黃 亮，董智浩＊，張銳明

（1.武漢理工大學(xué)，湖北 武漢 430070；2.廣東泰羅斯動(dòng)力系統(tǒng)有限公司，廣東 佛山 528200）

隨著人們生活水平的提高，對(duì)于物質(zhì)生活的要求也在不斷地提升，體現(xiàn)在衣食住行的方方面面，其中對(duì)于汽車的需求量大幅增加，目前中國(guó)的汽車保有量突破2億，同時(shí)伴隨而來(lái)的還有不斷增加的交通事故數(shù)量。據(jù)統(tǒng)計(jì)中國(guó)每年交通事故超過(guò)50萬(wàn)起，因交通事故死亡人數(shù)超過(guò)10萬(wàn)人，平均每分鐘都會(huì)有1人因?yàn)榻煌ㄊ鹿识鴤麣?，每年因交通事故所造成的?jīng)濟(jì)損失達(dá)數(shù)百億元。駕駛安全已成為人們不可忽略的問(wèn)題之一，駕駛行為分析已成為了駕駛安全領(lǐng)域的焦點(diǎn)之一。近年來(lái)，隨著機(jī)器學(xué)習(xí)技術(shù)的崛起，給人們帶來(lái)了一種比傳統(tǒng)駕駛行為分析方法更快速解析海量駕駛數(shù)據(jù)的分析途徑。

機(jī)器學(xué)習(xí)在駕駛行為預(yù)測(cè)方面的應(yīng)用已經(jīng)有很多科學(xué)家作出相關(guān)的研究。王武宏等[1]通過(guò)定量分析駕駛差錯(cuò)狀態(tài)恢復(fù)行為的特性，依據(jù)對(duì)駕駛差錯(cuò)狀態(tài)的識(shí)別和改正行為的測(cè)度，建立了駕駛恢復(fù)度模型；結(jié)合對(duì)駕駛行為的測(cè)試數(shù)據(jù)與主觀判斷，運(yùn)用改進(jìn)的決策樹求得了駕駛差錯(cuò)狀態(tài)的恢復(fù)概率。郭孜政等[2]采用單因子方差分析提取危險(xiǎn)狀態(tài)辨識(shí)主因子?；谪惾~斯判別構(gòu)建了駕駛行為危險(xiǎn)狀態(tài)辨識(shí)模型。梁軍等[3]針對(duì)傳統(tǒng)駕駛決策模型難以體現(xiàn)駕駛員駕駛過(guò)程中對(duì)交通環(huán)境的感知、判斷、決策、動(dòng)作等環(huán)節(jié)存在不確定性和不一致性，提出了一種基于神經(jīng)網(wǎng)絡(luò)的駕駛行為動(dòng)態(tài)集成學(xué)習(xí)算法（Dynamic Neural Network-Based Integrated Learning Algorithm，DNNIA）。Tezuka等通過(guò)采用靜態(tài)類型的高斯—貝葉斯網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)駕駛員的駕駛行為，與隱馬爾科夫預(yù)測(cè)模型相比較，該模型具有更高的預(yù)測(cè)準(zhǔn)確率。Prakash構(gòu)建了一種基于人工神經(jīng)網(wǎng)絡(luò)的駕駛員模型，與傳統(tǒng)的比例積分微分（Proportional Integral Differential，PID）模型相比較，在跟馳加速過(guò)程中，其能更好地預(yù)測(cè)和控制駕駛行為[4]。

本文提出一種基于隨機(jī)森林的駕駛行為分析，用于對(duì)車主的駕駛行為進(jìn)行分類，并具有預(yù)測(cè)功能，對(duì)駕駛安全技術(shù)的發(fā)展具有重要意義。

1 駕駛行為特性分析

在普通的城市道路當(dāng)中，駕駛行為的特征表現(xiàn)為耦合性、隨機(jī)性和復(fù)雜性（見圖1）。耦合性體現(xiàn)在駕駛行為的變化不僅受司機(jī)的影響，還會(huì)受到環(huán)境因素、車輛故障等其他因素的影響。隨機(jī)性體現(xiàn)在駕駛行為的變更在任何時(shí)間，任何地點(diǎn)都有可能出現(xiàn)，不能百分之百地確定下一步司機(jī)將會(huì)如何控制車輛。復(fù)雜性體現(xiàn)在駕駛行為的分析過(guò)程存在著許多不確定的因素，包括前面提到的耦合性和隨機(jī)性，同時(shí)不同的因素對(duì)于駕駛行為的影響程度，在不同的環(huán)境下可能出現(xiàn)偏差。

