[发明专利]一种可疑车辆检测方法

权利要求书

1.一种可疑车辆检测方法，其特征在于，包括以下步骤：

步骤S10：获取所有车辆的数据信息，包括位置数据、停车数据、设备上传数据时间等；

步骤S20：对数据进行清洗，选择离线、停车或者设备有报警的车辆数据；

步骤S30：设置白名单数据，白名单是指客户公司车库、等待安装地等。系统先过滤白名单数据，如果车辆位置在白名单列表中1公里以内则首先过滤排除掉；

步骤S40：进行聚类运算，产生数据集合C，集合中相近的数据元素大于5；

步骤S50：输出集合C中所有元素，即可疑车辆。

2.根据权利要求1所述可疑车辆检测方法，其特征在于：在步骤S20的过程中3)离线是指设备在最近2天及以上没有上传过数据，设备已经被屏蔽或者被拆除，停车是指最近2天及以上车辆没有行驶过。

3.根据权利要求1所述可疑车辆检测方法，其特征在于：在步骤S30过程中，系统采用DBSCAN聚类算法，集合数据D＝(x_1，x_2，...，x_m)，MinPts为给定点在邻域内成为核心对象的最小邻域数，Eps为邻域半径。在系统中设定MinPts为5，Eps设定距离500米，9)初始化核心对象集合初始化未访问样本集合Γ＝D，簇划

4.据权利要求1所述可疑车辆检测方法，其特征在于：在步骤S40过程中，对于i＝1，2，…m按照下面步骤找出所有核心对象：

a、如果样本已经归入某个簇或标记为噪声返回计算下个样本。

b、通过距离计算，找到样本xi的邻域样本集合N_∈(xi)。

c如果邻域样本集合个数满足|N_∈(xi)|＜MinPts，标记对象为边界点或噪声点。

d、如果邻域样本集合个数满足|N_∈(xi)|≥MinPts，标记对象为核心点，并建立新簇C_cur，C＝C∪{C_cur}，对于N_∈(xi)中所有尚未被处理的对象计算N_∈(xi)，若N_∈(xi)包含至少MinPts个对象，则将N_∈(xi)中未归入任何一个簇的对象加入C。

5.据权利要求4所述可疑车辆检测方法，其特征在于：所述的把数据根据经纬度初始化不同的Map，计算的时候选择相邻Map中的集合数据进行计算就可以得到Eps领域中样本集合N_∈(xi)。