تحلیل هوشمند داده های سنسورهای داخلی خودرو برای شناسایی رفتارهای مشکوک مرتبط با سرقت

سرقت خودرو یکی از مشکلات رایج و چالش برانگیز در بسیاری از جوامع است که میتواند تاثیرات اقتصادی و اجتماعی زیادی دا شته باشد. در این مقاله، هدف اصلی شناسایی رفتارهای مشکوک مرتبط با سرقت خودرو از طریق تحلیل داده های سنسورهای داخلی خودرو و استفاده از الگوریتم های یادگیری ماشین است. داده های سنسورهای مختلف شامل شتاب، موقعیت جغرافیایی، دما، فشار، و وضعیت دربها از خودروها جمع آوری شده و سپس به کمک الگوریتم های پیشرفته یادگیری ماشین مانند درخت تصمیم، ماشین بردار پشتیبانی، جنگل تصادفی و نزدیکترین همسایگان برای شبیه سازی و شناسایی رفتارهای مشکوک تحلیل شدند. روش تحقیق شامل جمع آوری داده های سنسور از خودروهای مختلف و پیش پردازش آنها با استفاده از تکنیک های نرمال سازی و فیلتر کردن نویز است. یافته های تحقیق نشان داد که استفاده از داده های سنسورهای مختلف خودرو، به ویژه ترکیب داده های شتاب، موقعیت، فشار، دما و و ضعیت دربها، به طور موثری به شناسایی رفتارهای مشکوک کمک میکند. الگوریتم جنگل تصادفی بهترین عملکرد را از خود نشان داد و توانست رفتارهای مشکوک را با دقت بالا شبیه سازی کند. نتایج نشان میدهند که استفاده از الگوریتم های یادگیری ماشین برای تحلیل داده های سنسور خودرو میتوانند به طور چشمگیری دقت سیستمهای امنیتی خودرو را افزایش داده و به موقع هشدارهای امنیتی را ارسال کنند

کلیدواژه ها:

یادگیری ماشین ، سرقت خودرو ، سنسور ، هوش مصنوعی