孫經(jīng)偉，谷遠(yuǎn)利

（北京交通大學(xué) 綜合交通運(yùn)輸大數(shù)據(jù)應(yīng)用技術(shù)交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室，北京 100044）

0 引言

交通狀態(tài)識(shí)別是智能交通管理和控制中的重要一環(huán)，通過(guò)實(shí)時(shí)、準(zhǔn)確的交通狀態(tài)識(shí)別可獲得道路狀態(tài)信息，據(jù)此誘導(dǎo)和控制交通，有助于緩解城市交通擁堵。因此，交通狀態(tài)識(shí)別成為智能交通系統(tǒng)中重要的研究方向。

目前，交通狀態(tài)識(shí)別方法主要有聚類算法和有監(jiān)督的機(jī)器學(xué)習(xí)兩種。聚類算法具有良好的分類效果，能對(duì)交通流數(shù)據(jù)進(jìn)行有效分類，同時(shí)對(duì)交通狀態(tài)識(shí)別的模糊性有較好的適應(yīng)性。部分學(xué)者通過(guò)對(duì)聚類算法優(yōu)化或結(jié)合其他算法對(duì)交通狀態(tài)進(jìn)行識(shí)別，如結(jié)合最優(yōu)自編碼器和K 均值（Kmeans）聚類算法[1]、加權(quán)指數(shù)的模糊C均值（Fuzzy C-Means,FCM）算法[2]、投影尋蹤動(dòng)態(tài)聚類[3]、高斯混合模型聚類算法[4]等，從而實(shí)現(xiàn)對(duì)交通狀態(tài)實(shí)時(shí)有效的判別。不過(guò)，聚類算法結(jié)果易受初始聚類中心隨機(jī)選擇的影響而陷入局部最優(yōu)問(wèn)題，從而導(dǎo)致交通狀態(tài)識(shí)別結(jié)果的準(zhǔn)確性和穩(wěn)定性不高。有監(jiān)督的機(jī)器學(xué)習(xí)算法具有良好的學(xué)習(xí)能力，可通過(guò)訓(xùn)練數(shù)據(jù)樣本獲得較高的分類精度，目前已經(jīng)在交通狀態(tài)識(shí)別領(lǐng)域得到廣泛應(yīng)用。如一些學(xué)者嘗試使用BP 神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network,BPNN）[5]、隨機(jī)森林算法[6]、融合多個(gè)機(jī)器學(xué)習(xí)模型[7]、遺傳算法優(yōu)化SVM[8]、K-近鄰規(guī)則（K-Nearest Neighbor,KNN）[9]、貝葉斯算法[10]等來(lái)構(gòu)造交通狀態(tài)識(shí)別模型，并得到較好的識(shí)別結(jié)果。不過(guò)許多研究對(duì)機(jī)器學(xué)習(xí)算法的超參數(shù)取值會(huì)影響模型訓(xùn)練結(jié)果和擬合程度的問(wèn)題考慮不足，使得模型識(shí)別結(jié)果未達(dá)到最優(yōu)。

近年來(lái)，將聚類算法和監(jiān)督學(xué)習(xí)算法相結(jié)合的模型越來(lái)越多，如商強(qiáng)等[11]提出譜聚類算法和KNN 算法相結(jié)合的交通狀態(tài)判別模型；常麗君等[12]提出優(yōu)化后的FCM 算法結(jié)合概率神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)識(shí)別方法?？梢钥闯觯垲愃惴ê捅O(jiān)督學(xué)習(xí)算法相結(jié)合的效果較好，聚類算法為監(jiān)督學(xué)習(xí)提供了先驗(yàn)數(shù)據(jù)，監(jiān)督學(xué)習(xí)算法則利用先驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試，保證了交通狀態(tài)識(shí)別結(jié)果的實(shí)時(shí)性。目前集成學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)的重要組成部分，其通過(guò)結(jié)合多個(gè)學(xué)習(xí)器來(lái)獲得優(yōu)越的泛化能力，在分類問(wèn)題上展現(xiàn)出明顯優(yōu)勢(shì)[13]。極度梯度提升樹(shù)（eXtreme Gradient Boosting,XGBoost）算法是集成學(xué)習(xí)中的重要算法，其收斂速度快，準(zhǔn)確率高且不易過(guò)擬合，但XGBoost 算法參數(shù)過(guò)多且對(duì)參數(shù)較為敏感，使得其應(yīng)用較為復(fù)雜。

