王延安，劉慶芳，成 衛(wèi)

（1.玉溪市公安局交通警察支隊，云南玉溪 653100；2.昆明理工大學(xué)交通工程學(xué)院，云南昆明 650000）

0 引言

2019 年，我國出臺大力發(fā)展智慧交通相關(guān)政策，強(qiáng)調(diào)在交通行業(yè)中要廣泛且深度地應(yīng)用大數(shù)據(jù)、人工智能等前沿技術(shù)，在2035 年基本建成交通強(qiáng)國［1］。在2020 年進(jìn)一步明確了要建設(shè)交通強(qiáng)國，加快新型基礎(chǔ)設(shè)施建設(shè)的步伐［2］。然而，近幾年來我國交通安全事故頻發(fā)，嚴(yán)重阻礙了我國交通行業(yè)的健康發(fā)展。2019 年國家統(tǒng)計局?jǐn)?shù)據(jù)顯示［3］，共發(fā)生247 646 起交通事故，造成134 618 萬元的直接財產(chǎn)損失，其中包含215 009 起機(jī)動車事故。如今人們的衣食住行都和交通行業(yè)緊密地聯(lián)系在一起，一旦發(fā)生交通事故，輕則僅在錢財上有所損失，嚴(yán)重情況下生命和財產(chǎn)都保不住。因此，對交通事故嚴(yán)重程度進(jìn)行分析和預(yù)測，準(zhǔn)確找出交通事故嚴(yán)重程度的關(guān)鍵影響因素值得探究。

國內(nèi)外對于交通事故嚴(yán)重程度問題的研究已開展多年。Dapilah 等［4］基于美國加納摩托車交通事故記錄，指出道路交通事故的嚴(yán)重程度與摩托車駕駛者的交通行為有著緊密關(guān)系；Shinohara 等［5］基于卡方檢驗驗證了安全帶使用情況和汽車車型這兩個因素對交通事故人員傷亡程度的影響；Yau 等［6］將交通事故嚴(yán)重程度分為輕微事故和嚴(yán)重/致命事故兩種，基于1999-2000 年的香港多車碰撞事故數(shù)據(jù)集，利用逐步Logistic 回歸模型得出事故發(fā)生時間、駕駛員性別、車輛類型、道路類型等為重要的交通事故嚴(yán)重程度影響因素；Olutayo 等［7］基于美國尼日利亞交通最為繁忙街道的歷史交通事故集，分別采用決策樹和神經(jīng)網(wǎng)絡(luò)算法對交通事故嚴(yán)重程度進(jìn)行預(yù)測，實驗結(jié)果顯示在此案例中決策樹性能要優(yōu)于神經(jīng)網(wǎng)絡(luò)，并對事故的主要原因進(jìn)行總結(jié)，分別為：車輛爆胎、車輛失控及超速；Hassan 等［8］基于利雅得2004-2011 年的交通事故傷亡記錄數(shù)據(jù)，發(fā)現(xiàn)交通事故嚴(yán)重程度最重要的影響因素是道路因素；馬壯林等［9］基于高速典型事故歷史統(tǒng)計資料，使用累積Logistic模型分析得出季節(jié)、事故時間段等是重要的事故嚴(yán)重程度影響因素；馬柱等［10］在二項Logistic 模型的基礎(chǔ)上，對城市道路交通事故嚴(yán)重程度進(jìn)行相關(guān)預(yù)測分析；楊京帥等［11］將智能群體建模、魚骨圖法和試驗測試法進(jìn)行結(jié)合，基于此結(jié)合方法對碰撞事故的主要原因和重要影響因素進(jìn)行分析；陳艷艷等［12］在二元logistic 回歸模型的基礎(chǔ)上對特大城市的道路交通事故影響因素進(jìn)行研究分析，指出能見度、照明條件以及交通信號方式的影響作用最大；戢曉峰等［13］基于2014-2016 年深圳市的歷史交通數(shù)據(jù)記錄，利用廣義有序Logit 回歸模型對夜間超大城市的交通事故嚴(yán)重程度影響因素進(jìn)行分析；曹弋等［14］在現(xiàn)有的交通事故嚴(yán)重等級劃分基礎(chǔ)上，加入第三方經(jīng)濟(jì)損害，構(gòu)建對應(yīng)的評價體系并對交通事故嚴(yán)重程度進(jìn)行判別，以大連市的實際案例進(jìn)行分析說明；林慶豐等［15］在所收集的2017 年廣東省機(jī)—非交通事故集上，利用Logistic 模型進(jìn)行嚴(yán)重程度預(yù)測分析；董傲然等［16］在部分優(yōu)勢比分析模型的基礎(chǔ)上，使用彈性分析法得出行人及機(jī)動車駕駛員的性別、道路類型等對行人傷害的嚴(yán)重程度有著非常重要的影響；王立曉等［17］在傳統(tǒng)的二項Logit 模型上，增加了偏斜系數(shù)，從而構(gòu)建出Scobit 模型，并將其用于交通事故的受傷嚴(yán)重程度預(yù)判。

