基于大數(shù)據(jù)挖掘技術(shù)的車載自組織網(wǎng)絡(luò)狀態(tài)異常檢測＊

張宏 呂悅晶

（1.內(nèi)蒙古大學(xué)，呼和浩特 010070；2.內(nèi)蒙古自治區(qū)城市交通數(shù)據(jù)科學(xué)及應(yīng)用工程技術(shù)研究中心，呼和浩特 010070；3.武漢科技大學(xué)，武漢 430081）

主題詞：大數(shù)據(jù) 數(shù)據(jù)挖掘 主成分分析法 關(guān)聯(lián)算法

1 前言

2019 年1 月24 日，華為發(fā)布了全球首款5G 基站核心芯片，提出“自動駕駛網(wǎng)絡(luò)”的目標(biāo)，并尋求SoftCOMAI 解決方案[1]。車載自組織網(wǎng)絡(luò)（Vehicular Ad-hoc Network，VANET）是自動駕駛技術(shù)的基礎(chǔ)，數(shù)據(jù)、信息的互聯(lián)互通與共享極大地提升了網(wǎng)絡(luò)效率、運(yùn)營維護(hù)效率和能源效率[2]。隨著VANET 研究領(lǐng)域的技術(shù)進(jìn)步，大量應(yīng)用和服務(wù)已經(jīng)出現(xiàn)[3]，各類應(yīng)用產(chǎn)生的海量數(shù)據(jù)在VANET運(yùn)行過程中也會增加網(wǎng)絡(luò)異常的風(fēng)險[4-6]。因此，評估和檢測VANET，及時找到網(wǎng)絡(luò)異常點(diǎn)，全方位、全過程開展VANET運(yùn)行監(jiān)控大數(shù)據(jù)分析并找出數(shù)據(jù)間的相應(yīng)關(guān)系，對網(wǎng)絡(luò)可靠性和穩(wěn)定性意義重大。

國內(nèi)外文獻(xiàn)中，從大數(shù)據(jù)分析角度研究網(wǎng)絡(luò)異常檢測的常規(guī)方法有時間序列分析法、遺傳規(guī)劃算法、支持向量機(jī)、馬爾科夫模型等[7-10]：時間序列分析在數(shù)據(jù)量不大的情況下有較好的評估和預(yù)測結(jié)果，但數(shù)據(jù)量變大則無法快速預(yù)測；僅使用遺傳規(guī)劃算法，海量數(shù)據(jù)會導(dǎo)致網(wǎng)絡(luò)收斂速度變慢，訓(xùn)練無法掌握；支持向量機(jī)適用于小樣本、多維數(shù)據(jù)問題；馬爾科夫模型難以應(yīng)用于遠(yuǎn)距離VANET交通信息服務(wù)。VANET實(shí)際應(yīng)用情況復(fù)雜，數(shù)據(jù)量龐大，數(shù)據(jù)標(biāo)注受限，處理結(jié)果不精確，所以目前主流的方法是無需監(jiān)督的學(xué)習(xí)方法[11-16]。大數(shù)據(jù)分析技術(shù)對海量、多源的復(fù)雜數(shù)據(jù)進(jìn)行分析，為網(wǎng)絡(luò)系統(tǒng)異常檢測提供了新的思路和解決方法。

2 異常檢測數(shù)據(jù)挖掘算法流程

VANET運(yùn)行的基礎(chǔ)是子網(wǎng)設(shè)備能正常調(diào)度監(jiān)控系統(tǒng)，各系統(tǒng)提供了海量的異構(gòu)多源數(shù)據(jù)。為了提高系統(tǒng)運(yùn)行的可靠性，在進(jìn)行節(jié)點(diǎn)和鏈路異常檢測時，所需的數(shù)據(jù)包括數(shù)據(jù)采集設(shè)備的歷史運(yùn)行數(shù)據(jù)、狀態(tài)信息、停運(yùn)情況及預(yù)測時刻系統(tǒng)運(yùn)行的各種信號與數(shù)據(jù)。

