田振中 樊麗花 董海隆 河南警察學(xué)院

引言

隨著我國機動車數(shù)量的快速增長，社會機動化水平不斷提高，導(dǎo)致道路交通事故頻發(fā)，交通安全形勢十分嚴峻。根據(jù)《中國統(tǒng)計年鑒2022》數(shù)據(jù)顯示，2021年全國共發(fā)生道路交通事故273098起，造成62218人死亡、281447人受傷、直接經(jīng)濟損失145035.9萬元。居高不下的交通事故不僅給人民群眾的生命財產(chǎn)造成了巨大的損失，也影響到社會治安穩(wěn)定，已經(jīng)成為一個突出的社會問題。定量研究交通事故的影響因素及變化趨勢，對進一步完善交通安全預(yù)防措施、推動道路交通安全治理體系和治理能力現(xiàn)代化建設(shè)具有重要意義。

目前，對于道路交通事故預(yù)測方法主要有三次指數(shù)平滑法、回歸預(yù)測模型法、灰色預(yù)測模型法等[1-3]，其中灰色預(yù)測模型法是針對“小樣本、貧信息”的不確定系統(tǒng)進行分析和預(yù)測的有效方法。GM(1,1)模型是目前影響最大、應(yīng)用最為廣泛的灰色預(yù)測模型，其在醫(yī)學(xué)、工業(yè)、交通等領(lǐng)域都有廣泛的應(yīng)用[4-6]。但GM(1,1)預(yù)測模型僅適用于單一時間序列的數(shù)據(jù)，未能考慮相關(guān)因素對系統(tǒng)變化趨勢的影響。近年來，國內(nèi)外學(xué)者開始探索使用多因素灰色GM(1,N)模型進行預(yù)測，該模型不僅利用歷史數(shù)據(jù)建立時間序列預(yù)測模型，也能考慮外界因素的影響[7-9]。但普通GM(1,N)模型在建模機理、模型結(jié)構(gòu)等方面存在一些缺陷，導(dǎo)致預(yù)測誤差較大、穩(wěn)定性不足[10-11]。

鑒于交通事故受到人、車輛、道路、環(huán)境等諸多因素的綜合影響，本文借鑒已有文獻的相關(guān)研究成果，采用隨機森林回歸模型篩選道路交通事故的主要影響因素，應(yīng)用優(yōu)化多維灰色預(yù)測模型OGM(1,N)對交通事故進行預(yù)測研究，旨在提高預(yù)測效果，以期為相關(guān)部門制定科學(xué)的應(yīng)對措施提供參考依據(jù)。

一、常見模型

（一）隨機森林模型

隨機森林（Random Forest，簡稱RF）是一種由多棵決策樹構(gòu)成的機器學(xué)習(xí)算法，已被廣泛應(yīng)用于各種分類與回歸問題。隨機森林回歸模型通過自助法（Bootstrap）重抽樣技術(shù)，每次從原始訓(xùn)練樣本集S={s1,s2,…,sm}有回放地重復(fù)隨機抽取一個樣本，一共抽取m次，生成與原訓(xùn)練集具有相同容量的新訓(xùn)練樣本集合，然后對每個新訓(xùn)練樣本進行決策樹建模，隨機森林回歸模型的最終結(jié)果由m棵決策樹輸出結(jié)果的平均值決定。

隨機森林模型基于誤差和節(jié)點純度可對各輸入變量的重要性進行分析，具體計算公式為：

式中，VI（Variable Importance）是變量重要性得分，VI越大，表明相應(yīng)的變量越重要；ntree是決策樹數(shù)量；OOBE是OOB樣本得到袋外誤差；OOBE是對OOB樣本中的某個輸入變量加入噪聲干擾，保持其他變量值不變，輸入決策樹得到新的袋外誤差。

（二）多變量灰色優(yōu)化OGM(1,N)模型

為GM(1,N)優(yōu)化模型，簡稱OGM(1,N)模型（Optimizing Grey Model），其中h1(k-1)和h2為模型的線性修正項及灰色作用量[11]。

模型（3）中的參數(shù)列p=[b2,b3,…,bN,a,h1,h2]T可以用最小二乘法估計求得[11]，有：

模型（4）的近似時間響應(yīng)式為：

二、RF-OGM(1,N)組合模型的道路交通事故預(yù)測分析

（一）交通事故影響因素的選擇

交通事故的影響因素眾多，本文根據(jù)已有文獻[2,4,12]和數(shù)據(jù)的可獲得性，以每年道路交通事故發(fā)生數(shù)X1（起）為系統(tǒng)特征序列，從人、車輛、道路、環(huán)境等方面初步篩選國內(nèi)生產(chǎn)總值X2（億元）、公路貨運量X3（萬噸）、公路客運量X4（萬人）、總?cè)丝跀?shù)X5（萬人）、民用汽車擁有量X6（萬輛）、公路通車里程X7（萬km）及機動車駕駛?cè)藬?shù)量X8（萬人）7個相關(guān)因素序列進行分析。本研究通過查閱2011～2021年《中國統(tǒng)計年鑒》，收集交通事故發(fā)生次數(shù)和影響因素變量的相關(guān)數(shù)據(jù)。

這里采用MATLAB2017a實現(xiàn)隨機森林TreeBagger參數(shù)優(yōu)化，最終選定決策樹棵數(shù)、決策深度的最優(yōu)超參組合為200和10，模型的PseudoR2為0.96，表明模型具有較高的擬合優(yōu)度。基于隨機森林特征重要性評估，計算各輸入因素變量的相對重要性，結(jié)果如圖1所示。由圖1可知，隨機森林回歸下影響交通事故因素的重要性排序為：機動車駕駛?cè)藬?shù)量＞民用汽車擁有量＞生產(chǎn)總值＞貨運量＞人口數(shù)＞公路通車里程＞客運量。其中，機動車駕駛?cè)藛T數(shù)（29.9%）和民用汽車擁有量（29.2%）呈現(xiàn)較高相對重要性，是造成交通事故的主要因素，在OGM(1,N)模型建模時需要作為自變量導(dǎo)入。

