一种基于朴素贝叶斯的车辆类型分类算法的制作方法

技术特征：
1.一种基于朴素贝叶斯的车辆类型分类算法，其分类算法包括以下步骤：a：分类算法，将单车的sdr点对的轨迹信息转换为基于link轨迹信息jlink，先根据gps点垂足位置或link的边界将sdr轨迹路径打断，然后计算每个虚拟点在该link的进入、退出时间及距离；进入时间：intime＝sdrstgpstime
ꢀꢀꢀꢀ
(1)退出时间：outtime＝sdredgpstime
ꢀꢀꢀꢀ
(2)进入距离：inpositiontosnode＝sdrenterdistance
ꢀꢀꢀꢀ
(3)退出距离：outpositiontosnode＝sdrquitdistance
ꢀꢀꢀꢀ
(4)；b：如果该sdr点对只包含n根link，只会生成n条jlink数据，第1根link：进入时间：同公式intime＝sdrstgpstime
ꢀꢀꢀꢀ
(1)退出时间：退出时间：tracetime＝(sdredgpstime
‑
sdrstgpstime
‑
stwaittime)*tralenrati
ꢀꢀꢀꢀ
(6)lastouttime＝lastouttime tracetime
ꢀꢀꢀꢀ
(7)由公式(5)(6)(7)推算出：outtime＝lastouttime进入距离：inpositiontosnode＝sdrenterdistance
ꢀꢀꢀꢀ
(8)退出距离：outpositiontosnode＝currlinklen
ꢀꢀꢀꢀ
(9)第2根到n
‑
1根link：进入时间：intime＝lastouttime
ꢀꢀꢀꢀ
(10)退出时间：由公式(11)(6)(7)推算出：outtime＝lastouttime进入距离：inpositiontosnode＝0
ꢀꢀꢀꢀ
(12)退出距离：同公式outpositiontosnode＝currlinklen
ꢀꢀꢀꢀ
(9)第n根link：进入时间：intime＝lastouttime
ꢀꢀꢀꢀ
(13)退出时间：同公式outtime＝sdredgpstime
ꢀꢀꢀꢀ
(2)进入距离：同公式inpositiontosnode＝0
ꢀꢀꢀꢀ
(12)退出距离：同公式outpositiontosnode＝sdrquitdistance
ꢀꢀꢀꢀ
(4)；c：对jlink进行处理，生成slink中的速度v，将jlink数据按照车辆、link进行分组，使用速度平均算法，计算出slink，单车速度vc：d：根据link和车辆信息及路网特征做关联，并生成标签，单车速度特征算法：单车速度与限速下限速度差值：vdi＝vc
‑
vm(min)
ꢀꢀꢀꢀ
(15)限速上限速度与单车速度差值：vda＝vm(mian)
‑
vc
ꢀꢀꢀꢀ
(16)；e：使用贝叶斯算法生成模型：
求每种车辆类型的先验概率：计算条件概率：结合公式(17)结合特征推算出：计算属于各个类别的概率：选取概率值最大的作为该车辆的最终类别。2.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤a中sdrstgpstime—sdr起始点gps时间，sdredgpstime—sdr结束点gps时间，sdrenterdistance—sdr起始点垂足点距离link起点距离，sdrquitdistance—sdr结束垂足点距离link起点距离。3.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤b中tralenrati1—第1根link占整个sdr两个gps点路径实际距离的占比，stwaittime—sdr起始点gps等待时间—当前计算link的长度。4.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤b中lastouttime—前一根link的退出时间，tralenrati(2
‑
(n
‑
1)))—sdr路径中第2根到n
‑
1根link占整个sdr两个gps点路径实际距离的占比。5.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤c中l—jlink中的实际路径长度，t—jlink中的实际走行时间，n—单车在单link上的jlink数。6.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤d中vm(min)—link限速下限速度，vm(man)—link限速上限速度。7.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述步骤e中count(y)—所有样本中当前类别的数量，count(y)—所有样本总量，p—表示概率，x—表示特征，y—表示标签。8.根据权利要求1所述的一种基于朴素贝叶斯的车辆类型分类算法，其特征在于：所述link：组成道路的最小的数字化单元，sdr：点对的轨迹信息，描述单车两个gps点对的信息及所经过的所有link的信息，jlink：基于单link、单车的虚拟点对轨迹信息，描述单link、单车两个虚拟gps点对的详细信息及所link的详细信息，通过对sdr数据处理得出，slink：基于单车、完整link的车辆实时动态信息。

技术总结
本发明公开了一种基于朴素贝叶斯的车辆类型分类算法，其分类算法包括以下步骤：A：分类算法，将单车的SDR点对的轨迹信息转换为基于link轨迹信息Jlink，先根据GPS点垂足位置或link的边界将SDR轨迹路径打断，然后计算每个虚拟点在该link的进入、退出时间及距离。本发明经网络的输入包括车辆长度、速度以及特征向量序列，输出为预定义的车辆类型，通过对已知不同车辆类型的SDR数据进行预处理，获取link和速度，并加入地图数据中的道路上下限速、坡度、曲率及道路属性信息，映射出同一类Link上的不同类型车辆的行为信息及车辆类型的数据集，然后使用朴素贝叶斯算法训练模型生成最优版模型后，再对未知类型车辆数据进行预测，生成车辆类型。成车辆类型。成车辆类型。


技术研发人员：李杨 韩朋 张志勇
受保护的技术使用者：沈阳世纪高通科技有限公司
技术研发日：2021.10.22
技术公布日：2022/1/4