異常檢測數(shù)據(jù)挖掘算法如圖1所示，經(jīng)數(shù)據(jù)采集和預(yù)處理，在確定關(guān)鍵指標(biāo)和主要影響因素后，采用有監(jiān)督的機(jī)器學(xué)習(xí)算法輸入數(shù)據(jù)、調(diào)整參數(shù)并輸出異常數(shù)據(jù)，進(jìn)而判斷出數(shù)據(jù)異常產(chǎn)生的時刻，通過網(wǎng)絡(luò)異常警告為交通參與者提供幫助。

圖1 異常檢測數(shù)據(jù)挖掘算法

3 并行關(guān)聯(lián)規(guī)則大數(shù)據(jù)挖掘技術(shù)

3.1 Apriori算法

關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘方法適用于眾多異構(gòu)多源數(shù)據(jù)，無需較多模型參數(shù)即可降低維度，大幅提高預(yù)測速度。

Apriori 算法關(guān)聯(lián)規(guī)則中，設(shè)T為樣本車輛“事務(wù)”，其屬性記為“項(xiàng)”，每個子集事務(wù)都有一個項(xiàng)集，事務(wù)集合D表示n個事務(wù)的待挖掘數(shù)據(jù)庫，|D|表示事務(wù)集合的數(shù)量。一般地，設(shè)X?T為輸入?yún)?shù)集合，Y?T為輸出參數(shù)集合，X∩Y=?。對于項(xiàng)集X，A(X?T)為集合數(shù)量，定義支持度S為：

用X→Y表示若X則Y的關(guān)聯(lián)規(guī)則R，既包含X又包含Y的項(xiàng)集用A(X∪Y)表示，支持度S(A)為項(xiàng)集A(X∪Y)出現(xiàn)在待挖掘數(shù)據(jù)庫D中的百分比，則：

式中，P(X?Y)為既包含X又包含Y的比例。

若支持度S(A)大于設(shè)置的最小閾值α，則A稱為頻繁項(xiàng)集，支持度最小閾值由用戶依據(jù)需求確定。

待挖掘數(shù)據(jù)庫D中，置信度C為既包含X項(xiàng)集，又包含Y項(xiàng)集的百分比：

最小置信度閾值β表示項(xiàng)集X和Y關(guān)聯(lián)規(guī)則的可信程度，由用戶依據(jù)需求確定，基于Apriori 關(guān)聯(lián)規(guī)則挖掘算法流程如圖2所示。

圖2 Apriori關(guān)聯(lián)規(guī)則挖掘算法流程

關(guān)聯(lián)規(guī)則支持度≥α且置信度≥β的規(guī)則稱為強(qiáng)規(guī)則。Apriori算法流程中最關(guān)鍵的步驟是強(qiáng)規(guī)則挖掘，即從事務(wù)數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集。

3.2 評估指標(biāo)的確定

在統(tǒng)計學(xué)中，一般采用皮爾森相關(guān)系數(shù)RXY衡量隨機(jī)變量間的線性相關(guān)性：

式中，c(X,Y)為X和Y的協(xié)方差；v[X]、v[Y]分別為X、Y的方差。

相關(guān)系數(shù)矩陣R為：

相關(guān)性系數(shù)的取值范圍為[-1,1]，正值代表正相關(guān)，負(fù)值代表負(fù)相關(guān)，其數(shù)值越接近-1 或1，表示二者之間的相關(guān)性越強(qiáng)。

依據(jù)各指標(biāo)向量的相關(guān)系數(shù)矩陣R，求得特征值λ1≥λ2≥…≥λm(m≤q)及特征向量μ1、μ2、…、μm：

式中，E為單位矩陣。

因?yàn)樵u估指標(biāo)的量綱不同，無法直接進(jìn)行加權(quán)和比較，所以需將評估指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理：

