[發明專利]一種構建自主式交通系統功能架構的方法

在審

• 申請號: 202210237148.1
• 申請日: 2022-03-11
• 公開（公告）號: CN114579748A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 李傳耀;陳依婷;黎昉
• 申請（專利權）人: 中南大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 伍志祥

本發明公開了一種構建自主式交通系統功能架構的方法。包括：構建面向多屬性文本的優化密度峰值聚類模型；改進詞頻、逆向文檔頻率計算公式；應用文本向量空間模型計算多屬性文本的空間維度坐標；高斯函數和決策值優化密度峰值聚類算法；輪廓系數評價聚類結果；依據聚類結果將自主式交通系統道路自動駕駛場景下的功能分為“自主感知、自主學習、自主決策、自主響應”4層，繪制功能架構圖，支撐服務實現。本發明為自主式交通系統功能架構的構建提供參考，促進新一代交通系統功能架構的構建，推動自主式交通系統理論體系的發展。

技術領域

本發明屬于道路交通技術領域，尤其涉及一種構建自主式交通系統功能架構的方法。

背景技術

當前要建設“安全、便捷、高效、綠色、經濟”的現代綜合交通運輸體系。已有的交通系統體系框架很難適應新興技術下交通從“被動智能”向“主動智慧”的發展，亟需構建適應新一代交通發展的交通系統。在此背景下，國家明確提出了構建自主式交通系統(Autonomous Transportation System,ATS)，以此改進當前智能交通系統對新興技術的適用性問題，更科學、合理地指導我國的交通運輸發展。

發明內容

有鑒于此，本發明提出一種自主式交通系統功能架構構建方法，此方法促進新一代交通系統功能架構的構建，推動自主式交通系統理論體系的發展。

本發明公開的構建自主式交通系統功能架構的方法，包括以下步驟：

步驟1：針對多屬性文本聚類問題，構建面向多屬性文本的優化密度峰值聚類模型；

步驟2：依據多屬性文本的特征計算詞語屬性頻率和屬性的逆向文檔頻率，根據所述詞語屬性頻率與屬性的逆向文檔頻率，將多屬性文本轉化成數值；

步驟3：依據不同屬性文本的數值權重采用文本向量空間模型將數值轉化成空間維度坐標；

步驟4：優化密度峰值的計算方式：采用高斯核方法優化數據點局部密度計算方式；

采用決策值優化聚類中心選取，選擇決策值較大的樣本作為密度峰值聚類中心，獲得聚類結果；

步驟5：根據步驟4的聚類結果，采用輪廓系數法對聚類結果作出評價，對輪廓系數較低的數據點重復步驟4；

步驟6：驗證算法的可行性，在自主式交通系統的道路自動駕駛場景下，三個服務域下的功能依據最終聚類結果分成“自主感知、自主學習、自主決策、自主響應”4層，依據層與層之間的關系，繪制功能架構圖。

進一步的，步驟2的具體步驟如下：

(1)計算詞語屬性頻率：其中，s表示某文本的屬性，為該屬性s在文檔中出現的次數，W_n(n＝1,2,...,N,N為文檔總數)表示由文本屬性組成的屬性庫；

(2)根據文本屬性轉換的需要，假定詞語在屬性庫中必定出現，采用平滑的逆文檔頻率計算屬性的逆向文檔頻率：

(3)多屬性文本TF-IDF算法計算公式為TF·IDF(s,W_n,W)＝TF(s,W_n)·IDF(s,W)，當TF-IDF值越大時表明該詞語更能代表該文檔，即在TF-IDF值越大表明該屬性越能夠代表該文本。

進一步的，基于文本向量空間模型得到文本空間維度坐標，所述文本向量空間模型將給定的文本轉換成一定維數的向量，其以特征項作為文本表示的基本單位，向量的各維對應文本中的一個特征項，而每一維本身則表示了其對應的特征項在該文本中的權值，權值代表了特征項對于所在文本的重要程度，即該特征項能夠多大程度上反映它所在文檔的類別。

進一步的，通過對密度峰值聚類算法進行優化，找到符合條件的聚類中心，將剩余待聚類點進行聚類，提高聚類性能，具體步驟如下：