（二）OGM(1,N)模型計算過程

選取上述影響較大的因素作為主要因子，構(gòu)建道路交通事故發(fā)生數(shù)與機動車駕駛?cè)藬?shù)量和公路通車里程之間的OGM(1,3)模型，根據(jù)式（2）至式（5），使用MATLAB 2017a編程計算得到2011～2020年交通事故的模擬值及誤差，同時為了比較OGM(1,3)模型的模擬性能，這里也構(gòu)建了交通事故的GM(1,1)。OGM(1,3)模型與GM(1,1)模型的模擬值及誤差，見表1。

表2中GM(1,1)模型參數(shù)及符號ε(k)、△k及的含義如下：

根據(jù)表1可知，OGM(1,3)模型的模擬誤差為3.21%，而GM(1,1)模型的模擬誤差為5.79%，表明OGM(1,3)模型具有優(yōu)于GM(1,1)模型的模擬性能。為了直觀表示上述兩個模型對交通事故發(fā)生數(shù)的模擬效果，應(yīng)用EXCEL繪制了不同模型預(yù)測值及相對誤差，見圖2和圖3。根據(jù)圖2和圖3可以看出，OGM(1,3)模型模擬數(shù)據(jù)與真實值基本吻合，相對誤差值波動幅度相比于GM(1,1)模型較小，最大值為7.30%，這再次表明該模型模擬效果較好，可以很好地揭示我國交通事故的動態(tài)變化規(guī)律；而GM(1,1)模型本質(zhì)上是指數(shù)函數(shù)，具有嚴格單調(diào)性，難以實現(xiàn)對隨機波動數(shù)據(jù)序列的有效模擬。

三、應(yīng)用驗證

為了預(yù)測2021～2025年我國交通事故發(fā)生數(shù)，首先使用GM(1,1)模型對輸入因子X6和X8的未來值進行預(yù)測，這里使用MATLAB對GM(1,1)模型進行參數(shù)估計及預(yù)測（見表2和表3），發(fā)展系數(shù)-a均小于0.3，模型精度等級均為一級（好）[13]，這說明建立的GM(1,1)模型均可用于交通事故的中長期預(yù)測；然后將各輸入因子的預(yù)測值代入上述GM(1,3)模型對2021～2025年道路交通事故發(fā)生數(shù)進行預(yù)測，具體結(jié)果見表3最后一列。

由《中國統(tǒng)計年鑒2022》可知：2021年我國道路交通事故發(fā)生數(shù)為273098起，OGM（1,3）模型預(yù)測值為272365起，預(yù)測精度為：

而用GM(1,1)模型預(yù)測2021年我國道路交通事故發(fā)生數(shù)為244881起，預(yù)測精度為：

顯然，△OGM(1,3)＞ △GM(1,1)，OGM(1,3)模型具有比GM(1,1)模型更好的預(yù)測性能，這表明融合隨機森林與OGM(1,N)的預(yù)測模型適合我國道路交通事故預(yù)測。另外，從表3可以看出，我國道路交通事故發(fā)生數(shù)在未來仍將維持增長態(tài)勢，到2025年交通事故發(fā)生數(shù)達到364575起，相比2021年的實際值要增加90000多起，因此道路交通安全管理和交通事故預(yù)防工作仍需進一步加強。為了推動全國道路交通安全工作高質(zhì)量發(fā)展，應(yīng)進一步加強道路交通安全宣傳教育工作，增強全民交通安全意識，特別是要加強行業(yè)培訓(xùn)，提高駕駛員綜合素質(zhì)；進一步加大車輛檢查、檢修力度，確保車輛轉(zhuǎn)向、制動、輪胎、線路等關(guān)鍵部件狀況良好，加快研發(fā)并推廣應(yīng)用新安全技術(shù)，特別是要研究構(gòu)建車路協(xié)同安全體系，不斷提升車輛的智能化水平及安全性；進一步加大對道路交通基礎(chǔ)設(shè)施建設(shè)的財政投入力度，完善道路交通安全設(shè)施，努力打造良好交通出行環(huán)境，從而有效預(yù)防和減少道路交通事故發(fā)生，加快推進我國道路交通安全治理體系和治理能力現(xiàn)代化建設(shè)。

四、結(jié)語

交通事故是一個嚴重的社會問題，受到人、車輛、道路、環(huán)境等多方面因素的影響，是各種因素綜合作用的結(jié)果。本文根據(jù)已有相關(guān)文獻，基于我國2010～2021年間道路交通事故發(fā)生數(shù)量及相關(guān)影響因素數(shù)據(jù)，采用隨機森林算法分析道路交通事故發(fā)生數(shù)量的主要影響因素，建立了道路交通事故發(fā)生數(shù)量的多維灰色系統(tǒng)預(yù)測模型，在此基礎(chǔ)上對我國2011～2021年道路交通事故發(fā)生數(shù)量進行了模擬和預(yù)測，結(jié)果顯示模型預(yù)測誤差較小，且預(yù)測穩(wěn)定性得到提高，可以作為道路交通事故發(fā)展趨勢的有效預(yù)測模型。本文的研究成果為道路交通事故發(fā)生數(shù)量影響因素分析與預(yù)測模型構(gòu)建提供了一種有效的建模方法，這對于公安機關(guān)決策者制定交通管理政策、助力道路交通的安全性和運行效率提升、推動道路交通安全工作高質(zhì)量發(fā)展等方面，具有一定的積極意義。