基于隨機森林的車輛駕駛行為分析方法研究

1、基于隨機森林的車輛駕駛行為分析方法研究基于隨機森林的車輛駕駛行為分析方法討論3044202135-0204-031概述近年來，汽車已經(jīng)成為我們?nèi)粘３鲂斜夭恍猩俚慕煌üぞ?。隨著汽車保有量的不斷增加，對車輛的定位監(jiān)管也成為當下的一個趨勢。尤其是對于國家規(guī)定的道路運輸車輛，必需安裝、使用具有行駛記錄功能的衛(wèi)星定位裝置，道路運輸企業(yè)必需使用車輛定位監(jiān)控系統(tǒng)對其監(jiān)管的車輛進行實時定位監(jiān)控，確保車輛正常、安全行駛。在使用車輛定位監(jiān)控系統(tǒng)對貨運車輛進行定位監(jiān)控的過程中，發(fā)覺有許多駕駛員不規(guī)范駕駛導(dǎo)致車輛出現(xiàn)行使軌跡異樣的現(xiàn)象。比方超速行駛、疲憊駕駛、車輛行駛軌跡不完好，以及出現(xiàn)位置漂移的現(xiàn)象較為嚴峻。其中的

2、緣由包括人為因素和自然因素兩個方面，自然因素方面主要是因為北斗衛(wèi)星導(dǎo)航系統(tǒng)尚處于完善階段，加上大氣折射、樓房建筑的遮擋都可能會使定位精度出現(xiàn)偏差。另一方面，中華RM共和國道路交通安全法實施條例第六十二條規(guī)定，“駕駛機動車不得有以下行為：連續(xù)駕駛機動車超過4小時未停車休息或者停車休息時間少于20分鐘1。由于貨運物流行業(yè)需要時效性，需要提高運輸效率，所以駕駛員有時會將車載定位終端關(guān)閉，躲避監(jiān)管，連續(xù)駕駛超過4小時甚至到達10小時也都是很常見的事，因此出現(xiàn)超速行駛、疲憊駕駛和軌跡漂移等現(xiàn)象。為了提高車輛行駛的安全性，本討論提出了基于隨機森林算法對車輛定位數(shù)據(jù)進行分析討論的方法，深度挖掘駕駛員的不良駕

3、駛行為，將定位數(shù)據(jù)形成駕駛行為分析報告，并準時反饋給車輛駕駛員和車隊企業(yè)相關(guān)部門，進行調(diào)查分析和批判教育等措施。本討論所提到的車輛均為道路貨運車輛，已有的數(shù)據(jù)也是貨運車輛的定位數(shù)據(jù)，包括歷史數(shù)據(jù)和實時數(shù)據(jù)。主要的討論因素包括速度、方向、時間、經(jīng)緯度等，通過對駕駛行為的多個特征屬性進行度量，并且創(chuàng)建多個決策樹，最終形成隨機森林。依據(jù)分析結(jié)果，得出是否超速、是否疲憊駕駛等不規(guī)范駕駛行為信息，以及是否存在位置漂移現(xiàn)象等信息。通過對決策樹的投票統(tǒng)計分析，將車輛駕駛員的駕駛行為進行分類，依據(jù)隨機森林分類統(tǒng)計，將駕駛行為歸類為“安全“一般和“危急三種結(jié)果中的一個。經(jīng)多次試驗討論，該方法能到達很好的分析效果

4、。2隨機森林2.1隨機森林原理隨機森林RandomForest是機器學(xué)習(xí)算法中的一種有監(jiān)督學(xué)習(xí)算法，顧名思義，它是由很多決策樹構(gòu)成的森林，并且該森林擁有某種方式的隨機性2。該算法是為了解決單一決策樹可能出現(xiàn)較大誤差和過擬合的問題。隨機森林中的每一棵決策樹都是沒有關(guān)聯(lián)的，這樣能夠降低單一決策樹可能產(chǎn)生的片面性和推斷的不精確性3。在構(gòu)造隨機森林之后，每當有一個新的樣本進入隨機森林中，森林中的每一棵決策樹都進行推斷，并將該樣本進行分類，最終統(tǒng)計分析哪一類被選擇的次數(shù)最多，將被選擇次數(shù)最多的結(jié)果作為隨機森林最終的結(jié)果。隨機森林接受Bagging算法，是在Bagging的基礎(chǔ)上改良而來的，它的基學(xué)習(xí)器是

