[发明专利]道路交通诊断方法、装置、电子设备及机器可读存储介质

权利要求书

1.一种道路交通诊断方法，其特征在于，所述方法包括：

获取待诊断道路的多个当前交通评价指标值；

将所述多个当前交通评价指标值输入预先训练的交通诊断模型，得到所述待诊断道路的交通诊断结果，所述交通诊断模型是基于多个交通评价指标的样本值训练得到的、以所述多个交通评价指标为变量的多变量概率模型。

2.根据权利要求1所述的方法，其特征在于，所述交通诊断模型为多变量决策树模型；

在所述将所述多个当前交通评价指标值输入预先训练的交通诊断模型，得到所述待诊断道路的交通诊断结果之前，所述方法还包括：

获取样本集合，所述样本集合包括多个交通评价指标的多个样本值；

按照从多变量决策树的根节点至叶节点的顺序，依次针对各节点执行如下步骤，得到所述多变量决策树模型：

从所述样本集合中选取多个样本值，组成数据集合D，其中，所述数据集合D＝(x⁽¹⁾,x⁽²⁾,…,x^(m))，所述数据集合D中的样本x⁽ⁱ⁾为多个样本值组成的n维列向量，i∈(1,m)；

采用预设的降维方法，对所述数据集合D进行降维，得到降维后的数据集合D’，其中，所述数据集合D’＝(z⁽¹⁾,z⁽²⁾,…,z^(m))，所述数据集合D’中的样本z⁽ⁱ⁾为n’维列向量，所述样本z⁽ⁱ⁾为对所述样本x⁽ⁱ⁾降维转换得到，所述n’小于所述n；

基于所述数据集合D’、不同的指定步长和设定步数，采用基尼指数计算方法，计算得到当前节点的划分阈值，并基于所述划分阈值，确定所述当前节点对应的多个交通评价指标的线性判定方式。

3.根据权利要求2所述的方法，其特征在于，所述采用预设的降维方法，对所述数据集合D进行降维，得到降维后的数据集合D’，包括：

对所述数据集合D中的所有样本进行去均值化操作，得到数据集合X；

计算所述数据集合X的协方差矩阵；

对所述协方差矩阵进行特征值分解，得到从大至小的前n’个特征值对应的特征向量，并对各特征向量进行标准化处理；

将标准化处理后的各特征向量组成特征向量矩阵W；

根据所述特征向量矩阵W及所述数据集合D中的样本x⁽ⁱ⁾，将所述样本x⁽ⁱ⁾降维转换为样本z⁽ⁱ⁾，其中，z⁽ⁱ⁾＝W^Tx⁽ⁱ⁾；

基于所述样本z⁽ⁱ⁾，组成数据集合D’，其中，所述数据集合D’＝(z⁽¹⁾,z⁽²⁾,…,z^(m))。

4.根据权利要求3所述的方法，其特征在于，所述基于所述划分阈值，确定所述当前节点对应的多个交通评价指标的线性判定方式，包括：

确定所述当前节点对应的多个交通评价指标的线性判定方式为：所述特征向量矩阵W与各交通评价指标组成的列向量的乘积小于所述划分阈值。

5.根据权利要求2-4任一项所述的方法，其特征在于，所述基于所述数据集合D’、不同的指定步长和设定步数，采用基尼指数计算方法，计算得到当前节点的划分阈值，包括：

针对不同的指定步长，分别执行如下步骤：

按照指定步长和设定步数，从所述数据集合D’中提取样本值，得到多个子数据集合；

针对各子数据集合，统计该子数据集合中不同交通评价指标类别的样本值的数目占该子数据集合样本值总数目的比例，并根据所述比例计算该子数据集合的基尼值；

根据所述各子数据集合的基尼值，计算以参考数据值为划分阈值的所述数据集合D’的基尼指数，所述参考数据值为根据设定初始值、所述指定步长和所述设定步数计算得到；

确定分别以各参考数据值为划分阈值的所述数据集合D’的基尼指数中的最小值对应的参考数据值为当前节点的划分阈值。