基于决策树CRAT算法分类预测的公交车防遗漏方法

基于决策树crat算法分类预测的公交车防遗漏方法
技术领域
1.本发明涉及公交车物品防遗漏技术领域，具体为基于决策树crat算法分类预测的公交车防遗漏方法。


背景技术：

2.现代公交车的便利化，乘坐公交车是很多上班族和学生党们的最佳出行交通工具之一，乘坐公交车去上班或者上学以及一些出行游玩人士都会随身携带一下物品，可能会存在所携带的物品较多，或者携带的物品较重，掉落而不易察觉等现象，从而忘记带走随身携带的物品，给乘客一天的工作或者学习带来不便。
3.因此，人们在乘坐公交车的时候还是有可能会遗漏随身携带的东西的情况，给乘客上班或者学习等一天带来不便。


技术实现要素：

4.本发明的目的在于提供基于决策树crat算法分类预测的公交车防遗漏方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：基于决策树crat算法分类预测的公交车防遗漏方法，包括以下步骤。
6.s1、基于决策树cart算法分类预测结果的检测终端传送的预测信息，根据所述的预测信息，第一信息判断装置和第二信息判断装置做出反馈信息，确定所述的所述目标物品与目标乘客的映射关系的真实性，根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒。
7.s2、根据历史乘客和历史乘客所携带的物品信息作为原始数据，通过决策树cart算法构建决策树，当新的数据生成时，通过已有的决策树对新的数据结构信息进行判断，分类预测生成预测信息，所述预测信息包括乘客遗漏物品的能力。
8.s3、在原始物品信息中计算二元模型乘客与乘客所携带的物品的互信息值，所述的互信息值指相关性，找到互信息值最大的那一个物品特征信息作为根决策点，接下来进行构建分支节点，所述方法包括计算乘客发生遗漏物品行为与物品特征的联合概率p(c),和不同物品特征出现时乘客也发生遗漏物品行为的条件概率e(c)，从而计算条件熵e(t,x)(计算公式如下),所述条件熵的值越低说明二元模型的不确定性越小。
[0009][0010]
基于所述熵和互信息来挑选下一决策分支的节点，直到生成决策树.
[0011]
优选的，所述步骤s1中，所述预测信息包括乘客遗漏物品的能力，所述预测信息决定第一信息判断装置的触发频率，乘客遗漏物品的能力强则所述的触发频率高，所述的第一信息判断装置通过检测物品与乘客之间的距离，所检测到的距离如果大于所设定的阈值，则发送反馈信息。
[0012]
优选的，所述步骤s1中，所述第一信息判断装置的反馈信息包括两种情况，如果目标物品与目标乘客的距离大于阈值，则是正反馈信息；如果目标物品与目标乘客的距离大于阈值，则是负反馈信息。
[0013]
优选的，所述第二信息判断装置做出反馈，根据第一信息判断装置的反馈信息进行检测，所述反馈信息包括目标乘客与目标物品之间的正或负反馈信息，所述的方法包括：
[0014]
如果所述的反馈信息如果是正反馈信息，则预提醒次数值加1，所述的反馈信息如果是负反馈信息，则预提醒次数保持不变，所述预提醒次数值大于所先前设定的此数值则发送反馈信息。
[0015]
优选的，所述第二信息判断装置的反馈信息反应为乘客物品遗漏预测的真实性，所述的方法包括：
[0016]
如果所述真实性值大于所先前设定的阈值，则说明所述的真实性强，则发送正反馈信息；如果所述真实值小于所先前设定的阈值，则说明所述的真实性弱，则发送负反馈信息。
[0017]
优选的，所述根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒，所述的方法包括：
[0018]
如果所述的第二信息判断装置的反馈信息是正反馈信息，则提醒装置开启温馨提醒模式；如果所述的第二信息判断装置的反馈信息是负反馈信息，则提醒装置不开启温馨提醒模式。
[0019]
优选的，所述提醒模式包括：提醒终端发出语音温馨提醒。
[0020]
与现有技术相比，本发明提供了基于决策树crat算法分类预测的公交车防遗漏方法，具备以下有益效果：
[0021]
1、该基于决策树crat算法分类预测的公交车防遗漏方法，我们的方法利用决策树cart算法的分类预测对乘客的发生遗漏物品的行为的可能性，在原来传统的方法基础上可以减轻需要实时检测带来的计算量的负担，可以更加高效地做到提醒乘客带走随身携带的物品。
