摘" 要： 文中對(duì)基于決策樹(shù)優(yōu)化選擇下城市交通出行特征進(jìn)行研究，通過(guò)研究城市交通出行方式，緩解城市交通出行壓力?；跊Q策樹(shù)算法基本理論，構(gòu)建決策樹(shù)模型，選取城市交通出行特征作為分類依據(jù)，運(yùn)用C4.5決策樹(shù)算法對(duì)城市交通出行數(shù)據(jù)進(jìn)行分類，根據(jù)分類后各個(gè)不同特征葉子節(jié)點(diǎn)對(duì)上層子節(jié)點(diǎn)的總占比進(jìn)行城市交通出行特征優(yōu)化選擇分析，并在“Occam′s razor”的基礎(chǔ)上，利用重新引入法提出優(yōu)化方法，解決C4.5決策樹(shù)算法存在的過(guò)度擬合問(wèn)題，提升城市交通出行方式分析效果。實(shí)驗(yàn)結(jié)果表明，該方法可有效分析城市交通現(xiàn)有出行特征，指導(dǎo)城市交通規(guī)劃，依據(jù)該方法的分析結(jié)果對(duì)早高峰線路進(jìn)行優(yōu)化后，有效減少了長(zhǎng)距離擁堵路段，同時(shí)避免了嚴(yán)重阻塞路段的產(chǎn)生。

關(guān)鍵詞： 城市交通； 出行特征； 決策樹(shù)； 優(yōu)化選擇； 特征分類； C4.5決策樹(shù)算法； 奧卡姆剃刀理論； 過(guò)度擬合

中圖分類號(hào)： TN911.1?34； U491" " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " " " 文章編號(hào)： 1004?373X（2024）05?0182?05

Research on urban traffic travel characteristics

based on decision tree optimization selection

LI Wen1， 2

（1. Hope College of Southwest Jiaotong University， Chengdu 610400， China;

2. Chengdu Transportation + Tourism Big Data Application Technology Research Base， Chengdu 610400， China）

Abstract： A study on urban transportation travel characteristics based on decision tree optimization selection is carried out. This study alleviates urban transportation travel pressure by studying urban transportation travel modes. On the basis of the basic theory of the decision tree algorithm， a decision tree model is constructed， and urban traffic travel characteristics are selected as the classification basis. The C4.5 decision tree algorithm is used to classify urban traffic travel data， and the urban traffic travel characteristics are optimized and selected according to the total proportion of each leaf node with different characteristics to the upper sub node after classification. On the basis of ″Occam′s razor″， the reintroduction method is used to propose optimization methods to solve the overfitting problem of C4.5 decision tree algorithm and improve the analysis effect of urban transportation modes. The experimental results show that the method can effectively analyze the existing travel characteristics of urban traffic and guide urban transportation planning. After optimizing the morning peak line according to the analysis results of this method， it can effectively reduce the long?distance congested roads and avoid the generation of serious congested roads.

Keywords： urban transportation; travel characteristic; decision tree; optimization selection; characteristic classification; C4.5 decision tree algorithm; Occam′s razor theory; overfitting

0" 引" 言

交通出行調(diào)查是了解城市交通狀況、獲取人流、車流及貨流日常出行特征和規(guī)律的基礎(chǔ)調(diào)查之一[1]，該調(diào)查通過(guò)收集數(shù)據(jù)和分析結(jié)果，為城市交通規(guī)劃和優(yōu)化提供了重要的參考依據(jù)。同時(shí)，交通出行調(diào)查也是掌握交通供給和需求之間關(guān)系的基本手段之一[2]。交通出行方式的選擇是出行調(diào)查中的重要一環(huán)[3]。不同交通出行方式對(duì)于滿足居民的日常出行需求及交通結(jié)構(gòu)的合理性改變起著舉足輕重的作用。例如，在城市交通擁堵的情況下，廣泛推廣公共交通可以有效地緩解交通壓力[4?5]。因此，了解居民的出行方式選擇及其行為特征，有助于制定出更加科學(xué)的城市交通規(guī)劃和管理政策。