圖1 駕駛行為的特征

駕駛行為數(shù)據(jù)的收集主要通過(guò)車載通訊模塊，將車輛數(shù)據(jù)實(shí)時(shí)傳送到后臺(tái)再加以解析，車載通信模塊平均每30 s上傳126字段數(shù)據(jù)，而在這些數(shù)據(jù)中并不是每一條數(shù)據(jù)都是有用的，也不是每個(gè)字段都是必須的，過(guò)多的屬性和數(shù)據(jù)集會(huì)影響決策樹的生長(zhǎng)速度和準(zhǔn)確性，因此需要對(duì)數(shù)據(jù)和屬性進(jìn)行挑選。本課題中一共收集了6 637條車輛數(shù)據(jù)，經(jīng)過(guò)篩選選出4 290條有用數(shù)據(jù)?；隈{駛行為的課題，屬性上選擇了最具研究?jī)r(jià)值的4個(gè)屬性，包括車速、檔位、時(shí)間和天氣，其中車速用1，2和3分別表示車速小于30 km/h，車速在30～50 km/h和車速超過(guò)50 km/h；檔位的取值范圍是1～5；時(shí)間用0，1表示，1表示高峰期，包括7 a.m—9 a.m和6 p.m—8 p.m，0表示其他時(shí)間；天氣也用0，1表示。0表示晴天、陰天等較好的天氣狀況，1表示雨天、霧天等惡劣的天氣狀況。最終的結(jié)果屬性使用安全系數(shù)表示，其中0代表安全，1代表危險(xiǎn)。樣本示例如表1所示。

表1 樣本示例

本文在屬性選擇方面的主要考慮因素是屬性對(duì)于駕駛行為造成的影響程度和駕駛行為對(duì)車輛的影響程度，其中車速，檔位是駕駛行為影響的最主要因素，時(shí)間和天氣屬性是影響駕駛行為的最主要因素。當(dāng)然更多的屬性能夠更優(yōu)化整個(gè)駕駛行為模型，但其他屬性例如電機(jī)轉(zhuǎn)速、轉(zhuǎn)矩等，一方面可以通過(guò)速度、擋位屬性側(cè)面反映，另一方面機(jī)器故障等其他外因也有可能造成這些屬性的變化。為了實(shí)現(xiàn)對(duì)駕駛行為更準(zhǔn)確的預(yù)測(cè)，本文在屬性的選取方面，突出了車速、檔位、時(shí)間和天氣的屬性優(yōu)先級(jí)。

2 隨機(jī)森林算法分析

駕駛行為分析問(wèn)題歸納起來(lái)是一種分類回歸問(wèn)題，在機(jī)器學(xué)習(xí)方法中對(duì)于這一類問(wèn)題的解決方式有很多，例如：支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、邏輯回歸、決策樹和隨機(jī)森林等。本文采用隨機(jī)森林的方式來(lái)進(jìn)行駕駛行為的分析，其構(gòu)造過(guò)程如圖2所示。

圖2 隨機(jī)森林構(gòu)建過(guò)程

隨機(jī)森林是一種基于決策樹算法的分類算法，它通過(guò)自助法重采樣技術(shù)，從原始訓(xùn)練樣本集N中有放回地重復(fù)隨機(jī)抽取n個(gè)樣本生成新的訓(xùn)練樣本集合訓(xùn)練決策樹，然后按以上步驟生成n棵決策樹組成隨機(jī)森林，新數(shù)據(jù)的分類結(jié)果按分類樹投票多少形成的分?jǐn)?shù)而定。其實(shí)質(zhì)是對(duì)決策樹算法的一種改進(jìn)，將多個(gè)決策樹合并在一起，每棵樹的建立依賴于獨(dú)立抽取的樣本。

