买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：衢州海易科技有限公司;衢州市四省边际公安大数据研究院;衢州市公安局交通警察支队;西华大学

摘要：本发明涉及一种多通道特征融合车联网异常检测方法及系统，属于数据处理领域，包括：输入数据到TCN和SENet模块进行特征的初步提取；将处理后的数据分别输入到GNN和GAT模块，分别提取局部特征信息和全局特征信息，将提取到特征信息数据与得到的数据进行融合，并通过Transformer模块提取上下文信息，将得到的上下文信息通过预测模块，得到非线性特征的预测值；通过VAR模块提取输入数据中的线性特征并得到线性数据的预测值，将两个预测值进行整合得到最终的预测值。本发明提升了在车联网系统数据中的异常检测精度和泛化性；通过加入PageRank因果推断，帮助检测人员快速诊断异常，提升了异常检测的实时性。

主权项：1.一种多通道特征融合车联网异常检测方法，其特征在于：所述异常检测方法包括：步骤一、输入车联网数据到串联的TCN模块和SENet模块进行特征的初步提取并降低不相关特征对模型的影响，其中，车联网数据包括车辆传感器数据、位置信息和车辆状态信息；步骤二、将经过步骤一处理后的车联网数据分别输入到GNN模块和GAT模块，分别提取车联网数据的局部特征信息和全局特征信息，将提取到特征信息后的数据与步骤一得到的车联网数据进行融合，并通过Transformer模块提取上下文信息，将得到的上下文信息的非线性特征通过预测模块，得到非线性特征的预测值；步骤三、通过VAR模块提取输入数据中的线性特征并得到线性数据的预测值，并通过加权平均将两个预测值进行整合得到最终的车联网异常预测值，其中，车辆网异常包括交通事故、车辆故障和异常驾驶；所述步骤一具体包括以下内容：将输入的数据输入到TCN模块中，TCN模块采用1D全卷积网络框架和零填充使得每层的输入和输出序列长度一致，且每层的基本计算为和，其中，Z为经过卷积核为3的一维卷积和权重归一化后的输出，为经过和Droupt输出的Z最终值，Conv1D为卷积核大小为3的一维卷积，Weight-Norm表示一种权重归一化操作，XT表示输入的多元时间序列，Droupt表示正则化，表示模型训练过程使用的一种激活函数；将TCN模块得到的数据输入到SENet模块中对不同特征的权重贡献进行调整，得到和，其中，δ为ReLU函数，σ表示Sigmiod函数，用于将不同通道的关注权重压缩到[0,1]，实现通道权重贡献调整，为逐元广播点乘法，表示平均池化操作，表示将Z与通过逐元广播点乘法得到的值；所述步骤三具体包括以下内容：使用来表示在时刻利用VAR模块得到的第k时刻的预测值；将第一次预测的结果和第二次预测的结果进行整合，得到最终的车联网异常预测结果，表示为，表示非线性预测和VAR模块预测整合的超参数，表示通过VAR模块得到的预测值，表示非线性特征的预测值，表示最终预测值。

全文数据：

权利要求：

百度查询： 衢州海易科技有限公司 衢州市四省边际公安大数据研究院 衢州市公安局交通警察支队 西华大学 一种多通道特征融合车联网异常检测方法及系统