王雪松，徐曉妍

（同濟大學(xué)道路與交通工程教育部重點實驗室，上海201804）

根據(jù)世界衛(wèi)生組織的最新統(tǒng)計，從2000年起，全球道路交通死亡人數(shù)持續(xù)攀升，截至2016年，為135萬，常年維持著18人/10萬人口的高死亡率形勢。道路交通事故已成為5～29歲青年兒童的首要致死原因［1］。中德合作的《道路交通運輸安全發(fā)展報告（2017）》中指出，2016年我國共接報道路交通事故864.3萬起，同比增加65.9萬起，上升16.5%。其中，涉及人員傷亡的道路交通事故21萬多起，造成約6.31萬人死亡；道路交通事故萬車死亡率為2.14，同比上升2.9%［2］。同年，英、美、日的萬車死亡率分別為0.52、1.30、0.64［1］，與發(fā)達國家相比，我國交通安全水平仍有待改進。事故的特征研究和致因分析是提升交通安全的重要切入點，可為制定交通安全改善對策提供依據(jù)。

隨著傳感器功能的提升和車載數(shù)據(jù)記錄儀的普及，事故的重現(xiàn)和致因推斷不再只依賴于監(jiān)控錄像或當(dāng)事人的自述，研究者們可以憑借自然駕駛數(shù)據(jù)，從更微觀的角度（如駕駛行為）對事故進行深度分析。自然駕駛研究（naturalistic driving study，NDS）是指在自然狀態(tài)下，利用高精度數(shù)據(jù)采集系統(tǒng)，觀測、記錄駕駛員真實駕駛過程的研究［3］。多源、實時、精確的自然駕駛數(shù)據(jù)能夠為事故特征分析提供有力支持。但事故是小概率事件，需要通過長時間的觀測才能得到足夠的樣本量。尤其在自然駕駛實驗中，事故數(shù)不足以支撐個體駕駛員層面的統(tǒng)計分析。因此考慮用危險事件（safety-critical events，SCEs）作為事故替代指標(biāo)。危險事件是任何需要駕駛員做出避撞反應(yīng)，且存在沖突對象和碰撞風(fēng)險的情況，包括接近碰撞事件（near crashes）和碰撞事件（crashes，亦即事故）［4］。由于危險事件與事故的發(fā)生頻率存在強相關(guān)性［5］，且兩者具有相似的因果機制［6］，因此危險事件能夠作為有效的事故替代指標(biāo)，用于研究風(fēng)險駕駛行為和推斷事故致因。

自美國弗吉尼亞理工大學(xué)的100-Car和SHRP 2（Second Strategic Highway Research Program）自然駕駛研究項目開展以來，已有不少國外學(xué)者基于自然駕駛數(shù)據(jù)對危險事件進行了深入研究，包括探究危險事件的識別方法、分析危險事件的影響因素、利用危險事件進行駕駛員風(fēng)險評估等。在危險事件識別方面，國外研究多采用傳統(tǒng)的閾值法，即對車輛動力學(xué)參數(shù)設(shè)置閾值范圍，從原始數(shù)據(jù)中自動識別符合條件的事件。這種方法的優(yōu)勢是保證了極少量的危險事件被漏報，但隨之誤報率大幅度提升，需要后期花費大量時間進行人工視頻校對工作。

國內(nèi)在建立危險事件的識別標(biāo)準(zhǔn)方面還存在較多空白。需指出的是，由于國內(nèi)外駕駛環(huán)境不同，若直接照搬國外研究的閾值設(shè)定可能會導(dǎo)致識別效果不佳，因此亟需對國內(nèi)的相關(guān)研究進行補充。上海自然駕駛研究（SH-NDS）由同濟大學(xué)、通用汽車公司、弗吉尼亞理工大學(xué)三方合作，為國內(nèi)首個自然駕駛研究項目。數(shù)據(jù)采集開始于2012年12月，結(jié)束于2015年12月，歷時三年，共計19 133段出行，總行程161 055 km。該研究基于上海自然駕駛數(shù)據(jù)，建立危險事件的自動識別準(zhǔn)則，從原始數(shù)據(jù)中提取可能的危險事件片段，在此基礎(chǔ)上采用機器學(xué)習(xí)算法進一步過濾，在滿足漏報率的同時，大幅度降低自動識別的誤報率，從而減少后期人工校對的工作量。

