[發明專利]識別歸納車輛當前區域擁堵狀況的方法

在審

• 申請號: 202010736699.3
• 申請日: 2020-07-28
• 公開（公告）號: CN111860396A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 劉志旗;徐鵬;鄧立瀛;邱皓;張瑞;黃麗娜
• 申請（專利權）人: 江蘇中設集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08G1/01
• 代理公司: 無錫市大為專利商標事務所(普通合伙) 32104
• 代理人: 曹祖良;屠志力

1.一種識別歸納車輛當前區域擁堵狀況的方法，其特征在于，包括以下步驟：

步驟S1，擁堵形態分類及標準確定；

步驟S2，確定關注區域并提取關注區域的擁堵信息；

步驟S3，聚類分析歸并擁堵性質相同或相似的相鄰路段；

步驟S4，根據步驟S1確定的標準判別擁堵形態。

2.如權利要求1所述的識別歸納車輛當前區域擁堵狀況的方法，其特征在于，

步驟S1中，擁堵形態包括：節點性擁堵、線性擁堵和區域性擁堵；擁堵形態的標準包括：

節點性擁堵是擁堵長度小于設定長度閾值的形態；

線性擁堵是是擁堵長度等于或大于設定長度閾值的形態；

區域性擁堵是擁堵道路占區域道路等于或大于設定百分比閾值的形態。

3.如權利要求2所述的識別歸納車輛當前區域擁堵狀況的方法，其特征在于，

線性擁堵又分為勻質線性擁堵、間斷性線性擁堵、魚骨形線性擁堵。

4.如權利要求2所述的識別歸納車輛當前區域擁堵狀況的方法，其特征在于，

對于節點性擁堵，語音播報的表述為：道路名稱+位置+程度；

對于線性擁堵，語音播報的表述為：道路名稱+“位置-位置”+子類型+程度；

對于區域性擁堵，語音播報的表述為：位置+范圍+程度。

5.如權利要求2、3或4所述的識別歸納車輛當前區域擁堵狀況的方法，其特征在于，

步驟S3中，采用K-均值聚類算法將相似性高的相鄰對象歸并一個整體，即將擁堵性質相似的路段歸并；擁堵性質是指擁堵程度中的擁堵等級；獲取區域內所有路段測點的擁堵數據作為聚類的k個簇，每個簇通過質心來描述；以歐式距離作為類間距離，x_ik、x_jk為擁堵路段對象，p為對象數量,以最短距離法法計算這種類間距離；擁堵數據簇和之間的距離為d_ij；主要包括：

(1)K-均值聚類算法：首先算法初始化，即創建算法所需要的質心k個，然后將測點數據分配給每一個質心，迭代計算類間距離，返回分配結果，得出測點擁堵數據的聚類并歸類；

(2)創建并優化質心：首先，取k個初始點隨機確定作為質心；然后取一個簇，把數據集中的每個點分配其中，找出每個點距離其最近的質心，并找出該質心所對應的簇，將其分配其中；完成此步后，每個簇的質心更新為該簇的所有點的平均值；

(3)計算質心間的距離：將數據導入K-均值聚類算法中，并將數據存入dM矩陣中，然后，用來計算歐式距離，最后，建立一個集合去存放產生的隨機質心，并構建算法使用的數據集。

6.如權利要求2、3或4所述的識別歸納車輛當前區域擁堵狀況的方法，其特征在于，步驟S4中，基于已歸并近似路段后形成的擁堵形態對象，采用Sigmoid分類函數和Logistic回歸判別；具體包括：

(1)采用Sigmoid函數梯度上升法確定最佳回歸系數；具體計算公式如下：

將此函數(1)的輸入記為z，則公式如下：

z＝w₀x₀+w₁x₁+w₂x₂+…+w_nx_n (2)

上述公式為線型方程的形式，其向量形式可以寫成z＝w^Tx；其中向量x是分類器的輸入數據，向量w也就是要找的最佳分類參數；通過來求得函數梯度值；若算子移動的步長記作α，則梯度上升算法的迭代公式如下

(2)判斷決策樹邊界，即步驟S1中形態分類的邊界，對交通擁堵形態進行Logistic回歸分類。