附图说明
[0022]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：
[0023]
图1为本发明是决策树cart算法分类预测流程图；
[0024]
图2为本发明是基于决策树cart算法分类预测的公交车防遗漏方法流程图。
具体实施方式
[0025]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0026]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0027]
请参阅图1-2，本发明提供一种技术方案：基于决策树crat算法分类预测的公交车防遗漏方法，用历史乘客和历史乘客所携带的物品信息作为原始数据，先对原始数据进行预处理，缺失值和异常值处理和插补，整理好原始数据后提取80％的数据进行建模，留下20％的数据进行检验，通过决策树cart算法构建决策树，构建完毕后，用剩下的20％的数据进行检验，对决策树进行优化，当新的数据生成时，通过已有的决策树对新的数据结构信息进行判断，分类预测生成预测信息，预测信息包括乘客遗漏物品的能力，包括以下步骤。
[0028]
s1、基于决策树cart算法分类预测结果的检测终端传送的预测信息，根据的预测信息，第一信息判断装置和第二信息判断装置做出反馈信息，确定的目标物品与目标乘客的映射关系的真实性，根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒。
[0029]
s2、根据历史乘客和历史乘客所携带的物品信息作为原始数据，通过决策树cart算法构建决策树，当新的数据生成时，通过已有的决策树对新的数据结构信息进行判断，分类预测生成预测信息，预测信息包括乘客遗漏物品的能力。
[0030]
s3、在原始物品信息中计算二元模型乘客与乘客所携带的物品的互信息值，的互信息值指相关性，找到互信息值最大的那一个物品特征信息作为根决策点，接下来进行构建分支节点，方法包括计算乘客发生遗漏物品行为与物品特征的联合概率p(c),和不同物品特征出现时乘客也发生遗漏物品行为的条件概率e(c)，从而计算条件熵e(t,x)(计算公式如下),条件熵的值越低说明二元模型的不确定性越小。
[0031][0032]
基于熵和互信息来挑选下一决策分支的节点，直到生成决策树.
[0033]
步骤s1中，预测信息包括乘客遗漏物品的能力，预测信息决定第一信息判断装置的触发频率，乘客遗漏物品的能力强则的触发频率高，的第一信息判断装置通过检测物品与乘客之间的距离，所检测到的距离如果大于所设定的阈值，则发送反馈信息。
[0034]
步骤s1中，第一信息判断装置的反馈信息包括两种情况，如果目标物品与目标乘客的距离大于阈值，则是正反馈信息；如果目标物品与目标乘客的距离大于阈值，则是负反馈信息。
[0035]
第二信息判断装置做出反馈，根据第一信息判断装置的反馈信息进行检测，反馈信息包括目标乘客与目标物品之间的正或负反馈信息，的方法包括：
[0036]
如果反馈信息如果是正反馈信息，则预提醒次数值加1，的反馈信息如果是负反馈信息，则预提醒次数保持不变。预提醒次数值大于所先前设定的此数值则发送反馈信息。
[0037]
第二信息判断装置的反馈信息反应为乘客物品遗漏预测的真实性，的方法包括：
[0038]
如果真实性值大于所先前设定的阈值，则说明的真实性强，则发送正反馈信息；如果真实值小于所先前设定的阈值，则说明的真实性弱，则发送负反馈信息。
[0039]
根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒，的方法包括：
[0040]
如果第二信息判断装置的反馈信息是正反馈信息，则提醒装置开启温馨提醒模式；如果的第二信息判断装置的反馈信息是负反馈信息，则提醒装置不开启温馨提醒模式。
[0041]
提醒模式包括：提醒终端发出语音温馨提醒。
