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

سرقت خودرو یکی از مشکلات رایج و چالش‌برانگیز در بسیاری از جوامع است که می‌تواند تاثیرات اقتصادی و اجتماعی زیادی داشته باشد. در این مقاله، هدف اصلی شناسایی رفتارهای مشکوک مرتبط با سرقت خودرو از طریق تحلیل داده‌های سنسورهای داخلی خودرو و استفاده از الگوریتم‌های یادگیری ماشین است. داده‌های سنسورهای مختلف شامل شتاب، موقعیت جغرافیایی، دما، فشار، و وضعیت درب‌ها از خودروها جمع‌آوری شده و سپس به کمک الگوریتم‌های پیشرفته یادگیری ماشین مانند درخت تصمیم، ماشین بردار پشتیبانی، جنگل تصادفی و نزدیک‌ترین همسایگان برای شبیه‌سازی و شناسایی رفتارهای مشکوک تحلیل شدند. روش تحقیق شامل جمع‌آوری داده‌های سنسور از خودروهای مختلف و پیش‌پردازش آن‌ها با استفاده از تکنیک‌های نرمال‌سازی و فیلتر کردن نویز است. یافته‌های تحقیق نشان داد که استفاده از داده‌های سنسورهای مختلف خودرو، به‌ویژه ترکیب داده‌های شتاب، موقعیت، فشار، دما و وضعیت درب‌ها، به‌طور 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 شبیه‌سازی کند. نتایج نشان می‌دهند که استفاده از الگوریتم‌های یادگیری ماشین برای تحلیل داده‌های سنسور خودرو می‌توانند به‌طور چشم‌گیری دقت سیستم‌های امنیتی خودرو را افزایش داده و به‌موقع هشدارهای امنیتی را ارسال کنند.