[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

本發明公開了一種基于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。本發明方法對三種車輛進行分類準確率達到75％。通過對不同GPS數據的采樣頻率的計算結果進行對比，發現采樣頻率越高對三種車輛的分類越準確。

技術領域

本發明屬于交通工程領域，適用于城市道路中的車輛分類。車輛分類信息對于交通規劃、道路設施的設計與使用起到非常重要的作用。

背景技術

現在已經有許多技術應用于車輛分類。除了人工分類外，最近的車輛分類方法主要依靠固定傳感器例如氣動導管傳感器、感應線圈傳感器、壓電式傳感器等。這些方法被稱為是侵入式分類方法，不僅需要在現場操作，還會干擾交通流。另外一種非侵入式分類方法所依靠的傳感器有雷達傳感器、紅外線傳感器、聲波傳感器、視覺成像等，這種方法不會干擾交通但是運行和維護費用較高。

但是這些分類方法并不是在所有的情況下都適用。要么是傳感器運用的成本太貴，或是在一些特定情況下，它們的檢測數據會出現錯誤。例如在流量大，車速較快的路段，氣動導管傳感器的檢測效果不理想；在擁堵的情況下，感應線去傳感器的檢測效果也不理想；視覺成像的效果會受天氣的影響。

所以，現有的車輛分類方法主要存在兩個問題(i)嚴重依賴固定傳感器和檢測技術，侵入式設備影響交通，且成本較高(ii)現有的方法只能在固定地點采集交通檢測數據，對大范圍的地區的數據采集比較昂貴。

發明內容

鑒于以上陳述的已有方案的不足，本發明旨在提供高效、簡單的方法，并使之克服現有技術上的缺點。

為了實現上述目的，本發明提出的方法是：

一種基于GPS數據的多類型車輛分類方法，采用車載位置的G PS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；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；