基于RF-fpgrowth算法的道路營運車輛交通事故特征挖掘

摘要 為了深入探究道路營運車輛的交通事故特征，解決現(xiàn)有交通事故統(tǒng)計分析手段單一、事故因素量化關(guān)聯(lián)研究不足等問題，文章引入隨機(jī)森林RF-fpgrowth組合算法。首先，采用隨機(jī)森林RF算法分析得出影響事故嚴(yán)重程度的關(guān)鍵因子；其次，用fpgrowth算法對關(guān)鍵因子和目標(biāo)因子之間進(jìn)行關(guān)聯(lián)規(guī)則的挖掘。研究結(jié)果表明，該方法能夠有效評估各因素的重要性，并挖掘出各因素與事故嚴(yán)重程度之間的強(qiáng)關(guān)聯(lián)規(guī)則。具體來說，交通事故的嚴(yán)重程度與31～55歲年齡段的駕駛員、營運車輛類型、特定時間段、路口及碰撞運動車輛有強(qiáng)烈的關(guān)聯(lián)。同時，根據(jù)相關(guān)特征的挖掘結(jié)果，提出了相應(yīng)的對策，為交通事故的預(yù)防和減少提供了更為科學(xué)和有效的決策支持。

關(guān)鍵詞 交通安全；營運車輛；RF-fpgrowth算法；關(guān)聯(lián)性分析；交通事故特征挖掘

中圖分類號 U121 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2024）24-0026-04

0 引言

交通安全問題一直是全球關(guān)注的焦點，尤其是對交通事故的數(shù)據(jù)分析，以揭示其致因規(guī)律和特征，對于預(yù)防事故的發(fā)生具有重要意義。許多國內(nèi)外學(xué)者已經(jīng)進(jìn)行了大量研究，例如，Mehdizadeh M[1]等人研究發(fā)現(xiàn)出租車駕駛員比重型貨車駕駛員更易做出侵犯性的違法駕駛行為；Long T T[2]等人研究得出出租車和網(wǎng)約車事故均與開車時使用手機(jī)等危險行為有關(guān)；Npa B[3]等人研究發(fā)現(xiàn)超速、闖紅燈、使用手機(jī)都是造成網(wǎng)約車事故的重要因素；高鐵男[4]研究得出違規(guī)操作是影響城市客車交通事故的關(guān)鍵因素；朱彤[5]等人研究發(fā)現(xiàn)駕駛員違規(guī)行為是導(dǎo)致公共交通事故發(fā)生的重要原因之一；員伊雯[6]指出相較于環(huán)境因素，駕駛員違法行為是造成出租車交通事故的重要因素。

然而，目前的研究主要關(guān)注單一的事故類型或單一的影響因素，對于各因素之間關(guān)聯(lián)性的研究相對缺乏，同時分析方法也較為單一。例如，陸歡[7]等人基于Logistic模型研究高原山區(qū)公路環(huán)境下不同交通事故形態(tài)的致因，但此方法主要用于二分類問題，不適用于多分類特征的挖掘分析；彭志鵬[8]等人基于貝葉斯網(wǎng)絡(luò)建立了網(wǎng)約車事故預(yù)測模型，識別各因素對事故頻率的影響，但此方法計算復(fù)雜度較高，對于大規(guī)模的數(shù)據(jù)，可能需要很長的計算時間；王繼博[9]等人利用k-mesans篩選出與交通事故高度相關(guān)的交通事故違法行為，但此方法是一種無監(jiān)督學(xué)習(xí)算法，不適用于該文采集到的數(shù)據(jù)。

鑒于此，該文引入隨機(jī)森林RF-fpgrowth組合算法。這種算法不僅能處理分類變量，避免過擬合現(xiàn)象，還能評估變量的重要性，計算復(fù)雜度相對較低，能高效挖掘出營運車輛交通事故特征之間的復(fù)雜關(guān)聯(lián)規(guī)則，為交通事故的預(yù)防和減少提供更為科學(xué)和有效的決策支持，有助于進(jìn)一步提升交通安全水平。

1 研究方法

1.1 隨機(jī)森林RF算法

隨機(jī)森林（Random Forest，簡稱RF）是一種集成學(xué)習(xí)方法，通過構(gòu)建多個決策樹并取它們的平均預(yù)測結(jié)果，提高預(yù)測精度和防止過擬合。其中，預(yù)測精度及變量重要度是評估和優(yōu)化隨機(jī)森林模型的重要工具。

