[發明專利]一種基于決策樹的自動駕駛搜索決策方法

有效

• 申請號: 201911021966.2
• 申請日: 2019-10-25
• 公開（公告）號: CN110836675B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 李大慶;李秋玥
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發明提出了一種基于決策樹的自動駕駛搜索決策方法，其步驟為：步驟A：獲取每輛出租車的搜索軌跡序列和載客軌跡序列，計算每輛出租車當天運載效率；步驟B：在城市范圍內劃分規定大小格點，并對各格點內的交通決策屬性進行計算，計算搜索路徑的特點；步驟C：利用ID3方法等方法構建決策樹，進行重要度排序，進行決策樹的驗證；本發明通用性、客觀性強，可行信度高，相比于傳統的方法具有更好的可信度；本發明能夠客觀系統的解決問題，得到準確可信的搜索過程決策因素評價結果，彌補現有方法的不足。

技術領域

本發明提出一種基于決策樹的自動駕駛搜索決策方法，它是一種利用決策樹算法的駕駛搜索過程決策方法，屬于數據挖掘技術領域。

背景技術

目前，城市交通需求伴隨城市人口規模持續增長，受限于城市物理空間，城市物理規模擴張速度逐漸落后于城市人口規模的擴增速度，多數大型或特大型城市已幾乎沒有空間來增設公共交通及道路基礎設施，為改善城市交通運行效率、提升交通可靠性，應從提升交通網絡整體利用率上思考應對之法。

出租車作為公共交通中的傳統行業，占有相當市場份額，是城市運力中不可忽視的組成部分，同時因其受出行需求時空分布影響及全天路面行駛的特征，出租車也是城市道路交通壓力中不可忽視的一部分，若能提升人車供需對接效率，不僅可提升城市交通運力，還可減少空車占路造成的交通擁堵，整體提升交通網絡可靠性。但傳統出租車空車率高、占用道路資源、自由度過高的問題已日益明顯。

隨著5G技術的普及與落地，自動駕駛或可提供新的人車對接解決方案——舍棄司機，利用數據和算法兩者之間的驅動迭代閉環，基于深度學習的感知、地圖和駕駛搜索決策技術，形成更高效準確的人車對接。普通的自動駕駛技術需要三點支撐：感知，高精度語義地圖和駕駛決策技術。前兩者在自動駕駛嘗試和實驗中在不斷完善，而第三者，駕駛決策技術，對于以高效搜索載客為目的的自動駕駛搜索來說是遠遠不夠的，在保證自動駕駛車輛能完成正常駕駛行為如自主上下匝道、主動變道、加塞處理等微觀決策動作以外，它還應能形成更高的決策智能，高效的搜索到下一位乘客，再由算法和數據的閉環不斷更新改進，發現更高效的搜索決策方法。

決策樹算法是一種被廣泛應用于金融分析、制造生產等多個領域的分類算法。在決策樹的樹結構中，每個非葉節點表示一個特征屬性上的測試，每個分支代表這個特征屬性在某個值域上的輸出，而每個葉節點存放一個類別。使用決策樹進行決策的過程就是從根節點開始，測試待分類項中相應的特征屬性并按照其值選擇輸出分支，直到到達葉子節點，將葉子節點存放的類別作為決策結果。相較于貝葉斯算法等其他分類算法，決策樹的構造過程不依賴于任何領域知識或參數設置，僅使用屬性度量將樣本盡可能的劃分成不同的類屬性，因此，對于實際應用中探測式的知識發現，決策樹算法更加適用。

本發明考慮從某一城市的數千輛出租車歷史日行駛軌跡出發，計算出租車運載效率，挖掘可能導致運載效率不同的搜索過程關鍵決策因素并對其進行時空分布量化，在此基礎上，利用決策樹算法分類排序高效與低效出租車在搜索過程中交通決策對其決策的影響重要度，為解決交通供需不平衡、提升交通運行效率、提高交通可靠性提供新的思路。

與搜索過程決策挖掘方法相比，基于決策樹的不同效率車輛搜索決策過程挖掘方法主要具有如下優點。一方面，本方法可同時考慮數個交通搜索決策變量的影響，并可對影響重要度進行排序，充分考慮現實交通搜索決策變量的復雜性。另一方面，本方法具有相當強的一般性，只要獲得某城市出租車行駛軌跡數據，就可對該城市的出租車進行搜索決策過程挖掘，既可總結各城市中搜索決策中的獨特性，又可總結多個城市中搜索決策的共同特點，為未來的自動駕駛搜索決策提供支撐。

基于以上方法基礎及現實意義，提出如下的“一種基于決策樹的自動駕駛搜索決策方法”。

發明內容

(一)發明的目的