綜上所述，目前對于交通事故嚴(yán)重程度的影響因素分析角度比較單一，很多研究僅從車輛、駕駛員、道路及環(huán)境中的單一方面進(jìn)行研究，對影響因素的考慮不夠全面。同時，后續(xù)建模過程中輸入特征和預(yù)測方法的選擇需進(jìn)一步加強(qiáng)研究，從而提升模型預(yù)測準(zhǔn)確性。鑒于此，本文從車輛、駕駛員、道路及環(huán)境4 個方面考慮交通事故嚴(yán)重程度的影響因素，并利用隨機(jī)森林模型選擇出重要影響因素，然后基于重要影響因素采用XGBoost算法對交通事故嚴(yán)重程度進(jìn)行預(yù)測。

1 道路交通事故數(shù)據(jù)描述

1.1 數(shù)據(jù)來源

本文選取我國某省2014-2019 年的城市道路交通事故數(shù)據(jù)進(jìn)行研究，基于數(shù)據(jù)記錄完整、準(zhǔn)確的原則，利用python 中的pandas 對數(shù)據(jù)集進(jìn)行缺失數(shù)據(jù)檢測及刪除處理后，最終得到22 896 條交通事故數(shù)據(jù)。該交通事故數(shù)據(jù)包含車輛、駕駛員、道路及環(huán)境4 個方面的影響因素，本文基于這些影響因素展開研究。

1.2 道路交通事故嚴(yán)重程度分類

在不同的國家對于道路交通事故嚴(yán)重程度分類標(biāo)準(zhǔn)都有所不同。在美國，劃分成無人員受傷事故、輕微受傷事故、人員非致殘性事故、人員致殘性事故及死亡事故5種類型；在日本，劃分成輕傷、重傷及死亡3 種類型；在德國，劃分成僅物體損失人員未受傷事故、人員受輕傷事故、人員受重傷事故及人員死亡事故4 種類型；在我國，劃分成人員輕傷1～2 人的輕微事故、人員重傷1～2 人的一般事故、人員死亡1～2 人的重大事故以及人員死亡3 人以上的特大事故4 種類型。對本文的交通事故數(shù)據(jù)集進(jìn)行分析后可以得知，人員輕傷1～2 人的輕微事故和人員重傷1～2人的一般事故記錄較多，而人員死亡1～2 人的重大事故以及人員死亡3 人以上的特大事故只有很少的記錄，故將人員輕傷1～2 人的輕微事故和人員重傷1～2 人的一般事故合并為一般事故，人員死亡1～2 人的重大事故以及人員死亡3人以上的特大事故合并為嚴(yán)重事故。

2 數(shù)據(jù)預(yù)處理及特征工程

2.1 數(shù)據(jù)預(yù)處理

2.1.1 不平衡數(shù)據(jù)處理

對合并后的數(shù)據(jù)集進(jìn)行分析可知，在22 896 條城市交通事故數(shù)據(jù)中，一般事故占97.34%，嚴(yán)重事故僅占2.66%，兩個類別的比例存在嚴(yán)重的不平衡現(xiàn)象。對于這樣的數(shù)據(jù)，不能直接進(jìn)行建模，本文利用SMOTE 算法［18］將不平衡數(shù)據(jù)轉(zhuǎn)換為相對平衡的數(shù)據(jù)，使一般事故和嚴(yán)重事故各占50%。

2.1.2 數(shù)據(jù)標(biāo)準(zhǔn)化處理

對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，公式如下：

2.2 模型輸入特征

2.2.1 特征編碼

本文從車輛、駕駛員、道路及環(huán)境4 個方面構(gòu)造變量，具體的變量說明如表1所示。

Table 1 Variable description表1 變量說明

當(dāng)某個分類自變量的類型超過2 種時，需要引入虛擬變量，將該自變量轉(zhuǎn)換為0 -1 變量。若為m個分類時，需要引入m-1 個虛擬變量。以道路缺陷變量為例，變量為4分類，在其中引入3個虛擬變量，則如表2所示。

2.2.2 特征選擇

好的模型輸入特征可以有效提升模型預(yù)測性能，本文通過隨機(jī)森林算法選擇出重要的模型輸入特征。在2001年，Breiman［19］在Bagging 集成學(xué)習(xí)方法的基礎(chǔ)上構(gòu)建出隨機(jī)森林算法，該算法包含多棵決策樹模型。隨機(jī)森林因具有預(yù)測準(zhǔn)確度高和計算速率快等優(yōu)點，已成為目前最熱門的算法之一。隨機(jī)森林有mean decrease impurity 和mean decrease accuracy 這兩種特征選擇依據(jù)，將特征子集輸入隨機(jī)森林進(jìn)行選擇，最終根據(jù)重要性排序，選取事故車輛數(shù)x14、小時x15、周幾x16、月份x17、年齡x19、駕駛員視野是否有遮擋x22、駕駛員身體健康情況是否正常x23、汽車生產(chǎn)年份x24、照明條件x5、是否為道路交叉口x11、汽車檔位變換類型x26、是否超速x29作為輸入特征。