（1）算法精度預(yù)測。使用袋外錯誤率errOBB作為內(nèi)置的驗證方法，計算每棵樹的袋外數(shù)據(jù)錯誤率errOBB

=M/U，其中M為預(yù)測錯誤的次數(shù)，U為袋外數(shù)據(jù)的總數(shù)。

（2）變量重要性度量。通過三個步驟評估變量對結(jié)果的影響：1）計算原始袋外數(shù)據(jù)誤差errOOB1；2）對所有OOB樣本的特征G添加噪聲干擾，再次計算袋外誤差errOOB2；3）假設(shè)隨機(jī)森林中有N棵樹，計算特征G的重要性得分為（errOOB1?errOOB2）/N，變量重要性得分越高，其對分類結(jié)果的影響越大。

1.2 fpgrowth算法

fpgrowth是一種頻繁項集挖掘算法[10]，通過構(gòu)建FP樹存儲數(shù)據(jù)集信息，并采用分治法找出頻繁項集。該文使用支持度、置信度和提升度三個指標(biāo)篩選有效關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)其中的特征規(guī)律，提出有效的解決方案，降低營運車輛交通事故的發(fā)生率，保障車輛出行安全。

（1）支持度（Support）。

支持度是關(guān)聯(lián)規(guī)則挖掘中的常用指標(biāo)，表示項集在總項集中出現(xiàn)的概率，如式（3）所示：

（3）

式中，N（ ）——事務(wù)集里特定項集出現(xiàn)的次數(shù)；——總事務(wù)集的個數(shù)；——同時包含X和Y的事務(wù)集個數(shù)。

（2）置信度（Confidence）。

置信度表示在先決條件X發(fā)生的情況下，由關(guān)聯(lián)規(guī)則“X→Y”推出Y的概率，如式（4）所示：

（4）

式中，——X出現(xiàn)的概率；——X和Y同時出現(xiàn)的概率；——X發(fā)生的情況下出現(xiàn)Y的概率。

（3）提升度（Lift）。

提升度表示含有X的條件下，同時含有Y的概率，與含有Y的概率之比，如式（5）所示：

（5）

式中，——Y出現(xiàn)的概率；——X發(fā)生的情況下出現(xiàn)Y的概率。

1.3 RF-fpgrowth建模流程

該文基于RF-fpgrowth算法實現(xiàn)營運車輛的事故特征挖掘，具體步驟如下：

（1）對收集到的交通事故數(shù)據(jù)進(jìn)行篩選和剔除，以減少異常數(shù)據(jù)對后續(xù)實驗的影響。

（2）結(jié)合預(yù)處理的數(shù)據(jù)，根據(jù)屬性的影響因素和分類結(jié)果進(jìn)行賦值。

（3）將事故嚴(yán)重程度作為目標(biāo)變量，年齡、性別、事故發(fā)生時間、營運車輛類型等因素作為輸入變量，通過構(gòu)建L棵決策樹，訓(xùn)練RF模型，輸出每個特性因素對分類結(jié)果影響程度的重要性得分。

（4）將RF模型輸出的結(jié)果作為fpgrowth算法的輸入，挖掘頻繁項集，直至挖掘出最大的頻繁項集，停止挖掘，生成關(guān)聯(lián)規(guī)則，并計算每個規(guī)則的置信度、支持度和提升度。

（5）對篩選出的關(guān)聯(lián)規(guī)則進(jìn)行分析，得出年齡、事故發(fā)生時間、營運車輛類型、碰撞形態(tài)、違法駕駛行為等特征之間的關(guān)聯(lián)性，并作出相應(yīng)分析。

2 實證分析

2.1 數(shù)據(jù)采集及預(yù)處理

該研究所用的數(shù)據(jù)通過某城市行業(yè)組織獲取，原始數(shù)據(jù)為1 275份去隱私的交通事故數(shù)據(jù)，經(jīng)篩選與排除部分事故信息不全、重復(fù)或缺失的數(shù)據(jù)后，仍有934份事故數(shù)據(jù)滿足分析要求。數(shù)據(jù)預(yù)處理后得到交通事故發(fā)生的主要影響因素共有11個。在RF模型中，輸入和輸出變量均以向量的形式表示，因此需預(yù)先為文本屬性的影響因素和分類結(jié)果進(jìn)行賦值，如表1所示，并應(yīng)用python編程實現(xiàn)RF-fpgrowth算法。

2.2 變量篩選

隨機(jī)森林算法可以對因素的重要性進(jìn)行排序，但單一的樹結(jié)構(gòu)無法揭示變量的重要性排名。因此，通過選擇50～150棵樹進(jìn)行模型訓(xùn)練，觀察樹的數(shù)量對分類預(yù)測精度的影響，以確定最優(yōu)參數(shù)。如圖1所示，不同決策樹數(shù)量下的OOB（Out-of-bag）誤差變化情況，當(dāng)樹的數(shù)量達(dá)到118棵時，OOB誤差最小，表明此時模型的預(yù)測精度最高。

