[发明专利]一种基于决策树的小汽车出行路径选择模式辨识方法

权利要求书

1.一种基于决策树的小汽车出行路径选择模式辨识方法，其特征在于，包括如下步骤：

(a)确定小汽车路径选择模式；

(b)选择小汽车路径选择模式的属性参数；

(c)对小汽车出行路径选择模式的数据进行分类预处理；

(d)利用步骤(c)中分类预处理后的数据对辨识模型进行训练与辨识。

2.根据权利要求1所述的一种基于决策树的小汽车出行路径选择模式辨识方法，其特征在于，步骤(a)中所述路径选择模式包括以下3种：

(a1)出行前即确定出行路径，并不再更改；

(a2)出行前确定出行路径，在行驶途中根据兴趣点提供的动态诱导信息更改路径，但更改依赖于前一兴趣点做出的路径选择；

(a3)出行前确定出行路径，在行驶途中根据兴趣点提供的动态诱导信息更改路径，且不依赖于前一兴趣点做出的路径选择。

3.根据权利要求1所述的一种基于决策树的小汽车出行路径选择模式辨识方法，其特征在于，步骤(b)中所述属性参数包括驾驶员性别、驾驶员年龄、出行距离和道路拥挤程度。

4.根据权利要求1所述的一种基于决策树的小汽车出行路径选择模式辨识方法，其特征在于，步骤(c)中所述对小汽车出行路径选择模式的数据进行分类预处理具体为：对步骤(b)中每个属性参数内包含的类别分别赋予分类值。

5.根据权利要求1所述的一种基于决策树的小汽车出行路径选择模式辨识方法，其特征在于，步骤(d)具体为：将步骤(c)中分类预处理后的数据及其与路径选择模式的对应关系作为辨识模型的输入，构建决策树：

(d1)随机选取50％的样本数据作为训练样本；

(d2)首先根据最高信息增益率选取根节点，并对根节点进行分裂，然后根据根节点所确定的新的数据子集重复叶节点的生成；

属性V的信息增益率为：

$gain\_ratio\left(V\right)=\frac{gain\left(V\right)}{split\_Info}$

$split\_Info=-\underset{i=1}{\overset{n}{\Σ}}P\left(v_i\right){\log }_{2}P\left(v_i\right)$

gain(V)＝Info(T)-Info(V)

$Info\left(T\right)=-\underset{j=1}{\overset{k}{\Σ}}P\left(C_j\right){\log }_{2}P\left(C_j\right)$

$Info\left(V\right)=-\underset{i=1}{\overset{n}{\Σ}}P\left(v_i\right)\underset{j=1}{\overset{m}{\Σ}}P\left(C_{ij}\right){\log }_{2}P\left(C_{ij}\right)$

$P\left(v_i\right)=\frac{\left|T_i\right|}{\left|T\right|}$

$P\left(C_j\right)=\frac{\left|C_j\right|}{\left|T\right|}$

$P\left(C_{ij}\right)=\frac{\left|C_{ij}\right|}{\left|v_i\right|}$

其中，T为样本数据集，T的类别集合为{C₁,C₂…C_m}，选择T的其中一个属性V把T分为多个子集。V有互不重合的n个取值{v₁,v₂…v_n}，则T被分为n个子集{T₁,T₂…T_n}，|T|为数据集T的样本个数，|T_i|为V＝v_i的样本个数，|C_j|为第j类样本个数，|C_ij|为当V＝v_i时，属于第j类样本的个数；

(d3)决策树构建结束后，利用构建好的决策树对剩余样本进行路径选择模式的辨识。