基于C4.5決策樹算法的道路結冰預報模型構建與應用

陳 凱，徐國慶，熊 燾，侯紀勇，王曦晨，戚國輝，劉 青

（1.國家電網(wǎng)公司交流建設分公司，北京 100052；2.紫光軟件系統(tǒng)有限公司，北京 100084）

0 引言

我國北方冬季積雪和融水易在路面形成結冰，造成路面抗滑能力顯著降低，車輛制動距離延長，影響行車安全[1]。尤其我國東北部地區(qū)，冬春季節(jié)氣溫低，常出現(xiàn)降雪、凍雨[2]，道路結冰現(xiàn)象突出。研究道路結冰預報方法，對道路結冰情況進行提前預報，能夠有效減少因道路結冰引起的交通事故。

美國及歐洲一些國家向來重視道路結冰的監(jiān)測和預報工作，并較早地在公路交通氣象學領域開展研究，研發(fā)出了一些路面溫度測試和結冰預報技術[3-4]。如美國等國家建立的道路氣象信息系統(tǒng)（Road Meteorological Information System），可根據(jù)路域氣象資料預報路面狀況。Sass[5]基于地面熱傳導方程和地表能量平衡方程，進行了敏感性實驗，獲取了詳細的溫度和濕度分析結果，并利用丹麥道路站的數(shù)據(jù)對道路溫度和結冰預測進行了數(shù)值模擬，建立了道路結冰預報方法，取得了較好的效果。Shao等[6]通過因特網(wǎng)收集公路養(yǎng)護信息而建立的道路結冰預報模型能夠自動調整所需物理參數(shù)，準確及時地預測路面結冰時間，為歐洲許多國家冬季公路養(yǎng)護提供了技術支持。

目前，我國在道路結冰預報研究方面仍處于初期階段[7-8]。楊武杰等[9]利用1990—2007年內蒙古高等級公路氣象站監(jiān)測的結冰和積雪天氣數(shù)據(jù)及1990—2000年降水天氣數(shù)據(jù)，分析了引起道路結冰的氣象和環(huán)流因素，構建了道路結冰統(tǒng)計模型，對包頭至興和高等級公路道路結冰情況進行了預報。孫翠梅等[10]利用2003年12月至2010年3月鎮(zhèn)江市公路地面氣溫數(shù)據(jù)，分析了鎮(zhèn)江市道路結冰的氣候特征，結合降水性質、是否有積雪、日最低氣溫和日平均氣溫，定義了道路結冰影響指數(shù)，建立了統(tǒng)計模型進行分級預報，對當?shù)氐缆方Y冰情況具備一定的預報能力。馬吉暉[11]從天氣學角度分析總結出3種天氣概念模型，得出由弱降水所致的道路結冰預報方法。雷建軍等[12]將遺傳微粒群算法與支持向量機（Support Vector Machines，簡稱SVM）相結合，利用遺傳微粒群算法的全局搜索能力從多個氣象因子中自適應地選擇合適的因子組合及其對應的最優(yōu)SVM參數(shù)，分別建立了武漢市和十堰市道路結冰預報模型，取得了較好的預報效果。

總體來看，目前有關道路結冰預報的研究方法主要有三種：統(tǒng)計模型[13-14]、理論分析模型[15]和數(shù)據(jù)挖掘模型[16-17]。統(tǒng)計模型在進行道路結冰預報時，數(shù)據(jù)量大，雖然具有一定的預報能力，但空報率較高。理論分析模型是基于熱力學和天氣學基本原理，利用數(shù)值方法建立溫度、降水的預報模型，但是該方法參數(shù)復雜，獲取困難，不適合大型主設備運輸期的道路結冰災害預報。數(shù)據(jù)挖掘法可以處理大規(guī)模數(shù)據(jù)，對應的模型在屬性選擇合理的情況下準確率相對較高，并且在分析非線性氣象問題上有著廣泛的應用。決策樹算法是數(shù)據(jù)挖掘方法的一種，能夠克服數(shù)據(jù)要求高、參數(shù)復雜、計算繁瑣等困難[18-19]。

本文將基于C4.5決策樹算法，通過對道路結冰樣本進行規(guī)則學習，訓練決策樹模型，將道路是否結冰抽象為一個二元分類問題，構建道路結冰預報模型，最后利用特高壓輸變電主設備運輸期的道路結冰預報對模型的準確率加以驗證。

