基于新型特征自动构造的人群行为规则自动提取方法与流程

技术特征：
1.基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，包括以下步骤：步骤s1：输入一组由n个样本组成、每个样本是一组状态动作对的训练数据集，其样本中的状态作为输入特征，动作属于数据标签；状态由基本初阶特征表示，动作则是每个行人下一时刻的速度；分别输入主程序和自动定义特征子程序使用的函数原语集和终端集，分别记作f
m
、t
m
、f
a
、t
a
；随机初始化规模为k的种群p，初始化adt库步骤s2：基于遗传算子对种群p中个体逐一进行突变，使得种群p突变为子代种群o；步骤s3：逐一评估子代种群o中个体，以获得每一株表达树中所有节点的语义；步骤s4：对子代种群o中的个体逐一进行语义反向传播，以确定能够使个体输出最优语义的adt期望语义从adt库中挑选语义与期望语义最贴近的adt，以之替换子代种群o中染色体中的一条adt，于是，子代种群o突变为种群q；步骤s5：逐一评估种群q中个体的适应度；步骤s6：对种群p和种群q进行选择，以挑选k条新染色体组成新一代种群p
t 1
，t为进化代数；步骤s7：搜集子代种群o中的新adt加入到adt库l中，同时根据adt库l中的旧adt以及种群q相对于子代种群o的改善程度，更新adt库l中的adt评分，把评分低于预设值的adt筛除出到adt库l；步骤s8：若满足停机条件，则输出全局最优的人群行为规则及其所使用的的adt特征，否则返回步骤(2)。2.根据权利要求1所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s2中对种群p中个体逐一进行基于差分进化的突变，使得种群p突变为子代种群o中，包括：步骤2.1：定义种群p中具有最优适应度值的染色体为精英个体确定染色体c
i
中属于主程序或属于未使用adt的基因位点集合通过随机均匀采样确定两个取值介于0到1之间的随机变量f和cr的值，即通过无放回随机均匀采样确定两条不同于i的染色体c
r
和c
w
，即，即步骤2.2：对于和的每一个基因位点j，若满足或则跳至步骤2.3，否则j
←
j 1；步骤2.3：定义函数原语集和终端特征集若基因位点j位于主程序上，则有和否则基因位点j位于adt子程序上，有和定义两个布尔型变量u1和u2，分别定义为u1为真当且仅当染色体c
i
于位点j的基因c
i，j
与精英个体对应位点上的基因不同，以及u2为真当且仅当两条随机染色体c
r
与c
s
于位点j上的基因c
r，j
与c
w，j
不同，即u2←
(c
r，j
≠c
w，j
)；步骤2.4：若成立，则跳至步骤2.5，否则跳至步骤2.2；步骤2.5：若基因c
i，j
属于主程序的头部h
m
或adt子程序的头部h
a
，即c
i，j
∈(h
m
∪h
a
)，则从函数原语集或终端特征集中随机挑选一个原语符号作为新基因，即否
则基因c
i，j
属于主程序的尾部t
m
或adt子程序的尾部t
a
，即则从终端特征集中随机挑选一个终端符号作为新基因，即3.根据权利要求1所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s4中所述对子代种群o中的个体逐一进行语义反向传播，以确定能够使个体输出最优语义的adt期望语义中，包括：步骤4.1.1：随机选择表达树中某一叶子节点作为目标节点tn，初始化一条从根节点rn到目标节点tn的路径τ＝{tn}；同时初始化期望语义为数据标签，即步骤4.1.2：把目标节点n的父节点pn
tn
加入到路径头部，即τ
←
{pn
tn
，τ}，同时把tn更改为tn的父节点，即tn
←
pn
tn
；步骤4.1.3：若路径τ中的第一个元素τ0非根节点rn，则返回步骤(4.1.2)；步骤4.1.4：若路径τ中第一个元素τ0是函数节点，则使用τ0对应运算符的逆运算更新期望语义若τ0是终端节点(即叶子节点)，则终止算法；步骤4.1.5：从路径τ中删除τ0；若则返回步骤(4.1.4)；否则输出即得到所述能够使个体输出最优语义的adt期望语义4.根据权利要求3所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤4.1.1中所述目标节点为染色体主程序中的叶子节点。5.根据权利要求1所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s4中所述从adt库中挑选语义与期望语义最贴近的adt，即adt
opt
，以之替换子代种群o中染色体中的一条adt特征，所述adt
opt
特征的确定方式如下：其中，是adt库l中的某个adt的语义，rmse是均方根误差，adt
opt
是指在adt库中，其语义与期望语义之间最接近的那个adt。6.根据权利要求5所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，对于一条头部长度为h
m
，主程序总长为(2h
m
1)的染色体，其主程序后衔接(h
m
2)条adt子程序。7.根据权利要求1所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s6中采用(1 1)互斥选择来对对种群p和种群q进行选择，(1 1)互斥选择的过程定义如下：其中，为突变后种群q
t
中的个体，为适应度函数。8.根据权利要求7所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，适应度函数的定义如下：
式中，为的输出向量，为数据的真实标签，n为样本数量，||.||2为二范数。9.根据权利要求1所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s7中采用相关性、独特性和基于包装器的性能三种指标来对adt特征进行评分；其中，相关性指标使用皮尔逊相关系数来衡量，即公式(4)：独特性的衡量方式为公式(5)：基于包装器的性能的衡量方式为公式(6)：式中，α为衰减因子，δ(s)
t
为奖励因子，且奖励因子δ(s)
t
的定义如下：其中e统计的是一组样本数据的期望，为三个n维向量，代表三种基于原始特征和数据标签的新的数据分布，分别定义为的新的数据分布，分别定义为pcc衡量了两组数据之间的线性相关性，|l|为adt库l的大小，为特征关于特征的相关性，和分别为种群第t和t
‑
1代时，特征的基于包装器的性能值。10.根据权利要求1
‑
9任一所述的基于新型特征自动构造的人群行为规则自动提取方法，其特征在于，步骤s8中所述停机条件是指用户根据需求设置的终止方法步骤执行的判定条件。

技术总结
人群行为建模与仿真是一类在公共场所设计与管理等领域具有重要应用的技术。本发明将遗传编程算法运用于人群行为建模，涉及建模仿真与智能计算两大领域。本发明提供基于新型特征自动构造的人群行为规则自动提取方法，通过自动化地提取一套能反映行人行走客观规律的规则，并将其作为仿真模型，增强仿真效果的真实性，促进知识发现与其他相关学科的发展。针对人群建模问题包含大量隐含特征、现有技术难以甄别和合理利用有效特征、手动设计的特征严重受限于人类知识经验等问题，本发明提出了新型的高级特征自动构造技术，以及一套辅助的特征选择技术，以构造出一系列高性能特征，提高人群行为规则的有效性。人群行为规则的有效性。人群行为规则的有效性。


技术研发人员：钟竞辉 卢承宇 龚月姣 陈伟能
受保护的技术使用者：华南理工大学
技术研发日：2021.07.07
技术公布日：2021/11/21