為提高城市快速路交通狀態(tài)識(shí)別的準(zhǔn)確性，本文將利用貝葉斯優(yōu)化算法快速確定FCM 算法的最優(yōu)初始聚類中心，并利用粒子群算法確定XGBoost算法的最優(yōu)參數(shù)，結(jié)合交通狀態(tài)識(shí)別的變化性，構(gòu)建基于貝葉斯優(yōu)化改進(jìn)的FCM 聚類算法與粒子群優(yōu)化改進(jìn)的XGBoost 算法相結(jié)合的交通狀態(tài)識(shí)別模型，并使用聚類分析后的交通數(shù)據(jù)對(duì)監(jiān)督學(xué)習(xí)算法進(jìn)行訓(xùn)練，提升交通狀態(tài)識(shí)別的效率和穩(wěn)定性，最后采用北京市三環(huán)快速路的交通數(shù)據(jù)對(duì)模型進(jìn)行實(shí)例驗(yàn)證，并與其他方法進(jìn)行性能對(duì)比分析。

1 模型構(gòu)建

本文主要通過(guò)對(duì)某一時(shí)刻的交通數(shù)據(jù)進(jìn)行識(shí)別，來(lái)判斷其所處的交通狀態(tài)。首先對(duì)歷史交通數(shù)據(jù)進(jìn)行聚類分析并劃分出不同的交通狀態(tài)，得到先驗(yàn)信息，然后利用先驗(yàn)信息訓(xùn)練PSO-XGBoost 模型，在模型中對(duì)待識(shí)別交通數(shù)據(jù)進(jìn)行測(cè)試，得到該交通數(shù)據(jù)所處的交通狀態(tài)。

1.1 聚類分析

模糊C 均值算法是一種經(jīng)典的聚類算法，因其能提供靈活的聚類結(jié)果且適用于不同的數(shù)據(jù)類型而在眾多模糊算法中應(yīng)用最為廣泛。本文利用FCM 算法對(duì)交通流量、速度和道路占有率進(jìn)行聚類分析，得到每個(gè)交通數(shù)據(jù)的狀態(tài)標(biāo)簽，目的是實(shí)現(xiàn)被劃分為同一聚類的樣本數(shù)據(jù)對(duì)象間的最大相似性和不同聚類的樣本數(shù)據(jù)對(duì)象間的最小相似性。通過(guò)對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，獲取每個(gè)樣本對(duì)所有類中心的相似程度，即隸屬度，進(jìn)而對(duì)樣本進(jìn)行自動(dòng)分類。

目標(biāo)函數(shù)[14]為：

式（1）中：J是目標(biāo)函數(shù)；n是樣本數(shù)；c是聚類中心個(gè)數(shù)；m是任何大于1 的實(shí)數(shù)；xi是第i個(gè)樣本點(diǎn)；uij是第i個(gè)樣本點(diǎn)的第j個(gè)類中心的隸屬度；cj是第j個(gè)類中心。

FCM 算法初始聚類中心的隨機(jī)性對(duì)聚類的結(jié)果影響很大，容易使算法陷入局部最優(yōu)，造成聚類結(jié)果的準(zhǔn)確度不高且運(yùn)行時(shí)間較長(zhǎng)，故需要優(yōu)化FCM 算法以解決算法局部收斂的問(wèn)題。貝葉斯算法是一種運(yùn)行速度快、穩(wěn)定性良好的全局優(yōu)化算法，其利用已搜索過(guò)的點(diǎn)的信息來(lái)提升搜索效率，減少迭代次數(shù)，進(jìn)而快速獲得最優(yōu)解，可有效解決FCM算法問(wèn)題。

