[发明专利]一种基于智能终端的实时交通状况判定方法

摘要

本发明提供了一种基于智能终端的实时交通状况判定方法，包括步骤1、采集汽车运行信息；步骤2、通过重定位机制得到汽车行驶方向的实时加速度时间序列；步骤3、对时间序列进行数据清洗；步骤4、提取数据特征；步骤5、选出合适的分类器；步骤6、通过分类器对道路状况进行分类。本发明解决了传统设备获取实时交通时高造价、高维护成本、不灵活的问题；同时在收集加速度信息的过程中，采用了重定向机制，并对信息进行数据清洗，保证了数据的可靠性；增加8个常见的时间域统计量作为特征，保证了模型预测的准确性；最后提出了一种新的指标定量分析不同的分类器对于本方案的适用程度，更客观全面地选择适合的分类器进行实时交通状况判定。

主权项

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～xN，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xN+1～xN+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Tmin，最大运行完成时间为Tmax，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。