1 研究綜述

危險事件是任何需要駕駛員做出避撞反應(yīng)的緊急情況，制動是最常見的避撞措施。Molinero等［7］基于歐洲5個國家的事故數(shù)據(jù)庫，對不同場景的事故進行了深度分析。研究表明，60%的駕駛員在事故前會采取制動措施；Dingus等［4］利用100-Car自然駕駛數(shù)據(jù)，針對各種沖突類型的接近碰撞事件，統(tǒng)計了其中的避險措施類型。結(jié)果發(fā)現(xiàn)，超過80%的接近碰撞事件中，駕駛員通過及時踩下制動踏板成功避免了碰撞；緊急制動措施可用車輛縱向加速度的異常值（小于-0.5g）進行表征。除了縱向加速度，車輛速度、橫向加速度、前向碰撞時間也常被用作識別危險事件的輔助依據(jù)。

目前大部分研究采用的危險事件識別過程如下：①對上述一系列車輛運動學(xué)參數(shù)（vehicle kinematics）設(shè)置閾值，從自然駕駛數(shù)據(jù)中自動提取可能的危險事件片段；②通過人工分析視頻的方法，對初步識別得到的危險事件進行驗證，篩選出有效的危險事件。既有研究中用于自動提取危險事件的車輛運動學(xué)參數(shù)如表1所示，滿足任一類車輛運動學(xué)參數(shù)的閾值就會被識別為可能的危險事件。

表1 既有研究中危險事件提取準(zhǔn)則Tab.1 Summary of safety-critical event extraction criteria used in existing literature

使用閾值法識別危險事件會導(dǎo)致較高的誤報率，例如Dingus等［4］以及Perez等［10］識別危險事件的整體誤報率均超過80%，需要在后期進行大量的人工校核和篩選工作。后續(xù)研究者提出了傳統(tǒng)閾值法的改進算法。Sudweeks［12］在 Dingus研究的基礎(chǔ)上建立了一種角速度分類器，該分類器可過濾42%由角速度閾值識別到的無效事件。Wu等［13］提出了一種將人工校核視頻工作量最小化的識別方法，使用閾值法初步篩選出可能的危險事件后，利用鄒氏檢驗過濾掉與事故發(fā)生機理不同的事件；再通過生存分析和ROC（receiver operating characteristic）曲線確定車輛動態(tài)參數(shù)變化量的最佳閾值，進行第二輪自動篩選，最大幅度減少了留給人工校驗的候選危險事件數(shù)。Kluger等［14］將離散傅里葉變換與k均值聚類法結(jié)合，識別危險事件發(fā)生前后車輛加速度隨時間變化的模式，運用該算法可將誤報率降至22%。

也有研究者探索了閾值法以外識別危險事件的新方法。Dozza等［15］認為事件的危險程度應(yīng)取決于駕駛員自身的感受和反應(yīng)，利用多種圖像處理算法對駕駛員面部視頻進行分類，識別有效的危險事件。該方法可以覆蓋84%的有效危險事件，各算法的平均誤報率約為30%。Gao等［16］通過提取前向視頻特征，生成每起事件的運動輪廓圖（motion profile）；基于運動輪廓圖和車輛動態(tài)學(xué)變量，建立多模態(tài)深度卷積神經(jīng)網(wǎng)絡(luò)用于識別危險事件。該方法可覆蓋83%的有效危險事件，誤報率控制在33%。

綜上所述，目前國外學(xué)者用于危險事件識別的方法主要有以下三種：①傳統(tǒng)閾值法；②結(jié)合分類算法改進傳統(tǒng)閾值法；③圖像識別算法。國內(nèi)相關(guān)研究存在較多空白，亟需進行補充。既有研究都假設(shè)傳統(tǒng)閾值法結(jié)合人工判別得到的危險事件是全樣本，在傳統(tǒng)方法基礎(chǔ)上所作的改進都旨在降低誤報率，減少人工判別的工作量，同時無法覆蓋全樣本，會產(chǎn)生一定的漏報率。因此本文認為，為了得到較為完整的危險事件集，閾值法不可舍棄；在傳統(tǒng)方法基礎(chǔ)上，需要尋求一種能同時降低誤報率和控制漏報率的方法，過濾掉大部分無效事件。

