[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

说明书

本发明提供一种交通模式行为识别模型构建方法，包括：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；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；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。本发明还提供了相应的交通模式行为识别方法。本发明能够更加准确地区分具体的交通模式行为，且计算复杂度较小。

技术领域

本发明涉及普适计算、移动互联网及城市规划等技术领域，具体地说，本发明涉及一种交通模式行为识别方法及相应的识别模型构建方法。

背景技术

利用传感数据识别用户的日常行为是普适计算领域的重要研究问题。交通模式行为(走路、骑单车、坐公交等)作为众多日常行为的一个子类，蕴含大量与用户的运动轨迹、生活规律等相关的信息。精准而有效地捕捉用户日常的交通模式行为，进而分析用户行为习惯和日常生活轨迹，对智能移动服务、健康监护、城市规划等多个领域都具有重要的作用。例如：利用交通模式行为识别技术，可以挖掘用户的日常轨迹信息和具体的出行方式；可以针对开车或坐车等进行合理的劝导，倡导绿色出行和健康出行。另外，大量用户交通模式行为数据的积累有利于城市规划、道路设计、公交路线优化等，具有广泛而重要的价值。随着移动终端的日益普及和终端内嵌的传感器件的发展，基于传感器非干扰地识别用户日常的交通模式行为已成为普适计算领域的研究热点。

近年来，基于传感器的非干扰交通模式识别主要是：从传感器所采集数据中提取一系列特征作为特征集，通过对特征集进行分析处理建立和训练识别模型，利用该模型识别用户的多种交通模式行为，例如中国专利CN 201210185649等。这些方案都是试图寻找由某些固定特征组成的最优特征集以及寻找某个特定的最佳数学模型作为识别模型，然后再用这个最优特征集和识别模型来识别出具体的交通模式。然而，交通模式行为的类别众多，不同交通模式行为之间的相似度高，同种交通模式行为内部的差异性大，这些因素导致目前的交通识别方案的识别精度均不能令人满意，越来越难以满足实际应用的要求。

因此，当前迫切需要一种能够对用户交通模式的准确区分的基于传感器数据的交通模式识别解决方案。

发明内容

因此，本发明的任务是提供一种能够克服现有技术的上述缺陷的交通模式解决方案。

根据本发明的一个方面，提供了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；

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。

其中，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。

其中，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。

其中，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。