基于機(jī)器學(xué)習(xí)的城市道路交通事故嚴(yán)重程度影響因素辨識(shí)研究

劉慶芳 ，成 衛(wèi) ，雷建明 LIU Qingfang， CHENG Wei， LEI Jianming

（1. 昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650504；2. 玉溪市公安局交通警察支隊(duì)，云南 玉溪 653100）

(1. School of Traffic Engineering, Kunming University of Science and Technology, Kunming 650504, China; 2. Traffic Police Detachment of Yuxi Public Security Bureau, Yuxi 653100, China)

0 引 言

近年來(lái)，隨著我國(guó)人均汽車(chē)保有量以及城市基礎(chǔ)建設(shè)工程數(shù)量的迅速增長(zhǎng)，城市交通事故日益頻發(fā)。道路交通安全管理不僅是城市智能化交通管理平臺(tái)建設(shè)的重點(diǎn)工作內(nèi)容，同時(shí)也與國(guó)民的人身財(cái)產(chǎn)安全息息相關(guān)。為了城市道路交通進(jìn)一步安全、快速的發(fā)展，如何采取科學(xué)的方法來(lái)減少城市道路交通事故的發(fā)生以及最大限度地降低事故嚴(yán)重程度，是值得每一位城市交通安全管理人員認(rèn)真思考的。

通過(guò)對(duì)國(guó)內(nèi)外學(xué)者在交通事故嚴(yán)重程度影響因素方面的研究分析后得知，目前主要有以下兩大方面的方法：第一種，基于經(jīng)典的統(tǒng)計(jì)模型方法[1-5]進(jìn)行研究，其中運(yùn)用比較多的有各類(lèi)Logit 模型及其改進(jìn)模型、主成分分析法等。第二種，便是基于機(jī)器學(xué)習(xí)的智能算法，例如支持向量機(jī)模型[6-7]、決策樹(shù)模型[8]、神經(jīng)網(wǎng)絡(luò)模型[9]等。2004 年Hang G B[10]提出了一種新的前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法——極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）。ELM 結(jié)構(gòu)簡(jiǎn)單，并具有良好的泛化能力，它只要獲得隱藏層和輸出層之間的權(quán)重系數(shù)（或連接系數(shù)），并據(jù)此構(gòu)建參數(shù)模型，就可以實(shí)現(xiàn)分類(lèi)的目的，該方法目前已經(jīng)成功的應(yīng)用于食品檢測(cè)、故障監(jiān)測(cè)、交通事故預(yù)測(cè)[11-12]以及圖像處理等領(lǐng)域。

對(duì)以上已有研究總結(jié)分析后可以看出，國(guó)內(nèi)外學(xué)者大都采用經(jīng)典的統(tǒng)計(jì)模型方法來(lái)進(jìn)行辨識(shí)，機(jī)器學(xué)習(xí)算法中雖然已經(jīng)有很多得到了應(yīng)用，但是基于機(jī)器學(xué)習(xí)算法缺點(diǎn)改進(jìn)后的模型應(yīng)用并不是很多。對(duì)于本文所選用的極限學(xué)習(xí)機(jī)，在其原始模式下，隱藏層的節(jié)點(diǎn)數(shù)、隱藏層的隨機(jī)輸入?yún)?shù)以及數(shù)據(jù)噪聲會(huì)對(duì)預(yù)測(cè)精度造成影響，通過(guò)最小二乘調(diào)整的輸出權(quán)重往往會(huì)夸大離群點(diǎn)和噪聲的影響。針對(duì)以上缺點(diǎn)，國(guó)內(nèi)一部分學(xué)者[13-14]通過(guò)引入各種算法來(lái)優(yōu)化改進(jìn)極限學(xué)習(xí)機(jī)，例如量子遺傳算法等?；谝陨涎芯砍晒?，本文在2015～2017 年某市城市道路交通事故統(tǒng)計(jì)報(bào)告的基礎(chǔ)上，提取可用的樣本數(shù)據(jù)集，然后對(duì)預(yù)測(cè)模型影響因素進(jìn)行量化，包括時(shí)間因素、環(huán)境因素、駕駛員因素這幾個(gè)方面共14 個(gè)影響因素。將交通事故樣本數(shù)據(jù)集進(jìn)行三分類(lèi)，分別基于D-ELM、ELM 以及核極限學(xué)習(xí)機(jī)（K-ELM）[15]建立交通事故嚴(yán)重程度影響因素辨識(shí)模型進(jìn)行對(duì)比分析。同時(shí)，根據(jù)模型所得到的影響因素制定相應(yīng)的安全管理措施。

