage peut être reçu par l’intermédiaire d’un bus de données.
Selon mode de réalisation, le procédé comprend en outre les étapes suivantes, par exemple réalisées par un troisième serveur connecté par exemple au réseau de télécommunication (par exemple, le troisième serveur est le premier serveur ou le deuxième serveur) :
- Réception de troisièmes données d’ateliers d’un troisième véhicule,
- Réception d’un kilométrage du troisième véhicule à des troisièmes instants successifs de manière à former une troisième série temporelle du kilométrage du troisième véhicule,
- Détermination, par un réseau neuronal, si la troisième série temporelle est frauduleuses ou non frauduleuses, à partir de la troisième série temporelle et des troisièmes données d’atelier.
Le réseau de neurones permet ainsi de déterminer les véhicules dont le kilométrage est frauduleux. L’utilisation des données d’atelier du troisième véhicule permet d’améliorer la détection de fraude.
En particulier, le troisième serveur peut :
- Mémoriser les éléments de la troisième série temporelle dans sa mémoire, formant ainsi la deuxième de série temporelle, (et/ou)
- Comporter le réseau neuronal (constitué par exemple d’un programme d’ordinateur, de données en mémoire et/ou de circuits électroniques spécialisés),
Selon un mode de réalisation, il est possible d’interroger le troisième serveur qui répond alors en indiquant si le troisième véhicule a un kilométrage affiché frauduleux ou non frauduleux. Cela permet par exemple à un acheteur de vérifier le kilométrage d’un véhicule qu’il souhaite acheter.
La réception du kilométrage du troisième véhicule peut être réalisée par l’intermédiaire d’un réseau de télécommunication, par exemple sans fil, auquel est connecté le troisième véhicule.
Selon un mode de réalisation, l’étape de réception des troisièmes données d’atelier peut être précédée par une étape de réparation ou d’entretien du troisième véhicule, et d’obtention des troisièmes données d’atelier à partir de l’étape de réparation ou d’entretien du troisième véhicule, puis de la transmission des troisièmes données d’atelier par l’intermédiaire du réseau de télécommunication. La transmission des données d’ateliers au serveur peut être réalisée par un ordinateur (situé par exemple dans l’atelier) connecté par exemple au réseau de télécommunication.
Les troisièmes données d’atelier comprennent par exemple la date de passage en atelier ou un identifiant d’une opération réalisée en atelier (l’opération est par exemple le changement des plaquettes de frein).
Selon un mode de réalisation, le réseau neuronal est un réseau de neurones récurrent à mémoire court-terme et long terme.
Selon mode de réalisation, le procédé comprend en outre les étapes suivantes, par exemple réalisées par un quatrième serveur connecté par exemple au réseau de télécommunication (par exemple, le quatrième serveur est le premier, le deuxième, ou le troisième serveur) :
- (Selon un mode de réalisation), Réception de deuxièmes données d’ateliers du deuxième véhicule,
- Apprentissage supervisé par le réseau neuronal, à partir de la deuxième série temporelle étiquetée par la deuxième information et (selon un mode de réalisation) des deuxièmes données d’atelier. (C’est-à-dire que le réseau neuronal est forcé à converger pour déterminer que la deuxième série temporelle est frauduleuse si la deuxième information indique la deuxième série temporelle est frauduleuse, et pour déterminer que la deuxième série temporelle n’est pas frauduleuse si la deuxième information indique que la deuxième série temporelle n’est pas frauduleuse).
Selon un mode de réalisation, l’étape de réception de deuxièmes données d’atelier peut être précédée par une étape de réparation ou d’entretien du deuxième véhicule, et d’obtention des deuxièmes données d’atelier à partir de la réparation ou l’entretien du deuxième véhicule, puis de la transmission des deuxièmes données d’atelier par l’intermédiaire du réseau de télécommunication. La transmission des données d’ateliers au serveur peut être réalisée par un ordinateur connecté par exemple au réseau de télécommunication.
Les deuxièmes données d’atelier comprennent par exemple la date de passage en atelier ou un identifiant d’une opération réalisée en atelier (l’opération est par exemple le changement des plaquettes de frein).
