[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

说明书

技术领域

本发明涉及路径诱导，尤其是一种基于决策树的小汽车出行路径选择模式辨识方法。

背景技术

随着经济的快速发展，城市人口与机动车保有量也急剧增加，有限的城市空间与交通基础设施越来越不能满足快速增长的城市交通需求。动态路径诱导系统通过获得的实时交通信息利用车载定位装置和通信装置帮助车辆找到一条从出发点到目的地的最优路径，从而实现交通流在路网中各个路段上的合理分配，进而改善城市交通并避免交通拥堵。

然而普通的的诱导信息较为单一化，仅对所有小汽车提供普适性的路径诱导信息，而忽略单个小汽车驾驶员的个性出行需求，极易出现诱导效率低的情况。

并且现有技术中所采用的出行路径选择理论普遍为随机效用理论，然而并没有特别让人信服的证据证明效用的随机变化符合Weibull分布，因而在此基础上建立的随机效用理论自然可信度降低。也有较多的人工智能算法应用到分类决策中，如SVM，ANN，Native-Byes等，然而，经典的支持向量机算法只给出了二类分类的算法，在进行多分类决策时，较好的方法仍是与决策树相结合；ANN模型对数据平衡性要求较高，学习过程无法观察，尤其是在利用车载电脑进行面向驾驶员的分布式路径诱导中，对车载电脑要求较高，可移植性差；Native-Byes对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，并取最大值对应的分类项为最终分类结果。Native-Byes规则简单，但假设属性之间相互独立，而这个假设在实际应用中往往是不成立的，这给朴素贝叶斯模型的正确分类带来了一定影响。

发明内容

发明目的：针对上述现有技术存在的缺陷，本发明旨在提供一种基于决策树的小汽车出行路径选择模式辨识方法，辨识预测不同小汽车的出行路径选择模式。

技术方案：一种基于决策树的小汽车出行路径选择模式辨识方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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(V)＝Info(T)-Info(V)

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。