买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津市政工程设计研究总院有限公司

摘要：本发明公开一种智能网联专用道的设置边界划定方法，包括以下步骤：S1.构建深度学习分类器；S2.划定初始专用道边界；S3.为保证路段连续性划定专用道边界；S4.为保证路段通畅性划定专用道边界；S5.确定智能网联专用道设置边界。本发明基于车辆OD出行大数据，计算并求解出不同智能网联专用道设置边界划分下的系统出行成本，保障了车辆运输通畅性，提高区域运输效率。对此，本发明基于深度学习技术，构建了决策分类器，科学决策智能网联专用道划定条件；采用了多层级智能网联专用道划定方法，兼顾了智能网联专用道设置边界的科学性的同时，保障了专用道设置的连续性和通畅性，最大化提高港口区域道路交通安全性和物流运输效率。

主权项：1.一种智能网联专用道的设置边界划定方法，其特征在于，包括以下步骤：S1.构建深度学习分类器：对所在路段的智能网联车辆单位时间运行频次X1、两侧土地利用混合度X2、路段属性X3、单位时间货车比例X4、车辆平均速度X5五类自变量特征进行深度学习，包括建立样本库、训练数据选取、训练决策树； 其中，Mix表示路段两侧土地利用混合度，也称熵指数，反映某区域内各种土地功能类型的组合程度和土地利用效率；pj表示土地类型j的POI数量占所在区域中总POI的比例；N表示路段所在区域中土地利用类型的总数，为自变量Xn的特征值，n为自变量特征的类别编号，m为样本路段编号，M为样本数据的数量；具体包括以下步骤：S101.建立样本库；1011选取至少5条已开通或拟开通的智能网联专用道路段、至少5条全时段或部分时段禁货路段、至少5条未设置智能网联专用道路段且没有施行禁货策略的路段作为样本路段并组成样本库，提取各样本路段的自变量和因变量特征值作为其样本数据；因变量特征值表示是否设置专用道Y，若设置，则取值为1，反之取值为0；1012平衡自变量参数量纲；计算样本库中样本路段的各类自变量特征值的平均值和各类自变量特征值的方差Dn，给定一个固定值D和若DnD则令反复迭代计算，直到Dn≤D或取满足条件的一组Xn，令 为自变量Xn的特征值，n为自变量特征的类别编号，m为样本路段编号，M为样本数据的数量；S102.选取训练数据；1021随机选取训练数据，对于样本库中至少15个样本路段，采用有放回的bootstrap采样，得到10个有重复样本且包含有至少15个样本路段的训练集；1022对于五类自变量特征进行两两组合，并随机分配给10个训练集，训练时将训练集中样本路段对应的两类自变量特征值作为输入，组成10个决策树训练集；每个决策树训练集的自变量特征值，定义为ni为决策树训练集i分配到的自变量特征类别编号，mi为决策树训练集i中样本路段编号； S103.训练决策树；1031决策树分裂规则；将决策树训练集i中所有样本路段归入父节点，任选父节点中一个自变量特征值将父节点中样本路段类自变量特征值与进行比较，将类自变量特征值小于的样本路段划分为A子节点，其余样本路段划分为B子节点，分别统计父节点和A、B两子节点中样本路段中因变量值为0和1的样本路段数量和和和计算以自变量特征值作为父节点的分支点获得的信息增益IG，依次遍历父节点样本路段的所有自变量特征值，以信息增益最大的自变量特征值为分支点，将父节点拆分为A、B两子节点；式中，Epar、EA、EB分别为父节点、A、B子节点的信息熵，ωA和ωB为A、B子节点的权值； IG＝Epar-ωAEA-ωBEB；1032通过自变量特征值，在每个决策树的节点，根据信息增益IG最大化的原则确定自变量特征值进行分支；计算和中各自变量特征值的平均值，分别为和sum表示决策树训练集i的个数，由步骤1021可知，sum＝10； 1033计算两个自变量特征值的分支值x′1和x′2；若子节点存在若干个自变量特征值，取得相同的分支值，则任取其中一个特征值作为分支值； 