使用RF算法分析數(shù)據(jù)后得到影響交通事故嚴(yán)重程度的主要因素，按重要度排序如下：駕駛違法行為、責(zé)任認(rèn)定、營運車輛類型、事故發(fā)生時間、年齡、事故碰撞形態(tài)、路口路段類型、天氣類型、性別和是否運載危險品。其中，駕駛違法行為是最主要的因素，可能直接增加事故風(fēng)險；責(zé)任認(rèn)定和營運車輛類型次之，可能因為它們而影響事故責(zé)任和損失；天氣類型、性別和是否運載危險品的影響較小。

基于RF算法對因素重要度進(jìn)行變量篩選，閾值設(shè)定為0.05時，在多數(shù)數(shù)據(jù)集上能有效剔除不重要特征，從而更好地聚焦關(guān)鍵因素，提升模型預(yù)測的準(zhǔn)確性和穩(wěn)定性。因此，如果變量的重要度得分低于0.05，可能表明該變量對模型的貢獻(xiàn)有限，可以排除[11]。如圖2所示，天氣類型、性別、是否運載危險品這三個因素的重要度均低于0.05，排在后三位，可以不列入下一步研究對象。

2.3 關(guān)聯(lián)度分析

通過隨機(jī)森林模型RF生成的重要影響因素，進(jìn)一步利用fpgrowth算法挖掘頻繁項集。由于關(guān)聯(lián)規(guī)則源自頻繁項集，每個關(guān)聯(lián)規(guī)則都自然滿足最小支持度，可設(shè)定最小支持度為0.1，最小置信度為0.5。為了便于快速訪問頻繁項集及其支持度，將它們存儲在一個表中。然后，列出每個頻繁項集的非空子集的置信度，并根據(jù)最小置信度閾值篩選出關(guān)聯(lián)規(guī)則。在規(guī)則結(jié)果中，將置信度大于0.5且提升度大于1的規(guī)則設(shè)定為強(qiáng)關(guān)聯(lián)規(guī)則。通過應(yīng)用fpgrowth算法，挖掘出營運車輛交通事故特征的頻繁項集和關(guān)聯(lián)規(guī)則，如表2所示：

根據(jù)表2的挖掘規(guī)則結(jié)果，可以得出以下結(jié)論：

序號1、2、14表明，在上午6：00至12：00、下午12：00至18：00時段發(fā)生交通事故或碰撞的概率可能會顯著增加，這可能與這些時段為出行高峰期有關(guān)。深夜24：00—6：00的時間段內(nèi)發(fā)生事故與疲勞駕駛有關(guān)。

序號3、5、6、8、10、13表明，駕駛員年齡在31～55歲的群體更容易引發(fā)交通事故，并且傷人和致命風(fēng)險較高，這可能是因為這個年齡段的駕駛員雖然擁有豐富的駕駛經(jīng)驗，但他們可能過于自信或傾向于冒險，這種心態(tài)可能增加危險駕駛行為的發(fā)生，從而提高交通事故發(fā)生的風(fēng)險。

序號4、5、6、7表明，貨運車涉及交通事故的嚴(yán)重程度往往與碰撞運動車輛、超載或超速行駛等因素有關(guān)。在交通事故中，無論是一方負(fù)主要責(zé)任、次要責(zé)任，還是雙方負(fù)同等責(zé)任，事故的嚴(yán)重程度通常都較高。特別是涉及路口刮撞行人的情況，即使貨運車非主責(zé)，也可能導(dǎo)致亡人事故的發(fā)生，這可能是因為貨運車存在視野盲區(qū)，駕駛員無法及時減速或避讓行人，從而導(dǎo)致沖突發(fā)生。

序號8、9描述了私家車因醉酒駕駛易導(dǎo)致傷人事故的發(fā)生。序號10～12表明31～55歲的出租車駕駛員，如果超速行駛并且是事故的主要責(zé)任方，很可能會導(dǎo)致人員傷害；此外，駕駛時的分心打電話、變更車道等違法駕駛行為，都可能增加事故的發(fā)生率和嚴(yán)重程度。序號13～14表明，對于網(wǎng)約車司機(jī)來說，未能與前車保持安全距離，以及在深夜（24：00—6：00）疲勞駕駛，都可能導(dǎo)致財產(chǎn)損失。序號15描述了即使公交車司機(jī)在行人橫穿馬路時無責(zé)，也可能導(dǎo)致人員傷害事故的發(fā)生。

3 對策與建議

為了有效預(yù)防交通事故，該文提出以下三個主要建議：

（1）完善道路硬件條件。針對大型汽車，如貨運車、公交車等，因其體積大而易出現(xiàn)視野盲區(qū)，從而引發(fā)交通沖突，可以在路口設(shè)置行人、非機(jī)動車等預(yù)警設(shè)施，同時對這些措施的效果進(jìn)行評估，以確保其有效性。

