[发明专利]一种基于随机森林理论的交通事故时空热点判别方法

权利要求书

1.一种基于随机森林理论的交通事故时空热点判别方法，其特征在于，包括如下步骤：

(1)采集城市道路交通事故数据集，所用数据集包含事故所在位置的年平均日交通量V、道路等级S，S＝1为高速公路，S＝2为一级公路，S＝3为二级公路，S＝4为三级公路，S＝5为四级公路、天气W，W＝1为晴天，W＝2为雨天，W＝3为雪天，W＝4为雾天，W＝5为大风天气、路面情况R，R＝1为干燥路面，R＝2为潮湿路面，R＝3为积雪结冰路面、人口和就业数据P及事故发生点预设距离内交叉口数目I、公共交通设施数目B，所述公共交通设施数目B包括公交车站数量和地铁站数量、兴趣点数量O，所述兴趣点数量O包括医疗、娱乐、商业、工作和教育数据；将该数据集数据根据预设百分比值划分为模型训练数据集和测试集，并对数据进行预处理以处理数据缺失、清除异常数据、纠正错误数据；

(2)城市道路交通事故时空热点的判断和提取，城市道路交通事故时空热点是在一起事故发生后的一定时间段内，在一定范围内再次发生一起或多起事故的地点；根据所采集事故数据集，确定互相关联的时间和空间阈值，提取出符合这一时空条件的城市道路交通事故时空热点，统计出每一时空热点发生的事故数，并将其作为事故数量特征添加到交通事故数据集中；对于其他不属于时空热点情况的数据，取事故数量为1添加到数据集中，最终获得时空热点数据集D，D＝{x₁,x₂,…,x₁₀,y},其中，x₁为年平均日交通量V；x₂为道路等级S，其中，S＝1为高速公路，S＝2为一级公路，S＝3为二级公路，S＝4为三级公路，S＝5为四级公路；x₃为天气W，其中，W＝1为晴天，W＝2为雨天，W＝3为雪天，W＝4为雾天，W＝5为大风天气；x₄为路面情况R，其中，R＝1为干燥路面，R＝2为潮湿路面，R＝3为积雪结冰路面；x₅为人口数据P；x₆为就业数据E；x₇为事故发生点预设距离内交叉口数目I；x₈为公交车站数量B；x₉为地铁站数量M；x₁₀为兴趣点数量O，分别包括医疗O₁、娱乐O₂、商业O₃、工作O₄和教育数据O₅，y为事故数；

(3)利用随机森林模型，建立时空热点识别模型，对时空热点数据集D采用有放回抽样的方法采集训练集，重复k次以生成k个时空热点样本集，并以此为基础构建k棵决策树,每棵决策树都与其时空热点样本训练子集相对应，然后将生成的k棵决策树组合成随机森林，对所有决策树的每一节点进行训练，随机森林模型的输入参数应包括：决策树数目n_estimator，时空热点特征维数dimension，决策树的深度depth和每个节点的特征数量n_node，对k棵决策树，对每个节点都无放回地在与时空热点相关的变量x₁至x₁₀中随机选取f维特征，作为当前节点的特征子集，并利用基尼指数度量样本数据特征被错分的概率，将基尼指数作为衡量指标寻找到f维特征中分类效果最好的数据特征，并判断是否满足终止条件，终止条件为树的当前深度达到设定最大深度depth，当满足终止条件时，停止分裂，基尼指数的计算公式为：

其中，t为节点属性，n为属于某一类别的样本数目，j为样本点，p(j/t)为该样本属于此类别的概率；

(4)对已建立的随机森林模型，利用测试集判断其模型的精度，并根据结果校正模型，对模型的参数进行调整，使其达到精度要求，获得最终的交通事故时空热点判别方法模型；

其中，调整的参数包括决策树个数n_estimator和决策树的最大深度max_depth，首先给定决策树个数和深度的参数范围，并在该给定范围空间内利用RandomizedSearchCV函数算法，以随机在给定的参数范围中采样的方式，对采样结果进行遍历并输出最优训练器的精度，将最优训练器的n_estimator和max_depth作为最优参数组合；然后，在上一步中得到的最优参数组合的一定浮动范围内取值，利用GridSearchCV算法尝试每一种参数组合，即在指定的参数范围内，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集上精度最高的参数，即最后选取得模型拟合程度最好的一组；

在建立随机森林模型的每轮抽样中，训练集中没有被采样的数据为袋外数据，利用袋外数据误差测试检测已生成的随机森林的精度，其计算公式为：

其中，O为袋外数据，X为随机森林分类错误的数目；研究对象为同时考虑到其时间特征和空间特征的交通事故数据记录，并以此为基础建立交通事故时空热点判别模型。