劉凱利+李晉宏

摘要：針對我國汽車產(chǎn)業(yè)及運輸行業(yè)的快速發(fā)展，但交通安全觀念及文明意識明顯滯后、不規(guī)范駕駛行為多發(fā)的問題，利用數(shù)據(jù)挖掘中的決策樹方法，對個人駕駛行為數(shù)據(jù)進行預處理，分析與駕駛行為相關的主要指標，然后通過C4.5算法構(gòu)建了決策樹知識學習模型，并采用后剪枝法（post-punning）對其進行剪枝，最后利用建立的模型對測試數(shù)據(jù)集進行評估。研究結(jié)果表明：該決策樹模型有較高的準確性，為個人駕駛行為分析提供了可行性依據(jù)。

關鍵詞：交通安全；駕駛行為；決策樹；C4.5算法；后剪枝法

引言

根據(jù)相關數(shù)據(jù)顯示，我國2014年底機動車駕駛?cè)藬?shù)量突破歷史性的3億人，機動車的使用數(shù)量及駕駛?cè)藬?shù)，使得我國面臨更為嚴峻的交通安全形勢。2014年，我國交通事故死亡人數(shù)為34292.34人，比2013年的死亡31604.3人增加了2688.04人，增長率為8.5%；相比2012年的死亡30222.5人，增加了4069.84人，增長率為13.46%；美國公路運輸安全管理局（National Highway Traffic Safety Admini-stration：HTSA）曾在2009年調(diào)查發(fā)現(xiàn)，由于酒后駕駛行為導致的死亡人數(shù)為10839，為交通事故總死亡人數(shù)的32%；澳大利亞MONASH大學事故研究中心的研究報告表明，接近25%的道路交通事故是由于駕駛員的分心。可見，不當?shù)鸟{駛行為是近些年來誘發(fā)交通事故的主要原因，對駕駛行為的分析與研究變得尤為重要。

此外，隨著國民經(jīng)濟的快速增長，運輸企業(yè)和租車公司急速擴張，而如何降低車隊運營成本，加強對駕駛員的行為管理成為關鍵問題。比如以色列的Traffilog管理系統(tǒng)，通過記錄司機的多種不良駕駛行為，譬如超速、過程怠速、急剎車、急加速、超轉(zhuǎn)行駛、停車立即熄火、低油量行駛、冷卻系統(tǒng)異常、停車狀態(tài)踩油門、長時間剎車、長時間離合、粘離合、發(fā)動機異常熄火等信息，有意識提醒并改善司機的駕駛行為情況；國內(nèi)最早是蘇州金龍于2011年推出GBOS智慧運營系統(tǒng)，后來該系統(tǒng)的管理理念又被復制到了卡車行業(yè)，陜汽順勢在2013年推出“天行健車聯(lián)網(wǎng)系統(tǒng)”，為汽車經(jīng)銷商、個體車主及運輸公司提供車貸管理服務、駕駛員行為分析服務、車輛常規(guī)監(jiān)控服務、油耗節(jié)能服務等。

由于后天的實際車路況不同、交通監(jiān)控設施不到位、違章成本低等諸多因素，大多數(shù)駕駛員會或多或少養(yǎng)成一些不良駕駛行為，譬如超速行為、減速行為、加速行為等，這些駕駛行為的確會影響車輛油耗、車輛使用壽命及車輛安全隱患。然而駕駛員的駕駛行為除了與路況環(huán)境相關外，與駕齡、行車時間、車速、是否工作日等信息也息息相關，本文通過分析這些影響駕駛行為的因素，判斷其與不良駕駛行為之間的關系，運用決策樹C4.5算法以期對駕駛行為分類，改善不良駕駛習慣，提高交通安全意識。

1決策樹基本概念

決策樹是一種簡單但是廣泛使用的分類器，由內(nèi)部節(jié)點，葉子節(jié)點以及分支構(gòu)成。其中，內(nèi)部節(jié)點表示在一個屬性上的測試，分支代表測試的輸出，葉子節(jié)點表示類別分布。樹中每一個非葉節(jié)點對應著一個非類別屬性，分支代表這個屬性的值，而根節(jié)點到葉子節(jié)點之間的路徑則形成一條分類規(guī)則。決策樹可以很方便地轉(zhuǎn)化為分類規(guī)則，是一種直觀的分類模式表現(xiàn)形式。