當(dāng)前，我國(guó)主要的大城市都已經(jīng)對(duì)我國(guó)的交通狀況進(jìn)行了調(diào)研，并對(duì)調(diào)研結(jié)果進(jìn)行了一些分析和研究。文獻(xiàn)[6]以西寧市為例，基于大樣本居民出行調(diào)研數(shù)據(jù)，構(gòu)建支持向量機(jī)（SVM）與二元邏輯（BL）兩種方法，實(shí)現(xiàn)對(duì)不同城市交通出行方式的預(yù)測(cè)。文獻(xiàn)[7]采用CFSFDP和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對(duì)交通特性進(jìn)行個(gè)性化選擇，構(gòu)建交通特性群識(shí)別模型，通過(guò)對(duì)私家車、出租車中存在的特征組進(jìn)行分析，識(shí)別出其不同的交通方式，從而完成對(duì)交通特性組的識(shí)別并對(duì)其進(jìn)行評(píng)估和分析。但上述兩種方法中均存在實(shí)驗(yàn)樣本數(shù)據(jù)不夠多的問(wèn)題，這樣會(huì)使分析結(jié)果存在一定的誤差性。

為優(yōu)化選擇城市交通出行方式，本文運(yùn)用C4.5決策樹(shù)算法對(duì)不同特征的城市交通出行方式進(jìn)行研究，并運(yùn)用奧卡姆剃刀理論（Occam′s razor）優(yōu)化C4.5決策樹(shù)算法存在的過(guò)度擬合問(wèn)題。

1" 城市交通出行特征的決策樹(shù)優(yōu)化選擇研究

1.1" 決策樹(shù)城市交通出行特征選取

建立決策樹(shù)是一個(gè)自上而下的遞歸過(guò)程，決策樹(shù)根節(jié)點(diǎn)是取一個(gè)城市交通出行特征，將其視為所有訓(xùn)練特征與該根節(jié)點(diǎn)有關(guān)聯(lián)的一類標(biāo)號(hào)。對(duì)根節(jié)點(diǎn)的特征進(jìn)行測(cè)試，并對(duì)其進(jìn)行切割，由此可以得到與其相對(duì)應(yīng)的各種子集，之后將這一類子集看作是擁有新特征的非葉節(jié)點(diǎn)，對(duì)其進(jìn)行測(cè)試并將其分割，得到新的特征子集[8]。如此反復(fù)，直到?jīng)]有新的葉子節(jié)點(diǎn)出現(xiàn)時(shí)，就可以獲得完整的決策樹(shù)。

在決策樹(shù)算法中，城市交通出行數(shù)據(jù)類別特征的選取是一個(gè)非常重要的環(huán)節(jié)。在這種新的分類算法中，根據(jù)信息增益的大小和信息熵值的大小，選取一個(gè)分類的城市交通出行特征作為分類的依據(jù)。

信息增加準(zhǔn)則包括三個(gè)重要的概念：信息熵、期望熵、信息增加。信息熵或者期望熵是指每個(gè)采樣集合所具備的純凈程度。假設(shè)在城市交通出行集合[Q]中包括[q]個(gè)城市交通出行數(shù)據(jù)采樣，類別標(biāo)記城市交通出行特性[A]，包括[a]個(gè)不同的取值，將采樣集合[Q]分為[a]個(gè)不同的類別[Aii=0，1，2，…，a]；在每一種類別中的樣品數(shù)目被指示為[q]，因而城市交通出行集合[Q]被分成預(yù)期信息的[a]種不同種類：

[EQ=-i=1apilog2 pi] （1）

在所述樣本集合中，不同種類特征的可能性為：

[pi=qiq] （2）

信息是用二進(jìn)制來(lái)編碼的，而編碼的長(zhǎng)短是用熵中二進(jìn)制比特的數(shù)目來(lái)衡量的，因此使用了一個(gè)具有2個(gè)基點(diǎn)的對(duì)數(shù)函數(shù)。

