| 主权项 |
1.一种城市快速路交通事件影响空间范围等级预测方法，其特征在于：步骤为：步骤1、获取大量城市快速路交通异常事件案例，每个案例至少包括以下属性的数据：事件类型、事件影响车道数、是否需要拖挂车辆、事件所处地点背景交通状态及事件空间影响范围，其中，事件空间影响范围是指由该事件引起的发生点上游排队长度的最大值；步骤2、将大量城市快速路交通异常事件案例依据事件空间影响范围分为至少两类，分别为“一般事件”及“重大事件”；步骤3、以事件空间影响范围作为分类属性，其余属性作为判定属性进行分类，生成决策树，其步骤为：步骤3.1、设步骤1中获取的所有案例的判定属性为数据集合C，作为消息源 “一般事件”或“重大事件”有关的决策树，产生这些消息所需的期望信息<img file="2011102257740100001DEST_PATH_IMAGE002.GIF" wi="48" he="22" />为：<img file="2011102257740100001DEST_PATH_IMAGE004.GIF" wi="290" he="45" />，其中，<img file="2011102257740100001DEST_PATH_IMAGE006.GIF" wi="16" he="18" />及<img file="2011102257740100001DEST_PATH_IMAGE008.GIF" wi="14" he="14" />分别为数据集合C中属于“一般事件”类及“重大事件”类的对象的个数，一个案例即为一个对象；步骤3.2、每个判定属性依据其取值范围可以将数据集合C划分成不同的子树，若判定属性中的任一属性A具有m个值｛A1, A2, …, Am｝，则该属性A将数据集合C划分成｛C1, C2, …, Cm｝，其中第i个子树Ci包括数据集合C中属性A的值为Ai的那些对象，这些对象中属于“一般事件”类的对象共有<img file="2011102257740100001DEST_PATH_IMAGE010.GIF" wi="18" he="25" />个，而属于“重大事件” 类的对象共有<img file="2011102257740100001DEST_PATH_IMAGE012.GIF" wi="16" he="25" />个，则以属性A作为决策树的根节点所要求的期望信息<img file="2011102257740100001DEST_PATH_IMAGE014.GIF" wi="40" he="22" />，<img file="2011102257740100001DEST_PATH_IMAGE016.GIF" wi="168" he="46" />，其中，<img file="2011102257740100001DEST_PATH_IMAGE018.GIF" wi="328" he="46" />；步骤3.3、计算决策树按照属性A进行分支的信息增益<img file="2011102257740100001DEST_PATH_IMAGE020.GIF" wi="60" he="22" />，<img file="2011102257740100001DEST_PATH_IMAGE022.GIF" wi="165" he="22" />；步骤3.4、重复步骤3.2至步骤3.3直至计算完决策树按照每一个判定属性进行分支的信息增益，选取使得信息增益最大的一个判定属性Ak作为根节点；步骤3.5、以判定属性Ak的取值范围将数据集合C划分成不同的子树，对每个子树做步骤3.2至步骤3.4同样的处理，递归形成决策树；步骤4、计算决策树每个叶节点的聚类中心值、最大值或最小值；步骤5、当交通事件发生时，依据其判定属性的数据在决策树中找到对应的叶节点，读取该叶节点的聚类中心值、最大值或最小值，作为交通事件影响空间范围等级的预测值。 |
