[发明专利]一种基于改进随机森林的自适应交通事件检测方法

权利要求书

1.一种基于改进随机森林的自适应交通事件检测方法，其特征在于，包括如下步骤：

步骤1，定义某相邻两个ETC门架之间的路段为检测路段，按车辆行驶方向将车辆先经过的ETC门架定义为上游门架，后经过的ETC门架定义为下游门架，获取检测周期T内进入上游门架的每辆车的车牌及对应的进入时间数据，获取检测周期T内离开下游门架的每辆车的车牌及对应的离开时间数据；

步骤2，根据步骤1获取的数据，计算检测周期T对应的交通参数，所述交通参数包括流量、路段平均速度和速度离散特征；

其中，速度离散特征的计算公式如下：

式中，c_v表示速度离散特征，表示路段平均速度，σ_v表示车速标准差，且

v_i表示第i辆车的单车速度，n为在检测周期T内进入上游门架并离开下游门架的车辆总数即流量；

步骤3，针对上述检测路段，采用一周时间内以检测周期T为间隔所计算得到的交通参数以及每个检测周期T该检测路段的事件情况作为历史数据集，历史数据集中的每条数据包括：检测周期T的序号、流量、路段平均速度、速度离散特征和事件情况，事件情况为有事件或无事件；

步骤4，对历史数据集采用k-means聚类抽样生成平衡样本集，具体为：

步骤41，根据事件情况，将历史数据集分为两类：有事件数据集和无事件数据集；

步骤42，从有事件数据集中随机取出k条数据作为聚类中心，初始化聚类中心；

步骤43，利用欧式距离计算其他数据到聚类中心的距离，将有事件数据集中的其他数据分配到距离最近的类中，得到k个类别；

步骤44，重新计算各个聚类的中心，判断是否收敛，若否，则转入步骤43，若是，则进入步骤45；

步骤45，从无事件数据集中随机取出m条数据作为聚类中心，初始化为聚类中心，采用步骤43-44相同的方法对无事件数据集进行聚类，得到m个类别；

步骤46，使用过采样的方法对步骤43得到的k个类别进行过采样，得到正类过采样集合；

步骤47，根据正类过采样集合中正类的个数，计算负类的过采样个数，并从步骤45得到的m个类别中进行负类过采样，得到负类过采样集合，将正类过采样集合与负类过采样集合一起作为平衡样本集；

步骤5，对步骤4重复N次得到N个平衡样本集，用一个平衡样本集构建一个决策树，得到N个决策树，N个决策树的集合即为用于事件检测的随机森林模型；

步骤6，获取待检测的检测周期的交通参数，将交通参数输入用于事件检测的随机森林模型并输出事件检测结果；

步骤7，利用步骤5得到的模型对待检测的检测周期之前的第13个检测周期至第2028个检测周期进行事件检测，得到检测结果，与实际结果进行比较，计算误检率，根据误检率对模型进行自适应调整。

2.根据权利要求1所述基于改进随机森林的自适应交通事件检测方法，其特征在于，步骤2所述路段平均速度的计算公式如下：

式中，表示路段平均速度，n为在检测周期T内进入上游门架并离开下游门架的车辆总数即流量，v_i表示第i辆车的单车速度，且

l表示检测路段的长度，t₁表示第i辆车离开下游门架的时间，t₂表示第i辆车进入上游门架的时间。

3.根据权利要求1所述基于改进随机森林的自适应交通事件检测方法，其特征在于，步骤5所述用一个平衡样本集构建一个决策树，所采用的算法为决策树ID3算法。