[發明專利]一種基于GPS數據的多類型車輛分類方法

有效

• 申請號: 201611129308.1
• 申請日: 2016-12-09
• 公開（公告）號: CN106650801B
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 孫湛博
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都盈信專利代理事務所(普通合伙) 51245
• 代理人: 張澎

1.一種基于GPS數據的多類型車輛分類方法，采用車載位置的GPS數據，基于三類車輛：小汽車、小型貨車和大型貨車加減速特征，用機器學習支持向量機建立車輛分類器，運用支持向量機模型對三類車輛進行自動分類；所述建立的三類分類器采用一對一相比較的形式來確定樣本的類型，將樣本數據導入分類器中進行訓練；針對同一個樣本數據所述三個分類器會得到三種標簽，樣本數據獲得的某個標簽數量越多，這個樣本數據就是相應標簽所指代的車輛類型；如果兩種或多種類型車輛得到的標簽數量一樣多，就采用K-最鄰近算法來確定樣本的車型；其具體處理包含如下的手段：

(1)首先對采集的GPS數據進行清洗，剔除奇異點；

(2)對清洗后的數據進行數據挖掘，對整理后的GPS數據進行特征提取，提取的特征包括車輛的最大加速度、加速度的標準差、加減速累積頻率；在特征提取過程中獲得多組數據樣本；

(3)基于以上車輛的加減速特征，運用支持向量機模型建立針對三種車型的分類器，其中支持向量機模型表達式為：

ξ_i≥0

其中：

x_i∈R^d(i＝1,2,...,N)是訓練樣本i的提取特征；

N是總的訓練樣本；

t_i{1,-1}是樣本i的實際車輛種類，1表示小汽車，-1表示貨車；

w和b是將樣本分為兩種類型的分隔線的參數；

表示一個固定的特征空間，該空間可以將矢量x_i從初始的d-維度空間轉換到更高的維度空間；

ξ_i是一個松弛變量用來處理錯誤分類的樣本；

C是一個控制變量用來平衡最大的效益和錯誤分類的誤差；

確定分類器的方法如下式：

其中：

x_t是實驗樣本t的特征，該樣本的車輛種類是確定的；

α_i是拉格朗日乘子，它是通過求解二元支持向量機模型的對偶問題得到的；

k(x_t,x_i)是Kernel方程，它是和的點積；

(4)將車輛加減速變化情況作為有效的特征，通過交叉驗證的數據挖掘方法和forward-selection選擇方法得到車型分類的最有效特征，對車輛進行自動分類。

2.根據權利要求1所述的基于GPS數據的多類型車輛分類方法，其特征在于，所述剔除奇異點剔除的規則為：

1)GPS數據中兩個連續點之間的時間大于數據采集時間間隔；

2)GPS數據中兩個連續點之間的加/減速度大于6m/s²；

將清洗后的數據以20分鐘為間隔獲得車輛的時間-速度記錄。