隨機(jī)森林的核心是決策樹的構(gòu)造，決策樹結(jié)構(gòu)如圖3所示，從根節(jié)點(diǎn)開始，測(cè)試待分類項(xiàng)中相應(yīng)的特征屬性，并按照其值選擇輸出分支，直到到達(dá)葉子節(jié)點(diǎn)，將葉子節(jié)點(diǎn)存放的類別作為決策結(jié)果，其每個(gè)非葉節(jié)點(diǎn)表示一個(gè)特征屬性上的測(cè)試，每個(gè)分支代表這個(gè)特征屬性在某個(gè)值域上的輸出，而每個(gè)葉節(jié)點(diǎn)存放一個(gè)類別。

圖3 決策樹結(jié)構(gòu)

構(gòu)造決策樹的關(guān)鍵步驟是分裂屬性。所謂分裂屬性就是在某個(gè)節(jié)點(diǎn)處按照某一特征屬性的不同劃分構(gòu)造不同的分支，其目標(biāo)是讓各個(gè)分裂子集盡可能地“純”。盡可能“純”就是盡量讓一個(gè)分裂子集中待分類項(xiàng)屬于同一類別。構(gòu)造決策樹的關(guān)鍵性內(nèi)容就是進(jìn)行屬性選擇度量，屬性選擇度量是一種選擇分裂準(zhǔn)則，它決定了拓?fù)浣Y(jié)構(gòu)及分裂點(diǎn)的選擇。

決策樹中主流的屬性選擇度量算法有3個(gè)：ID 3算法，采用信息增益最大的特征；C4.5算法，采用信息增益比選擇特征；分類與回歸樹（Classification and Regression Tree，CART）算法，利用基尼指數(shù)最小化準(zhǔn)則進(jìn)行特征選擇。根據(jù)不同的算法來(lái)分裂屬性，選出最佳節(jié)點(diǎn)，最終構(gòu)成一棵完整的決策樹。針對(duì)駕駛行為的特征，本文在屬性選擇度量算法上選擇C4.5算法，優(yōu)點(diǎn)如下：

（1）用信息增益率來(lái)選擇屬性，克服了用信息增益選擇屬性時(shí)偏向選擇取值較多的屬性這一不足。（2）在決策樹構(gòu)造過(guò)程中進(jìn)行剪枝。（3）能夠完成對(duì)連續(xù)屬性的離散化處理。（4）能夠?qū)Σ煌暾麛?shù)據(jù)進(jìn)行處理。

通過(guò)C4.5算法度量屬性，建立決策樹并重復(fù)此過(guò)程n次，最終構(gòu)成隨機(jī)森林模型。當(dāng)新的測(cè)試數(shù)據(jù)集需要檢驗(yàn)時(shí)，只要將測(cè)試集中的數(shù)據(jù)元分別帶入隨機(jī)森林模型中，從而得到n個(gè)不同的分類結(jié)果，再利用投票機(jī)制選出最終結(jié)果。

本文之所以選擇隨機(jī)森林算法來(lái)實(shí)現(xiàn)駕駛行為的分析，是基于上述駕駛行為的特性分析，針對(duì)駕駛行為的耦合性，隨機(jī)性和復(fù)雜性，相比于其他機(jī)器學(xué)習(xí)算法的優(yōu)勢(shì)在于以下方面。

（1）駕駛行為的耦合性體現(xiàn)在駕駛行為受到許多不同因素的影響，因?yàn)殡S機(jī)森林的核心是決策樹模型，而決策樹的這種樹形分類方式能有效地區(qū)分開不同的屬性，通過(guò)信息增益比來(lái)判斷不同屬性的優(yōu)先級(jí)，很好地解決了駕駛行為的耦合性。

（2）駕駛行為的隨機(jī)性體現(xiàn)在不同時(shí)間不同路況下駕駛行為都會(huì)出現(xiàn)變化，而隨機(jī)森林是一種基于大數(shù)據(jù)的分析模型，隨機(jī)篩選數(shù)據(jù)構(gòu)造大量決策樹來(lái)組成隨機(jī)森林模型，再通過(guò)眾數(shù)投票方式選出結(jié)果，這種隨機(jī)大量選取，眾數(shù)決策的方式很好地應(yīng)對(duì)了駕駛行為的隨機(jī)性問(wèn)題。