1 C4.5決策樹算法原理

決策樹算法屬于數(shù)據(jù)挖掘中一種重要的分類方法[20-21]，目前在遙感解譯領域得到了廣泛應用。本文結合遙感解譯思想，引入C4.5決策樹算法，通過對日最低氣溫、日積雪深度、日降水量與對應當天道路結冰關系進行學習訓練，構建道路結冰二元分類模型，為道路結冰預報提供理論算法基礎。

在決策樹算法中，令S為包括s類樣本的數(shù)據(jù)訓練集，m為訓練集中的類別數(shù)量，si為s中第i類樣本的個數(shù)，i=1,2…,m，即：

此時訓練集S的信息（嫡）H(S)為：

根據(jù)屬性A，令S={S1,S2,…,Sv}，其中v為屬性A包含不同值的數(shù)目。于是，訓練集在屬性A上的信息熵為：

對應的信息增益為：

2 模型構建

2.1 道路結冰因素分析

道路結冰是指雨、雪、凍雨或霧滴碰到溫度低于0℃的地面而出現(xiàn)的積雪或結冰現(xiàn)象，包括凍結的殘雪、凸凹的冰轍、雪融水或其他原因的道路積水在寒冷冬季形成的結冰[22]。我國東北部地區(qū)冬季的主要氣候特點是風大、干旱、寒冷、冰期長。顯然，冬季的低溫環(huán)境給道路結冰災害的形成創(chuàng)造了條件。本文以通遼地區(qū)為例，統(tǒng)計了2015年和2016年各自2月份和3月份的氣溫、降水、降雪與道路結冰情況，并分析得出這三因素與道路結冰之間的關系，在時間上與主設備運輸時間保持一致，氣象條件類似，有利于道路結冰預報研究。圖1～圖4中縱軸分別表示最低氣溫、降雨量、積雪深度和是否結冰（1表示結冰，0表示不結冰），橫軸表示日期。

圖1 2015年2月份最低氣溫、降雨量、積雪深度與道路結冰關系

圖2 2015年3月份最低氣溫、降雨量、積雪深度與道路結冰關系

圖3 2016年2月份最低氣溫、降雨量、積雪深度與道路結冰關系

圖4 2016年3月份最低氣溫、降雨量、積雪深度與道路結冰關系

由圖1～圖4可知，通遼地區(qū)在2015年2月、3月以及2016年2月的最低氣溫和3月前半月的最低氣溫均低于0℃，3月后半月最低氣溫波動較大，有時高于0℃；對應月份的降雨量較少，每月不超過2次，且降雨當天氣溫低于0℃，出現(xiàn)道路結冰；降雪雖然頻次不高，由于氣溫較低，雪融較慢，單次降雪會造成連續(xù)幾天積雪，長期積雪則會導致道路長期連續(xù)結冰。根據(jù)數(shù)據(jù)統(tǒng)計，道路結冰出現(xiàn)在有積雪或者降雨并且氣溫低于0℃的情況下，由于內蒙和遼寧冬季和初春降水較少，故引起道路結冰的主要因素是低溫和降雪。

2.2 基于C4.5決策樹算法的道路結冰預報模型構建

研究表明，地表溫度是道路結冰的主要影響因素[23]。由于地表溫度相對最低氣溫較難測得，不過日最低氣溫和日最低地表溫度間存在較好的對應關系[24]，因此可用日最低氣溫替代日最低地表溫度來研究道路結冰問題。由前文可知，道路結冰天氣出現(xiàn)在有積雪或降雨的條件下，因此，可利用滿足日最低氣溫與日積雪深度或日最低氣溫與降水的關系來判斷道路是否結冰，即將通遼地區(qū)2015—2016年2月和3月日最低氣溫、日積雪深度、日降水量作為決策樹模型的輸入變量，道路是否結冰作為目標變量（結冰用1表示，不結冰用0表示）來訓練并構建道路結冰預報模型。

基于C4.5決策樹算法的道路結冰預報模型的構建具體可分以下三個步驟，對應的模型運行原理如圖5和圖6所示。

（1）收集日最低氣溫、日降水量、日積雪深度以及道路是否結冰等數(shù)據(jù)；

（2）對最低氣溫、日降水量、日積雪深度以及對應的道路結冰情況進行分類預處理；

（3）將日最低氣溫、日積雪深度、日降水量作為決策樹模型的輸入變量，將道路是否結冰作為目標變量，構建道路結冰預報模型。

圖5 日最低氣溫與日積雪深度道路結冰預報模型示意圖

圖6 日最低氣溫與日降水量道路結冰預報模型示意圖

3 基于C4.5決策樹算法的道路結冰預報模型應用及精度分析

為了驗證基于C4.5決策樹算法的道路結冰預報模型的準確率，現(xiàn)分別對點狀區(qū)域和線狀區(qū)域兩種類型的道路結冰情況進行預報，并與實際情況作一比較。

