CN116777300A - 基于梯度提升决策树的城市道路交通事故风险评估方法 - Google Patents

Abstract

本发明公开了一种基于梯度提升决策树的城市道路交通事故风险评估方法。该方法以交通小区为评估单元，通过收集社会经济环境、自然环境、建成环境和交通流特征四方面的影响因素及历史交通事故数据，基于梯度提升决策树算法建立并训练城市道路交通事故预测模型；然后从相对重要性和单变量部分依赖图两方面解析预测模型，并基于四分位数和五分位数原则划分交通事故风险等级、建立评价标准，实现单维度与多维度交通事故风险评估。本发明的方法考虑了宏观区域的多维度交通事故风险因素，运用机器学习方法深入探究了交通事故风险因素与交通事故数量之间的影响关系，可以有效且准确的对现状区域和规划方案开展交通事故风险评估，具有较强的可操作性。

Description

基于梯度提升决策树的城市道路交通事故风险评估方法

技术领域

本发明属于交通安全技术领域，具体涉及一种基于梯度提升决策树的城市道路交通事故风险评估方法。

背景技术

机动交通快速发展背景下，交通事故已成为影响居民生活质量与生命安全的重要因素。世界范围内每年约有135万人死于交通事故，我国2020年交通事故死亡人数达到了6万余人，导致的直接财产损失超过13亿元，交通事故成为了我国居民第一位的伤害死因和第三大过早致死的原因。交通事故是特定环境中多主体深层次互动的结果，宏观区域特征对居民交通出行行为与交通流特征有着重要影响，进而影响交通安全。为保障居民出行安全与生命财产，开展宏观层面的交通事故风险评估从而实现事前预防与事后防治显得尤为重要。

现有技术方案：张蔚等人提出的基于随机森林的道路交通事故风险因素分析方法，基于人、车、路、环境四个方面的影响因素，利用随机森林预测模型算法建立道路交通事故严重程度预测模型后，仅对影响交通事故的风险因素进行了排序，未对道路风险进行进一步评估，难以指导后续交通安全改善措施的实施；王俊骅等人提出的基于风险评估模型的交通事故发生概率获取方法及系统，提出利用监测数据对交通安全进行实时评估和预警，仅能关注具有监控设备的部分高速公路或快速路路段单元，覆盖面不广、可操作性较弱。

基于此，亟需一种宏观层面的城市道路交通事故风险评估方法。

发明内容

本发明的目的在于提供一种基于梯度提升决策树的城市道路交通事故风险评估方法，对城市区域交通事故风险进行预测。

本发明的技术方案如下：

一种基于梯度提升决策树的城市道路交通事故风险评估方法，所述方法包括：

S1获取交通事故及相关风险因素数据，建立样本数据集；

S2构建并训练梯度提升决策树模型；

S3基于训练好的梯度提升决策树模型，生成交通事故风险因素的单变量部分依赖图，进而划分不同风险等级下的指标区间，得到单维度交通事故风险评估值；

S4基于训练好的梯度提升决策树模型，识别各风险因素的相对重要性，并以相对重要性为权重计算得到多维度交通事故风险评估值。

S5计算所有多维度交通事故风险评估值，利用五分位数特征将评估值定义分级，作为交通事故风险等级的评价标准。

S6根据目标区域的多维度交通事故风险评估值，基于S5确定的评价标准得到目标区域对应的交通事故风险等级。

所述交通事故及相关风险因素数据包括历史交通事故数据和交通事故风险因素；

所述历史交通事故数据包括地理坐标；

所述交通事故风险因素包括社会经济环境、自然环境、建成环境和交通流特征四方面。

进一步的，所述社会经济环境包括人口结构、人口密度等因素；所述自然环境包括地形、温度等因素；所述建成环境包括建筑密度、商业用地占比、土地利用混合度等涉及土地利用类型、强度、结构与形态的发展模式因素，以及路网密度、信号灯密度、道路宽度等道路设计因素；所述交通流特征包括交通流量、交通速度等因素。