每個(gè)城市交通出行特征都有一定的信息量，即根據(jù)特征對(duì)城市交通出行數(shù)據(jù)采樣結(jié)果進(jìn)行劃分，從而使其對(duì)熵值的期望有所下降。在[Q]的城市交通出行樣本集中，可以將多個(gè)不同的城市交通出行特征分開(kāi)，假定[T]的特征含有不同的值，那么相應(yīng)的一組數(shù)字被記錄為[ValuesT]，[Qb]是[Q]的一組特征的[T]值為[t]的一組數(shù)據(jù)，其表示為：

[Qt=q∈QTq=t] （3）

在[T]的不同分枝節(jié)點(diǎn)上，這類節(jié)點(diǎn)樣本集合[Qt]的類別熵值可以用[EQt]表示。相對(duì)應(yīng)于特征[T]的預(yù)期熵為：

[EQ，T=-t∈ValuesTQtEQtQ] （4）

式中：[EQt]代表狀態(tài)[Q]在特定時(shí)間[t]下的期望值，并對(duì)整個(gè)時(shí)間段內(nèi)的每一個(gè)狀態(tài)進(jìn)行加權(quán)平均以得到[EQ，T]的值。

從城市交通出行特征[T]中可以得到其信息量為：

[GainQ，T=EQ-EQ，T] （5）

當(dāng)[GainQ，T]的數(shù)值較大時(shí)，對(duì)[T]的類別所能給出的資訊也較多。

采集到不同類別的城市交通出行數(shù)據(jù)特征后，需要對(duì)不同類別的城市交通出行數(shù)據(jù)進(jìn)行相應(yīng)分類。

1.2" 決策樹(shù)城市交通出行特征分類算法

將城市交通出行數(shù)據(jù)抽樣集合[Q]分為[q]個(gè)抽樣子集合，用[Q1，Q2，…，Qq]表示。劃分的原則是以離散城市交通出行特征[T]的[m]個(gè)不同的取值為基礎(chǔ)，因此，在采樣集[Q]中，使用離散城市交通出行特征[T]進(jìn)行劃分得到的信息增益率為：

[GRQ，T=log2QiQGainQ，T-i=1qQiQ] （6）

決策樹(shù)分類方法的中心思想就是把城市交通出行特征為連續(xù)值的值域分割成一個(gè)離散的區(qū)間集[9?10]。C4.5算法既可以對(duì)離散特征進(jìn)行有效的分類，又可以對(duì)連續(xù)類型的特征進(jìn)行有效的分類，具體步驟如下所示：

1） 根據(jù)連續(xù)城市交通出行特征[T]的不同取值，對(duì)樣品集中[Q]的樣品進(jìn)行了數(shù)值計(jì)算，并根據(jù)從小到大的快速排序方法對(duì)城市交通出行數(shù)據(jù)樣品集中[Q]的城市交通出行數(shù)據(jù)進(jìn)行排序，其中城市交通出行數(shù)據(jù)樣品集中[T]被每個(gè)不同的取值劃分為[s]個(gè)子集[Q1，Q2，…，Qs]。

2） 2個(gè)相鄰取值的平均值按照一定的順序進(jìn)行分割，該平均值被當(dāng)作是分割點(diǎn)，城市交通出行數(shù)據(jù)樣本集被分割點(diǎn)分割成兩個(gè)子集，兩個(gè)子集的范圍以平均值為界限，一個(gè)子集全小于平均值，另外一個(gè)子集則全大于平均值，一共含有[s-1]個(gè)分割點(diǎn)，分別對(duì)每一個(gè)分割點(diǎn)對(duì)應(yīng)的信息增益進(jìn)行計(jì)算。

3） 在此基礎(chǔ)上，以連續(xù)型城市交通出行特征[T]對(duì)城市交通出行數(shù)據(jù)集[Q]信息增益率的劃分為基礎(chǔ)，從各種取值中找到一個(gè)值作為城市交通出行特征[T]的分裂值，所找到的這個(gè)值一定要非常接近局部閾值，卻又不能超出局部閾值。

4） 反復(fù)進(jìn)行以上操作，最終得出在該城市交通出行特征集中每個(gè)特征所對(duì)應(yīng)的信息增益率，將其取值最高的特征作為測(cè)試特征，并將該城市交通出行數(shù)據(jù)樣本集劃分為幾個(gè)城市交通出行數(shù)據(jù)樣本子集。