ID3以及C4.5算法是最典型的決策樹算法，其中ID3是1986年由Quinlan提出的最著名的決策樹算法，運用信息熵理論，選擇當前樣本集中最大信息增益的屬性值作為測試屬性，樣本集的劃分則依據(jù)測試屬性的值進行，測試屬性有多少不同取值就將樣本集劃分為多少子樣本集。ID3算法簡單、快速但要求屬性離散，而C4.5算法可以處理連續(xù)的屬性值，它選擇具有最大增益比例的屬性作為劃分樣本集的屬性。

2數(shù)據(jù)采集與預處理

本文所使用的數(shù)據(jù)來源于某車禍預防系統(tǒng)，此系統(tǒng)現(xiàn)已經(jīng)安裝在租車公司的運營車輛上面，可以記錄駕駛員的性別、年齡、工齡、數(shù)據(jù)上傳時間、車速以及告警類型等信息，并通過網(wǎng)絡傳輸?shù)胶笈_數(shù)據(jù)庫，進而獲取個人駕駛行為數(shù)據(jù)。

然而，隨著數(shù)據(jù)庫中數(shù)據(jù)的快速增長，決策樹的生成速度和準確性的評估將會明顯變慢，并最終可能超過硬件的承載能力，因而通常的做法是對業(yè)務數(shù)據(jù)源進行抽樣，選取出一個大小適中并盡可能地包含有全部業(yè)務數(shù)據(jù)的數(shù)據(jù)集樣本。本文采集共計4543條數(shù)據(jù)，并采用保持法隨機將此數(shù)據(jù)的2/3作為訓練數(shù)據(jù)，其余的1/3作為測試數(shù)據(jù)。數(shù)據(jù)樣例見表1。

這些駕駛數(shù)據(jù)中，存在一些重復和無效的數(shù)據(jù)影響駕駛行為的分析，因此在進行預處理時利用Python語言將這些數(shù)據(jù)從表中刪除，比如：重復的時間，持續(xù)的怠速為0狀態(tài)等。此外，由于研究目標是針對個人的駕駛行為，性別、年齡、工齡這些與輸出變量無關的固定變量，應將其刪除。對連續(xù)型屬性如時間和車速，經(jīng)過分析，對時間和車速采用離散化處理，并根據(jù)數(shù)據(jù)上傳時間增加了是否工作日（work day）屬性，其中1代表工作日，0代表非工作日，而時間主要分析2個時間段，0代表早高峰7：00-9：00，1代表晚高峰17：00-19：00，并計算各個時間段內(nèi)的平均車速。告警類型采用每段時間內(nèi)出現(xiàn)頻率最大（max（pi））的告警類型作為類別結(jié)果，得到的標準化訓練樣本見表2。

3 C4.5算法構(gòu)建決策樹

決策樹的構(gòu)建主要借鑒分治法的思想，將一個龐大的、復雜的分類問題，逐步轉(zhuǎn)化為若干個簡單的、規(guī)模更小的分類問題，自上而下地遞歸建立分類器模型。C4.5算法的核心是通過采用信息增益比例的方式來選擇能夠?qū)颖痉诸惖淖罴褜傩裕鲆姹壤嬖诘膯栴}是：傾向于選擇分割不均勻的分裂方法，即若一個節(jié)點拆分為兩個節(jié)點，其中一個節(jié)點屬性取值特別多，另一個節(jié)點取值特別少時，這種拆分有利于被選擇。為了克服此問題，需要對C4.5算法進行改進，采取的具體解決方案如下：首先利用信息增益概念，計算每一個屬性劃分的信息增益，獲得平均信息增益；選出信息增益大于平均值的所有屬性集合，對該集合計算增益比例，選擇其中增益比例最大的屬性進行決策樹分裂。

3.1信息增益率的計算

定義1設D是訓練樣本集，類別屬性具有m個不同的值，即有m個不同類Ci（i=1，2，…，m），Dj是隸屬Ci類的樣本集合，則信息熵的計算公式為：

3.2決策樹生成與剪枝

本文使用Python語言進行計算信息熵、C4.5算法劃分數(shù)據(jù)集遞歸構(gòu)建了決策樹，同時為了避免決策樹過擬合（Overfitting）樣本，即隨著決策樹節(jié)點個數(shù)的增加，決策樹在訓練樣例集上的準確度不斷提升，但在測試集上的準確度卻逐漸降低，需要對得到的初始決策樹進行除噪和分支異常處理，并采用后剪枝法（post-punning）對其進行剪枝。