支持向量機（support vector machine）模型是一種相對較新的機器學(xué)習(xí)模型，是Kecman［17］為了解決分類和回歸問題而提出的。近年來，支持向量機模型被廣泛應(yīng)用于交通研究，包括交通流預(yù)測［18］、事件檢測［19］、事故頻率預(yù)測［20］等，具有較強的分類能力。因此本文考慮采用支持向量機在閾值法基礎(chǔ)上對事件進一步分類。支持向量機模型的主要局限在于該模型像一個黑匣子，不能識別有效的解釋變量。因此本文考慮利用隨機森林模型篩選出重要特征，作為支持向量機模型的輸入變量進行模型訓(xùn)練；并同時訓(xùn)練隨機森林模型，與支持向量機模型的預(yù)測效果進行對比。

2 數(shù)據(jù)準(zhǔn)備

本研究的數(shù)據(jù)來自“上海自然駕駛研究項目”，項目使用5輛配備了SHRP2 NextGen數(shù)據(jù)采集系統(tǒng)（包括4路攝影頭、可跟蹤前方8個物體的雷達系統(tǒng)、全球定位系統(tǒng)、車輛總線數(shù)據(jù)記錄器等）的乘用車輛。數(shù)據(jù)采集系統(tǒng)的不同設(shè)備設(shè)置了不同的采樣頻率，分布在10～50 Hz［21］。數(shù)據(jù)采集系統(tǒng)在車輛點火后自動啟動，熄火后自動關(guān)閉。數(shù)據(jù)采集開始于2012年12月，結(jié)束于2015年12月，歷時3年，共計19 133段出行，總行程161 055 km。包括57位駕駛員，其中女性12位，男性45位。研究所用的駕駛員信息數(shù)據(jù)和車輛運行數(shù)據(jù)基本完整。

本文通過對車輛動態(tài)學(xué)參數(shù)（如橫縱向加速度、前向碰撞時間等）設(shè)定閾值，從原始數(shù)據(jù)中提取可能的危險事件。初始閾值設(shè)置參考Dingus等［4］的研究。

（1）閾值類型1：橫向加速度大于等于0.7g。

（2）閾值類型2：縱向加速度的絕對值大于等于0.6g。

（3）閾值類型3：緊急事件按鈕觸發(fā)。

（4）閾值類型4：橫向加速度大于等于0.5g且前向碰撞時間小于等于4 s。

（5）閾值類型5：縱向加速度的絕對值大于等于0.5g且前向碰撞時間小于等于4 s。

只要某一時間戳的數(shù)據(jù)記錄滿足任一閾值類型，就會被自動識別為可能的危險事件，并提取該時刻前后10 s的視頻記錄用于人工校驗。數(shù)據(jù)提取流程如圖1所示。

圖1 危險事件提取流程Fig.1 Safety-critical event extraction process

值得注意的是：采用較高的誤報率（80%）是為了盡量減少遺漏的危險事件，確保充足的樣本量。若滿足以下任意兩個條件，則人工判定為危險事件：①通過手部視頻，發(fā)現(xiàn)駕駛員采取了緊急的避險操作；②根據(jù)面部視頻，發(fā)現(xiàn)駕駛員有明顯的表情變化；③依據(jù)前向視頻，發(fā)現(xiàn)自車與其他交通參與者或物體發(fā)生沖突。初始和最終閾值的設(shè)定如表2所示。

表2 事件提取閾值設(shè)定Tab.2 Summary of extraction trigger criteria

對于閾值類型1、3和4，設(shè)定為初始值時誤報率已超過80%，因此不再進行調(diào)整。從表2可以看出，對于閾值類型2和5，通過放寬閾值，有效危險事件的樣本量得到了大幅提升。利用閾值法共自動識別到3 623起可能的危險事件；人工校驗后，將其中的591起認定為有效的危險事件，包括8起碰撞事件和583起接近碰撞事件。