貝葉斯優(yōu)化FCM 算法（Bayesian Optimization,BO-FCM）的流程如下：

1）初始化高斯回歸模型（Gaussian Process Regression,GPR），采集函數(shù)UCB（Upper Confidence Bound），確定最大迭代次數(shù)，定義目標(biāo)函數(shù)Jm=f(C)和聚類中心的參數(shù)空間。

2）隨機(jī)選取聚類中心點(diǎn)作為BO 算法的初始值。

3）擬合高斯回歸模型，通過(guò)采集函數(shù)UCB來(lái)計(jì)算優(yōu)化結(jié)果，執(zhí)行貝葉斯優(yōu)化算法后得到聚類中心Ci，計(jì)算目標(biāo)函數(shù)值Jm=f(Ci)。

4）不斷迭代直至達(dá)到最大迭代次數(shù)，輸出歷史最佳參數(shù)即聚類中心。

5）將貝葉斯優(yōu)化算法的結(jié)果代入FCM 算法得到樣本數(shù)據(jù)的聚類結(jié)果，完成交通狀態(tài)劃分。

1.2 PSO-XGBoost算法

XGBoost 算法[15]屬于Boost 算法，其目標(biāo)函數(shù)為：

式（2）～式（3）中：L(φ)為目標(biāo)函數(shù)；l為單個(gè)樣本的損失；yi為標(biāo)簽值；為預(yù)測(cè)輸出；Ω(fk)為正則化項(xiàng)；fk為樹(shù)模型；k為樹(shù)的數(shù)量；γ為葉子樹(shù)懲罰正則項(xiàng)；T為樹(shù)葉子節(jié)點(diǎn)數(shù)；w為葉子權(quán)重值；λ為葉子權(quán)重懲罰正則項(xiàng)。

XGBoost 算法主要是在損失函數(shù)的基礎(chǔ)上加入了正則化和采用縮減辦法來(lái)防止過(guò)擬合，同時(shí)對(duì)目標(biāo)函數(shù)進(jìn)行泰勒展開(kāi)，利用推導(dǎo)得到的表達(dá)式作為分裂準(zhǔn)則來(lái)構(gòu)建每一棵樹(shù)。該算法能在避免過(guò)擬合的前提下對(duì)目標(biāo)函數(shù)進(jìn)行擬合，提升識(shí)別精度，具有較強(qiáng)的泛化能力，同時(shí)支持并行化處理，運(yùn)行速度得以提高。XGBoost 算法的缺點(diǎn)是參數(shù)過(guò)多，對(duì)參數(shù)敏感，因此算法的應(yīng)用較為復(fù)雜。為了合理有效地選擇算法的超參數(shù)，提高算法識(shí)別精度，使用收斂速度快、可調(diào)整參數(shù)少、尋優(yōu)能力強(qiáng)的粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）對(duì)XGBoost 的參數(shù)進(jìn)行優(yōu)化。

粒子群優(yōu)化算法通過(guò)在一組無(wú)質(zhì)量的粒子中對(duì)鳥(niǎo)類進(jìn)行建模，所有粒子根據(jù)所尋求的個(gè)體極值和當(dāng)前全局最優(yōu)解來(lái)調(diào)整位置和速度，進(jìn)而找到粒子群的全局最優(yōu)解。PSO算法實(shí)現(xiàn)較為簡(jiǎn)單，不涉及復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型且收斂速度較快。PSO-XGBoost算法流程如圖1所示。

圖1 PSO-XGBoost算法流程圖

根據(jù)圖1，PSO-XGBoost算法的具體流程如下：

1）定義PSO 算法的參數(shù)，包括粒子群規(guī)模N、粒子維度D、迭代次數(shù)K、慣性權(quán)重ω，確定需要優(yōu)化的超參數(shù)，同時(shí)設(shè)置每個(gè)參數(shù)的調(diào)節(jié)范圍。