La deuxième série temporelle et/ou la troisième série temporelle présentent par exemple moins d’éléments, par exemple au plus deux fois moins d’éléments, que la moyenne du nombre d’éléments de la première pluralité de séries temporelles. Ainsi, selon un mode de réalisation de l’invention, le réseau neuronal peut être utilisé et entrainé sur des séries temporelles obtenus de manière non automatique, comportant un nombre plus réduit d’éléments (parce que obtenus de manière non automatique). L’entrainement repose toutefois sur des séries temporelles plus nombreuses et comportant un nombre d’éléments plus important (parce que obtenus de manière automatique) grâce à l’utilisation de la première pluralité de groupes de séries temporelles.
Selon mode de réalisation, le procédé comprend en outre au moins une des étapes suivantes :
- Obtention du kilométrage du deuxième véhicule à des instants successifs à partir de photographies du compteur kilométrique du deuxième véhicule,
- Obtention du kilométrage du troisième véhicule à des instants successifs à partir de photographies du compteur kilométrique du troisième véhicule.
Par exemple, un utilisateur ( ou un propriétaire du véhicule) prend en photo le compteur kilométrique et transmet la photo (donc le kilométrage) au deuxième ou au troisième serveur. Le serveur peut ensuite analyser l’image pour déterminer le kilométrage du véhicule. L’image peut également être analysée pour déterminer et envoyer ensuite le kilométrage au serveur.
En variante, le kilométrage du troisième véhicule à des instants successifs et/ou le kilométrage du deuxième véhicule à des instants successifs sont obtenus par une saisie au clavier.
L’invention concerne aussi un programme d’ordinateur comprenant des instructions, exécutables par un microprocesseur ou un microcontrôleur, pour la mise en œuvre du procédé selon l’invention.
L’invention concerne aussi un serveur (on entend par serveur, un serveur informatique) configuré pour mettre en œuvre les étapes du procédé selon l’invention.
On entend qu’un élément tel que le premier serveur et/ou le deuxième serveur et/ou le troisième serveur et/ou le quatrième serveur ou un autre élément est « configuré pour » réaliser une étape ou une opération, ou qu’une étape ou une opération est réalisée par l’élément, par le fait que l’élément comporte des moyens pour (autrement dit « est conformé pour » ou « est adapté pour ») réaliser l’étape ou l’opération. Il s’agit préférentiellement de moyens électroniques,
par exemple un programme d’ordinateur, des données en mémoire et/ou des circuits électroniques spécialisés.
L’invention concerne également un système comprenant :
- le premier serveur et/ou le deuxième serveur et/ou le troisième serveur et/ou le quatrième serveur et/ou,
- l’ordinateur et/ou le réseau de télécommunication.
D’autres caractéristiques et avantages de la présente invention apparaitront plus clairement à la lecture de la description détaillée qui suit comprenant des modes de réalisation de l’invention donnés à titre d’exemples nullement limitatifs et illustrés par les dessins annexés, dans lesquels :
Description détaillée d’un exemple de réalisation de l’invention
Le serveur 400 est configuré pour mettre en œuvre les étapes du procédé de la . Le serveur comporte pour cela des moyens électroniques, par exemple un programme d’ordinateur, des données en mémoire et/ou des circuits électroniques spécialisés.
En référence à la , à l’étape S10, le serveur 400 reçoit à des premiers instants successifs du kilométrage de chaque véhicule 110, 120, 130, 140, 150, 160 de manière à former une première pluralité de séries temporelles du kilométrage de chaque véhicule 110, 120, 130, 140, 150, 160 représentants l’évolution du kilométrage de chaque véhicule 110, 120, 130, 140, 150, 160 en fonction du temps.
Un exemple de série temporelle T100 est représenté . La série temporelle est constituées d’éléments e1, e2, e3 et e4 comportant chacun un kilométrage sur l’axe K et une date sur l’axe T.
La série temporelle T100 est frauduleuse car elle présente une décroissance D du kilométrage en fonction du temps.
Le serveur 400 peut mémoriser en mémoire 410 les éléments de chaque série temporelle de la première pluralité de séries temporelles, formant ainsi la première pluralité de séries temporelles.