3 方法與模型

利用閾值法識別危險事件僅能達到16.31%（591/3623）的準(zhǔn)確率，增加了后期人工篩選的工作量。為改進識別方法，本文參照Wu等［13］“兩輪篩選”的研究思路，考慮用閾值法進行初步過濾后，納入機器學(xué)習(xí)方法進行深度篩選?；玖鞒倘鐖D2所示。首先對閾值法初步識別到的所有事件進行標(biāo)簽化處理（危險事件=1，一般事件=0），將事件標(biāo)簽作為輸入變量；再將車輛動態(tài)參數(shù)統(tǒng)計量（如縱向加速度標(biāo)準(zhǔn)差）作為輸入變量，分別采用隨機森林模型和支持向量機模型識別危險事件。

3.1 機器學(xué)習(xí)輸入變量

為確定有效的輸入變量，首先需分析閾值法失效的原因。視頻驗證過程中三類常見的失效場景如下：①城市快速路或高速公路，由于路面顛簸或遠處有車輛匯入主線，駕駛員在高速情況下本能地踩下制動踏板或轉(zhuǎn)動方向盤，造成較大的橫向或縱向加速度；②車輛接近交叉口時（無前車），本向綠燈轉(zhuǎn)為紅燈，為保證車輛不越過停車線，駕駛員采取緊急制動；③車輛經(jīng)過下坡時，駕駛員為控制車速用力踩踏制動，導(dǎo)致某一時刻車輛的縱向加速度過大。

圖2 運用機器學(xué)習(xí)的危險事件識別流程Fig.2 Safety-critical event detection process using machine learning

以上三類場景均不存在潛在的碰撞風(fēng)險，但由于某一時刻的車輛運動學(xué)參數(shù)滿足閾值條件，被錯誤地識別成危險事件?？梢娺\動學(xué)參數(shù)的瞬時值不足以做出精確的判別。在選擇機器學(xué)習(xí)的輸入變量時，考慮納入事件觸發(fā)前后某一時域內(nèi)，車輛動態(tài)參數(shù)（包括速度、橫縱加速度、與前車的距離、與前車的速度差、前向碰撞時間）的統(tǒng)計值，包括最值、均值和標(biāo)準(zhǔn)差。輸入變量匯總及計算時域如表3和圖3所示。由于存在沒有前車的情況，因此表3中的Δx、Δv和tTTC三類變量可以為空值。圖3為某一起事件在閾值觸發(fā)前后共15 s內(nèi)，各類運動學(xué)參數(shù)的時間序列圖。對于該事件，運動學(xué)參數(shù)統(tǒng)計值的計算時域為縱向加速度最小值對應(yīng)時刻t0的前5 s和后3 s（圖中陰影部分）。若事件由橫向加速度閾值觸發(fā)，則t0為橫向加速度最大值對應(yīng)的時刻。

表3 輸入變量匯總Tab.3 Summary of input variables

圖3 輸入變量的計算時域Fig.3 Time horizon of input variable calculation

3.2 機器學(xué)習(xí)模型

3.2.1 隨機森林模型

隨機森林模型是由Breiman于2001年提出的一種機器學(xué)習(xí)算法［22］。其基本原理是：通過自助法（bootstrap）重采樣技術(shù)，從大小為N的原始訓(xùn)練集中有放回地重復(fù)隨機抽取N個樣本，這N個樣本組成一個訓(xùn)練樣本集，一個訓(xùn)練樣本集生成一棵決策樹。決策樹會從M個特征變量中隨機抽取m個用于分裂節(jié)點。同樣的過程重復(fù)k次，一個由k棵決策樹組成的隨機森林訓(xùn)練完畢。將測試集輸入到每棵樹中進行分類，最后由所有樹對分類結(jié)果進行投票，投票數(shù)最多的即為最終分類結(jié)果。

由于每棵樹是從大小為N的原始訓(xùn)練集中進行N次有放回采樣，因此每棵樹中會有重復(fù)的樣本，同時也會有一些樣本未被選中，這些未被選中的數(shù)據(jù)稱為袋外數(shù)據(jù)BOOB（out-of-bag，OOB）。若有k棵決策樹，則隨之會產(chǎn)生k個袋外數(shù)據(jù)。平均而言，每棵樹進行放回抽樣后，會有37%的數(shù)據(jù)沒有被選中。推導(dǎo)公式如下：