利用主成分分析法的基本思想，計算得到第i個指標(biāo)的方差貢獻(xiàn)率及累計方差貢獻(xiàn)率分別為：

根據(jù)實(shí)際情況確定累計方差貢獻(xiàn)率的最小值，累計方差貢獻(xiàn)率大于最小值的成分選為主成分，包含了原始指標(biāo)項(xiàng)集的絕大多數(shù)信息。運(yùn)行狀態(tài)評估中，各指標(biāo)貢獻(xiàn)率不同，計算第i個主成分與原第j個評估指標(biāo)之間的相關(guān)系數(shù)Rij，對于p個主成分，選取q個（q≤p）相關(guān)系數(shù)絕對值中最大值對應(yīng)的指標(biāo)作為異常狀態(tài)評估指標(biāo)。

3.3 人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練及預(yù)測

根據(jù)自組織神經(jīng)網(wǎng)絡(luò)無監(jiān)督分類特性[17]，將序列X={X1,X2,…,Xm}作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)集合，序列Y={Y1,Y2,…,Yn}作為輸出參數(shù)集合，對每一個序列輸入?yún)?shù)Xt訓(xùn)練其屬于輸出參數(shù)Yj的公式為：

式中，d為歐式距離；Yi(t)為時間點(diǎn)t時最接近Xt的節(jié)點(diǎn)，代表了對時間序列Xt的量化。

經(jīng)過反復(fù)修正與循環(huán)，使Xt與Yj的距離最小：

式中，γ(t)∈[0,1]為學(xué)習(xí)速率。

若Xt為單一變量的時間序列，經(jīng)過自組織神經(jīng)網(wǎng)絡(luò)訓(xùn)練后，在線性空間中對Xt量化，Xt將轉(zhuǎn)換為離散點(diǎn)時間序列Yi=∈{Y1,Y2,…Yn} 。

預(yù)測的基礎(chǔ)是歷史大數(shù)據(jù)，將3.1 節(jié)得到的關(guān)鍵影響因素輸入人工神經(jīng)網(wǎng)絡(luò)模型，將3.2 節(jié)主成分分析獲得的關(guān)鍵評估指標(biāo)按用戶需求選取t時間尺度，輸出(t+T)時刻的評估指標(biāo)值，反復(fù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型，得到預(yù)測模型。將關(guān)鍵影響因素實(shí)時數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，即可預(yù)測未來一段時間內(nèi)的評估指標(biāo)。時間尺度級別分為年、月、日、時、分，進(jìn)行相應(yīng)時限類指標(biāo)計算后，可用于不同場合的預(yù)測。選擇時間尺度小的單位可評估和預(yù)測網(wǎng)絡(luò)系統(tǒng)中車輛節(jié)點(diǎn)、車對車（Vehicle-to-Vehicle，V2V）連邊的不規(guī)則變動和隨機(jī)變動；選擇時間尺度大的單位可評估和預(yù)測整個預(yù)測期內(nèi)網(wǎng)絡(luò)系統(tǒng)呈現(xiàn)出的總體規(guī)律和周期性變動傾向，用于調(diào)度、檢修等決策控制和網(wǎng)絡(luò)規(guī)劃。

4 算例分析

4.1 識別危險源及確定評估指標(biāo)