5、CART決策樹4。隨機森林將決策樹作為Bagging中的模型，接受有放回的隨機取樣的方法生成多個訓(xùn)練集，對每個訓(xùn)練集分別構(gòu)造一棵決策樹，在進行節(jié)點切分的時候，并不是對全部的特征選擇最優(yōu)的進行切分，而是隨機地選取n個特征，從這n個特征中選擇最優(yōu)的特征進行節(jié)點切分，從而進一步降低了模型的方差，可以幸免出現(xiàn)過擬合的狀況5。2.2隨機森林算法描述1設(shè)訓(xùn)練總樣本的個數(shù)為N，每棵決策樹接受bootstrap采樣方法，從這N個訓(xùn)練集中有放回的隨機抽取n個樣本作為該決策樹的訓(xùn)練樣本。2設(shè)訓(xùn)練樣本集中的特征的個數(shù)為M，在決策樹的節(jié)點進行切分時，在M個特征中隨機的選擇m個特征，然后從m個特征中選擇一個最優(yōu)的特征的

6、進行切分。m越小模型方差也越小，但是偏差會越大，需要通過交叉驗證的方式進行調(diào)參優(yōu)化。3每棵決策樹的節(jié)點不斷地進行切分，直到該節(jié)點的全部訓(xùn)練樣本都屬于同一類，不用再對節(jié)點進行剪枝。由于決策樹采樣的過程是具有隨機性的，所以幾乎不會出現(xiàn)過擬合的狀況。4最終對分類結(jié)果進行統(tǒng)計，將投票最多的分類結(jié)果作為整個隨機森林的分類結(jié)果。3隨機森林駕駛行為算法分析結(jié)合機器學(xué)習(xí)相關(guān)思想，本文提出了一種基于隨機森林的車輛駕駛員的駕駛行為分析方法，步驟如下：1將北斗車輛定位數(shù)據(jù)集通過bootstrap方法有放回地重復(fù)隨機抽取樣本生成訓(xùn)練樣本集合。2接受C4.5算法構(gòu)建決策樹，對決策樹的分裂屬性進行選擇。相關(guān)算法定義及公式

7、如下所示：1設(shè)D是訓(xùn)練樣本集，類別屬性具有m個不同的值，則有m個不同類Ci=1，2，m，Di是Ci的樣本集合，則信息熵的計算公式為：決策樹的構(gòu)造流程如下：設(shè)訓(xùn)練樣本集為D，D中的屬性為速度、方向和時間，屬性集為A，A中的屬性為0、1、2，表示安全、一般和危急。1創(chuàng)建節(jié)點N;2假如D都在同一個類C中，則返回N作為葉節(jié)點，用類C標記;3假如A為空，則返回作為葉節(jié)點，標記D為樣本樹種最多的類;4假如是通過增益率選取最正確屬性，則將a0標記為N，并在屬性集中去掉a0;5N依據(jù)a0的值劃分成不同的子集Ds。假如Ds為空的話，則將N標記為葉節(jié)點，標記D為樣本樹種最多的類;假如Ds不為空，在子集Ds和剔除了

8、a0的新的屬性集Aa0中再選出最正確屬性a1，標記為新的節(jié)點N，并在屬性集中剔除a1;6重復(fù)執(zhí)行以上步驟n次，會生成n棵決策樹，最終形成隨機森林。經(jīng)過每棵決策樹對測試數(shù)據(jù)的決策投票，分析推斷最終得出決策分類結(jié)果。4試驗討論本討論依據(jù)已有的車輛監(jiān)控平臺，平臺目前有1300多輛貨運車輛，選取2021至2021最近兩年將近95萬條車輛定位數(shù)據(jù)，本文只篩選出2021年5月份的車輛數(shù)據(jù)，從中選出10輛車輛，接受隨機森林算法，以速度、方向、時間作為特征屬性，提出駕駛?cè)说鸟{駛行為分析方法討論，推斷出該車駕駛員的駕駛行為屬于安全、一般或是危急類別中的一個。4.1試驗環(huán)境4.2數(shù)據(jù)集4.2.1訓(xùn)練集數(shù)據(jù)原始定位

