交通事故预测：随机森林模型训练与应用

2023-06-15 历史故事版权反馈

【摘要】：表4.13数据量化示例本研究共统计了5618起交通事故样本，随机选取全部样本的80%作为训练样本，20%作为测试样本。随机森林模型中有两类需要调整的参数，两类参数分别来自装袋算法框架和分类回归树。图4.6随机森林模型指标权重为了验证模型的预测性能和泛化性能，利用测试集进行预测，准确率为81.32%，测试集的拟合程度如图4.7所示。

交通事故影响因素涉及环境、人、车等因素，结合数据收集与文献查阅等方法，筛选了相关性较高的自变量作为预测交通事故的主要指标，见表4.12。

表4.12　影响指标

pagenumber_ebook=113,pagenumber_book=106

续表

pagenumber_ebook=114,pagenumber_book=107

对于本研究数据，需要进行数量化处理，其中“是否在白天”、“是否在假期”是布尔型变量，直接赋值0和1即可。对于其他本研究变量，依次编码数值。把事故严重程度作为因变量进行训练和预测，事故的严重程度是根据伤亡人数来确定的，见表4.13，其他数据同理。

表4.13　数据量化示例

pagenumber_ebook=114,pagenumber_book=107

本研究共统计了5618起交通事故样本，随机选取全部样本的80%作为训练样本，20%作为测试样本。随机森林模型中有两类需要调整的参数，两类参数分别来自装袋算法框架和分类回归树。

装袋算法框架有两个重要参数:①最大决策树个数，最大决策树个数太小或太大，可能会导致模型的欠拟合或过拟合，而且当该参数大到一定程度时，对模型的提升不会有明显的帮助。因此我们需要寻找一个合适的值，一般情况下默认是100；②袋外分数，袋外分数是随机森林模型泛化能力的直接体现，是评估一个模型好坏与否的重要标准。

分类回归树的参数主要用来控制决策树，防止决策树过拟合。决策树中最重要、对模型影响最大的4个参数:①决策树划分节点时考虑的最大特征个数，需要一个合适的值来控制决策树的生成速度和质量；②决策树允许的最大深度，在数据量和特征数较多的情况下决策树会很庞大，通过限制决策树的最大深度，可以减小决策树，防止过拟合；③内部节点再划分所需的最小样本数，该参数值限制了决策树内部节点继续划分的条件，如果某个节点的样本数量小于这个值，则该节点处不会再选择最佳特征来进行划分；④叶子节点处含有的最小样本数，如果叶子节点处的样本数小于这个值，则应剪掉该节点和它的兄弟节点。

建立模型时用调参的过程和结果:将最大决策树个数的索引范围设置为(10，200)，当最大决策树个数取79时，准确率最高，为0.9982；将决策树划分节点时考虑的最大特征个数的索引范围设置为(1，10)，当决策树划分节点时考虑的最大特征个数取4时，准确率最高，为0.9986；将决策树允许的最大深度的索引设置范围为(1，50)，当决策树允许的最大深度取24时，准确率最高，为0.9984；将内部节点再划分所需的最小样本数的索引设置范围为(2，50)，当内部节点再划分所需的最小样本数取2时，准确率最高，为0.9986；将叶子节点处含有的最小样本数的索引设置范围为(1，50)，当叶子节点处含有的最小样本数取1时，准确率最高，为0.9986。

为了分析影响纽约交通事故的特征，输出特征重要性如图4.6所示，由此可知，风速、温度、事故原因、涉及车辆等指标对纽约交通事故的伤亡程度影响较大。

pagenumber_ebook=115,pagenumber_book=108