[发明专利]一种基于信号聚集的车辆事件预测方法

权利要求书

1.一种基于信号聚集的车辆事件预测方法，其特征在于：包括以下步骤：

步骤S1：检测驾驶者个人通信设备的无线信号，并通过电台指纹识别技术识别驾驶者的身份信息；

步骤S2：进行原子事件分析；

步骤S3：进行事件信息累积；

步骤S4：进行高级事件推理；

步骤S5：输出高级事件推理结果；

步骤S1中，所述通过电台指纹识别技术识别驾驶者的身份信息采用合作方法或非合作方法；

合作方法具体为：通过在不同的手机用户信号中各自增加唯一的标识符信号ID进行区分，此处ID为长整数；识别过程中读取该ID从而得到驾驶者身份；

非合作方法具体为：识别用户电台信号的特有特征，识别过程分为预处理、特征提取分析和分类识别；其中信号的预处理为：通过滤波处理，加强有用信号的特征，使其变成适合特征提取的数据；其中特征提取分析为：从包括时域、频域、调制域、变换域在内的角度观察分析信号的差别，从中选择能够有效标识电台个体的特征；分类识别为：利用分类识别器分析信息，从而对待识别信号进行分类，识别电台身份，进而得到驾驶者的身份信息；

步骤S2具体为：记录原子事件发生的时间、地点、频次、持续时间、独立性、信息量以及主体相关性，并将以上记录存储至关系数据库；其中所述原子事件包括：

相遇M：二者信号由无法探测到可以稳定探测事件；

分离D：二者信号由可以探测到无法稳定探测事件；

同行T：二者移动过程中信号可以探测且持续时间大于阈值t秒，t为正数；

共处S：二者静止过程中信号可以探测且持续时间大于阈值t秒，t为正数；

独立性具体为：是否与其它原子事件有依赖关系；信息量具体为：在总体事件中发生的概率；主体相关性具体为：与主体行为是否相关；

步骤S4具体包括以下步骤：

步骤S41：使用数据挖掘方法处理原子事件数据；

步骤S42：获取不同维度上的多个用户相关的集合以及相关度的量化值；

步骤S43：将带量化的相关度数据输入到设定好的高层语义规则图中；

步骤S44：应用逻辑推理和数据扩散获得对应的高级事件和置信值；

步骤S45：根据真实反馈修订高层语义规则图。

2.根据权利要求1所述的一种基于信号聚集的车辆事件预测方法，其特征在于：步骤S3具体为：设定关注条件C，对原子事件进行过滤，其中

C为相遇M、分离D、同行T、共处S之一或组合构成的事件集合；不满足C的原子事件被剔除；对过滤后的步骤S2中的数据进行累计，当累积数量大于阈值m次，m为正整数，执行步骤S4。