2）隨機(jī)初始化粒子群，通過(guò)評(píng)估粒子的適應(yīng)度值來(lái)對(duì)粒子和群體的全局最優(yōu)位置進(jìn)行比較，不斷更新速度和位置，當(dāng)達(dá)到最大迭代次數(shù)后結(jié)束粒子群算法流程，得到最優(yōu)參數(shù)。

3）將歷史交通流數(shù)據(jù)的聚類結(jié)果分為訓(xùn)練集和測(cè)試集，對(duì)參數(shù)優(yōu)化后的XGBoost 模型進(jìn)行訓(xùn)練和測(cè)試，實(shí)現(xiàn)交通狀態(tài)識(shí)別。

1.3 交通狀態(tài)識(shí)別模型

本文利用貝葉斯優(yōu)化后的FCM 算法對(duì)歷史交通流數(shù)據(jù)進(jìn)行狀態(tài)劃分，將聚類結(jié)果分為訓(xùn)練集和測(cè)試集，對(duì)PSO-XGBoost 算法進(jìn)行訓(xùn)練和測(cè)試驗(yàn)證，從而實(shí)現(xiàn)交通狀態(tài)識(shí)別。完整的交通狀態(tài)識(shí)別步驟如下：

1）以交通流量、速度和道路占有率作為特征參數(shù)，進(jìn)行交通狀態(tài)劃分。

2）根據(jù)文獻(xiàn)[12]，將城市交通狀態(tài)劃分為暢通、平穩(wěn)、擁擠和擁堵4 個(gè)等級(jí)，對(duì)應(yīng)的標(biāo)簽編號(hào)為0,1,2,3。使用BO-FCM 模型對(duì)交通流數(shù)據(jù)進(jìn)行聚類分析并獲得實(shí)驗(yàn)數(shù)據(jù)的交通狀態(tài)標(biāo)簽。

3）將已經(jīng)劃分交通狀態(tài)的特征變量數(shù)據(jù)按4∶1 分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，其中訓(xùn)練集的輸入為所選取的3 個(gè)特征參數(shù)，輸出為相應(yīng)的交通狀態(tài)。

4）使用訓(xùn)練集數(shù)據(jù)對(duì)PSO-XGBoost 模型進(jìn)行訓(xùn)練，然后利用測(cè)試數(shù)據(jù)對(duì)訓(xùn)練后的模型進(jìn)行驗(yàn)證測(cè)試，對(duì)模型性能進(jìn)行評(píng)價(jià)。

2 實(shí)例驗(yàn)證

2.1 數(shù)據(jù)處理

采用北京市西三環(huán)快速路的交通流數(shù)據(jù)進(jìn)行交通狀態(tài)識(shí)別實(shí)驗(yàn)和模型測(cè)試。選取西三環(huán)航天橋南—紫竹橋北作為實(shí)驗(yàn)路段，檢測(cè)器分布如圖2 所 示。采 集2014 年1 月6 日—2014 年1 月10 日全天流量、速度和道路占有率數(shù)據(jù)，以2 min 為時(shí)間間隔，日交通數(shù)據(jù)序列個(gè)數(shù)為720 個(gè)，數(shù)據(jù)缺失率不高于5%，數(shù)據(jù)總量為17 897 條，能較好地展現(xiàn)交通流變化和交通流特性。在實(shí)驗(yàn)開(kāi)始前，先對(duì)原始數(shù)據(jù)進(jìn)行篩選，剔除缺失數(shù)據(jù)和異常數(shù)據(jù)，如北京市三環(huán)快速路的限速為80 km/h，因此刪除速度為80 km/h 以上的數(shù)據(jù)點(diǎn)，然后使用Z-score 標(biāo)準(zhǔn)化方法將數(shù)據(jù)轉(zhuǎn)換為正態(tài)分布，同時(shí)將Z-score 值的絕對(duì)值小于3 的數(shù)據(jù)點(diǎn)視為異常點(diǎn)，予以刪除。將所有數(shù)據(jù)點(diǎn)繪制成箱線圖，如圖3 所示，可以看出3 項(xiàng)交通流參數(shù)屬性正常，異常點(diǎn)已剔除。以1 月6 日—1 月9 日的數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，1 月10 日的數(shù)據(jù)為測(cè)試數(shù)據(jù)，在Python平臺(tái)進(jìn)行模型實(shí)驗(yàn)。