1 極限學(xué)習(xí)機(jī)（ELM） 學(xué)習(xí)原理

2004 年，南洋理工大學(xué)Huang G B 教授提出了ELM 分類(lèi)算法，它是在傳統(tǒng)的單隱層前饋神經(jīng)網(wǎng)絡(luò)（SLFN） 基礎(chǔ)上演變來(lái)的[10]，在它的訓(xùn)練過(guò)程中輸入層的權(quán)值和偏差是隨機(jī)輸入的，而輸出層的權(quán)重是經(jīng)過(guò)廣義逆矩陣?yán)碚撚?jì)算得到的。當(dāng)所有網(wǎng)絡(luò)節(jié)點(diǎn)上的權(quán)值和偏差都獲得后，ELM 的訓(xùn)練過(guò)程就結(jié)束了。然后，把測(cè)試集的數(shù)據(jù)輸入，利用已經(jīng)訓(xùn)練好的輸出層的權(quán)重便可以把網(wǎng)絡(luò)輸出計(jì)算出來(lái)，從而數(shù)據(jù)的預(yù)測(cè)便完成了。極限學(xué)習(xí)機(jī)的學(xué)習(xí)算法具體如下所示：

對(duì)于 N 個(gè)隨機(jī)樣本 （xi， ti），其中 xi= ［xi1，xi2，…，xin］T∈Rn， ti= ［ti1，ti2，…，tim］T∈Rm。對(duì)于有L 個(gè)隱層節(jié)點(diǎn)的單隱層神經(jīng)網(wǎng)絡(luò)可以表示為：

式中：β 是隱含層和輸出層之間的權(quán)值，ξ 是輸出誤差，C 是訓(xùn)練誤差的懲罰因子，H 是隱含層的輸出矩陣，T 是類(lèi)別標(biāo)簽，x 是樣本。

在ELM 分類(lèi)過(guò)程中，輸出函數(shù)被分為兩類(lèi)：

（1） 當(dāng)訓(xùn)練樣本較少，輸出函數(shù)可以表示為：

式中：I 是辨識(shí)矩陣。

（2） 當(dāng)訓(xùn)練樣本數(shù)目過(guò)多，遠(yuǎn)遠(yuǎn)大于特征個(gè)數(shù)時(shí)，輸出函數(shù)可以表示為:

2 深度極限學(xué)習(xí)機(jī)（D-ELM）

2.1 D-ELM 算法

D-ELM 算法的主要原理如下：

在傳統(tǒng)的 ELM 中，類(lèi)別標(biāo)簽可以表示為 ti= ［-1，…，+1，…，-1 ］∈Rc，c 是類(lèi)別數(shù)目，+1 的位置代表該樣本所為類(lèi)別。在此過(guò)程中，把辨識(shí)因子A 矩陣提出去擴(kuò)展類(lèi)別間距離，使其值恒大于0。同時(shí)，引入一個(gè)協(xié)同矩陣Z，假設(shè)當(dāng)Tij=1，Zij=1，或者當(dāng) Tij=-1，Zij=-1。

D-ELM 具體的算法過(guò)程，以本文的三分類(lèi)為例，表1 為改進(jìn)后D-ELM 的擴(kuò)展形式，辨識(shí)因子和協(xié)同矩陣的作用關(guān)系可以用哈達(dá)瑪積形式進(jìn)行表示，表示形式如公式（5）：