5） 對(duì)所得到的城市交通出行數(shù)據(jù)樣本子集根據(jù)以上劃分方法進(jìn)行劃分，直至無(wú)法進(jìn)行進(jìn)一步劃分。C4.5決策樹(shù)形算法[11?12]不僅對(duì)連續(xù)類型的特征有很強(qiáng)的適應(yīng)能力，而且對(duì)缺失類型的特征也有很好的處理能力，可以產(chǎn)生更多的分枝。

C4.5算法分類流程如圖1所示。

對(duì)各個(gè)不同城市交通出行特征節(jié)點(diǎn)分類后，分析各個(gè)不同特征葉子節(jié)點(diǎn)對(duì)上層子節(jié)點(diǎn)的總占比，通過(guò)分析總占比，針對(duì)不同情況進(jìn)行不同優(yōu)化選擇。但C4.5方法在提高判別準(zhǔn)確率的同時(shí)，也存在著“擬合過(guò)度”的問(wèn)題。為此，本文提出一種新的“Occam′s razor”方法，以提高其在數(shù)據(jù)處理中的準(zhǔn)確率，從而避免了決策樹(shù)在處理城市交通出行數(shù)據(jù)時(shí)存在的過(guò)度擬合問(wèn)題。

1.3" 解決C4.5算法過(guò)度擬合問(wèn)題

為了克服C4.5在求解過(guò)程中易出現(xiàn)的過(guò)擬合現(xiàn)象[13]，本文在“Occam′s razor”的基礎(chǔ)上，利用重新引入的方法，提出了一種新的優(yōu)化方法。該算法的優(yōu)化思路是：根據(jù)奧卡姆剃刀理論，當(dāng)兩個(gè)模型的推廣精度完全一致時(shí)，將其推廣到一個(gè)更簡(jiǎn)單的模型中。

假設(shè)由城市交通出行數(shù)據(jù)組建的訓(xùn)練集[Q]存在[V]種記錄和[h]種類別。用此訓(xùn)練集形成的決策樹(shù)存在[t]個(gè)葉子節(jié)點(diǎn)，葉子節(jié)點(diǎn)的集合設(shè)為[U1，U2，…，Ut]，第[k]個(gè)葉子節(jié)點(diǎn)中的類分別設(shè)為[Uk1，Uk2，…，Ukh]，設(shè)[Ck]為第[k]個(gè)節(jié)點(diǎn)中類的總數(shù)，對(duì)應(yīng)第[k]個(gè)節(jié)點(diǎn)中各個(gè)類的數(shù)量表示為[Uki1≤i≤h]，[maxUki] [1≤i≤h]設(shè)為[Uki]中最大的值，那么泛化誤差公式可表示為：

[e=k=1ti=1sCk-maxUkiV] （7）

從奧卡姆剃刀理論可以看出，在泛化誤差相等的情況下，采用更簡(jiǎn)單的數(shù)學(xué)模型更為合適。因而，在不過(guò)度追求精度的前提下，可采用再代入估計(jì)法進(jìn)行估算。下面詳細(xì)說(shuō)明了再代入估計(jì)法的具體方法。

決策樹(shù)每進(jìn)行一次分裂，就會(huì)進(jìn)行一次訓(xùn)練誤差（訓(xùn)練誤差是指訓(xùn)練集的誤差，計(jì)算公式見(jiàn)式（7））的計(jì)算，將訓(xùn)練誤差看成是一種通用誤差，當(dāng)通用誤差小于某一特定值[?]時(shí)，就會(huì)停止決策樹(shù)的成長(zhǎng)。[?]因資料集合的差異而異，須以真實(shí)的需要為基礎(chǔ)進(jìn)行反復(fù)的實(shí)驗(yàn)才能決定。