決策樹構(gòu)造過程中，修剪方法有兩種：預剪枝法和后剪枝法，其中預剪枝法是指在構(gòu)造節(jié)點時，若節(jié)點的信息增益小于0.1%，則舍棄；或者構(gòu)造節(jié)點時若節(jié)點下的記錄數(shù)在所有記錄數(shù)中的比例小于0.2%，則停止其子樹的生長；構(gòu)造節(jié)點時如果沒有屬性可以用于對數(shù)據(jù)進行分割，則停止該子樹的生長。后剪枝法則采用期望錯誤率最小原則，即對樹中的內(nèi)部節(jié)點計算其剪枝/不剪枝可能出現(xiàn)的期望錯誤率，如果剪去該節(jié)點導致較高的期望錯誤率，則保留該子樹，否則剪掉該子樹，最后得到具有最小期望錯誤率的決策樹。其生成的決策樹如圖1所示。

3.3模型評估及分析

使用生成的決策樹模型對測試數(shù)據(jù)集進行評估，參與測試的樣本數(shù)據(jù)集有1400個，占整個數(shù)據(jù)集的1/3。為了評估此模型的準確性，可以利用測試數(shù)據(jù)集中的數(shù)據(jù)進行預測，并比較測試結(jié)果與實際情況的吻合程度。其準確率公式如下：

利用決策樹模型得到的檢驗結(jié)果見表3。

通過對數(shù)據(jù)集的測試與評估可以看出，總體平均識別率達到89.41%，檢測結(jié)果表明運用C4.5算法學習到的模型對未來數(shù)據(jù)樣本的分類預測可以達到基本要求。

最終生成的決策樹模型是以IF-THEN形式形成的分類規(guī)則集合，從根節(jié)點到葉子節(jié)點的每條路徑構(gòu)成一條規(guī)則，路徑內(nèi)部節(jié)點的特征對應規(guī)則的條件，葉子節(jié)點的類則對應規(guī)則的結(jié)論。

從生成的決策樹可以看出：作為根節(jié)點的平均車速屬性是所有樣本中信息量最大的屬性，即駕駛?cè)说钠骄囁賹Ω婢愋偷漠a(chǎn)生影響較為顯著，而告警類型是即將發(fā)生危險時，車禍預防系統(tǒng)以圖像和聲音的形式對駕駛者的直接提醒，說明車速與日常交通事故的發(fā)生有著密不可分的關系。此外，結(jié)合對平均每小時報警數(shù)（報警數(shù)/駕駛時長）的統(tǒng)計，如果單位時間內(nèi)告警數(shù)量有明顯下降，說明駕駛員對警示提醒有了重視，這有助于駕駛員形成良好的駕駛習慣，形成良好的駕駛行為；同時發(fā)現(xiàn)在早高峰和晚高峰時期，多次發(fā)生城市碰撞，說明在市區(qū)駕駛比較多；在非工作日狀態(tài)下，存在超速行駛現(xiàn)象嚴重，有主動違章的駕駛行為習慣，而且在高速行車變化車道時，有不開啟轉(zhuǎn)向燈或者壓線行駛情況多的習慣，這樣存在潛在的碰撞危險。

4結(jié)論

決策樹作為數(shù)據(jù)挖掘的一個常用工具，有便于理解的分類規(guī)則和高準確率，深受數(shù)據(jù)分析者的喜愛。本文通過收集車載設備的個人駕駛行為數(shù)據(jù)，對數(shù)據(jù)進行預處理以確認數(shù)據(jù)質(zhì)量，從中提取有價值的行車特征，并運用C4.5算法建立了決策樹知識學習模型，采用后剪枝法簡化了決策樹的大小，提高了決策樹的可讀性，并驗證了模型的準確率。此模型可以用來幫助駕駛員避免或減少日常交通事故的產(chǎn)生，同時探索誘導交通事故發(fā)生的影響因素，降低不良駕駛行為造成的潛在危害性，為交通安全提供保障。它將有助于發(fā)現(xiàn)駕駛員在駕駛過程中可能出現(xiàn)的錯誤操作，進而改善駕駛者的駕駛行為習慣，同時給出較為合理的駕駛方案，以提高交通運輸效率，減少交通事故的發(fā)生。