一种基于机器学习的客运车辆实时安全监测方法

本发明公开了一种基于机器学习的客运车辆实时安全监测方法，包括如下步骤：采集客运车辆运行过程中的驾驶员状态、车辆运行和道路环境数据，并进行预处理；对数据施加扰动，构建单一扰动特征序列和组合扰动特征序列；进行高维随机特征映射；进行差异计算，得到扰动敏感度谱，并生成整体风险强度；建立时序演化链，对驾驶员疲劳累积、车辆零部件老化和道路环境渐变状态进行动态建模，并对整体风险强度进行修正；通过分形时序预测网络执行时序建模，输出风险趋势预测结果；设定分级预警阈值，执行实时分级预警。本发明利用多模态特征融合与分形时序预测方法，实现客运车辆运行风险动态监测，具备预测精度高、预警实时性强的优点。