3.1 點狀區(qū)域道路結冰預報模型應用及精度分析

以赤峰地區(qū)為例，將其2016年2月和3月的道路實際結冰數(shù)據(jù)（每日最低氣溫、每日早上8時積雪深度、每日累積1d降水量）輸入預報模型進行結冰情況預報。預報結果和實際結果如表1和表2所示。

表1 2016年2月赤峰道路模型預報結冰與實際結冰情況

表2 2016年3月赤峰道路模型預報結冰與實際結冰情況

由表1和表2可知，2月共29d，準確預報有28d，預報準確率為96.6%，3月共31d，準確預報有28d，預報準確率為90.3%，2月和3月共60d，準確預報有56d，總體預報準確率為93.3%。分析可知，2月9日與3月13日模型計算結果與實際結果不符，這都是因為當日積雪量較少，氣溫較高，積雪融化成水，路面未能結冰；3月17日有少量降雨，最低氣溫為0℃，而道路結冰模型訓練數(shù)據(jù)在降雨條件下的最低氣溫為-2℃，故判斷為不結冰，而道路結冰是由綜合因素引起的，導致預報錯誤。3月27日預報無結冰，是因為26日中午氣溫較高，積雪融化成水，27日無降水，輸入的日累計降雨量為0，實際路面有積水且當天最低氣溫較低，引起道路結冰，造成預報結果與實際不符。總體來看，盡管模型對部分日期道路結冰判斷錯誤，但模型預報的整體準確率仍較高。

3.2 線狀區(qū)域道路結冰預報模型應用及精度分析

現(xiàn)以2017年冬季特高壓交流輸變電主設備運輸?shù)缆方Y冰預報為例，對所建模在線狀區(qū)域預報中的精度進行驗證。

特高壓交流輸變電主設備在2017年的運輸時間分別為2月12日—22日和3月20日—30日，運輸線路從沈陽到錫林浩特，沿線經(jīng)過阜新、通遼和赤峰。為了保障運輸安全，會提前1d預報次日沿線運輸?shù)缆返慕Y冰情況。將本次運輸過程中日最低氣溫、日積雪深度和日降水量輸入道路結冰預報模型，對道路是否結冰進行預報，結果見表3和表4。

表3 2017年2月12日—22日設備運輸沿線道路預報結冰與實際結冰情況

表4 2017年3月20日—30日設備運輸沿線道路預報結冰與實際結冰情況

由表3和表4所示的預報結冰和實際結冰結果對比可知，特高壓交流輸變電主設備運輸時間共計22d，準確預報19d，錯誤預報3d，預報準確率為86.4%。可見，該道路結冰預報模型具有較高的準確率，當然日最低氣溫、日積雪深度、日降水量3項輸入數(shù)據(jù)較高的準確度也為道路結冰預報的準確性提供了保障。錯誤預報原因分析如下：模型預報2月16日道路有結冰，而實際當天無結冰，是因為天氣預報當天有降雪，而真正的降雪出現(xiàn)在晚上（設備運輸暫停），因此預報結果與實際情況不符；3月24日預報道路無結冰而實際道路有結冰，是因為設備運輸經(jīng)過國道時該地區(qū)23日有少量降水，24日氣溫較低且路面有積水引起了道路結冰；3月29日預報道路結冰而實際當天無結冰，是因為當日氣溫較高，且伴有大風，在設備運輸開始前路面降水已經(jīng)消失，沒有引起結冰，導致預報結果與實際不符。綜上可見，本文所建道路結冰預報模型在線狀區(qū)域道路結冰預報中可靠性高，能滿足道路結冰預報需求。

4 結語

本文采用C4.5決策樹算法，利用日最低氣溫、日降水量、日積雪深度與對應的道路結冰之間的關系，構建了基于C4.5決策樹算法的道路結冰預報模型。最后，通過對赤峰地區(qū)和沈陽到錫林浩特特高壓交流輸變電主設備運輸期間道路結冰情況的預報對所建模型進行實用性和精度驗證，結果表明該道路結冰預報模型具有較高的準確率，可為我國東北地區(qū)冬季道路運輸提供有效、安全的技術保障。利用數(shù)據(jù)挖掘方法，通過分析歷史數(shù)據(jù)可發(fā)現(xiàn)潛在的信息和規(guī)律，在局部區(qū)域可以實現(xiàn)對道路結冰的有效預報。今后若結合與氣象相關的理論知識，進行更加深入的信息挖掘，探索本質信息，將會對道路結冰有更加科學理性的認識和預報。

參考文獻

[1]王學強，王澄海，孟雪峰，等.內蒙古錫林郭勒盟2012年冬季暴雪過程天氣學特征研究[J].冰川凍土，2013，35（6）：1446-1453.

