[發明專利]一種基于改進型決策樹算法的路況信息預測方法

有效

• 申請號: 201810144289.2
• 申請日: 2018-02-12
• 公開（公告）號: CN108364467B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 何涇沙;侯立夫;廖志鋼;黃輝祥
• 申請（專利權）人: 北京工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06K9/62
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 夏靜潔

1.一種基于改進型決策樹算法的路況信息預測方法，其特征在于，包括：

步驟1、確定道路連通力的影響因子，所述影響因子包括車道長度R_l、車道數R_s、車道寬度R_d、紅綠燈數R_x、連續行駛平均長度R_l*、路段路口數L_n、連接路段數L_r、路段是否含公交車站B_s和行車變道指數L_e；

步驟2、基于步驟1的影響因子確定分析道路連通力的屬性，所述屬性包括道路容量R_m、車道寬度R_d、期望等候時間T_s、道路平均轉向數L_g、連續行駛平均長度R_l*、路段是否含公交車站B_s和行車變道指數L_e；

步驟3、采集道路數據；

步驟4、數據預處理：剔除不合要求的數據與數據修補；

步驟5、基于采集的道路數據計算信息熵E(S)；

式中：S為道路數據的訓練集樣本，其包含n個類別的樣本，分別用C₁，C₂，...，C_n表示；p_i表示類C_i的概率；

步驟6、基于采集的道路數據計算各屬性的屬性熵E(S，A)；

其中，S_i表示根據屬性A劃分的訓練集樣本的第i個子集，|S|和|S_i|分別表示S和S_i中的樣本數目，m為訓練集樣本所劃分的子集數；其中，屬性A為基于步驟1的影響因子確定分析道路連通力的屬性；

步驟7、基于關聯函數計算各屬性的關聯函數值CF(A)；

式中：X_{i m-1}與X_im為參數X_ij的特定值，下標j表示屬性A的每一種情況，i表示數據每一種取值情況，n為數據總量，m表示屬性A中所選取的具體屬性，X_ij表示每一種屬性的取值情況；

步驟8、基于各屬性的關聯函數值CF(A)計算各屬性的權重值；

式中：m為屬性數量，CF(1)、CF(2)...CF(m)分別為每個屬性的關聯函數值；

步驟9、基于信息熵E(S)、各屬性的屬性熵E(S，A)和各屬性的權重值Wg(A)計算各屬性的信息增益Gain′(S，A)；

Gain′(S，A)＝(E(S)-E(S，A))*Wg(A)

步驟10、根據各屬性信息增益的大小進行排序構建決策樹，并根據決策樹預測道路路況。

2.如權利要求1所述的基于改進型決策樹算法的路況信息預測方法，其特征在于，在步驟2中，道路容量R_m為：

式中，α_l為車道衰減系數，為第i條車道的車道長度。

3.如權利要求1所述的基于改進型決策樹算法的路況信息預測方法，其特征在于，在步驟2中，期望等候時間T_s為：

式中，T_p為每一個通行方向的時間占總循環的時間的比值。

4.如權利要求1所述的基于改進型決策樹算法的路況信息預測方法，其特征在于，在步驟2中，路段平均轉向數L_g為：

5.如權利要求1所述的基于改進型決策樹算法的路況信息預測方法，其特征在于，在步驟4中，剔除不合要求的數據包括：

剔除交通流量大于最大限定值的數據；

剔除道路車速大于最大限定值的數據；

剔除交通流量、道路車速為負或空的數據；

剔除道路車速為零，但交通流量不為零的數據；

剔除交通流量為零，但道路速度不為零的數據。