进一步的，所述S2具体为：

首先对所述样本数据集进行分割，随机选取样本的80％作为训练集，剩余20％作为测试集；随后确定所述梯度提升决策树模型的超参数可能取值集合，以最小化均方根误差作为衡量模型性能的标准，采用超参数网格搜索法和五折交叉验证方法对所述超参数可能取值集合进行循环训练，找出最优的超参数取值集合得到梯度提升决策树模型。

模型计算分为三步：

第一步：初始化弱学习器以最小化损失函数L[y,F(x)]。由于y为计数变量，因此设置损失函数为泊松损失函数：

其中，x为社会经济环境、自然环境、建成环境等自变量，F(x)为因变量y(交通事故数量)的近似函数，F₀(x)为初始弱学习器。

第二步：构建M次迭代(m＝1,2,...,M)，每次迭代分为四个子步骤：

(1)计算每组样本(i＝1,2,...,N)损失函数的负梯度，即伪残差估计值：

(2)基于第二步(1)中得到的残差估计值，计算样本新的实际值。由训练数据(X_i,r_im)生成新的回归树F_m(x)，R_jm代表了第m棵回归树的叶子节点个数(j＝1,2,...,j，j为对应的叶子节点区域)。

(3)对于j_m个叶子节点区域，计算最佳拟合值：

(4)更新强学习器：

第三步：构建最终模型：

进一步的，所述超参数为：树个数、学习率、树复杂度、最小训练集样本数。

进一步的，所述S3具体为：

利用各风险因素的单变量部分依赖图识别单一指标交通事故预测数量的四分位数特征，划分不同风险等级下的指标区间，作为单维度交通事故风险的评价标准，具体而言，将上四分位数Q3作为高交通事故风险临界值，大于此值时，定义为交通事故数量偏高，即高风险，赋值“1”；下四分位数Q1作为低交通事故风险临界值，小于此值时，定义交通事故数量偏低，即低风险，赋值“-1”；大于下四分位值Q1、小于上四分位值Q3定义为交通事故数量居中，即中风险，赋值“0”。

部分依赖图能够可视化自变量的不同取值和因变量之间的影响关系，数学公式为：

其中，x_s表示部分依赖函数需要绘制的特征，X_C表示除x_s之外模型F(x)使用的其他特征，二者共同构成整个特征空间X。

进一步的，所述S4具体为：

得到单维度交通事故风险评估值后，以相对重要性为权重进行加权综合得到多维度交通事故风险评估值。

相对重要性能够反映自变量对因变量的影响幅度，衡量了自变量在回归拟合中的相对重要程度，数学公式为：

其中，体现了在n次迭代中加入i个自变量后，每个叶子节点在进行分类时产生的误差平方和变化情况的总和，反映了某个变量在当前拟合中对于降低损失函数起到的作用；t表示决策树中的非叶子节点，J为决策树中所有非叶子节点数量；v(t)表示第t个非叶子节点所选取的特征；/>表示当第t个非叶子节点所选取特征为第i个自变量时，模型平方误差损失的减小量。第i个自变量最终的贡献度表达式为：

其中，为m次迭代后每轮贡献/>的平均值，M为总迭代次数。所有自变量贡献度之和为100％，排序越高的自变量对拟合因变量的影响越大。

加权综合公式为：

其中，r_x为变量i的单维度交通事故风险评估值，W_x为变量i的相对重要性，R为多维度交通事故风险评估值。

进一步的，所述S5具体为：

基于所有多维度交通事故风险评估值，将小于五分位数Q1定义为最低风险区间，大于Q1小于Q2定义为低风险区间，大于Q2小于Q3定义为中风险区间，大于Q3小于Q4定义为高风险区间，大于Q4定义为最高风险区间。

本发明的技术效果：

(1)本发明从宏观尺度交通小区着手，考虑了社会经济环境、自然环境、建成环境及交通流特征多维度因素对交通事故的影响，对于区域交通事故风险的分析更加全面。

(2)相较于以往发明中应用的传统统计分析方法，选取了先进的机器学习模型探究交通事故数量与事故风险因素之间的关系，该模型无需对数据的基本概率分布与相关关系进行预先假设，可以更好的处理缺失值与异常值，并能更有效的处理数据多重共线性问题，从而得到更准确和稳定的交通事故风险评估结果。