[2]孫婷，張昌利，孟穎，等.面向公路主動式防冰處置的行業(yè)信息物理系統(tǒng)[J].交通運輸研究，2017，3（3）：49-54.

[3]NORMAN J.Slipperiness on Roads-An Expert Systerm Classification[J].Meteorological Applications,2000,7(1):27-36.

[4]SHAO J,LISTER P J.An Automated Nowcasting Model of Road Surface Temperature and State for Winter Road Main?tenance[J].Journal of Applied Meteorology,1996,35(8):1352-1361.

[5]SASS B H.A Numarical Model for Prediction of Road Tem?prature and Ice[J].Journal of Applied Meteorology,2007,91(4):475-499.

[6]SHAO J,LISTER P.Automated Road Ice Nowcasts and In?ternet[C]//Proceedingofthe11thInternationalRoadWeather Conference.Sapporo:Standing International Road Weather Commission,,2002.

[7]李蕊，牛生杰，汪玲玲，等.三種下墊面溫度對比觀測及結冰氣象條件分析[J].氣象，2011，37（3）：325-333.

[8]張朝林，張利娜，程叢蘭，等.高速公路氣象預報系統(tǒng)研究現(xiàn)狀與未來趨勢[J].熱帶氣象學報，2007，23（6）：652-658.

[9]楊武杰，司瑤冰，胡英華.內蒙古高等級公路道路結冰預報方法初探[J].內蒙古氣象，2010（5）：45-47.

[10]孫翠梅，馬俊峰，孔啟亮，等.鎮(zhèn)江市道路結冰影響指數(shù)分級預報方法[J].氣象與環(huán)境學報，2013，29（4）：84-88.

[11]馬吉暉.弱降水造成通化市道路結冰的天氣學預報方法[J].吉林氣象，2013（3）：17-20.

[12]雷建軍，韋惠紅，李劍.一種遺傳微粒群算法-支持向量機集成道路結冰預測系統(tǒng)[J].華中師范大學學報（自然科學版），2010，44（3）：392-396.

[13]黃立葵，賈璐，萬劍平，等.瀝青路面溫度狀況的統(tǒng)計分析[J].中南公路工程，2005，30（3）：8-9.

[14]宋麗萍，韓基良，劉宇飛，等.哈爾濱市冬季地面溫度變化特征及預報模型[J].黑龍江氣象，2014（4）：28-30.

[15]曹廣真，侯鵬，毛顯強.北京市城市化對地表溫度時空特征的影響[J].氣象，2010，36（3）：19-26.

[16]劉梅，尹東屏，王清樓，等.南京地區(qū)冬季路面結冰天氣標準及其預測[J].氣象科學，2007（6）：685-690.

[17]熊竹，秦杰君.基于模擬實驗的路面結冰預測研究[J].公路工程，2014，39（1）：216-220.

[18]ZHANG W,GAO S,CHEN B,et al.The Application of De?cision Tree to Intensity Change Classification of Tropical Cyclones in Western North Pacific[J].Geophsical Research Letters,2013,40(9):1883-1887.

[19]劉忠陽，杜子璇，陳懷亮，等.基于決策樹的鄭州市土地利用與覆蓋分類研究[J].氣象與環(huán)境科學，2008，31（3）：48-53.

[20]QUINLAN J R.C4.5 Programs for Machine Learning[M].San Francisco:Morgan Kaufmann Publishers Inc.,1993.

[21]史達偉，耿煥同，吉辰，等.基于C4.5決策樹算法的道路結冰預報模型構建及應用[J].氣象科學，2015，35（2）：204-209.

[22]保廣裕，王文英，張景華，等.青海省道路結冰變化時空分布特征及其影響等級劃分[J].氣象科技，2016，44（1）：104-110.

[23]蔣建瑩，史歷，倪允琪.一次“高影響天氣”的弱降雪過程的數(shù)值研究[J].應用氣象學報，2005，16（2）：231-237.

[24]楊曉玲，蘭曉波，丁文魁，等.河西走廊東部地面溫度的變化特征及影響因子分析[J].干旱地區(qū)農業(yè)研究，2014，32（1）：223-229.