[发明专利]一种微博客蕴含交通信息融合的D-S证据理论方法

权利要求书

1.一种微博客蕴含交通信息融合的D-S证据理论方法，其特征在于，步骤包括：

根据交通拥挤程度，确定证据理论辨识框架Θ及命题空间2^Θ；

根据有效时间窗T_interval和路网路段road，抓取与交通信息主题相关的微博客内容，组成需要融合的微博客数据集V；

微博客信息V_i预处理操作，包括自然语言分词、词义消歧、词义干化，得到微博客交通状态描述词汇集W_i；

引入中文语料库资源Corpus＝{C_wikipedia，C_hownet，...，C_num}，计算微博客交通状态词汇集W_i与命题空间中词汇的词义相似度Sim；

计算微博客消息V_i的词义相似度加权评价Score_i，确定证据理论基本概率分配函数m(V_i)；

通过Dempster合成法则进行证据合成及证据决策，确定该路段road微博客蕴含交通信息融合结果TState_road。

2.根据权利要求1所述的方法，其特征在于，所述根据交通拥挤程度确定证据理论辨识框架包括：

交通拥挤程度的确定可参照部分国家标准，如公安部2002年公布的《城市交通管理评价指标体系》对路网交通拥挤程度分类；

交通拥挤程度的确定与实际融合需求相关；

证据理论辨识框架及命题空间不限制大小。

3.根据权利要求1所述的方法，其特征在于，所述根据有效时间窗口及路网路段，抓取交通信息主题相关微博客，组成需要融合微博客数据集V包括：

有效时间窗口T定义为交通信息时间T_current进行扩充而形成的时间段，即T＝[T_current-Δt_a，T_current+Δt_b]其中Δt_a与Δt_b用户定义参数；

路网中路段以路网道路名称为研究对象或者以导航路网中的道路分段为研究对象；

微博客数据集V与实际选取的路网路段相关；

微博客数据集V的构建过程是本专利不涉及的；

微博客数据集V不限制其存储形式，可以是数据库或者数据文件。

4.根据权利要求1所述的方法，其特征在于，所述对引入中文语料库资源Corpus，计算微博客交通状态词汇集W_i与命题空间中词汇的词义相似度Sim包括：

中文语料库资源Corpus不限制语料库类型，可以为维基百科，知网等； 

词义相似度Sim的计算过程是本专利不限定。

5.根据权利要求1所述的方法，其特征在于，所述微博客内容的词义相似度相似度加权评价Score，确定微博客的基本概率分配函数m(V_i)包括：

微博客内容词义相似度加权评价计算，具体为：

其中，k为证据理论命题空间中的命题，term微博客交通状态描述词汇集W_i词汇，sum为微博客的数量，num(k)为包含命题k的微博客数量，boost(user)为该微博客用户的激励函数，反映了该用户的重要程度，默认值为1，该值越大说明该用户越重要。

微博客内容的基本概率分配函数计算，具体为：

。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

根据用户提供的所要融合路段及融合时间条件，完成所述微博客蕴含交通信息融合；

根据用户提供的所要融合区域内路段及融合时间条件，完成所述微博客蕴含交通信息融合。