(3)从单变量部分依赖图和相对重要性两方面进行模型解析，并基于四分位数与五分位数特征对交通事故风险进行分级赋值，思路清晰、操作简洁、计算快速，具有较强的可操作性。

附图说明

附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。

图1示出了本发明的方法流程示意图；

图2示出了GBDT模型训练流程图；

图3示出了单维度交通事故风险区间划分示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明实施例以交通小区为评估单元，通过收集社会经济环境、自然环境、建成环境和交通流特征四方面的影响因素及历史交通事故数据，基于梯度提升决策树算法建立并训练城市道路交通事故预测模型；然后从相对重要性和单变量部分依赖图两方面解析预测模型，并基于四分位数和五分位数原则划分交通事故风险等级、建立评价标准，实现单维度与多维度交通事故风险评估。

参见图1，具体包括以下步骤：

步骤一：以交通小区为单元收集历史交通事故及相关风险因素数据，建立样本数据集。

其中，历史交通事故数据需包含地理坐标，交通事故风险因素包括社会经济环境、自然环境、建成环境和交通流特征四方面；社会经济环境包括人口结构、人口密度等因素，自然环境包括地形、温度等因素；建成环境包括建筑密度、商业用地占比、土地利用混合度等涉及土地利用类型、强度、结构与形态的发展模式因素，以及路网密度、信号灯密度、道路宽度等道路设计因素；交通流特征包括交通流量、交通速度等因素。收集完上述数据后，以交通小区为单元在ArcGIS中使用空间连接方法进行集计统计。本发明实施例重点在于风险评估的方法，风险因素基于数据可获取性可以进行适当的增加或减少。本发明仅给出部分影响因素作为示例，用于说明本发明提出的风险评估方法。

步骤二：将交通事故数量作为自变量，将i项交通事故风险因素作为因变量，建立并训练梯度提升决策树模型。

所述步骤二具体包括：应用R4.0.2中“gbm”包进行建模分析，如图2所示。首先对样本数据集进行分割，随机选取样本的80％作为训练集，剩余20％作为测试集；随后确定树个数、学习率、树复杂度、最小训练集样本数等模型超参数的可能取值集合，以最小化均方根误差作为衡量模型性能的标准，采用超参数网格搜索法和五折交叉验证方法对所有可能的参数组合进行循环训练，找出最优的参数组合以训练出效果最佳的预测模型。

模型计算分为三步：

第一步：初始化弱学习器以最小化损失函数L[y,F(x)]。由于y为计数变量，因此设置损失函数为泊松损失函数：

其中，x为社会经济环境、自然环境、建成环境等自变量，F(x)为因变量y(交通事故数量)的近似函数，F₀(x)为初始弱学习器。

第二步：构建M次迭代(m＝1,2,...,M)，每次迭代分为四个子步骤：

(1)计算每组样本(i＝1,2,...,N)损失函数的负梯度，即伪残差估计值：

(2)基于第二步(1)中得到的残差估计值，计算样本新的实际值。由训练数据(X_i,r_im)生成新的回归树F_m(x)，R_jm代表了第m棵回归树的叶子节点个数(j＝1,2,...,j，j为对应的叶子节点区域)。

(3)对于j_m个叶子节点区域，计算最佳拟合值：

(4)更新强学习器：

第三步：构建最终模型：

步骤三：基于训练好的梯度提升决策树模型，生成i项交通事故风险因素的单变量部分依赖图，进而划分不同风险等级下的指标区间，作为后续评估依据，交通小区内交通事故风险因素取值对应的风险等级即为单维度交通事故风险评估值r_x(x＝1,2,3...i)。