（3）駕駛行為的復(fù)雜性體現(xiàn)在駕駛行為數(shù)據(jù)是由一組復(fù)雜的屬性數(shù)據(jù)構(gòu)成，一方面本文只選取了主要影響屬性，另一方面決策樹的樹形結(jié)構(gòu)更易于人們直觀地理解，不同的屬性對(duì)于駕駛行為的影響程度，很好地降低了數(shù)據(jù)復(fù)雜性。

本文一共選取了4種主要屬性集：{車速,擋位,時(shí)間,天氣}和最終分類結(jié)果集{安全，危險(xiǎn)}。在構(gòu)建單棵決策樹時(shí)，先通過(guò)計(jì)算信息增益比，選出信息增益比最大地屬性作為根節(jié)點(diǎn)，假設(shè)為車速；接著再在剩下的屬性集{擋位，時(shí)間，天氣}中計(jì)算出最大信息增益比的屬性，假設(shè)為擋位，以此類推，直到構(gòu)成一棵完整的決策樹。這只是單棵樹的構(gòu)造，隨機(jī)森林模型是在整個(gè)駕駛行為數(shù)據(jù)集中，隨機(jī)選取一定數(shù)量的數(shù)據(jù)，每組數(shù)據(jù)都構(gòu)成上述的單棵決策樹，大量的決策樹組成了隨機(jī)森林。當(dāng)需要進(jìn)行預(yù)測(cè)分析時(shí)，將測(cè)試數(shù)據(jù)代入到隨機(jī)森林模型中，數(shù)據(jù)經(jīng)過(guò)隨機(jī)森林的每棵決策樹，得到不同的結(jié)果，最后利用眾數(shù)投票方式選出結(jié)果值數(shù)量最多的那個(gè)結(jié)果值作為最終結(jié)果。在本文中也就是在{安全，危險(xiǎn)}中選擇那個(gè)通過(guò)隨機(jī)森林模型，結(jié)果值數(shù)量超過(guò)半數(shù)的結(jié)果。

3 隨機(jī)森林算法流程

隨機(jī)森林算法流程如下：

（1）將駕駛行為數(shù)據(jù)集通過(guò)自助法（bootstrap）重采樣技術(shù)，從駕駛行為數(shù)據(jù)集中有放回地重復(fù)隨機(jī)抽取樣本生成訓(xùn)練樣本集合；（2）采用C4.5算法來(lái)選擇分裂屬性，構(gòu)造決策樹。

首先給出如下定義：

定義1 設(shè)D是訓(xùn)練樣本集，類別屬性具有m個(gè)不同的值，即有m個(gè)不同類Ci（i=1, 2, ... ,m）,Di是隸屬Ci類的樣本集合，則信息熵的計(jì)算公式記為：