圖2 檢測(cè)器分布圖

圖3 樣本數(shù)據(jù)箱線圖

2.2 基于BO-FCM的交通狀態(tài)劃分

根據(jù)交通流中的速度、交通流量及道路占有率，將樣本數(shù)據(jù)所處的交通狀態(tài)劃分為4 類，分別是順暢、平穩(wěn)、擁擠、擁堵。確定聚類數(shù)目為4，通過(guò)貝葉斯優(yōu)化算法不斷迭代300次得到FCM算法的初始聚類中心矩陣為：

基于以上初始聚類中心進(jìn)行聚類，得到聚類結(jié)果如圖4 所示。每類交通狀態(tài)下的交通流量、速度和道路占有率的均值如表1 所示。從表中可以看出，每種交通狀態(tài)下的交通流量、速度和道路占有率都有較大差異，且4 種交通狀態(tài)都有較明顯的規(guī)律。處于第0類交通狀態(tài)下的速度較大，但交通流量和道路占有率都很低，對(duì)應(yīng)于順暢的交通狀態(tài)；第1 類交通狀態(tài)的速度較第0 類下降，但交通流量和道路占有率有所提高，此時(shí)處于平穩(wěn)狀態(tài)；第2 類和第3 類的交通狀態(tài)變化情況相同，對(duì)應(yīng)于擁擠和擁堵?tīng)顟B(tài)。從順暢到擁堵的交通狀態(tài)變化過(guò)程中，可以看出速度在不斷降低，而交通流量和道路占有率不斷提高，算法優(yōu)化后所得結(jié)果與實(shí)際交通流變化規(guī)律相同。

表1 交通流參數(shù)均值

圖4 聚類結(jié)果

為驗(yàn)證聚類結(jié)果的準(zhǔn)確性，以點(diǎn)位3 063 的數(shù)據(jù)聚類結(jié)果為例，其2014 年1 月6 日—1 月9 日的交通狀態(tài)變化情況如圖5 所示?？梢钥闯?，0:00—6:00，交通流處于順暢狀態(tài)；6:00之后車流量不斷加大，出現(xiàn)早高峰，交通流狀態(tài)從順暢轉(zhuǎn)為擁堵；隨后交通流狀態(tài)不斷波動(dòng)，晚高峰出現(xiàn)在15:00—18:00，此時(shí)交通狀態(tài)又轉(zhuǎn)變?yōu)閾矶?，之后逐漸趨于平穩(wěn)狀態(tài)。模型得到的聚類結(jié)果和實(shí)際道路交通變化情況較為接近，BO-FCM 模型能有效劃分交通狀態(tài)。

圖5 1月6日—1月9日交通狀態(tài)變化

2.3 PSO-XGBoost模型交通狀態(tài)識(shí)別

實(shí)驗(yàn)中，選取6 個(gè)對(duì)模型結(jié)果影響較大的參數(shù)對(duì)XGBoost 算法進(jìn)行優(yōu)化，分別為影響模型穩(wěn)定性的學(xué)習(xí)率，控制模型擬合程度的樹(shù)的最大深度，最小葉子節(jié)點(diǎn)樣本權(quán)重，隨機(jī)采樣比例，控制隨機(jī)采樣列數(shù)占比的使用的特征占比，影響模型損失函數(shù)值的節(jié)點(diǎn)分裂所需的最小損失函數(shù)下降值。設(shè)置各參數(shù)的變化范圍，使用PSO 算法進(jìn)行尋優(yōu)得到最佳模型參數(shù)，如表2 所示。將優(yōu)化得到的模型參數(shù)代入XGBoost中進(jìn)行訓(xùn)練和測(cè)試，使用1 月6 日—1 月9 日的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，1 月10日的數(shù)據(jù)作為測(cè)試數(shù)據(jù)。

表2 最優(yōu)參數(shù)值

2.4 模型性能整體評(píng)價(jià)