La réception du kilométrage de chaque véhicule 110, 120, 130, 140, 150, 160 peut être réalisée par l’intermédiaire du réseau de télécommunication 600. L’étape de réception du kilométrage de chaque véhicule 110, 120, 130, 140, 150, 160 peut être précédée de la transmission du kilométrage par chaque véhicule 110, 120, 130, 140, 150, 160, par exemple par l’intermédiaire du réseau de télécommunication 600.
A l’étape S20, le serveur 400 engendre une première pluralité de groupes de séries temporelles similaires entre elles par un partitionnement de la première pluralité de séries temporelles en k-moyennes (ou « k-means » en anglais).
La fonction à minimiser dans le partitionnement de la première pluralité de séries temporelles en k-moyennes peut être la déformation temporelle.
Le premier serveur 400 peut mémoriser la première pluralité de groupes de séries temporelles ainsi engendré dans sa mémoire 410.
A l’étape S30, le serveur 400 détermine si chaque groupe de séries temporelles de la première pluralité de groupes est un groupe de séries temporaires frauduleuses ou non frauduleuses. Si un groupe comporte des séries temporelles frauduleuses, par exemple une majorité de séries temporelles frauduleuses, il est considéré comme un groupe de séries temporelles frauduleuses. Un véhicule dont la série temporelle fait partie d’un tel groupe est considérée comme ayant un kilométrage frauduleux.
Par exemple, une série temporelle est frauduleuse si elle présente une décroissance ou, une stagnation du kilométrage en fonction du temps pendant une durée supérieure à un seuil (par exemple, le seuil est compris entre un mois à six mois), et est non frauduleuse sinon.
Le premier serveur 400 peut, pour chaque groupe de séries temporelles, mémoriser, dans sa mémoire 410, l’information selon laquelle il s’agit d’un groupe de séries temporelles frauduleuses ou non frauduleuses.
Par exemple, chaque véhicule de la pluralité 100 de véhicules transmet de manière automatique son kilométrage, par l’intermédiaire du réseau de télécommunication 600, par exemple, de manière périodique, par exemple entre une fois par seconde et une fois par jour (les premiers instants successifs ont dans ce cas une périodicité comprise entre une fois par secondes et une fois par jour).
Les groupes de série temporelles peuvent être aussi utilisés pour vérifier le kilométrage d’un deuxième véhicule.
Ainsi, par exemple, à l’étape S40, le serveur 400 réceptionne un kilométrage d’un deuxième véhicule 200 ne faisant pas partie de la pluralité 100 de véhicules à des deuxièmes instants successifs de manière à former une deuxième série temporelle du kilométrage du deuxième véhicule,
La réception du kilométrage du deuxième véhicule 200 peut être réalisée par l’intermédiaire du réseau de télécommunication 600. L’étape de réception du kilométrage du deuxième véhicule 200 peut être précédée par la transmission du kilométrage du deuxième véhicule 200, par le deuxième véhicule 200, par l’intermédiaire du réseau de télécommunication 600.
A l’étape S50, le serveur 400 détermine un deuxième groupe de séries temporelles, parmi la première pluralité de groupes de séries temporelles, plus proche (selon une distance prédéfinie, par exemple la déformation temporelle dynamique. La distance entre une série temporelle et un groupe de séries temporelles peut-être la distance entre la série temporelle et le centroïde du groupe) de la deuxième série temporelle que tout autre groupe de la première pluralité de groupes de séries temporelles.
A l’étape S60, le serveur 400 détermine une deuxième information indiquant que la deuxième série temporelle est frauduleuse si le deuxième groupe est un groupe de séries temporelles frauduleuses, et/ou que la deuxième série temporelle n’est pas frauduleuse si le deuxième groupe est un groupe de séries temporelles non frauduleuses.
En particulier, le deuxième serveur 400 peut :
- Mémoriser les éléments de la deuxième série temporelle dans sa mémoire 410, formant ainsi la deuxième de série temporelle, (et/ou)
- Mémoriser ou recevoir la première pluralité de groupes de séries temporelles, (et/ou),
- Mémoriser la deuxième information, dans sa mémoire 410.
