基于决策树C4.5算法个人驾驶行为分析.docVIP

基于决策树C4.5算法个人驾驶行为分析 　　摘要：针对我国汽车产业及运输行业的快速发展，但交通安全观念及文明意识明显滞后、不规范驾驶行为多发的问题，利用数据挖掘中的决策树方法，对个人驾驶行为数据进行预处理，分析与驾驶行为相关的主要指标，然后通过C4.5算法构建了决策树知识学习模型，并采用后剪枝法（post-punning）对其进行剪枝，最后利用建立的模型对测试数据集进行评估。研究结果表明：该决策树模型有较高的准确性，为个人驾驶行为分析提供了可行性依据。 　　关键词：交通安全；驾驶行为；决策树；C4.5算法；后剪枝法 　　引言 　　根据相关数据显示，我国2014年底机动车驾驶人数量突破历史性的3亿人，机动车的使用数量及驾驶人数，使得我国面临更为严峻的交通安全形势。2014年，我国交通事故死亡人数为34292.34人，比2013年的死亡31604.3人增加了2688.04人，增长率为8.5%；相比2012年的死亡30222.5人，增加了4069.84人，增长率为13.46%；美国公路运输安全管理局（National Highway Traffic Safety Admini-stration：HTSA）曾在2009年调查发现，由于酒后驾驶行为导致的死亡人数为10839，为交通事故总死亡人数的32%；澳大利亚MONASH大学事故研究中心的研究报告表明，接近25%的道路交通事故是由于驾驶员的分心。可见，不当的驾驶行为是近些年来诱发交通事故的主要原因，对驾驶行为的分析与研究变得尤为重要。 　　此外，随着国民经济的快速增长，运输企业和租车公司急速扩张，而如何降低车队运营成本，加强对驾驶员的行为管理成为关键问题。比如以色列的Traffilog管理系统，通过记录司机的多种不良驾驶行为，譬如超速、过程怠速、急刹车、急加速、超转行驶、停车立即熄火、低油量行驶、冷却系统异常、停车状态踩油门、长时间刹车、长时间离合、粘离合、发动机异常熄火等信息，有意识提醒并改善司机的驾驶行为情况；国内最早是苏州金龙于2011年推出GBOS智慧运营系统，后来该系统的管理理念又被复制到了卡车行业，陕汽顺势在2013年推出“天行健车联网系统”，为汽车经销商、个体车主及运输公司提供车贷管理服务、驾驶员行为分析服务、车辆常规监控服务、油耗节能服务等。 　　由于后天的实际车路况不同、交通监控设施不到位、违章成本低等诸多因素，大多数驾驶员会或多或少养成一些不良驾驶行为，譬如超速行为、减速行为、加速行为等，这些驾驶行为的确会影响车辆油耗、车辆使用寿命及车辆安全隐患。然而驾驶员的驾驶行为除了与路况环境相关外，与驾龄、行车时间、车速、是否工作日等信息也息息相关，本文通过分析这些影响驾驶行为的因素，判断其与不良驾驶行为之间的关系，运用决策树C4.5算法以期对驾驶行为分类，改善不良驾驶习惯，提高交通安全意识。 　　1决策树基本概念 　　决策树是一种简单但是广泛使用的分类器，由内部节点，叶子节点以及分支构成。其中，内部节点表示在一个属性上的测试，分支代表测试的输出，叶子节点表示类别分布。树中每一个非叶节点对应着一个非类别属性，分支代表这个属性的值，而根节点到叶子节点之间的路径则形成一条分类规则。决策树可以很方便地转化为分类规则，是一种直观的分类模式表现形式。 　　ID3以及C4.5算法是最典型的决策树算法，其中ID3是1986年由Quinlan提出的最著名的决策树算法，运用信息熵理论，选择当前样本集中最大信息增益的属性值作为测试属性，样本集的划分则依据测试属性的值进行，测试属性有多少不同取值就将样本集划分为多少子样本集。ID3算法简单、快速但要求属性离散，而C4.5算法可以处理连续的属性值，它选择具有最大增益比例的属性作为划分样本集的属性。 　　2数据采集与预处理 　　本文所使用的数据来源于某车祸预防系统，此系统现已经安装在租车公司的运营车辆上面，可以记录驾驶员的性别、年龄、工龄、数据上传时间、车速以及告警类型等信息，并通过网络传输到后台数据库，进而获取个人驾驶行为数据。 　　然而，随着数据库中数据的快速增长，决策树的生成速度和准确性的评估将会明显变慢，并最终可能超过硬件的承载能力，因而通常的做法是对业务数据源进行抽样，选取出一个大小适中并尽可能地包含有全部业务数据的数据集样本。本文采集共计4543条数据，并采用保持法随机将此数据的2/3作为训练数据，其余的1/3作为测试数据。数据样例见表1。 　　这些驾驶数据中，存在一些重复和无效的数据影响驾驶行为的分析，因此在进行预处理时利用Python语言将这些数据从表中删除，比如：重复的时间，持续的怠速为0状态等。此外，由于研究目标是针对个人的驾驶行为，性别、年龄、工龄这些与输出变量无关的固定变量，应将其删除。对连续型属性