為了明確本文模型的準(zhǔn)確率和穩(wěn)定性，將其與支持向量機(jī)（Support Vector Machine,SVM）模型、隨機(jī)森林（Random Forest,RF）算法、K 最近鄰算法進(jìn)行對(duì)比分析。依據(jù)文獻(xiàn)[8]，先將SVM模型中的RBF 核函數(shù)設(shè)置為21，懲罰系數(shù)設(shè)置為0.5，隨機(jī)森林算法和K 最近鄰算法的參數(shù)值采用默認(rèn)值，然后采用Python 中的sklearn 庫(kù)建立和運(yùn)行SVM,RF,KNN 模型。本文模型和其他模型的交通狀態(tài)識(shí)別混淆矩陣如圖6 所示，圖中各行是實(shí)際交通狀態(tài)，每列是預(yù)測(cè)交通狀態(tài)，對(duì)角方格中的數(shù)表示每個(gè)交通狀態(tài)識(shí)別正確的數(shù)量，如第1 行第1 列表示能正確識(shí)別為順暢狀態(tài)的數(shù)據(jù)有853 個(gè)。由該圖可知，本文算法在全部3 487 個(gè)測(cè)試數(shù)據(jù)中，識(shí)別錯(cuò)誤的數(shù)據(jù)只有2 個(gè)，其識(shí)別出的狀態(tài)和實(shí)際狀態(tài)只相差1 個(gè)交通狀態(tài)類型，分別是將實(shí)際的平穩(wěn)狀態(tài)識(shí)別為順暢狀態(tài)和擁擠狀態(tài)，模型的總體準(zhǔn)確率達(dá)99.94%，識(shí)別精度較高，其他模型則多次出現(xiàn)識(shí)別狀態(tài)和實(shí)際狀態(tài)相差2個(gè)類型的情況，這表明本文算法穩(wěn)定性較好。本文算法與另外3 種算法的識(shí)別結(jié)果如表3 所示。從該表可知，本文模型的識(shí)別準(zhǔn)確率比SVM,RF,KNN等常見(jiàn)模型分別提高了1.23%,1.06%,1.57%。

表3 不同方法的識(shí)別結(jié)果比較

圖6 不同模型識(shí)別結(jié)果的混淆矩陣

圖6 （續(xù)）

3 結(jié)束語(yǔ)

交通狀態(tài)識(shí)別是城市智能交通的重要基礎(chǔ)，為提高交通狀態(tài)識(shí)別的準(zhǔn)確率，本文結(jié)合聚類算法和監(jiān)督學(xué)習(xí)算法的優(yōu)勢(shì)，提出一種基于貝葉斯優(yōu)化的FCM 算法和PSO-XGBoost 算法相結(jié)合的快速路交通狀態(tài)識(shí)別模型，針對(duì)FCM 算法易陷入局部最優(yōu)和XGBoost 算法參數(shù)復(fù)雜敏感的問(wèn)題，對(duì)FCM 算法的初始聚類中心和XGBoost 算法的重要超參數(shù)兩個(gè)方面進(jìn)行優(yōu)化，最后利用歷史交通流數(shù)據(jù)對(duì)模型性能進(jìn)行了測(cè)試和比較分析。結(jié)果表明，本文方法實(shí)現(xiàn)了對(duì)交通狀態(tài)的精準(zhǔn)識(shí)別，對(duì)比其他常見(jiàn)算法，不僅對(duì)交通狀態(tài)識(shí)別的準(zhǔn)確率更高，錯(cuò)判率更低，而且穩(wěn)定性好，表明所建立的模型性能更優(yōu)越，可為準(zhǔn)確獲取交通出行信息和改善交通擁堵提供方法支撐。本文在交通狀態(tài)識(shí)別過(guò)程中未考慮聚類中心數(shù)量對(duì)識(shí)別結(jié)果的影響，在未來(lái)研究中將對(duì)不同聚類中心數(shù)量下不同道路的交通數(shù)據(jù)進(jìn)行測(cè)試和模型性能分析。