在引入?yún)f(xié)同矩陣和辨識(shí)因子之前，前兩個(gè)隱含層的輸出形式可以表示為：

在引入之后，距離可以表示為：

表1 D-ELM 的擴(kuò)展形式

因此，最優(yōu)化問(wèn)題可以轉(zhuǎn)化為：

設(shè)W=T+Z⊙A，最優(yōu)化問(wèn)題可以表示為：

在給定β 后，最優(yōu)化問(wèn)題可以表示為：

設(shè)U=Hβ-T，公式（11） 可以表示為：

根據(jù)哈達(dá)瑪積的計(jì)算形式，公式（12） 可以轉(zhuǎn)換元素相乘形式，可以表示為：

最優(yōu)化問(wèn)題進(jìn)一步轉(zhuǎn)化為：

由于 Aij＞0，因此：

當(dāng)最優(yōu)β 和A 被獲得，輸出函數(shù)可以表述為：

為了優(yōu)化A 和β，設(shè)目標(biāo)誤差為10-4，當(dāng)：

獲得最優(yōu)參數(shù)。式中：k 為迭代次數(shù)，最大值為50。因此，W 被轉(zhuǎn)換為W'=T+Z⊙A，輸出函數(shù)可以表示為：

2.2 GA-D-ELM 模型建立

通過(guò)將D-ELM 作為道路交通事故嚴(yán)重程度三分類(lèi)的分類(lèi)器，利用GA 來(lái)進(jìn)行因素辨識(shí)從而構(gòu)建GA-D-ELM 模型，具體過(guò)程如下：

（1） 采用二進(jìn)制編碼方式，其中因素?cái)?shù)與染色體數(shù)一樣長(zhǎng)。fi（i=1，2，…，n ）表示第n 個(gè)的選擇狀態(tài)，用1 表示因素被選，0表示沒(méi)有被選。

（2） 根據(jù)解空間的大小合理設(shè)置初始種群，最大程度上保證包含影響因素集的各種解。

（3） 利用公式（20） 構(gòu)建適應(yīng)度函數(shù)，利用它計(jì)算初始種群中每個(gè)個(gè)體的適應(yīng)度，進(jìn)行排序。即先將初始種群的個(gè)體由基因型表達(dá)方式轉(zhuǎn)變?yōu)楸憩F(xiàn)型方式；再通過(guò)所選擇的模型影響因素集，帶入數(shù)據(jù)訓(xùn)練樣本中，利用D-ELM 對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，通過(guò)測(cè)試數(shù)據(jù)樣本計(jì)算分類(lèi)精確度；最后，通過(guò)分類(lèi)精確度及選擇的影響因素個(gè)數(shù)來(lái)計(jì)算各個(gè)個(gè)體的適應(yīng)度值。

式中：fitness 表示適應(yīng)度，ω1表示分類(lèi)精度權(quán)重；ω2表示所選因素?cái)?shù)權(quán)重；accuracy 表示分類(lèi)精度。ω1與ω2的值可以根據(jù)實(shí)際情況進(jìn)行調(diào)整，本文假設(shè)ω1=0.8， ω2=0.2。

（4） 根據(jù)適應(yīng)度值排序結(jié)果，從高到低地挑選足夠數(shù)量的優(yōu)秀個(gè)體，直接到下一代。對(duì)最優(yōu)個(gè)體的適應(yīng)度進(jìn)行評(píng)判，達(dá)到設(shè)定判斷值就停止進(jìn)化，沒(méi)有則通過(guò)其他方式繼續(xù)優(yōu)化，計(jì)算下一代種群。

（5） 利用步驟（3） 的方法，計(jì)算新的一代中各個(gè)個(gè)體的適應(yīng)度，并找出適應(yīng)度最佳的個(gè)體。一直重復(fù)以上操作，直到某一代中的最佳個(gè)體適應(yīng)度值在一定的范圍內(nèi)不再變化，終止種群進(jìn)化，從而得到最理想的影響因素集。

3 實(shí)例分析

3.1 數(shù)據(jù)來(lái)源

根據(jù)某市2015～2017 年城市道路交通事故報(bào)告，為了獲取完整、可靠的事故數(shù)據(jù)，本著完整性、隨機(jī)性、權(quán)威性三個(gè)原則，對(duì)這份報(bào)告中的數(shù)據(jù)進(jìn)行篩選，最終獲得了共1 800 條可用樣本數(shù)據(jù)。

3.2 模型影響因素集構(gòu)建及量化

本文為了計(jì)算和說(shuō)明的簡(jiǎn)便，將城市道路交通事故嚴(yán)重程度劃分為三類(lèi)，即為一般事故、重大事故、特大事故，一般事故包括輕微事故和一般事故。在以前關(guān)于城市道路交通事故嚴(yán)重程度影響因素的研究基礎(chǔ)上，結(jié)合搜集到的事故調(diào)查報(bào)告中記錄的信息完整程度，構(gòu)建包括時(shí)間因素、環(huán)境因素、駕駛員因素共三個(gè)方面14 個(gè)變量的模型影響因素集，如表2 所示。采取阿拉伯?dāng)?shù)字編碼制記錄事故變量信息，以“時(shí)間因素”中的季節(jié)變量為例，1～4 分別表示春季、夏季、秋季、冬季。