1034分别按照EAx′1和EA≤x′1；EBx′2和EB≤x′2的规则，对决策树分支；计算各分支节点的值Dall为对应的本节点层所有样本因变量的方差，DLeft,DRight分别为本节点层A、B子节点因变量的方差；1035将拆分获得的A、B子节点视为父节点，重复1031-1034的步骤，确定父节点的分支点，并将父节点拆分成A、B子节点，直到当前父节点中样本路段的因变量值相同，标定该父节点为末节点并停止拆分，当所有父节点均标定为末节点，即完成该决策树的训练；末节点包含的自变量特征值的平均值作为该决策树的输出y值；S2.划定初始智能网联专用道设置边界；包括以下步骤：S201.获取目标区域各路段智能网联车辆单位时间运行频次X1、两侧土地利用混合度X2、路段属性X3、单位时间货车比例X4、车辆平均速度X55类自变量特征值；将5类自变量特征值作为输入变量，输入到步骤S1构建的深度学习分类器，生成决策树，输出因变量y值；根据y值大小，划定初始智能网联专用道设置边界；S202.若y≥0.75，判定对应决策树为智能网联专用道开通的特征样本，标记为I类；若y≤0.25，判定对应决策树为智能网联专用道关闭的特征样本，标记为II类；若0.25y0.75，标记为III类，并转入步骤S3做进一步判别；S3.为保证路段连续性划定智能网联专用道边界；包括以下步骤：S301.在目标区域中，任选一条I类路段R1作为基准路段；计算与路段R1任意一个相邻路段R2的y值，并判断路段类别；并依次遍历所有目标区域路段并判断对应路段类别；S302.建立数据集合；数据集合包括边界集合、边界节点集合、孤子点集合、候选边界集合；其中，边界集合表示智能网联专用道为边界的路段集合；边界节点集合表示智能网联专用道为边界的两侧节点集合；孤子点集合表示智能网联专用道为边界的末端节点集合；候选边界集合表示智能网联专用道为候选边界的路段集合；S303.按照最短路原则，将所有边界节点集合与孤子点集合连接，使所有边界集合和候选边界集合的路段相互连通；新增的连接路段定义为IV类路段；S4.为保证路段通畅性划定智能网联专用道边界；包括以下步骤：S401.获取路网智能网联车辆OD数据；智能网联车辆基于云控平台的调度指令运行，OD数据是确定的；智能网联车辆k从节点r到节点s的单位距离运输成本，单位为：元公里，记为S402.建立出行成本最小化的目标函数Z； 其中，lr,s表示节点r到节点s的最短路径，单位：公里；lij表示路段ij的距离，单位：公里；表示节点r到节点s是否通过路段ij，若通过，则否则α为补偿系数，表示智能网联车辆在非智能网联专用道上运行的成本补偿，α取值范围在2～5；gij表示是否将IV类路段变为I类路段，若是，则gij＝1，否则gij＝0；β为惩罚系数，单位：元公里，表示将IV类路段转变为I类路段所产生的惩罚系数，β取值范围在20～1000；S403.随机将IV类路段转变为I类路段；将IV类路段编号，最大编号记为Mb；从左到右生成一组长度为Mb的包含0或1的字符串，即gij字符串；不同位数分别对应路段编号；每个位数的取值采用随机数函数rand生成，如果rand0.5，则对应位数取值为1，否则取0；字符串“101”表示编号1和3的IV类路段转变为I类路段，编号2的IV类路段不发生改变；S404.计算并输出首次目标函数Z1，记minZ＝Z1；S405.输出最优目标函数值，若第n次输出的目标函数值ZnminZ，则令minZ＝Zn；S406.终止条件；重复S403至S405，当达到设定的最大迭代次数N1，或者目标函数Z连续N2次迭代最小值仍未发生变化时，终止计算，并输出所有gij字符串；N2一个常数定值，由最大迭代次数N1决定，取值为N1100；S5.确定智能网联专用道设置边界。

全文数据：

权利要求：

百度查询： 天津市政工程设计研究总院有限公司 一种智能网联专用道的设置边界划定方法