Selon un mode de réalisation, il est ainsi possible d’interroger le deuxième serveur qui répond alors en indiquant si le deuxième véhicule à un kilométrage affiché frauduleux ou non frauduleux.
En variante, la deuxième information peut être utilisée pour entrainer le réseau neuronal 420 apte à déterminer si le kilométrage d’un véhicule est frauduleux ou pas.
Ce réseau de neurone peut également utiliser des données d’atelier du deuxième véhicule pour améliorer la détection de fraude.
Ainsi, par exemple, à l’étape S70, le quatrième serveur 400 réceptionne des deuxièmes données d’ateliers du deuxième véhicule 200.
Selon un mode de réalisation, l’étape de réception des deuxièmes données d’atelier peut être précédée par une étape de réparation ou d’entretien du deuxième véhicule 200, et d’obtention des deuxièmes données d’atelier à partir de la réparation ou l’entretien du deuxième véhicule 200, puis de la transmission des deuxièmes données d’atelier par l’intermédiaire du réseau de télécommunication 600. La transmission des données d’ateliers au serveur 400 peut être réalisée par l’ordinateur 500.
Les deuxièmes données d’atelier comprennent par exemple la date de passage en atelier ou un identifiant d’une opération réalisée en atelier (l’opération est par exemple le changement des plaquettes de frein).
Ensuite, à l’étape S80, le serveur 400 met en œuvre un apprentissage supervisé par le réseau neuronal 420, à partir des deuxièmes données d’atelier et de la deuxième série temporelle étiquetée par la deuxième information.
Le réseau neuronal ainsi entrainé peut être ensuite utilisé pour détecter si le kilométrage d’un troisième véhicule 300 est frauduleux ou pas.
Ainsi, à l’étape S90, le serveur 400 peut réceptionner des troisièmes données d’ateliers d’un troisième véhicule 300.
Selon un mode de réalisation, l’étape de réception des troisièmes données d’atelier peut être précédée par une étape de réparation ou d’entretien du troisième véhicule 300, et d’obtention des troisièmes données d’atelier à partir de l’étape de réparation ou d’entretien du troisième véhicule 300, puis de la transmission des troisièmes données d’atelier par l’intermédiaire du réseau de télécommunication 600. La transmission des données d’ateliers au serveur 400 peut être réalisée par un ordinateur 500 (situé par exemple dans l’atelier) connecté par exemple au réseau de télécommunication 600.
Les troisièmes données d’atelier comprennent par exemple la date de passage en atelier ou un identifiant d’une opération réalisée en atelier (l’opération est par exemple le changement des plaquettes de frein).
A l’étape S100, le serveur 400 réceptionne un kilométrage du troisième véhicule 300 à des troisièmes instants successifs de manière à former une troisième série temporelle du kilométrage du troisième véhicule.
La réception du kilométrage du troisième véhicule 300 peut être réalisée par l’intermédiaire du réseau de télécommunication 600 auquel est connecté le troisième véhicule 300.
Selon un mode de réalisation, le kilométrage du troisième véhicule 300 à des instants successifs est obtenu à partir de photographies du compteur kilométrique du troisième véhicule 300 et/ou le kilométrage du deuxième véhicule à des instants successifs est obtenu à partir de photographies du compteur kilométrique du deuxième véhicule 200.
Par exemple, un utilisateur prend en photo le compteur kilométrique et transmet la photo au deuxième 400 ou au troisième serveur 400. Le serveur 400 peut ensuite analyser l’image pour déterminer le kilométrage du véhicule. L’image peut également être analysé afin d’envoyer ensuite le kilométrage au serveur.
A l’étape S110, Le réseau neuronal 420, par exemple entrainé lors de l’étape S80, détermine si la troisième série temporelle est frauduleuses ou non frauduleuses, à partir de la troisième série temporelle et des troisièmes données d’atelier.
Selon un mode de réalisation, il est possible d’interroger serveur 400 qui répond alors en indiquant si le troisième véhicule à un kilométrage affiché frauduleux ou non frauduleux.
En particulier, le troisième serveur 400 peut mémoriser les éléments de la troisième série temporelle dans sa mémoire 410, formant ainsi la deuxième de série temporelle, (et/ou)
Selon un mode de réalisation, le réseau neuronal 420 est un réseau de neurones récurrent à mémoire court-terme et long terme.