當(dāng)一棵樹進行放回抽樣后，某個樣本一次也沒有被選中的概率如下：

當(dāng)N趨近于無窮大時，P(BOOB)會收斂到常量。證明如下：

隨機森林模型不僅可以進行分類或回歸，還能計算變量重要度MVIM（variable importance measure，VIM），幫助研究者篩選有效變量，降低數(shù)據(jù)維度［23］。MVIM的計算是基于袋外數(shù)據(jù)分類準(zhǔn)確率進行的。袋外數(shù)據(jù)分類準(zhǔn)確率定義為：袋外數(shù)據(jù)自變量值發(fā)生輕微擾動后與擾動前的分類正確率的平均減少量。MVIM的計算方式如下：

式中：MjVIM表示第j個變量的重要度；k表示隨機森林模型中的決策樹數(shù)；Mtj和MPtj分別表示對第j個變量進行干擾前和干擾后，決策樹t的袋外數(shù)據(jù)分類準(zhǔn)確率。除了計算變量重要度，袋外數(shù)據(jù)還可用于選擇每棵決策樹分裂節(jié)點所需的最佳變量個數(shù)以及決策樹數(shù)。

3.2.2 支持向量機模型

支持向量機模型的核心思想是：若一組二分類的數(shù)據(jù)有m個變量，則存在一個m維空間可以對這組數(shù)據(jù)進行表示。支持向量機模型的目標(biāo)是在這個m維空間中尋找一個最能有效區(qū)分兩類數(shù)據(jù)的m－1維超平面，即從眾多超平面中尋找一個最優(yōu)解。假設(shè)超平面服從線性方程，其表達式為

式中：X是輸入變量組成的向量；WT和b是待求的參數(shù)。根據(jù)推導(dǎo)［24］，SVM模型最終需解決以下最優(yōu)化問題：

式中：εi為樣本i的松弛變量，由于難以保證不同類型的數(shù)據(jù)點嚴格分布在超平面的兩側(cè)，松弛變量的引入放寬了約束條件，即使被錯誤地分在超平面的另一側(cè)，只要樣本點i至超平面的距離不超過εi，則仍滿足約束條件；常數(shù)C為懲罰因子，由于εi越大，約束條件越弱，超平面的區(qū)分能力越弱，因此求取最優(yōu)解的同時，也要使松弛變量之和盡量小，C決定了松弛變量之和的影響程度。

利用拉格朗日乘子法進行變換，式（5）變?yōu)?/p>

式中：αi為拉格朗日乘子。

以上公式都是基于線性分類，即超平面服從線性方程。若線性分類無法解決問題，則需要進行非線性分類。其基本思想是：將原先的m維空間逐步映射到m+1維、m+2維、m+3維等更高維的空間，直到在某個更高維的空間中線性可分為止。所以，關(guān)鍵問題就變成了確定從低維坐標(biāo)到高維坐標(biāo)的映射關(guān)系。從式（7）中可以看出，樣本點都是以兩兩內(nèi)積的形式出現(xiàn)的，將樣本點Xi與Xj的內(nèi)積記作k(Xi，Xj)。因此上述的映射關(guān)系可以理解為樣本點坐標(biāo)在更高維度下的新的內(nèi)積規(guī)則。這一規(guī)則就稱為核函數(shù)。本文采用的核函數(shù)為高斯核（徑向基函數(shù)），其形式如下所示：

式中：σ為核函數(shù)參數(shù)。綜上可知，SVM模型共有兩個待定參數(shù)(C，σ)。

3.3 模型預(yù)測效果

利用訓(xùn)練集訓(xùn)練得到隨機森林和支持向量機模型后，對測試集進行預(yù)測，再基于分類準(zhǔn)確率（classification accuracy，Acc）、誤報率（false positive rate，RFP）、漏報率（false negative rate，RFN）以及受試者工作特征（receiver operating characteristic，ROC）曲線來對比兩個模型的預(yù)測效果。本文所需處理的是一個二分類問題（是否為危險事件），可能的分類結(jié)果如表4所示。