所述步骤三具体包括：利用各风险因素的单变量部分依赖图识别单一指标交通事故预测数量的四分位数特征，划分不同风险等级下的指标区间，如图3所示(图3仅为示例，并未完全表明所有交通事故风险因素)；即将上四分位数Q3作为高交通事故风险临界值，大于此值时，定义为交通事故数量偏高，即高风险；下四分位数Q1作为低交通事故风险临界值，小于此值时，定义交通事故数量偏低，即低风险；大于下四分位值Q1、小于上四分位值Q3定义为交通事故数量居中，即中风险，如表1所示(表1仅为示例，并未完全表明所有交通事故风险因素)。基于上述方法，将i项风险因素的取值区间划分为“高风险—中风险—低风险”三级，分别赋值“1，0，-1”。结合交通小区交通事故风险因素实际取值确定对应风险等级及赋值，即r_x。

表1单一指标交通事故风险区间划分

步骤四：基于训练好的梯度提升决策树模型，识别各风险因素的相对重要性，并以相对重要性为权重计算交通小区i项单维度交通事故风险评估值的综合值，即交通小区的多维度交通事故风险评估值R。

所述步骤四具体包括：得到交通小区单维度交通事故风险评估值r_x(x＝1,2,3...i)后，以相对重要性W_x(x＝1,2,3...i)为权重进行加权综合得到多维度交通事故风险评估值R。

相对重要性能够反映自变量对因变量的影响幅度，衡量了自变量在回归拟合中的相对重要程度，数学公式为：

其中，体现了在n次迭代中加入i个自变量后，每个叶子节点在进行分类时产生的误差平方和变化情况的总和，反映了某个变量在当前拟合中对于降低损失函数起到的作用；t表示决策树中的非叶子节点，J为决策树中所有非叶子节点数量；v(t)表示第t个非叶子节点所选取的特征；/>表示当第t个非叶子节点所选取特征为第i个自变量时，模型平方误差损失的减小量。第i个自变量最终的贡献度表达式为：

其中，为m次迭代后每轮贡献/>的平均值，M为总迭代次数。所有自变量贡献度之和为100％，排序越高的自变量对拟合因变量的影响越大。

加权综合公式为：

其中，r_x为变量i的单维度交通事故风险评估值，W_x为变量i的相对重要性，R为多维度交通事故风险评估值。

步骤五：计算所有交通小区的多维度交通事故风险评估值，利用五分位数特征将评估值依次定义为“最高风险、高风险、中风险、低风险、最低风险”五级，作为交通事故风险等级的评价标准。

所述步骤五具体包括：基于所有交通小区多维度交通事故风险评估值，将小于五分位数Q1定义为最低风险区间，大于Q1小于Q2定义为低风险区间，大于Q2小于Q3定义为中风险区间，大于Q3小于Q4定义为高风险区间，大于Q4定义为最高风险区间，如表2所示。

表2交通事故风险等级评价标准

步骤六：根据目标区域的多维度交通事故风险评估值，基于步骤五确定的评价标准得到目标区域对应的交通事故风险等级。

其中，目标区域可以为现状建成区域或规划方案，结合现状建成情况或规划情况计算出多维度交通事故风险评估值，再对应评价标准即可得到目标区域的交通事故风险等级。

本发明从宏观尺度交通小区着手，考虑了社会经济环境、自然环境、建成环境及交通流特征多维度因素对交通事故的影响，对于区域交通事故风险的分析更加全面。相较于以往发明中应用的传统统计分析方法，选取了先进的机器学习模型探究交通事故数量与事故风险因素之间的关系，该模型无需对数据的基本概率分布与相关关系进行预先假设，可以更好的处理缺失值与异常值，并能更有效的处理数据多重共线性问题，从而得到更准确和稳定的交通事故风险评估结果。

本发明从单变量部分依赖图和相对重要性两方面进行模型解析，并基于四分位数与五分位数特征对交通事故风险进行分级赋值，思路清晰、操作简洁、计算快速，具有较强的可操作性。

以上所述，仅为本发明优选的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于梯度提升决策树的城市道路交通事故风险评估方法，其特征在于，所述方法包括：