根據(jù)交通工程理論，道路交通事故危險源從人、車、路、環(huán)境角度劃分為4類，如圖3所示。

圖3 道路交通事故危險源分類

為防止交通事故發(fā)生，需安裝的設(shè)備包括數(shù)據(jù)信息采集設(shè)備、智能車載終端和信息化系統(tǒng)平臺。本文在內(nèi)蒙古地區(qū)安裝了96 臺（車輛編號為V1～V96）車載數(shù)據(jù)采集終端，上傳到中國工況信息化系統(tǒng)平臺，平臺已經(jīng)運(yùn)行2年，數(shù)據(jù)采集頻率為0.2 Hz[18]。相對速度F2、相對距離F3由內(nèi)置在智能車輛終端的GPS設(shè)備獲得數(shù)據(jù)；車輛故障信息F1由車載單元通過數(shù)據(jù)采集設(shè)備傳輸至信息化系統(tǒng)平臺；駕駛員駕齡E1、性別E2、年齡E3在征集樣本車輛時獲得；駕駛員疲勞情況E4由車內(nèi)攝像頭獲得；環(huán)境因素N可由氣象部門獲得；由于道路因素L不可控，故在此算例中不考慮道路因素。去除無效數(shù)據(jù)后，用主成分分析法降維，每個指標(biāo)作為一個變量，基于收集的歷史大數(shù)據(jù)可獲得每個指標(biāo)的分布情況，用式（7）將各變量進(jìn)行正態(tài)分布標(biāo)準(zhǔn)化處理，并計算方差貢獻(xiàn)率和累計方差貢獻(xiàn)率，根據(jù)式（4）、式（5）計算14個指標(biāo)變量的相關(guān)系數(shù)矩陣R，用式（6）求其特征值λi，用式（8）、式（9）計算各指標(biāo)的貢獻(xiàn)率，結(jié)果如表1所示。

從表1 可以看出，前3 個主成分方差累計貢獻(xiàn)率達(dá)到了96.65%，說明這3個主成分可以代表其他參數(shù)變量的信息，再從主成分中選擇相關(guān)系數(shù)最高的評估指標(biāo)，預(yù)測未來事故發(fā)生的可能性。最終，確定的3個關(guān)鍵指標(biāo)為：相對速度F2、相對距離F3、疲勞駕駛情況E4。

表1 各指標(biāo)變量的貢獻(xiàn)率

4.2 關(guān)聯(lián)規(guī)則分析

以常見的多輛車追尾交通事故為例，假設(shè)V1～V6為樣本車隊(duì)車輛，Vn為目標(biāo)車輛，阻止交通事故發(fā)生的原則是(t+T)時刻不能再增加車輛數(shù)，即在t時刻采取目標(biāo)車輛變速或變道等阻斷措施使得前方樣本車隊(duì)車輛不與目標(biāo)車輛Vn構(gòu)成鏈，如圖4所示。

圖4 公路交通中各時刻車輛行駛狀態(tài)網(wǎng)絡(luò)

根據(jù)4.1 節(jié)確定的關(guān)鍵指標(biāo)，整理數(shù)據(jù)庫中指標(biāo)異常的歷史數(shù)據(jù)，每個異常歷史數(shù)據(jù)作為一個事務(wù)T，每個事務(wù)項(xiàng)集包含評估指標(biāo)和影響因素2類，即關(guān)鍵指標(biāo)集A和影響因素集B，基于圖2 所示算法流程挖掘出頻繁項(xiàng)集，設(shè)置支持度閾值為35%，置信度閾值為85%，從生成的關(guān)聯(lián)規(guī)則中尋找強(qiáng)規(guī)則，得到主要影響因素有：車輛運(yùn)行技術(shù)狀況、天氣、運(yùn)行時間（白天、夜晚）、駕駛員駕駛時間、駕駛員決策。

4.3 仿真驗(yàn)證

設(shè)置時間尺度為小時級，將主要影響因素輸入神經(jīng)網(wǎng)絡(luò)模型，輸出關(guān)鍵評估指標(biāo)，留取部分樣本作為后續(xù)驗(yàn)證樣本，其余樣本都用于神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，得到VANET 運(yùn)行異常人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。選取12 個樣本，其中出租車3輛、私家車5輛、公務(wù)車4輛，采集了48種參數(shù)，包括車輛參數(shù)、運(yùn)行參數(shù)、環(huán)境條件、道路條件等。不限制行駛道路和行駛時間，作為12 種運(yùn)行條件進(jìn)行仿真，將實(shí)際情況與人工神經(jīng)網(wǎng)絡(luò)模型、本文方法進(jìn)行對比，結(jié)果如圖5～圖7 所示。其中概率值為“0”表示正常，“1”表示異常。

