基于XGBoost模型的路况感知方法技术

本发明专利技术公开了一种基于XGBoost模型的路况感知方法，包括：采集道路的振动数据，进行特征提取后输入训练好的XGBoost模型，识别出道路上的不平路况。XGBoost模型的训练过程为：采集道路的振动数据样本，标记出不平整路段的数据，进行低通滤波，去除旋转设备以及共振引起的高频分量，采用SmoteEnn算法对样本进行均衡化处理，使用XGBoost模型进行训练和测试。本发明专利技术提出的路况感知算法利用智能手机终端采集汽车运行期间的振动数据以此提取主要特征进行处理，识别出具体的路况信息，并将具体的路况感知情况和GPS信息进行记录。况感知情况和GPS信息进行记录。况感知情况和GPS信息进行记录。

【技术实现步骤摘要】
基于XGBoost模型的路况感知方法


[0001]本专利技术属于计算机领域，具体涉及一种利用计算机程序识别路况信息的方法。

技术介绍

[0002]近年来，由于道路养护不及时导致的交通事故频发，一方面危害人民群众的生命财产安全，一方面给保险公司增大了赔付压力，一方面增大了城市交通的通行压力。目前的路况检测主要依靠路政部门周期性地使用三米直尺平整度仪、激光平整度仪和车载式颠簸累计仪等专用道路平整度检测仪器对道路平整度进行检测。这种方式检测精度高，使用门槛高，需要花费较高的人力和物力成本，不能及时的发现道路异常。
[0003]通常，路面不平是汽车振动的基本输入。汽车的振动是简谐振动的一种,而简谐振动的动力学特征是回复力与位移的平方成正比,由牛顿第二定律可知加速度与位移的平方成正比, 因此用加速度来表现汽车的振动大小是可行的。近年来基于智能手机传感器的路况识别研究有很大进展，基于自主开发的狼獾系统采用机器学习算法中的K
‑
均值聚类和支持向量机模型进行路况识别，可以识别出坑洞路面和平坦路面。
[0004]国内学者进行路况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost模型的路况感知方法，其特征在于包括：采集道路的振动数据，进行特征提取后输入训练好的XGBoost模型，识别出道路上的不平路况。2.根据权利要求1所述基于XGBoost模型的路况感知方法，其特征在于XGBoost模型的训练过程为：采集道路的振动数据样本，标记出不平整路段的数据，进行低通滤波，去除旋转设备以及共振引起的高频分量，采用SmoteEnn算法对样本进行均衡化处理，使用XGBoost模型进行训练和测试。3.根据权利要求2所述基于XGBoost模型的路况感知方法，其特征在于具体步骤为：第一步 采集数据，通过手机采集设备IP、时间、三轴加速度、GPS信息、车速等信息，三轴加速度分别用x、y、z表示；第二步 判断车速用于排除由于开关门等非道路因素引起的加速度波动；第三步 将三轴加速度的均方根进行低通滤波处理去除发动机等转动设备的高频干扰；第四步 提取特征，将三轴加速度、三轴加速度的RMS、车速、相邻两条加速度之差的绝对值Abs_Acc＝|A
i
‑
A
i
‑1|、相邻两条三轴加速度的RMS之差的绝对值δ＝|RMS
i
‑
RMS
i
‑1|作为用于XGBoost模型分类的特征；第五步 将特征值传入XGBoost模型得到路况的预测值；第六步 如果是平顺路段标记
’
type
’
＝0,如果不是平顺路段则跟上一次标记的异常路段的时间进行的对比，如果小于阈值时间则判断为是同一个异常路段，如果大于阈值时间则标记为新的异常路段，并记录当前时间、GPS信息。4.根据权利要求2所述基于XGBoost模型的路况感知方法，其特征在于：SmoteEnn算法的输入：路况数据集X＝{(x1,y1),(x2,y2),
…
(xn,yn)},数据集中少数类异常路况数据样本数量T，少数类异常样本需要增加的倍数N％以及少数类异常路况数据的最近邻数据的点的个数K；SmoteEnn算法的输出：含有(N/100)*T个新合成的数据均衡的路况数据集；SmoteEnn算法的具体步骤：(1)判断N是否小于100，如果小于100说明合成样本的数量少于少数类样本的原始数量，这时要在原有的少数类异常路况数据样本中随机...

【专利技术属性】
技术研发人员：杨黎娜，刘峰，张庆铭，毛永涛，毛青，姚凯学，刘光林，
申请(专利权)人：贵州英利智能控制系统有限公司，
类型：发明
国别省市：