[发明专利]一种基于随机森林的道路交通事故风险因素分析方法

权利要求书

1.一种基于随机森林的道路交通事故风险因素分析方法，其特征在于：包括以下步骤，

步骤1：采集导致机动车发生交通事故的事故相关风险因素及事故严重程度作为样本数据集，并将该样本数据集划分为训练集和测试集以进行数据预处理；

步骤2：将所述训练集作为自变量，对应的事故严重程度作为因变量，建立随机森林预测模型并训练该模型；

步骤3：将所述测试集输入所述随机森林预测模型中，以判断随机森林预测模型预测的精度，并调整随机森林预测模型的参数使其精度满足需求；

步骤4：用Gini指数法对步骤3中调整好的随机森林预测模型进行变量重要性度量，识别出对事故严重程度有显著影响的事故相关风险因素。

2.根据权利要求1所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤1中所述的数据预处理，包括处理数据缺失情况及整理事故相关风险因素，将事故相关风险因素作为相关特征集合V，对应的事故严重程度作为预测目标y，以构建样本数据集D，所述样本数据集D的数据结构为{v₁，v₂，…v_n，y}，其中v_n为特征，n为特征维度。

3.根据权利要求1所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤1中所述事故相关风险因素包括道路条件、驾驶员状况、车辆条件及环境情况。

4.根据权利要求1所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤1中按照训练集：测试集＝7：3的比例划分以进行预处理。

5.根据权利要求2所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤2具体操作步骤如下：

步骤2.1：设定随机森林预测模型的输入参数进行模型训练，所述输入参数包括：决策树棵数t、每棵决策树的深度deep、事故相关风险因素维度n以及每个节点的特征选择个数f，所述t、deep和f均为整数，f为n的平方根或者以2为底取n的对数；

步骤2.2：从样本数据集D中利用Bootstrap方法有放回地采样形成t棵分类回归树中的自助样本集X，从根节点开始依次利用每棵树中的节点对与每棵树对应的自助样本集X进行划分；

步骤2.3：在每棵树的每个节点处从训练集具有的n维事故相关风险因素中无放回地随机选取f维事故相关风险因素，并从f维事故相关风险因素中根据Gini指数寻求分类效果最好的第k维事故相关风险因素，Gini指数表达式为

M是交通事故严重程度y的可能取值数即事故严重程度类别，i为样本点，p_i是第i个样本点的事故严重程度类别的概率，以第k维事故相关风险因素的特征值为阈值，对不满足终止条件的当前节点进行划分，其中，将当前节点中第k维特征小于阈值的样本划分到左节点，将当前节点中剩余的样本划分到右节点，k的取值范围为1到f；将满足终止条件的当前节点划分为叶子节点，所述终止条件为当树的深度达到最大指定深度时，停止分裂，对于分类问题，当节点只有一种类别时，停止分裂；

步骤2.4：训练每棵决策树的所有节点，建立随机森林预测模型。

6.根据权利要求1所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤3中所述参数包括决策树的数量t和节点特征选择个数f。

7.根据权利要求2所述的基于随机森林的道路交通事故风险因素分析方法，其特征在于：步骤4中所述的利用Gini指数法进行变量重要性度量，是通过测量一次分割一个特征后所有节点的Gini指数减少总和来对特征v_n进行排序，特征v_n对节点的重要程度，即节点分支前后的Gini指数度变化量计算为

I＝G_parent-G_split1-G_split2，

其中G_split1和G_split2分别表示分支后两个子节点的Gini指数，建立的随机森林预测模型中有t棵树，将每个特征v_n对t颗树的重要程度求和后进行归一化处理，得到相关特征集合V内的所有特征v₁—v_n的重要度排序，识别出对事故严重程度有显著影响的事故相关风险因素。