[发明专利]一种构建自主式交通系统功能架构的方法

说明书

本发明公开了一种构建自主式交通系统功能架构的方法。包括：构建面向多属性文本的优化密度峰值聚类模型；改进词频、逆向文档频率计算公式；应用文本向量空间模型计算多属性文本的空间维度坐标；高斯函数和决策值优化密度峰值聚类算法；轮廓系数评价聚类结果；依据聚类结果将自主式交通系统道路自动驾驶场景下的功能分为“自主感知、自主学习、自主决策、自主响应”4层，绘制功能架构图，支撑服务实现。本发明为自主式交通系统功能架构的构建提供参考，促进新一代交通系统功能架构的构建，推动自主式交通系统理论体系的发展。

技术领域

本发明属于道路交通技术领域，尤其涉及一种构建自主式交通系统功能架构的方法。

背景技术

当前要建设“安全、便捷、高效、绿色、经济”的现代综合交通运输体系。已有的交通系统体系框架很难适应新兴技术下交通从“被动智能”向“主动智慧”的发展，亟需构建适应新一代交通发展的交通系统。在此背景下，国家明确提出了构建自主式交通系统(Autonomous Transportation System,ATS)，以此改进当前智能交通系统对新兴技术的适用性问题，更科学、合理地指导我国的交通运输发展。

发明内容

有鉴于此，本发明提出一种自主式交通系统功能架构构建方法，此方法促进新一代交通系统功能架构的构建，推动自主式交通系统理论体系的发展。

本发明公开的构建自主式交通系统功能架构的方法，包括以下步骤：

步骤1：针对多属性文本聚类问题，构建面向多属性文本的优化密度峰值聚类模型；

步骤2：依据多属性文本的特征计算词语属性频率和属性的逆向文档频率，根据所述词语属性频率与属性的逆向文档频率，将多属性文本转化成数值；

步骤3：依据不同属性文本的数值权重采用文本向量空间模型将数值转化成空间维度坐标；

步骤4：优化密度峰值的计算方式：采用高斯核方法优化数据点局部密度计算方式；

采用决策值优化聚类中心选取，选择决策值较大的样本作为密度峰值聚类中心，获得聚类结果；

步骤5：根据步骤4的聚类结果，采用轮廓系数法对聚类结果作出评价，对轮廓系数较低的数据点重复步骤4；

步骤6：验证算法的可行性，在自主式交通系统的道路自动驾驶场景下，三个服务域下的功能依据最终聚类结果分成“自主感知、自主学习、自主决策、自主响应”4层，依据层与层之间的关系，绘制功能架构图。

进一步的，步骤2的具体步骤如下：

(1)计算词语属性频率：其中，s表示某文本的属性，为该属性s在文档中出现的次数，W_n(n＝1,2,...,N,N为文档总数)表示由文本属性组成的属性库；

(2)根据文本属性转换的需要，假定词语在属性库中必定出现，采用平滑的逆文档频率计算属性的逆向文档频率：

(3)多属性文本TF-IDF算法计算公式为TF·IDF(s,W_n,W)＝TF(s,W_n)·IDF(s,W)，当TF-IDF值越大时表明该词语更能代表该文档，即在TF-IDF值越大表明该属性越能够代表该文本。

进一步的，基于文本向量空间模型得到文本空间维度坐标，所述文本向量空间模型将给定的文本转换成一定维数的向量，其以特征项作为文本表示的基本单位，向量的各维对应文本中的一个特征项，而每一维本身则表示了其对应的特征项在该文本中的权值，权值代表了特征项对于所在文本的重要程度，即该特征项能够多大程度上反映它所在文档的类别。

进一步的，通过对密度峰值聚类算法进行优化，找到符合条件的聚类中心，将剩余待聚类点进行聚类，提高聚类性能，具体步骤如下：