[0042]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0043]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：包括以下步骤。s1、基于决策树cart算法分类预测结果的检测终端传送的预测信息，根据所述的预测信息，第一信息判断装置和第二信息判断装置做出反馈信息，确定所述的所述目标物品与目标乘客的映射关系的真实性，根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒；s2、根据历史乘客和历史乘客所携带的物品信息作为原始数据，通过决策树cart算法构建决策树，当新的数据生成时，通过已有的决策树对新的数据结构信息进行判断，分类预测生成预测信息，所述预测信息包括乘客遗漏物品的能力；s3、在原始物品信息中计算二元模型乘客与乘客所携带的物品的互信息值，所述的互信息值指相关性，找到互信息值最大的那一个物品特征信息作为根决策点，接下来进行构建分支节点。2.根据权利要求1所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：步骤s1中，所述预测信息包括乘客遗漏物品的能力，所述预测信息决定第一信息判断装置的触发频率，乘客遗漏物品的能力强则所述的触发频率高，所述的第一信息判断装置通过检测物品与乘客之间的距离，所检测到的距离如果大于所设定的阈值，则发送反馈信息。3.根据权利要求1所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：所述步骤s1中，所述第一信息判断装置的反馈信息包括两种情况，如果目标物品与目标乘客的距离大于阈值，则是正反馈信息；如果目标物品与目标乘客的距离大于阈值，则是负反馈信息。4.根据权利要求3所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：所述第二信息判断装置做出反馈，根据第一信息判断装置的反馈信息进行检测，所述反馈信息包括目标乘客与目标物品之间的正或负反馈信息，所述的方法包括：如果所述的反馈信息如果是正反馈信息，则预提醒次数值加1，所述的反馈信息如果是负反馈信息，则预提醒次数保持不变，所述预提醒次数值大于所先前设定的此数值则发送反馈信息。5.根据权利要求4所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：所述第二信息判断装置的反馈信息反应为乘客物品遗漏预测的真实性，所述的方法包括：如果所述真实性值大于所先前设定的阈值，则说明所述的真实性强，则发送正反馈信息；如果所述真实值小于所先前设定的阈值，则说明所述的真实性弱，则发送负反馈信息。6.根据权利要求1所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：所述根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒，所述的方法包括：如果所述的第二信息判断装置的反馈信息是正反馈信息，则提醒装置开启温馨提醒模式；如果所述的第二信息判断装置的反馈信息是负反馈信息，则提醒装置不开启温馨提醒模式。7.根据权利要求1所述的基于决策树crat算法分类预测的公交车防遗漏方法，其特征在于：所述提醒模式包括：提醒终端发出语音温馨提醒。

技术总结
本发明涉及公交车物品防遗漏技术领域，且公开了基于决策树CRAT算法分类预测的公交车防遗漏方法，包括以下步骤，基于决策树CART算法分类预测结果的检测终端传送的预测信息，根据所述的预测信息，第一信息判断装置和第二信息判断装置做出反馈信息，确定所述的所述目标物品与目标乘客的映射关系的真实性，根据所接收的第二信息判断装置的反馈信息提醒装置决定进行温馨提醒。该基于决策树CRAT算法分类预测的公交车防遗漏方法，我们的方法利用决策树CART算法的分类预测对乘客的发生遗漏物品的行为的可能性，在原来传统的方法基础上可以减轻需要实时检测带来的计算量的负担，可以更加高效地做到提醒乘客带走随身携带的物品。高效地做到提醒乘客带走随身携带的物品。高效地做到提醒乘客带走随身携带的物品。


技术研发人员：朱静 庄晓萱 柴亚平 王家创 尹邦政 高思翰 李冠贤
受保护的技术使用者：广州大学
技术研发日：2022.02.17
技术公布日：2023/8/31