2" 實(shí)驗(yàn)分析

本文數(shù)據(jù)是以某市城市交通出行調(diào)查的數(shù)據(jù)為基礎(chǔ)，對(duì)其進(jìn)行研究，主要研究的是在主城區(qū)及周邊輻射區(qū)影響范圍內(nèi)的常、暫住人口及流動(dòng)人口的交通出行狀況。常住人口和流動(dòng)人口是以家庭為單位抽取的，在主城區(qū)的樣本比例是5%，周邊地區(qū)的樣本比例為3%。根據(jù)4%的樣本統(tǒng)計(jì)，農(nóng)民工人數(shù)占總?cè)藬?shù)的4%。問(wèn)卷采用的是以家庭為單位進(jìn)行的家庭問(wèn)卷，問(wèn)卷包括個(gè)人情況、家庭情況和旅行情況。通過(guò)對(duì)所收集到的資料進(jìn)行歸類，得到了1 000份可供使用的資料，所涉及到的運(yùn)輸形式大致可以分為：步行、非機(jī)動(dòng)車、公交和私人機(jī)動(dòng)車等，部分輸入變量定義如表1所示。

該決策樹(shù)模型以對(duì)不同交通方式的選擇為因變量，由于影響交通方式的選擇因素很多，本文主要考慮出行者的個(gè)人屬性及家庭屬性信息，選取出行時(shí)間、出行目的、出行日期（工作日、節(jié)假日）、出行者的年齡、性別、職業(yè)、是否有公交卡、是否用公共自行車、家庭規(guī)模、兒童數(shù)、是否有購(gòu)車意愿作為自變量。

以該市采集資料為實(shí)驗(yàn)樣本，運(yùn)用本文方法對(duì)該市交通出行特征進(jìn)行分析，對(duì)該市交通出行方式做出優(yōu)化分析選擇，選取出行方式與職業(yè)作為實(shí)驗(yàn)自變量，具體實(shí)驗(yàn)?zāi)Ｐ驮O(shè)置如表2所示。

運(yùn)用本文方法對(duì)該市交通出行方式按表2中的因變量與自變量構(gòu)建決策樹(shù)，具體實(shí)驗(yàn)結(jié)果如圖2所示。

由圖2可看出，運(yùn)用本文方法構(gòu)建的決策樹(shù)中，在“出行方式”模式中是根據(jù)私人機(jī)動(dòng)車擁有量的數(shù)量而分割的，可以看到，在擁有私人機(jī)動(dòng)車的數(shù)量為零時(shí)，居民主要會(huì)選擇以步行及公共交通方式進(jìn)行出行，而在這之中，選擇公交出行的比例約為64%。當(dāng)私人機(jī)動(dòng)車擁有量超過(guò)零時(shí)，居民們就會(huì)以私人機(jī)動(dòng)車和公交出行為主，在這兩種交通方式之中，選擇汽車出行平均占到了50%左右，而選擇公共交通出行平均占到了31%。同時(shí)，公務(wù)員、工人多選擇以私人機(jī)動(dòng)車與公共交通作為主要出行方式；農(nóng)民和學(xué)生多以公共交通與步行作為主要出行方式。研究結(jié)果表明，從結(jié)合本文方法構(gòu)建的決策樹(shù)可看出，對(duì)于未擁有私人機(jī)動(dòng)車的人員來(lái)說(shuō)，大部分會(huì)選擇公共交通這種出行方式；對(duì)于具有私人機(jī)動(dòng)車的家庭來(lái)說(shuō)，其私人機(jī)動(dòng)車并不是唯一的交通工具，選擇公共交通工具的比例也很高，同時(shí)各個(gè)職業(yè)選擇公共交通方式出行的占比均較大。運(yùn)用本文方法可有效分析出城市交通出行特征，指導(dǎo)城市進(jìn)行交通規(guī)劃，可通過(guò)適當(dāng)增加公共交通出行工具，確保滿足該市出行需求。

實(shí)驗(yàn)以該市某區(qū)交通線路圖作為實(shí)驗(yàn)對(duì)象，以早高峰期為實(shí)驗(yàn)時(shí)間，以原有早高峰交通擁堵情況作為實(shí)驗(yàn)對(duì)比對(duì)象，運(yùn)用本文方法得出的分析結(jié)果對(duì)交通出行方式進(jìn)行相應(yīng)調(diào)整，測(cè)試運(yùn)用本文方法后交通擁堵優(yōu)化情況，具體實(shí)驗(yàn)如圖3所示。