（2）加強(qiáng)安全隱患管理。雖然開車打電話、疲勞駕駛等行為對事故的影響較大，但現(xiàn)行的交通法規(guī)對此并未實施實質(zhì)性的約束和處罰，可以通過道路交通監(jiān)控的拍攝畫面，在特定高峰時期對出租車駕駛員進(jìn)行監(jiān)督，并對其違規(guī)行為給予警告和經(jīng)濟(jì)處罰。

（3）優(yōu)化交通管制機(jī)制。在上午6：00～12：00和下午12：00～18：00的高峰期，交通管理部門應(yīng)加強(qiáng)交通管理，如增派交通警察、增加交通信號燈的數(shù)量和頻率，以減少交通事故；對事故頻發(fā)路段進(jìn)行改造，如改善路面條件、增設(shè)路燈和交通標(biāo)志，提高駕駛員視線。

4 結(jié)論

該文采用隨機(jī)森林RF-fpgrowth組合算法，以解決道路營運車輛交通事故分析中存在的問題。這種算法能夠有效地評估各因素的重要性，并深入挖掘各因素與事故嚴(yán)重程度之間的強(qiáng)關(guān)聯(lián)規(guī)則。根據(jù)研究結(jié)果，得到的主要結(jié)論如下：

（1）交通事故在出行高峰期和深夜疲勞駕駛時段的發(fā)生率顯著增加。

（2）31～55歲的駕駛員中，由于過度自信或冒險心態(tài)，更容易引發(fā)交通事故。

（3）在各類營運車輛中，貨運車與交通事故嚴(yán)重程度的關(guān)聯(lián)最多，其事故發(fā)生與碰撞運動車輛、超載或超速行駛等因素有關(guān)，即便非主責(zé)，也可能引發(fā)嚴(yán)重事故。

（4）私家車駕駛員醉駕更易導(dǎo)致傷人事故；出租車駕駛員如果出現(xiàn)超速、分心打電話、變更車道等違法行為，都可能增加事故的發(fā)生率和嚴(yán)重程度；網(wǎng)約車司機(jī)未能與前車保持安全距離，以及深夜疲勞駕駛，都可能導(dǎo)致財產(chǎn)損失；公交車司機(jī)在行人橫穿馬路時，即使無責(zé)，也可能導(dǎo)致人員傷害事故的發(fā)生。

同時，針對上述結(jié)論，該文提出了包括完善道路硬件條件、加強(qiáng)安全隱患管理等一系列對策，以提供更科學(xué)、更有效的決策支持，進(jìn)一步提升交通安全水平。將來也可以針對營運車輛的某一類型進(jìn)行針對性研究，探討其交通事故的發(fā)生規(guī)律。

參考文獻(xiàn)

[1]Mehdizadeh M， Shariat-Mohaymany A ， Nordfjaern T.

Driver behaviour and crash involvement among professional taxi and truck drivers： Light passenger cars versus heavy goods vehicles[J]. Transportation Research Part F Traffic Psychology and Behaviour， 2019：86-98.

[2]Long T T， Hang T . Mobile phone related crashes among motorcycle taxi drivers[J]. Accident Analysis amp; Prevention， 2019（132）：105288.

[3]Npa B ， Cdg C ， Han D ， et al. Risky behaviours associated with traffic crashes among app-based motorcycle taxi drivers in Vietnam[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2020（70）：249-259.

[4]高軼男.人員致命城市客車事故特征及致因機(jī)理分析[J].交通工程， 2022（3）：82-87+96.

[5]朱彤，秦丹，董傲然，等.公交駕駛員違規(guī)類型同交通事故間的關(guān)聯(lián)分析[J].交通運輸系統(tǒng)工程與信息， 2022（2）：322-329.

[6]員伊雯.基于數(shù)據(jù)挖掘的出租車駕駛員交通事故分析及其應(yīng)用研究[D].西安：西安電子科技大學(xué)， 2019.

[7]陸歡，戢曉峰，楊文臣，等.高原山區(qū)公路環(huán)境下交通事故形態(tài)致因分析[J].中國安全科學(xué)學(xué)報， 2019（5）：44-49.

[8]彭志鵬，潘恒彥，王永崗.基于貝葉斯網(wǎng)絡(luò)的網(wǎng)約車交通事故致因機(jī)理分析[J].東北大學(xué)學(xué)報（自然科學(xué)版）， 2023（1）：145-152.

[9]王繼博，楊蕾.基于K-Means聚類的交通違法行為與事故關(guān)聯(lián)關(guān)系研究[J].交通建設(shè)與管理， 2019（5）：92-95.

[10]晏杰，亓文娟.基于Aprioramp;FP-growth算法的研究[J].計算機(jī)系統(tǒng)應(yīng)用， 2013（5）：122-125.

[11]Carolin Strobl， Anne-Laure Boulesteix， Thomas Kneib， et al. Conditional variable importance for random forests. BMC bioinformatics， 2008（1）：307-318.