表2 模型影響因素及量化說(shuō)明

當(dāng)某個(gè)自變量有k （k＞ 2 ）個(gè)分類(lèi)時(shí)，在模型中引入（k- 1 ）個(gè)虛擬變量，將變量變?yōu)?-1 變量。以環(huán)境因素中的照明條件的變量為例，變量分為4 類(lèi)，需要引入3 個(gè)虛擬變量，如表3 所示。

表3 照明條件的虛擬變量

3.3 樣本及參數(shù)設(shè)置

為了對(duì)比改進(jìn)后的GA-D-ELM 的辨識(shí)性能，本文用基于傳統(tǒng)極限學(xué)習(xí)機(jī)以及核極限學(xué)習(xí)機(jī)理論的GA-ELM、GA-K-ELM模型進(jìn)行對(duì)比分析。在這1 800 條數(shù)據(jù)中，三種不同的交通事故數(shù)據(jù)各有600 條。按2∶1 的比例將事故數(shù)據(jù)隨機(jī)地劃分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，即在三種不同的道路交通事故類(lèi)型數(shù)據(jù)中，每種都隨機(jī)選擇其中400 個(gè)樣本作為訓(xùn)練集，剩余的200 個(gè)作為預(yù)測(cè)集。在各類(lèi)ELM 分類(lèi)過(guò)程中，懲罰項(xiàng)C 和隱含層神經(jīng)元個(gè)數(shù)L 是影響分類(lèi)性能的兩個(gè)重要參數(shù)，所以本文對(duì)C 和L的取值進(jìn)行參數(shù)搜索，其中C 是以0.02 為間隔在區(qū)間 ［0.0 2 ，100 ］的范圍內(nèi)進(jìn)行搜索，L 以2 為間隔在區(qū)間 ［2，10 0 ］范圍內(nèi)進(jìn)行搜索。為了消除隨機(jī)性的影響，每個(gè)模型運(yùn)行20 次，取20 次的平均值作為最終的分類(lèi)準(zhǔn)確率，在取得最佳準(zhǔn)確度的基礎(chǔ)上，將D-ELM、K-ELM、ELM 中的神經(jīng)元個(gè)數(shù)L 分別取值為5、8、10。

在GA-D-ELM、GA-ELM、GA-K-ELM 辨識(shí)模型里，令初始種群數(shù)量為50，個(gè)體適應(yīng)度判斷閥值為0.8，實(shí)驗(yàn)證明，迭代50 次后最佳適應(yīng)度基本不發(fā)生變化，故最大進(jìn)化代數(shù)為50。

3.4 識(shí)別結(jié)果及分析

采用Matlab 軟件來(lái)實(shí)現(xiàn)上述算法過(guò)程，最終得到的辨識(shí)因素和分類(lèi)準(zhǔn)確率等如表4 所示：

表4 模型辨識(shí)因素結(jié)果及分類(lèi)準(zhǔn)確率

綜上，在對(duì)三種辨識(shí)模型進(jìn)行對(duì)比分析后，可以看出改進(jìn)后的GA-D-ELM 要比GA-ELM、GA-K-ELM 辨識(shí)性能好。

4 結(jié) 論

首先，通過(guò)在ELM 的類(lèi)別標(biāo)簽中，把辯識(shí)因子矩陣提出去擴(kuò)展類(lèi)別間距離，再引入?yún)f(xié)同矩陣，從而構(gòu)建出D-ELM；其次，通過(guò)GA-D-ELM、GA-ELM、GA-K-ELM 三種模型的對(duì)比分析，結(jié)果顯示：GA-D-ELM 模型可以識(shí)別出數(shù)量更為精簡(jiǎn)的影響因子個(gè)數(shù)，極大程度上提高了分類(lèi)的準(zhǔn)確率。最后，由于本文是通過(guò)歷史統(tǒng)計(jì)數(shù)據(jù)進(jìn)行的研究分析，所以很多數(shù)據(jù)內(nèi)容記錄不全，許多影響因素并沒(méi)有加入模型中進(jìn)行考慮，例如人車(chē)事故中的行人年齡、學(xué)歷以及車(chē)輛自身問(wèn)題等。接下來(lái)的研究中應(yīng)當(dāng)擴(kuò)大實(shí)驗(yàn)樣本的數(shù)量，從而對(duì)城市交通事故嚴(yán)重程度的影響因素進(jìn)行更為全面的研究，使結(jié)果更加準(zhǔn)確。