圖5 不同運(yùn)行條件下超速概率

圖6 不同運(yùn)行條件下疲勞駕駛概率

圖7 不同運(yùn)行條件下相對距離低于安全距離的概率

從圖5可知，采用本文方法的預(yù)測精度明顯高于不經(jīng)過關(guān)聯(lián)規(guī)則挖掘的方法，可以有效預(yù)測VANET網(wǎng)絡(luò)運(yùn)行異常概率。從圖6可知，本文方法預(yù)測精度較人工神經(jīng)網(wǎng)絡(luò)模型高。另外，本文預(yù)測方法模型訓(xùn)練時間短，模型演變快，便于根據(jù)運(yùn)行信息數(shù)據(jù)動態(tài)變化而快速調(diào)整模型，提高了模型的適應(yīng)性。同時，預(yù)測相對速度超速概率和疲勞駕駛概率還有助于交警判斷事故責(zé)任。由圖7可知，關(guān)聯(lián)規(guī)則挖掘算法比人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測精度高。

時間尺度選為月，基于歷史數(shù)據(jù)，可獲取網(wǎng)絡(luò)異常狀態(tài)總體規(guī)律。將2018年11月～12月異常數(shù)據(jù)作為樣本，選取其中2/3 異常歷史數(shù)據(jù)進(jìn)行樣本訓(xùn)練，1/3 數(shù)據(jù)作為驗(yàn)證樣本，通過3.3節(jié)中的自組織神經(jīng)網(wǎng)絡(luò)算法計算概率，將主要影響因素作為輸入項(xiàng)集A，關(guān)鍵評估指標(biāo)作為輸出項(xiàng)集B。為評估不同道路（高速公路、郊區(qū)公路、城市街道）情境下的結(jié)果，獲得更穩(wěn)健的模型，采用交叉驗(yàn)證方案驗(yàn)證訓(xùn)練模型。將樣本數(shù)據(jù)集分割成10個子集，然后對第i(i=1,2,3,…,10)個子集進(jìn)行訓(xùn)練，其余子集作為驗(yàn)證集。不同情境下進(jìn)行超速、疲勞駕駛、相對距離低于安全距離檢測的準(zhǔn)確性仿真結(jié)果表明，經(jīng)關(guān)聯(lián)規(guī)則挖掘的算法在高速公路、郊區(qū)公路和城市街道的精度分別為89.5%、91.9%和92.4%，可獲得較高精度。

想獲得更高的精度，需要大量的、多樣性的訓(xùn)練數(shù)據(jù)以覆蓋驗(yàn)證集中的所有情況。例如在高速公路場景下，隨著訓(xùn)練數(shù)據(jù)量由數(shù)據(jù)集的10%增加到20%和30%，精度從82.3%提高到86.4%和89.5%，繼續(xù)增加訓(xùn)練數(shù)據(jù)量，準(zhǔn)確性在89.5%左右波動。需要指出的是，不同的訓(xùn)練數(shù)據(jù)子集對模型性能會產(chǎn)生不同的影響，即敏感性不同。平臺運(yùn)行2年中，呼和浩特市3月和11月左右多次出現(xiàn)大風(fēng)天氣，設(shè)備由于風(fēng)速增大受到了影響，使用本方法引起了異常誤報的情況，如何排除外界干擾引起的異常還需要進(jìn)一步研究。

5 結(jié)束語

本文研究了VANET多源異構(gòu)大數(shù)據(jù)運(yùn)行狀態(tài)異常檢測方法，在VANET運(yùn)行狀態(tài)評估中，汽車運(yùn)行參數(shù)數(shù)據(jù)量大，本文提出的方法對數(shù)據(jù)進(jìn)行了篩選、降維和標(biāo)準(zhǔn)化處理，采用主成分分析法降低了計算工作量，加快了計算速度，將并行關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘與人工神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)相結(jié)合，提高了預(yù)測的精度。異常狀態(tài)檢測時，設(shè)備因受到環(huán)境影響造成的異常，使用本文方法可能會出現(xiàn)誤報異常的情況，下一步需對算法進(jìn)行相應(yīng)改進(jìn)，盡量消除外因環(huán)境異常帶來的影響。