Par exemple, la deuxième série temporelle et la troisième série temporelle présentent au plus deux fois moins d’éléments, que la moyenne du nombre d’éléments de la première pluralité de séries temporelles.
Claims (9)
- Procédé de détection de fraude dans un kilométrage de chaque véhicule d’une pluralité (100) de véhicules automobiles caractérisé en ce qu’il comprend les étapes suivantes :
- Réception (S10), à des premiers instants successifs, du kilométrage de chaque véhicule (110, 120, 130, 140, 150, 160) de manière à former une première pluralité de séries temporelles du kilométrage de chaque véhicule (110, 120, 130, 140, 150, 160) de la pluralité (100) de véhicules automobiles,
- Génération (S20) d’une première pluralité de groupes de séries temporelles similaires entre elles à partir de la première pluralité (100) de séries temporelles,
- Détermination (S30) si chaque groupe de séries temporelles de la première pluralité de groupes est un groupe de séries temporaires frauduleuses ou non frauduleuses.
- Procédé de détection de fraude selon la revendication précédente dans lequel, lors de l’étape de détermination (S30) si chaque groupe de séries temporelles est un groupe de séries temporelles frauduleuses ou non frauduleuses, une série temporelle (T100) est frauduleuse si elle présente une décroissance (D) du kilométrage en fonction du temps.
- Procédé de détection de fraude selon l’une quelconque des revendications précédentes dans lequel l’étape de génération (S20) d’une première pluralité de groupes de séries temporelles comprends un partitionnement de la première pluralité de séries temporelles en k-moyennes.
- Procédé de détection de fraude selon l’une quelconque des revendications précédentes comprenant en outre les étapes suivantes :
- Réception (S40) d’un kilométrage d’un deuxième véhicule (200) ne faisant pas partie de la pluralité (100) de véhicules à des deuxièmes instants successifs de manière à former une deuxième série temporelle du kilométrage du deuxième véhicule (200),
- Détermination (S50) d’un deuxième groupe de séries temporelles, parmi la première pluralité de groupes de séries temporelles, plus proche de la deuxième série temporelle que tout autre groupe de la première pluralité de groupes de séries temporelles.
- Détermination (S60) d’une deuxième information indiquant que la deuxième série temporelle est frauduleuse si le deuxième groupe est un groupe de séries temporelles frauduleuses, et que la deuxième série temporelle n’est pas frauduleuse si le deuxième groupe est un groupe de séries temporelles non frauduleuses.
- Procédé de détection de fraude selon l’une quelconque des revendications précédentes comprenant en outre les étapes suivantes :
- Réception (S90) de troisièmes données d’ateliers d’un troisième véhicule (300),
- Réception (S100) d’un kilométrage du troisième véhicule (300) à des troisièmes instants successifs de manière à former une troisième série temporelle du kilométrage du troisième véhicule (300),
- Détermination, par un réseau neuronal (420), si la troisième série temporelle est frauduleuses ou non frauduleuses, à partir de la troisième série temporelle et des troisièmes données d’atelier.
- Procédé de détection de fraude selon la revendication précédente, prise en dépendance de la revendication 4, dans lequel la deuxième série temporelle et/ou la troisième série temporelle présentent moins d’éléments, que la moyenne du nombre d’éléments de la première pluralité de séries temporelles.
- Procédé de détection de fraude selon la revendication précédente comprenant en outre au moins l’une des étapes suivantes :
- Obtention du kilométrage du deuxième véhicule (300) à des instants successifs à partir de photographies du compteur kilométrique du deuxième véhicule (300),
- Obtention du kilométrage du troisième véhicule (300) à des instants successifs à partir de photographies du compteur kilométrique du troisième véhicule (300).
- Programme d’ordinateur comprenant des instructions, exécutables par un microprocesseur ou un microcontrôleur, pour la mise en œuvre du procédé selon l’une quelconque des revendications précédentes.