其中pi是集合D中任意屬于類Ci的概率，可用表示。

定義2 設(shè)訓(xùn)練樣本集D按屬性A進(jìn)行劃分，則條件熵為：

定義3 在C4.5算法中使用增益率的信息增益擴(kuò)充來(lái)克服ID3算法偏向多值屬性的缺陷，首先分裂信息公式為：

增益率為：

決策樹構(gòu)造流程：設(shè)訓(xùn)練樣本集為D，D中的屬性為速度，擋位，天氣和時(shí)間，屬性集為A，A中的屬性為安全和危險(xiǎn)。

①創(chuàng)建結(jié)點(diǎn)N；

②ifD都在同一個(gè)類C

then 返回N作為葉結(jié)點(diǎn)，用類C標(biāo)記；

③else ifA為空

then 返回N為葉結(jié)點(diǎn)，標(biāo)記D為樣本數(shù)種最多的類；

④else if 通過(guò)增益率選取最佳屬性a0標(biāo)記為N，并在屬性集中剔除a0；

⑤forD根據(jù)a0的值劃分成不同的子集Ds；

ifDs為空

then 將N標(biāo)記為葉結(jié)點(diǎn)，標(biāo)記D為樣本數(shù)種最多的類；return；

else 在子集Ds和剔除了a0的新的屬性集Aa0中再選出最佳屬性a1，標(biāo)記為新的結(jié)點(diǎn)N，并在屬性集中剔除a1。

構(gòu)建決策樹如圖4所示。

（3）重復(fù)以上步驟n次，即生成n棵決策樹，形成隨機(jī)森林。

（4）對(duì)于測(cè)試數(shù)據(jù)，經(jīng)過(guò)每棵樹決策，最后投票確認(rèn)分到哪一類。 算法流程如圖5所示。

圖4 決策樹構(gòu)建示例

圖5 算法流程

4 算法實(shí)現(xiàn)與結(jié)果驗(yàn)證

本文使用懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis，WEKA）來(lái)完成隨機(jī)森林在計(jì)算機(jī)上的實(shí)現(xiàn)。WEKA誕生于 University of Waikato并在1997年首次以其現(xiàn)代的格式實(shí)現(xiàn)。WEKA作為一個(gè)公開的數(shù)據(jù)挖掘工作平臺(tái)，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、分類、回歸、聚類、關(guān)聯(lián)規(guī)則以及在新的交互式界面上的可視化。該軟件以Java語(yǔ)言編寫并包含了一個(gè)圖形用戶界面（Graphical User Interface，GUI）來(lái)與數(shù)據(jù)文件交互并生成可視結(jié)果。它還有一個(gè)通用應(yīng)用程序編程接口（Application Programming Interface，API），所以可以像嵌入其他的庫(kù)一樣將WEKA嵌入到應(yīng)用程序以完成諸如服務(wù)器端自動(dòng)數(shù)據(jù)挖掘這樣的任務(wù)。使用WEKA只需將數(shù)據(jù)集保存為.arff格式直接引入即可。

在WEKA中實(shí)現(xiàn)隨機(jī)森林算法時(shí)為提高其準(zhǔn)確性，主要需要對(duì)Percentage split參數(shù)進(jìn)行調(diào)試。Percentage split表示按照一定比例，將數(shù)據(jù)集分為兩份，一份做訓(xùn)練，一份做測(cè)試。據(jù)大量統(tǒng)計(jì)學(xué)實(shí)驗(yàn)驗(yàn)證，訓(xùn)練集大約占所有樣本集合的2/3時(shí)，生成的隨機(jī)森林模型的性能最高，而WEKA中Percentage split的默認(rèn)值也是66%，但對(duì)于不同的數(shù)據(jù)集Percentage split的最佳值可能會(huì)發(fā)生變化，但大致范圍處于60%～80%。本文通過(guò)WEKA實(shí)現(xiàn)了隨機(jī)森林模型，同時(shí)設(shè)置不同的Percentage split值分析其最高精確點(diǎn)的取值。結(jié)果如圖6所示，其中縱坐標(biāo)表示預(yù)測(cè)的精確度，橫坐標(biāo)表示不同的Percentage split。從中可以看出當(dāng)選擇75%來(lái)分離數(shù)據(jù)集時(shí)，達(dá)到最高的精確度。

圖6 Percentage split不同數(shù)值下準(zhǔn)確率對(duì)比

使用WEKA實(shí)現(xiàn)的隨機(jī)森林算法，在最高精確度上達(dá)到 78.7313%，從中可以看出隨機(jī)森林算法應(yīng)用于駕駛行為分析上可以達(dá)到較高的精度，致使精確度無(wú)法到80%以上的原因主要是與數(shù)據(jù)本身缺乏普遍性有關(guān)，如果能從更多的數(shù)據(jù)源收集更多的數(shù)據(jù)，同時(shí)增加數(shù)據(jù)數(shù)量，這樣隨機(jī)森林模型的建立就能更加的完整，從而提升預(yù)測(cè)的準(zhǔn)確性。

另外本文還利用WEKA實(shí)現(xiàn)不同的機(jī)器學(xué)習(xí)分類回歸方法，對(duì)同一數(shù)據(jù)集作出分析，精確度對(duì)比如圖7所示，其中縱坐標(biāo)表示預(yù)測(cè)精確度，橫坐標(biāo)表示各分類算法。從圖7中可以看出在駕駛行為預(yù)測(cè)方面隨機(jī)森林算法比起其他的分類回歸方法具有更高的精確度，進(jìn)一步反映了隨機(jī)森林在駕駛行為分析領(lǐng)域擁有更高的應(yīng)用價(jià)值。