表4 二分類問題預(yù)測結(jié)果Tab.4 Outcomes of a binary classification problem

依據(jù)表4，預(yù)測效果的度量指標(biāo)計算如下：

（1）分類準(zhǔn)確率Acc=（TP+TN）/（TP+FP+FN+TN）。

（2）誤報率RFP=FP/（FP+TN）。

（3）漏報率RFN=FN/（TP+FN）。

（4）ROC曲線的Auc（area under the curve）值。

ROC曲線的橫坐標(biāo)為特異度（specificity），取值為1-RFN；縱坐標(biāo)為靈敏度（sensitivity），取值為1-RFP。訓(xùn)練好的機器學(xué)習(xí)模型對每個測試樣本都能得到一個預(yù)測概率。設(shè)閾值p0∈[0，1]，若某樣本的預(yù)測概率小于p0，則歸為一般事件；若大于p0，則劃分為危險事件。p0取不同的值會產(chǎn)生不同的特異度和靈敏度，當(dāng)p0從0變化到1時，若干對特異度和靈敏度形成了ROC曲線。模型的預(yù)測效果可以由ROC曲線與坐標(biāo)軸圍成的面積Auc進行度量。Auc∈[0，1]越大，說明預(yù)測效果越好。

4 結(jié)果與討論

4.1 變量重要度排序

本文按照3：1的比例，將閾值法篩選出的3 623起事件隨機劃分成訓(xùn)練集和測試集。經(jīng)過統(tǒng)計，在全樣本、訓(xùn)練集和測試集中，危險事件的比例分別為16.31%、16.60%以及15.45%。為了避免數(shù)據(jù)集不平衡可能導(dǎo)致的誤差，將訓(xùn)練集中的危險事件復(fù)制4份，盡可能保證危險事件與一般事件的比例為1：1。

利用隨機森林模型進行變量重要度排序前，需要根據(jù)袋外數(shù)據(jù)誤差確定隨機森林模型中決策樹的分裂節(jié)點特征變量數(shù)。從圖4可以看出，當(dāng)特征變量數(shù)目為5時，袋外數(shù)據(jù)誤差達到最小，為0.033 2，因此可將結(jié)點特征變量數(shù)確定為5。

其次需要確定隨機森林模型中的決策樹數(shù)目。如圖5所示，隨著決策樹數(shù)目遞增，袋外數(shù)據(jù)誤差逐漸降低，并在650棵樹后趨于穩(wěn)定，因此將隨機森林模型中決策樹數(shù)量確定為650。

圖4 分裂節(jié)點特征變量個數(shù)分析Fig.4 Analysis of attributes number of split node

圖5 決策樹個數(shù)分析Fig.5 Number analysis of decision tree

隨機森林模型自身提供了兩種變量選擇方法：平均精確度減少（mean decrease accuracy）和平均節(jié)點不純度減少（mean decrease in node impurity）。由于基于平均精確度減少的方法比基于節(jié)點不純度減少的方法具有更好的非偏倚性能，因此既有文獻中多采用前者進行變量篩選［25-27］。隨機森林模型變量重要性排序如圖6所示。從圖6中可以看出，起到關(guān)鍵作用的變量有：縱向加速度的最小值、均值、標(biāo)準(zhǔn)差，與前車距離的最小值，車速的標(biāo)準(zhǔn)差，橫向加速度的均值以及與前車速度差的均值。由于所有變量重要度的權(quán)重均大于1%，因此考慮將所有24個變量作為輸入變量，放入機器學(xué)習(xí)模型中進行訓(xùn)練。

4.2 重要變量描述性統(tǒng)計

圖6 變量重要度排序Fig.6 Measurement of variable importance

表5 重要變量描述性統(tǒng)計Tab.5 Descriptive statistics of important variables

對重要度排序前10的變量進行描述性統(tǒng)計。表5匯總了訓(xùn)練集和測試集中，一般事件和危險事件的重要變量統(tǒng)計值。從表5中可以看出：①相比一般事件，危險事件發(fā)生期間的縱向加速度最小值（Xaccel_min）更小，且標(biāo)準(zhǔn)差（Xaccel_std）更大，以上兩個變量可以表征制動的緊急性；②危險事件發(fā)生期間，與前車距離的最小值（Δx_min）更小，速度差的均值（Δv_avg）更大。