- Serveur (400) configuré pour mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 7.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111304A FR3128553A1 (fr) | 2021-10-25 | 2021-10-25 | Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111304A FR3128553A1 (fr) | 2021-10-25 | 2021-10-25 | Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé |
| FR2111304 | 2021-10-25 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3128553A1 true FR3128553A1 (fr) | 2023-04-28 |
Family
ID=79018348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2111304A Pending FR3128553A1 (fr) | 2021-10-25 | 2021-10-25 | Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3128553A1 (fr) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120262283A1 (en) * | 2011-04-12 | 2012-10-18 | GM Global Technology Operations LLC | Odometer verification and reporting using a telematics-equipped vehicle |
| US20160063640A1 (en) * | 2014-08-26 | 2016-03-03 | Martin Ellingsworth | Systems And Methods For Verification Of Vehicle Mileage Readings |
-
2021
- 2021-10-25 FR FR2111304A patent/FR3128553A1/fr active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120262283A1 (en) * | 2011-04-12 | 2012-10-18 | GM Global Technology Operations LLC | Odometer verification and reporting using a telematics-equipped vehicle |
| US20160063640A1 (en) * | 2014-08-26 | 2016-03-03 | Martin Ellingsworth | Systems And Methods For Verification Of Vehicle Mileage Readings |
Non-Patent Citations (1)
| Title |
|---|
| ALEXANDRA AMIDON: "How to Apply K-means Clustering to Time Series Data", TOWARDS DATA SCIENCE, article "Dynamic Time Wrapping" |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2559559C (fr) | Procede de controle d'identification de personnes et systeme pour la mise en oeuvre du procede | |
| CN108270842B (zh) | 推送权益任务的方法、系统及服务器 | |
| CN107343047B (zh) | 应用推广系统及方法 | |
| EP2924609A1 (fr) | Procédé d'enrolement de données dans une base pour la protection desdites données | |
| EP2407921A1 (fr) | Procédé de compression de données pour un classifieur | |
| FR3128553A1 (fr) | Procédé de détection de fraude dans un kilométrage de véhicule, et serveur associé | |
| FR3128554A1 (fr) | Procédé de détection de fraude dans un kilométrage de véhicule par un réseau de neurones, et serveur associé | |
| CN114529995B (zh) | 一种信息处理的方法以及相关装置 | |
| WO2017097429A1 (fr) | Procédé et système de rappel sélectif de véhicules automobiles | |
| FR3064095B1 (fr) | Detection par apprentissage automatique d'anomalies dans un ensemble de transactions bancaires par optimisation de la precision moyenne | |
| CN112559724B (zh) | 一种预防恶意搜索聊天机器人漏洞的方法及系统 | |
| EP1554656B1 (fr) | Protocole de transmission de messages numeriques | |
| FR3131786A1 (fr) | Traitement d’un objet en fonction d’une comparaison, par représentation vectorielle, avec un objet de référence | |
| EP3432275A1 (fr) | Procede de surveillance d'un composant embarque de vehicule automobile | |
| FR2990667A1 (fr) | Procede de gestion d'une installation electronique d'un vehicule automobile et installation electronique ainsi mise en oeuvre | |
| CN111476281B (zh) | 一种信息流行度预测方法和装置 | |
| EP3225007A1 (fr) | Procédé de communication entre un outil de production et un véhicule automobile | |
| EP4078422A1 (fr) | Procédé d'anonymisation d'une base de données et produit programme ordinateur associé | |
| WO2023099825A1 (fr) | Détermination à distance d'un nombre de réveils de calculateurs d'un véhicule automobile | |
| CN116187741A (zh) | 业务系统监控方法、装置及电子设备 | |
| FR3134912A1 (fr) | Procédé et dispositif de détermination de valeurs numériques représentatives de critères d’évaluation de données d’entrée | |
| FR3141265A1 (fr) | Procédé et dispositif de classification de demande de prise en charge de réparation pour véhicule | |
| CN112165456A (zh) | 一种劫持流量识别方法、装置及电子设备 | |
| FR3112622A1 (fr) | Procédé et système de maintenance prédictive | |
| FR3127594A1 (fr) | Procédé d'échanges d'informations sur un objet d'intérêt entre une première et une deuxième entités, dispositif electronique d'échange d'informations et produit programme d'ordinateur associés |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230428 |