圖7 各種機(jī)器學(xué)習(xí)分類回歸方法精確度對(duì)比

5 結(jié)語(yǔ)

隨機(jī)森林算法是目前最為流行的機(jī)器學(xué)習(xí)算法之一，與決策樹相比，其具有更高的預(yù)測(cè)準(zhǔn)確率，對(duì)異常值和噪聲具有很好的容忍度，且不容易出現(xiàn)過(guò)擬合。本文通過(guò)車載通訊模塊收集駕駛行為數(shù)據(jù)，并針對(duì)其耦合性、隨機(jī)性和復(fù)雜性的特點(diǎn)，對(duì)數(shù)據(jù)進(jìn)行篩選，采用C4.5算法選取屬性，建立決策樹，最終構(gòu)成駕駛行為隨機(jī)森林模型，在計(jì)算機(jī)上通過(guò)WEKA實(shí)現(xiàn)算法并驗(yàn)證了模型的準(zhǔn)確率。

經(jīng)驗(yàn)證，隨機(jī)森林算法在駕駛行為分析上具有較高的精確度，因WEKA良好的擴(kuò)展性，可將算法程序移植入一些車載終端或手機(jī)APP上，通過(guò)該算法能夠?qū)︸{駛行為作出預(yù)測(cè)，當(dāng)出現(xiàn)危險(xiǎn)的駕駛行為特征時(shí)，及時(shí)發(fā)出警告，提醒司機(jī)安全駕駛，從而提高交通安全，避免交通事故的發(fā)生。

[參考文獻(xiàn)]

[1]王武宏，沈中杰，杜秋.基于決策樹的駕駛差錯(cuò)恢復(fù)行為的建模[J].北京理工大學(xué)學(xué)報(bào)，2002（1）：61-65.

[2]郭孜政，陳崇雙，王欣.基于貝葉斯判別的駕駛行為危險(xiǎn)狀態(tài)辨識(shí)[J].西南交通大學(xué)學(xué)報(bào)，2009（5）：771-775.

[3]梁軍，沙志強(qiáng)，陳龍.基于人工神經(jīng)網(wǎng)絡(luò)的駕駛行為動(dòng)態(tài)集成學(xué)習(xí)算法[J].交通運(yùn)輸系統(tǒng)工程與信息，2012（2）：34-40.

[4]陳雪梅，田賡，苗一松.面向智能駕駛行為的機(jī)器學(xué)習(xí)[J].道路交通與安全，2014（6）：60-64.

[5]嚴(yán)新平.道路交通駕駛行為研究進(jìn)展及其展望[J].交通信息與安全，2013（1）：45-51.

（2）輔助材料成本。報(bào)廢的動(dòng)力電池需要用酸、堿、有機(jī)溶劑、沉淀劑等進(jìn)行處理，回收的工藝不同以及最后產(chǎn)品的不同，所使用的輔助材料也有所不同。

[6]李揚(yáng).駕駛行為安全性多屬性評(píng)價(jià)方法及應(yīng)用研究[D].長(zhǎng)春：吉林大學(xué)，2016.

[7]段冀陽(yáng)，李志忠.駕駛行為模型的研究進(jìn)展[J].中國(guó)安全科學(xué)學(xué)報(bào)，2012（2）：30-36.

[8]李欣海.隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J].應(yīng)用昆蟲學(xué)報(bào)，2013（4）：1190-1197.

[9]曹正鳳.隨機(jī)森林算法優(yōu)化研究[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2014.

[10]陳慧萍，林莉莉，王建東，等.WEKA數(shù)據(jù)挖掘平臺(tái)及其二次開發(fā)[J].計(jì)算機(jī)工程與應(yīng)用，2008（19）：76-79.

[12]劉哲.基于WEKA的交通流數(shù)據(jù)處理平臺(tái)搭建及預(yù)測(cè)實(shí)現(xiàn)[D].北京：北京交通大學(xué)，2016.