[发明专利]基于路侧毫米波雷达的决策树车型分类方法、电子设备

权利要求书

1.一种基于路侧毫米波雷达的决策树车型分类方法，其特征在于，包括以下步骤：

S11，利用路侧雷达接收车辆回波信号进行车辆检测，并提取车辆数据，所述车辆数据包括：车辆的速度、长度、宽度、信号强度，以及车辆相对雷达的距离；

S12，根据车辆相对雷达的距离值，选择对应距离段的决策树模型进行车型分类，将车辆的速度、长度、宽度、信号强度作为输入变量，输入至对应距离段的决策树模型中，预测车辆类型；

其中，车辆类型划分为大型车辆和小型车辆，将车长大于h的车辆作为大型车辆，将车辆小于等于h的车辆作为小型车辆。

2.根据权利要求1所述的一种基于路侧毫米波雷达的决策树车型分类方法，其特征在于，决策树模型的生成方式如下所示：

S1，利用路侧雷达获取一定数量的已知车辆类型的车辆数据作为样本数据，构建样本集；样本数据包括：车辆的速度、长度、宽度、信号强度，车辆相对雷达的距离，已知车辆类型；

S2，按照车辆相对雷达距离从小到大的顺序对样本集中的样本数据进行排序，并对此排序的样本数据进行划分，划分为样本数量相等的N等份，此N等份对应N个距离段；

其中，第n等份的样本数据中，若车辆相对雷达距离的最大值为车辆相对雷达距离的最小值为则第n等份对应的距离段即为

S3，从各个距离段中的样本数据中提取部分样本数据作为对应距离段的训练集，利用各个距离段的训练集进行学习训练，生成各个距离段的决策树模型。

3.根据权利要求2所述的一种基于路侧毫米波雷达的决策树车型分类方法，其特征在于，决策树模型的学习训练方式，具体如下所示：

S31，定义决策树模型的输入变量包括车辆的长度x₁、宽度x₂、速度x₃、信号强度x₄，构成输入变量集{x₁,x₂,x₃,x₄}；输出变量即预测结果为车辆类型y，分为大型车辆y₁和小型车辆y₂两类；

S32，以训练集作为决策树的第一个节点，对第一个节点寻找当前节点的最优分裂点进行分裂，分裂得到两个节点；

对分裂得到的各个节点分别继续寻找当前节点的最优分裂点进行分裂，继续分裂得到两个节点；若某个节点已达到停止建树条件，则不对当前节点进行分裂；当所有节点均达到停止建树条件，则停止分裂，得到最终的决策树模型。