[发明专利]一种高速公路鲜活农产品绿色通道车辆快速稽查方法

权利要求书

1.一种高速公路鲜活农产品绿色通道车辆快速稽查方法，其特征在于：该方法包括以下步骤：

(1)采用SMOTE算法对不平衡数据集进行预处理；

(2)使用二元Logistic回归模型进行车辆分类；

所述步骤(1)中：

其中T为少数类样本的数量，N为少数类样本中用作生成合成样本的比例，相邻样本和少数样本之间的差异性由向量D确定，最终合成的样本向量M表示为：

M＝min_sample+c*D    (2)

其中c为0到1的随机值，将特定向量差D与随机数相乘能够有效的防止少数类样本的决策区域特殊化；

所述步骤(2)中，

其中p是事件发生的概率，取值范围为0到1；将事件是否存在的Logistic回归用线性公式解释：

z＝β₀+β₁x₁+β₂x₂+…+β_nx_n     (4)

其中xj(j＝0,1,2,3,…,n)为模型中的自变量，β0为截距，βj(j＝0,1,2,…,n)表示模型自变量的斜率系数；因变量为绿通车的检查结果，为一个二元变量，取值范围为0或1；

所述步骤(2)中，

模型的分类性能由包含实际信息和预测信息的混淆矩阵度量，如表1所示，真阳性(TP)、假阳性(FP)、假阴性(FN)和真阴性(TN)值从不同角度对结果进行解释，在二元分类中，阳性表示为1，阴性表示为0

表1

在此基础上，引入如下评价指标：准确率Accuracy用来表示模型总体的精度水平，敏感性Sensitivity用来表示真阳性率，特异性Specificity表示假阳性率，精确度用来表示预测阳性样本的准确性，具体的计算公式：

感兴趣的样本为少数类(1)，而不感兴趣的样本为多数类(0)，与敏感性Sensitivity和精确度Precision相比，准确率Accuracy并不是衡量不平衡数据集的合适指标，受试者工作特征曲线ROC，是以假阳性率为横轴，以真阳性率为纵轴绘制的曲线，ROC曲线下方的面积为AUC面积，是计算分类器性能好坏的度量指标，与所选择的决策准则与先验概率无关，AUC的取值范围为0到1，取值越大表明分类器的分类性能越好；

所述步骤(2)中，

不平衡数据集会影响分类器的性能，首先用SMOTE算法对原始数据进行预处理，如表2所示

表2

为了保证模型的准确性，对存在共线性关系的变量进行筛选，消除共线性影响，选择自变量的最佳组合，变量的描述统计如表3所示，最终选入的变量有车辆重量、车辆类型、星期、月份、小时数、收费金额、车牌省份

表3

所述步骤(2)中，非绿通车辆判别模型

P＝1/(1+exp(-(0.3647-0.000023*X1-0.0022*X2-0.0007*X3-0.0097*X4+0.0791*X5+0.0552*X6-0.0353*X7+0.0422*X8-0.4285*X9-0.3495*X10-0.1428*X11+0.2422*X12+0.4233*X13+1.5220*X14+1.2931*X15+1.6122*X16+1.6514*X17+1.3433*X18+1.4490*X19+1.9185*X20+1.1843*X21+2.5335*X22+1.0543*X23+1.4772*X24+2.0959*X25+2.4605*X26+1.9436*X27+0.9077*X28+0.9333*X29+2.8029*X30+1.6619*X31+2.0323*X32+2.5670*X33+3.9371*X34+2.3393*X35+1.7676*X36+2.4930*X37+2.0698*X38+1.3151*X39+0.5794*X40+2.6294*X41+0.9304*X42)))

其中，X1:车辆计重重量，X2:收费金额，X3-X8:周一至周日，X9-X12:车型11-14，X13-X42:省份：赣(13)、豫(14)、皖(15)、鲁(16)、苏(17)、浙(18)、闽(19)、辽(20)、湘(21)、沪(22)、鄂(23)、冀(24)、黑(25)、京(26)、川(27)、陕(28)、桂(29)、蒙(30)、贵(31)、津(32)、青(33)、琼(34)、新(35)、甘(36)、云(37)、宁(38)、渝(39)、粤(40)、吉(41)、晋(42)。