[发明专利]一种交通模式行为识别方法及相应的识别模型构建方法

权利要求书

1.一种交通模式行为识别模型构建方法，其特征在于，包括下列步骤：

1)对具体交通模式行为进行多层次的归类，建立相应的分类树，其中所述分类树的每一个节点都代表一个类别，所述分类树的父节点下的子节点代表对该父节点对应类别进一步分类后所得到的子类，所述分类树的叶节点代表具体交通模式行为；

2)对于分类树中每一个父节点的分类问题，基于随机森林模型，根据识别精度选择对应该分类问题的测试样本的最优特征集；其中所述父节点的分类问题是如何将样本从该父节点对应类别划分至其子节点对应类别的分类问题，其中选择所述最优特征集包括基于特征集FeatureSet1的训练样本集训练随机森林模型RandomForest1，基于特征集FeatureSet1中各个特征在模型RandomForest1中的特征使用频率组成特征集FeatureSet2，通过将基于特征集FeatureSet2的训练样本集训练的随机森林模型RandomForest2的识别精度与基于特征集FeatureSet1的训练样本集训练的随机森林模型RandomForest1的识别精度进行对比选出所述最优特征集；

3)对于分类树中每一个父节点的分类问题，基于步骤2)所得出的该父节点所对应的最优特征集，选择一个最优分类模型作为该父节点所对应的子分类模型。

2.根据权利要求1所述的识别模型构建方法，其特征在于，所述步骤2)中，所述识别精度是：基于随机森林模型准确识别出类别的测试样本个数除以测试样本总个数；所述测试样本是：对已知的具体交通模式行为所采集的多种传感器数据的特征向量；所述特征向量包括所述传感器数据的多个特征，所述最优特征集中的特征在所述特征向量的范围内选择。

3.根据权利要求2所述的识别模型构建方法，其特征在于，所述步骤2)中，所述传感器数据包括：加速度计、陀螺仪和磁力计数据。

4.根据权利要求3所述的识别模型构建方法，其特征在于，所述步骤2)中，所述传感器数据还包括：基于卫星定位技术获得的速度数据。

5.根据权利要求1所述的识别模型构建方法，其特征在于，所述步骤1)中，所述分类树的第一层子类包括“静止”和“非静止行为”；所述“非静止行为”的子类包括：“机动行为”和“非机动行为”。

6.根据权利要求5所述的识别模型构建方法，其特征在于，所述步骤1)中，所述“非机动行为”的子类包括：“走路”、“跑步”和“骑车”；所述“机动行为”的子类包括：“乘公交”、“乘地铁”和“乘火车”。

7.根据权利要求1所述的识别模型构建方法，其特征在于，所述步骤2)中，选择最优特征集的过程包括：

21)根据基于特征集FeatureSet1的训练样本集训练随机森林模型RandomForest1，并计算模型的识别精度Accuracy1；所述训练样本集是所述测试样本所组成的集合；

22)统计特征集FeatureSet1中各个特征在模型RandomForest1中的特征使用频率，将特征按照频率从大到小排序；其中特征使用频率是：随机森林中使用特征的决策树个数除以随机森林中包含的决策树总个数；

23)从特征集FeatureSet1中删掉使用频率取值较小的特征，剩余的特征组成特征集FeatureSet2；

24)根据基于特征集FeatureSet2的训练样本集训练随机森林模型RandomForest2，计算该随机森林模型RandomForest2的识别精度Accuracy2；

25)对比Accuracy2与Accuracy1，若Accuracy2小于Accuracy1，则进入步骤26)；反之，用特征集FeatureSet2替换FeatureSet1，模型RandomForest2替换模型RandomForest1，精度Accuracy2替换精度Accuracy1，重新执行步骤22)；

26)将特征集FeatureSet1作为最优特征集。