【技术实现步骤摘要】
本专利技术属于城市公交管理
，尤其是涉及一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法。
技术介绍
高精度的公交车辆状态判别算法可提升公交车辆的管理效率。目前，针对公交状态分类判别的研究相对较少，但对于交通状态判别，已经取得一定的成果。如基于模糊综合推理的道路交通事件识别算法，算法信息丢失少，且计算量小；以神经网络为基础建立交通检测算法，检测度高，且误判率较低；通过分析流量与占有率的统计特性，提出一种相对增量准则判别，实现对拥挤事件的自动检测与判别。但上述交通状态判别方法都将多种车辆状态类型进行归一化处理，因此不适用于多类别的车辆状态的识别。支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的分类方法，通过几何映射将低维空间的线性不可分转化为高维空间的线性可分，其多分类算法包括一对一方法和一对多方法，在这两种方法基础上的改进算法有：有向无环图法、二叉树法(BT)等。但是，由于噪声以及数据关联的原因，当测试数据映射到高维空间后，将出现不可分或错分的问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，以二叉树多分类支持向量机(BT-SVM)为基础，增加纠错机制，通过比较判断相邻车辆状态相关度划分类别，以减少因相关度高的数据映射到高维空间出现不可分现象，提高分类算法的准确率。为了达到上述专利技术目的，解决其技术问题所采用的技术方案如下：一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，该方法包括以下步骤：步骤1：通过位置数据...
【技术保护点】
一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，其特征在于，该方法包括以下步骤：步骤1：通过位置数据采集器采集公交实时位置信息，并通过二叉树支持向量机的树结构来转化复杂的公交实时位置信息；步骤2：建立一种类别相关度的二分类器，进而将公交实时位置信息分成两类；步骤3：通过抽离根节点处的高相关度数据建立最优二叉树结构，得到正类相关度矩阵和负类相关度矩阵；步骤4：将正类相关度矩阵输入SVM多分类器进行分类判别；步骤5：将负类相关度矩阵采用相似度策略进行分类判别。
【技术特征摘要】
1.一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，其特征在于，该方法包括以下步骤：步骤1：通过位置数据采集器采集公交实时位置信息，并通过二叉树支持向量机的树结构来转化复杂的公交实时位置信息；步骤2：建立一种类别相关度的二分类器，进而将公交实时位置信息分成两类；步骤3：通过抽离根节点处的高相关度数据建立最优二叉树结构，得到正类相关度矩阵和负类相关度矩阵；步骤4：将正类相关度矩阵输入SVM多分类器进行分类判别；步骤5：将负类相关度矩阵采用相似度策略进行分类判别。2.如权利要求1所述的一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，其特征在于，步骤1中，所述位置数据采集器是全球定位系统、地磁传感器或视频检测器。3.如权利要求1所述的一种基于类别相似的二叉树支持向量机的公交行驶状态分类方法，其特征在于，步骤3中，通过纠错机制实现在根节点处将高相关度的数据进行抽离，以及实现根节点分类后子节点的再分类，所述纠错机制的实现步骤如下：Step21：计算行驶在道路上的公交的车头时距dij＝di-dj其中，di表示第i辆公交车所处的位置车，dj表示第j辆公交车所处的位置车，可得到车头时距矩阵Dij；Step22：设矩阵Dij的每行最小值平均值做分类阈值H，即有： H = 1 n Σ i = 1 n min ( d i j ) ]]>根据阈值做二分类运算，可得矩阵D'： D ′ = d i j ′ = d i j , d i j ≤ 1 n Σ i = 3 n min ( | d i j | ) 0 ...
【专利技术属性】
技术研发人员：刘云翔，郑力，李晓丹，杜杰，杜駉骏，刘天伟，周俊杰，
申请(专利权)人：上海应用技术学院，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。