S1获取交通事故及相关风险因素数据，建立样本数据集；

S2构建并训练梯度提升决策树模型；

S3基于训练好的梯度提升决策树模型，生成交通事故风险因素的单变量部分依赖图，进而划分不同风险等级下的指标区间，得到单维度交通事故风险评估值；

S4基于训练好的梯度提升决策树模型，识别各风险因素的相对重要性，并以相对重要性为权重计算得到多维度交通事故风险评估值；

S5计算所有多维度交通事故风险评估值，利用五分位数特征将评估值定义分级，作为交通事故风险等级的评价标准；

S6根据目标区域的多维度交通事故风险评估值，基于S5确定的评价标准得到目标区域对应的交通事故风险等级。

2.根据权利要求1所述的交通事故风险评估方法，其特征在于，所述交通事故及相关风险因素数据包括历史交通事故数据和交通事故风险因素；

所述历史交通事故数据包括地理坐标；

所述交通事故风险因素包括社会经济环境、自然环境、建成环境和交通流特征四方面。

3.根据权利要求2所述的交通事故风险评估方法，其特征在于，所述社会经济环境包括人口结构、人口密度；所述自然环境包括地形、温度；所述建成环境包括建筑密度、商业用地占比、土地利用混合度涉及土地利用类型、强度、结构与形态的发展模式因素，以及路网密度、信号灯密度、道路宽度道路设计因素；所述交通流特征包括交通流量、交通速度。

4.根据权利要求1所述的交通事故风险评估方法，其特征在于，所述S2具体为：

首先对所述样本数据集进行分割，随机选取样本的80％作为训练集，剩余20％作为测试集；随后确定所述梯度提升决策树模型的超参数可能取值集合，以最小化均方根误差作为衡量模型性能的标准，采用超参数网格搜索法和五折交叉验证方法对所述超参数可能取值集合进行循环训练，找出最优的超参数取值集合得到梯度提升决策树模型。

5.根据权利要求4所述的交通事故风险评估方法，其特征在于，所述超参数为：树个数、学习率、树复杂度、最小训练集样本数。

6.根据权利要求1所述的交通事故风险评估方法，其特征在于，所述S3具体为：

利用各风险因素的单变量部分依赖图识别单一指标交通事故预测数量的四分位数特征，划分不同风险等级下的指标区间，作为单维度交通事故风险的评价标准，将上四分位数Q3作为高交通事故风险临界值，大于此值时，定义为交通事故数量偏高，即高风险，赋值“1”；下四分位数Q1作为低交通事故风险临界值，小于此值时，定义交通事故数量偏低，即低风险，赋值“-1”；大于下四分位值Q1、小于上四分位值Q3定义为交通事故数量居中，即中风险，赋值“0”；

部分依赖图能够可视化自变量的不同取值和因变量之间的影响关系，数学公式为：

其中，x_s表示部分依赖函数需要绘制的特征，X_C表示除x_s之外模型F(x)使用的其他特征，二者共同构成整个特征空间X。

7.根据权利要求1所述的交通事故风险评估方法，其特征在于，所述S4具体为：

得到单维度交通事故风险评估值后，以相对重要性为权重进行加权综合得到多维度交通事故风险评估值；

相对重要性能够反映自变量对因变量的影响幅度，衡量了自变量在回归拟合中的相对重要程度，数学公式为：

其中，体现了在n次迭代中加入i个自变量后，每个叶子节点在进行分类时产生的误差平方和变化情况的总和，反映了某个变量在当前拟合中对于降低损失函数起到的作用；t表示决策树中的非叶子节点，J为决策树中所有非叶子节点数量；v(t)表示第t个非叶子节点所选取的特征；/>表示当第t个非叶子节点所选取特征为第i个自变量时，模型平方误差损失的减小量，第i个自变量最终的贡献度表达式为：

其中，为m次迭代后每轮贡献/>的平均值，M为总迭代次数。所有自变量贡献度之和为100％，排序越高的自变量对拟合因变量的影响越大；

加权综合公式为：

其中，r_x为变量i的单维度交通事故风险评估值，W_x为变量i的相对重要性，R为多维度交通事故风险评估值。

8.根据权利要求1所述的交通事故风险评估方法，其特征在于，所述S5具体为：

基于所有多维度交通事故风险评估值，将小于五分位数Q1定义为最低风险区间，大于Q1小于Q2定义为低风险区间，大于Q2小于Q3定义为中风险区间，大于Q3小于Q4定义为高风险区间，大于Q4定义为最高风险区间。