车联网（telematics）时序数据故障检测的特征提取与标注咨询

标注规则 #

三类异常的标注可先通过规则自动生成初标，再人工复核修正，具体规则如下：

1. 连接松动异常标注 #

• 滑动窗口大小设置为采样频率的5-10倍，例如1Hz采样取5s窗口
• 窗口内ignition status的0/1切换次数≥3次时，窗口最后一个时间点标注为连接松动异常
• 排除干扰项：如果主电池通断状态和ignition status同步变化，属于真实点火/熄火操作，不标注为异常

2. 重复数据生成原因异常标注 #

• 滑动窗口大小设置为10-20个采样点
• 窗口内数据生成原因字段连续重复次数≥5次（可根据业务场景调整阈值），且期间speed、经纬度有明显变化时，窗口最后一个时间点标注为重复数据生成原因异常
• 排除干扰项：如果窗口内所有采集字段均无变化，属于车辆静止无事件场景，不标注为异常

3. GPS故障异常标注 #

分为两个子场景，均归为GPS故障大类：

• 位置锁死异常：连续3个及以上采样点latitude、longitude数值波动小于1e-6度（对应约0.1米位移误差），且至少有1个采样点speed>0，连续点的最后一个点标注为GPS位置锁死异常
• 信号跳变异常：5s滑动窗口内GPS fix的0/1切换次数≥2次，窗口最后一个时间点标注为GPS信号跳变异常

特征构造指南 #

针对RNN类模型的时序输入要求，可按以下维度构造特征：

基础预处理特征 #

• 时间特征：从dateTime提取小时、星期、是否高峰时段（早7-9、晚17-19）、相邻采样点时间差
• 数值特征：speed、经纬度、GPS direction做标准化或min-max归一化
• 分类特征：ignition status、主电池通断状态、GPS fix、数据生成原因做标签编码或独热编码

时序滑窗统计特征 #

每个时间点同步计算前N个采样点的统计值，N与RNN输入序列长度对齐：

• 状态跳变特征：前N个点内ignition status切换次数、GPS fix切换次数
• 数值波动特征：前N个点内纬度方差、经度方差、speed均值、GPS direction方差
• 重复统计特征：前N个点内数据生成原因的众数出现次数、不同取值数量

落地注意事项 #

• 标注前先清洗数据，剔除采样间隔超过30s的断点，拆分独立时序段后再做滑窗统计，避免跨断点计算的特征失真
• 每类异常至少标注1000条以上样本，正常样本数量为异常样本的3-5倍即可，可通过加权损失缓解样本不均衡问题
• 规则初标完成后抽取20%样本人工复核，排除误标样本

内容的提问来源于stack exchange，提问作者230490