Table 2 Dummy variables for road defects表2 道路缺陷的虛擬變量

3 預(yù)測模型建立及實驗結(jié)果對比

3.1 XGBoost模型

XGBoost［20］是Extreme Gradient Boosting 的縮寫，是在傳統(tǒng)的GBDT［21］模型上發(fā)展而得到。主要改進(jìn)如下：不但可以使用CART 決策樹，而且能使用線性基礎(chǔ)模型；在損失函數(shù)中加入了一個正則項，防止了模型的過擬合并控制了模型的復(fù)雜度；基于隨機(jī)森林的思想，對字段實行抽樣處理，既降低了模型計算量，又防止了過擬合。

基于XGBoost 算法的交通事故嚴(yán)重程度預(yù)測模型，其預(yù)測結(jié)果為：

使用二階泰勒展開Obj(k)，可得：

將式（5）中的常量去除后，則損失函數(shù)為：

此時，式（10）為新的目標(biāo)函數(shù)，對其進(jìn)行模型尋優(yōu)，可以看出其十分依賴Ph和Qh。因為Ph和Qh是由損失函數(shù)以及該結(jié)構(gòu)下樹的預(yù)測結(jié)果共同決定，且K通過樹結(jié)構(gòu)決定，因此對目標(biāo)函數(shù)Obj進(jìn)行最小化求解，即為對最佳樹結(jié)構(gòu)進(jìn)行求解。

XGBoost 是如今非常熱門的機(jī)器學(xué)習(xí)算法之一，在交通事故嚴(yán)重程度預(yù)測上還未有應(yīng)用。鑒于此，本文基于XGBoost算法構(gòu)建交通事故嚴(yán)重程度預(yù)測模型，并與KNN、Logistic、隨機(jī)森林算法進(jìn)行結(jié)果對比分析。

3.2 模型評價指標(biāo)

本文利用準(zhǔn)確率及AUC 值對預(yù)測模型的性能進(jìn)行評價。

（1）準(zhǔn)確率。準(zhǔn)確率是分類問題中使用最多的性能評價指標(biāo)，表示被正確分類的樣本數(shù)量在總樣本數(shù)量中的占比，計算如下：

（2）AUC（Area Under Curve）。AUC 用來表示ROC 曲線下的面積大小。在分類模型中，其AUC 值越大，則代表該模型的分類性能越優(yōu)。

3.3 實驗結(jié)果與對比分析

在本次實驗中，“正樣本”為嚴(yán)重故事，“負(fù)樣本”為一般故事。將實驗交通事故數(shù)據(jù)集劃分為訓(xùn)練集和測試集，其中訓(xùn)練數(shù)據(jù)占總數(shù)據(jù)集的3/4，其余數(shù)據(jù)作為測試集。在XGBoost、KNN、Logistic 及隨機(jī)森林模型分別進(jìn)行訓(xùn)練和測試。

各模型對交通事故嚴(yán)重程度預(yù)測的準(zhǔn)確率如表3 所示，可以看出XGBoost 模型預(yù)測性能在4 種算法中表現(xiàn)最優(yōu)。

Table 3 Prediction accuracy of each model表3 各模型預(yù)測準(zhǔn)確率

各模型的ROC 曲線如圖1 所示，可以得知XGBoost 模型AUC 的值比隨機(jī)森林、KNN 及Logistic 模型的值都要高，即XGBoost 模型分類效果要比隨機(jī)森林、KNN 及Logistics模型表現(xiàn)更好。

Fig.1 ROC curves of each model圖1 各模型ROC曲線

4 結(jié)語

本文在我國某省的城市道路交通事故集基礎(chǔ)上，通過分析得出駕駛員身體健康狀況、事故發(fā)生時間、照明條件以及是否超速等是交通事故嚴(yán)重程度的重要影響因素。因此，在今后的道路交通安全管理工作中，可以著重對以上因素進(jìn)行考慮，從而進(jìn)一步預(yù)防交通事故的發(fā)生并降低交通事故的嚴(yán)重程度。

本文只使用了隨機(jī)森林、XGBoost、KNN 及Logistic 4 種單一算法進(jìn)行預(yù)測，后續(xù)可對單一預(yù)測模型進(jìn)行組合從而形成融合模型，以期進(jìn)一步提升預(yù)測準(zhǔn)確性。