[发明专利]一种基于智能终端的实时交通状况判定方法

权利要求书

1.一种基于智能终端的实时交通状况判定方法，其特征在于，包括如下步骤：

步骤1、采集道路拥堵判定对象的原始数据：

利用驾驶人员智能终端中的传感器模块，以时间间隔T周期性地采集车辆行驶过程中的加速度信息、GPS定位信息和时间戳信息；

步骤2、获取道路拥堵判定对象的实时加速度时间序列：

通过重定位机制对智能终端中的传感器模块采集到的加速度信息、GPS定位信息和时间戳信息进行处理，得到汽车行驶方向的实时加速度时间序列；

步骤3、数据清洗处理：

清洗汽车行驶方向的实时加速度时间序列；

步骤4、提取道路拥堵判定对象的道路拥堵特征向量：

选取时间窗口为N的时间段内的清洗后的汽车行驶方向的实时加速度时间序列，时间序列中的数据点按时间先后顺序依次编号为x₁～x_N，同时统计所述时间窗口内的8个时间域统计量，构成编号依次为x_N+1～x_N+8的数据点，基于上述N+8个数据点得到当前道路拥堵判定对象的道路拥堵特征向量；

步骤5、构建交通道路拥堵判定分类器：

将不同道路拥堵判定对象的道路拥堵特征向量，以及提取所述道路拥堵特征向量的时间窗口的时间段内道路的实际拥堵状态作为一组数据集，其中拥堵状态包括三种：道路通畅、轻微拥堵和严重拥堵；

采集M组数据集，其中M/2组用于构成训练样本集，剩余的M/2组用于构成测试样本集；

采用训练样本集分别训练决策树、随机森林和xgboost三种分类器，每种分类器用于对三种道路拥堵状态进行类别判定，所述道路拥堵类别包括：道路通畅、轻微拥堵和严重拥堵；

采用测试样本集分别对训练完成的三种分类器进行测试：将测试样本集分别输入三种分类器，得到所述测试样本集在不同分类器上运行完成的时间，记其中最小运行完成时间为T_min，最大运行完成时间为T_max，采用评价标准TAP作为分类器性能的评价指标，选出TAP值最大的分类器作为交通道路拥堵判定分类器；

其中T_P代表把正类预期为正类的数量，F_P表示把负类预测为正类的数量，T为所述测试样本集在当前分类器中的运行时间，ω₁和ω₂表示预设权重；

步骤6、交通道路拥堵判定：

提取当前待判定对象的道路拥堵特征向量，通过所述交通道路拥堵判定分类器对当前待判定对象进行道路拥堵类别判定，得到当前待判定对象的道路拥堵类别。

2.如权利要求1所述的实时交通状况判定方法，其特征在于，所述步骤1中，时间间隔T为1秒。

3.如权利要求1或2所述的实时交通状况判定方法，其特征在于，所述步骤2中，所述重定位机制包括：

步骤2.1、从手机坐标系转换到几何坐标系：通过智能终端中的传感器模块感应出重力矢量以及磁性向北的磁性矢量，由重力矢量以及磁性向北的磁性矢量的交叉乘积得出几何坐标系中的东西矢量，再将重力矢量和东西向量交叉乘积得出南北矢量，由重力矢量、东西矢量、南北矢量三个相互垂直的矢量组成几何坐标系，旋转矩阵表示为：

通过旋转矩阵R^-1，计算出几何坐标系中的加速度矩阵A′＝A·R^-1，其中A为手机坐标系中的加速度矩阵，进而得到磁西向，磁北向和重力向量方向的加速度时间序列；

步骤2.2、从几何坐标系转换到汽车坐标系：通过智能终端中的传感器模块获取的位置点求出车辆运行矢量，计算出磁性向北的磁性矢量和车辆运行矢量之间的偏离角度，根据所述偏离角度和磁北向的加速度时间序列计算出汽车在实际运行方向上的加速度时间序列。

4.如权利要求1所述的实时交通状况判定方法，其特征在于，所述步骤3中，

清洗汽车行驶方向的实时加速度的方法为：对汽车行驶方向的实时加速度时间序列中的缺失值以及异常值采用均值填充法进行处理。