4.3 模型結(jié)果

本文分別采用R語言中的“randomForest”以及“e1071”包來訓(xùn)練隨機森林模型和支持向量機模型，基于測試集的分類準(zhǔn)確率、誤報率、漏報率以及Auc值來評價預(yù)測效果。其中，隨機森林模型的兩個參數(shù)，即分裂節(jié)點特征變量個數(shù)以及決策樹數(shù)個數(shù)已經(jīng)在4.2節(jié)中明確，分別為5和650。根據(jù)3.2節(jié)，支持向量機模型有兩個待定參數(shù)，懲罰因子C以及徑向核函數(shù)參數(shù)σ，本研究采用R語言中的tune.svm函數(shù)進行十折交叉驗證，對比訓(xùn)練集的分類誤差，從而選取最佳的參數(shù)組合。結(jié)果表明，懲罰因子C取100，徑向核函數(shù)參數(shù)σ取0.01時誤差最小。

訓(xùn)練和預(yù)測后，兩種機器學(xué)習(xí)模型的ROC曲線如圖7所示。從圖7中可以看出，支持向量機模型和隨機森林模型的Auc值都接近1，分別為0.897和0.896，說明兩種模型均能達到較好的預(yù)測效果。

圖7 兩種機器學(xué)習(xí)模型的ROC曲線Fig.7 ROC curves of two machine learning models

表6進一步展示了兩種模型的預(yù)測結(jié)果。從表6中可以看出，隨機森林模型和支持向量機模型的分類準(zhǔn)確率均較高，分別為87.99%和86.09%。其中，隨機森林模型的誤報率較低，但漏報率很高，為37.14%，采用該算法容易損失較多的有效信息。支持向量機模型的誤報率比隨機森林模型高，卻能將漏報率控制在12.86%，是一個可以接受的水平；且此時14.10%的誤報率仍可以保證過濾超過85%的一般事件。因此針對本研究的目標(biāo)，即盡可能降低自動識別的誤報率，從而減少人工篩選的工作量，支持向量機模型的預(yù)測結(jié)果更優(yōu)。

表6 兩種機器學(xué)習(xí)模型的預(yù)測效果對比Tab.6 Comparison of performance of two machine learning models

對比本文的支持向量機模型與既有文獻中的閾值法改進算法，結(jié)果如表7所示。需指出的是，進行對比的3篇文獻采用的數(shù)據(jù)來源均為自然駕駛數(shù)據(jù)，與本文的數(shù)據(jù)結(jié)構(gòu)一致；且數(shù)據(jù)采集頻率以及閾值法提取危險事件采用的車輛運動學(xué)特征也相似，因此認為具有一定的可比性。從表7中可以看出，本研究使用的支持向量機方法在誤報率和漏報率方面都優(yōu)于其他研究的預(yù)測結(jié)果。

表7 支持向量機模型與其他模型的預(yù)測效果對比Tab.7 Comparison of prediction performance of SVM and models in literature

5 結(jié)語

基于上海自然駕駛數(shù)據(jù)，依據(jù)橫縱向加速度和前向碰撞時間的瞬時值，建立危險事件的自動提取閾值標(biāo)準(zhǔn)，從原始數(shù)據(jù)中識別出3 623起可能的危險事件。經(jīng)人工驗證，其中591起為有效的危險事件。為降低閾值法過高的誤報率，減輕后期人工校對的工作量，采用機器學(xué)習(xí)對閾值法初步識別的事件進行深度篩選，主要步驟如下：①按照3：1的比例，將3 623起事件隨機劃分為訓(xùn)練集和測試集。②基于訓(xùn)練集，利用隨機森林模型識別重要的車輛動態(tài)參數(shù)特征，將其作為輸入變量訓(xùn)練隨機森林模型和支持向量機模型。③對測試集進行預(yù)測，計算誤漏報率。

結(jié)果表明：①起到關(guān)鍵作用的變量有縱向加速度的最小值和均值、與前車距離的最小值以及車速的標(biāo)準(zhǔn)差。②相比隨機森林模型，支持向量機模型的預(yù)測效果更優(yōu)，在控制漏報率的同時，可過濾85.9%的無效事件。研究采用的方法可大幅度提升危險事件的識別效率，可為基于自然駕駛數(shù)據(jù)識別危險事件的后續(xù)研究提供一定參考。