[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

说明书

本发明公开了一种基于随机森林的道路交通事故风险因素分析方法，它是通过提取交通事故发生时涉及到人、车、路、环境四个方面的影响因素及对应的事故严重程度数据，根据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，进行模型训练，调整模型参数；然后将建立的预测模型利用Gini指数法进行变量重要性度量，对相关风险因素进行重要性排序，识别出对事故严重程度有显著影响的因素。本发明的方法可多方面考虑道路交通事故的影响因素，深度挖掘风险因素与事故严重程度之间的联系，有利于道路安全管理。

技术领域

本发明属于道路交通安全研究领域，具体涉及一种基于随机森林的道路交通事故风险因素分析方法。

背景技术

随着经济快速增长，我国私人小汽车拥有量以迅猛的速度增长，2017年达到1.8695亿辆，同时道路交通事故起数居高不下。据统计，全球每年因交通事故而丧命的总人数超过100万人，还有2000至5000万人因道路交通事故受伤或致残。道路交通事故不仅严重威胁着人们的生命健康，还造成了巨大的经济损失，每年累计交通伤害的经济损失估值约200亿美元，达到世界各国国民生产总值的1％至3％。因此，有效控制和减少道路交通安全问题是经济社会稳定发展的重中之重。

我国通常通过完善交通法制法规、制定交通安全政策、强化交通管理部门职能等方法保障交通安全。然而，这些传统的方法没有从根本上解决道路交通事故的诱因。在大数据时代，怎样采取先进的分析方法与研究模型，挖掘历史交通事故数据，找到道路交通事故潜在的影响因素，才是真正有效的改善交通安全问题的根本方法。

发明内容

为了解决现有技术的缺陷，本发明提供了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：将测试集输入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。

进一步的：步骤1中的数据预处理，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，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。

进一步的：步骤1中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。

进一步的：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。

进一步的：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，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，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