9、數(shù)據(jù)集是通過車載終端獵取得到的，終端每30秒傳輸一次定位數(shù)據(jù)，數(shù)據(jù)包括車牌號、速度、方向、時間、經(jīng)度、緯度等等，本文只選取以上幾個屬性進行討論，并加上分類屬性，“0表示“安全“1表示“一般“2表示“危急。訓(xùn)練集樣本示例如下表所示：4.2.2測試集數(shù)據(jù)測試集數(shù)據(jù)是車輛定位原始數(shù)據(jù)，并經(jīng)過進一步數(shù)據(jù)清洗，過濾空數(shù)據(jù)和無用數(shù)據(jù)之后篩選出來的。無論是對歷史數(shù)據(jù)進行分析還是實時數(shù)據(jù)，都需要對原始數(shù)據(jù)進行操作，因此測試集也是原始數(shù)據(jù)。測試集樣本示例如下表所示：4.3試驗結(jié)果分析本試驗使用PyCharm開發(fā)工具，調(diào)用sklearn中的Random-ForestClassifier方法完成隨機森林算法對駕駛行

10、為的分析。在試驗過程中，有兩點需要特殊留意，第一個是樣本數(shù)據(jù)集的劃分，將數(shù)據(jù)集分為訓(xùn)練集和測試集兩部分，訓(xùn)練集所占總體數(shù)據(jù)集的比例不同，預(yù)報的精確度也不同。將訓(xùn)練集占總體數(shù)據(jù)集的比例作為分別比，依據(jù)大量的現(xiàn)代統(tǒng)計學(xué)試驗驗證，當分別比為70%左右時，生成的隨機森林模型的性能最好，精確度最高6。在本試驗中，設(shè)置不同的數(shù)據(jù)集分別比，依據(jù)下列圖所示，當分別比為72%時精確度最高，最高精確度可達85%左右。訓(xùn)練集分別比與模型精確度關(guān)系圖如下列圖所示：第二點是決策樹數(shù)量的選擇，在隨機森林中，決策樹的數(shù)量會影響隨機森林模型預(yù)報的精準度。在本討論過程中，決策樹的棵數(shù)從0開始，每次增加50棵樹，從下列圖可以看出

11、，當隨機森林模型中決策樹較少時，模型整體精準度會隨著決策樹數(shù)目的增加而提高，當決策樹到達500棵時，模型的精準度改變較小，繼續(xù)增加決策樹數(shù)目，模型的精準度不會有所提高，反而會增加模型的冗雜性和計算量，致使模型效率降低。隨機森林中決策樹的數(shù)目與模型精確度關(guān)系如下列圖所示：綜上，本試驗接受總體樣本集的72%作為訓(xùn)練集，剩下的28%作為試驗測試集，并且隨機森林中決策樹的數(shù)目選擇為500，試驗選取50輛車一天的行駛定位數(shù)據(jù)，將分類結(jié)果與依據(jù)實際狀況對比，實際分類精確率可達92%左右，試驗結(jié)果如下表所示：5結(jié)束語隨機森林算法是目前常用的機器學(xué)習(xí)算法之一，能夠處理高維特征，模型訓(xùn)練速度比較快，對數(shù)據(jù)的適應(yīng)能力強，既能處理離散型數(shù)據(jù)也能處理連續(xù)型數(shù)據(jù)，數(shù)據(jù)集無須規(guī)范化。與決策樹相比，雖然計算速度比單個決策樹慢，但是具有更高的預(yù)報精確率，對異樣值和噪聲有很好的容忍度