由圖3可看出，優(yōu)化前該區(qū)早高峰有5條長(zhǎng)距離擁堵路段與4條嚴(yán)重阻塞路段，結(jié)合本文方法進(jìn)行優(yōu)化后，可看出擁堵路段距離明顯縮短，同時(shí)減少了2處嚴(yán)重阻塞路段，說(shuō)明運(yùn)用本文方法對(duì)交通出行進(jìn)行優(yōu)化選擇后，該區(qū)早高峰路段嚴(yán)重阻塞情況明顯得到改善，同時(shí)避免了大段汽車擁堵的情況。

3" 結(jié)" 論

本文利用C4.5決策樹(shù)算法對(duì)城市交通出行做出優(yōu)化選擇，并以?shī)W卡姆剃刀理論為基礎(chǔ)，在減少?zèng)Q策樹(shù)計(jì)算復(fù)雜性的同時(shí)，還可以克服過(guò)擬合問(wèn)題。在大數(shù)據(jù)環(huán)境下，如何實(shí)現(xiàn)決策樹(shù)的并行性，提高其分類精度，將成為未來(lái)進(jìn)一步深入研究的熱點(diǎn)。

參考文獻(xiàn)

[1] 崔敘，喻冰潔，楊林川，等.城市軌道交通出行的時(shí)空特征及影響因素非線性機(jī)制：基于梯度提升決策樹(shù)的成都實(shí)證[J].經(jīng)濟(jì)地理，2021，41（7）：61?72.

[2] 歐冬秀，張馨尹，趙源，等.基于梯度提升決策樹(shù)級(jí)聯(lián)分類方法的城市軌道交通列車突發(fā)事件延誤時(shí)間預(yù)測(cè)[J].城市軌道交通研究，2022，25（10）：65?70.

[3] 孫曉黎，朱才華，李美妮，等.時(shí)間序列聚類下的城市軌道交通客流預(yù)測(cè)研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2023，45（3）：149?157.

[4] 唐亮，李飛.基于決策樹(shù)的車聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)模型研究[J].計(jì)算機(jī)科學(xué)，2021，48（z1）：514?517.

[5] 王超發(fā)，王文隆，蔡鑫.基于新老司機(jī)道路選擇行為的交通流均衡研究[J].運(yùn)籌與管理，2021，30（6）：12?18.

[6] 彭輝，王劍坡，張娜.基于SVM的高原川道型城市通勤者出行方式選擇研究[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（11）：18?23.

[7] 蔡曉禹，呂亮，杜蕊.基于組合模型的車輛出行特征模式劃分[J].公路交通科技，2021，38（6）：129?140.

[8] 段力偉，冉松民，陳瑞雪，等.基于梯度提升決策樹(shù)的城市軌道交通網(wǎng)絡(luò)運(yùn)營(yíng)態(tài)勢(shì)綜合評(píng)估方法[J].城市軌道交通研究，2022，25（8）：32?35.

[9] 王磊，劉雨，劉志中，等.基于屬性離散和特征度量的決策樹(shù)構(gòu)建算法[J].河南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（3）：127?133.

[10] 鄭貞，鄒俊穎.基于混沌關(guān)聯(lián)維與決策樹(shù)的運(yùn)動(dòng)數(shù)據(jù)分類研究[J].計(jì)算機(jī)仿真，2022，39（10）：327?330.

[11] 宋汶秦，王海亮，趙春娟，等.基于改進(jìn)C4.5算法的退役動(dòng)力電池等級(jí)篩選研究[J].電源技術(shù)，2022，46（11）：1318?1321.

[12] 吳濤，王占海，陳奇，等.基于C4.5決策樹(shù)的航空器機(jī)翼積冰風(fēng)險(xiǎn)監(jiān)測(cè)仿真[J].計(jì)算機(jī)仿真，2023，40（7）：44?48.

[13] 謝鑫，張賢勇，王旋曄，等.變精度鄰域等價(jià)粒的鄰域決策樹(shù)構(gòu)造算法[J].計(jì)算機(jī)應(yīng)用，2022，42（2）：382?388.