基于機(jī)器學(xué)習(xí)算法的船舶碰撞事故等級預(yù)測研究

楊欣怡, 李為為

(重慶交通大學(xué)，交通運(yùn)輸學(xué)院， 重慶 400074)

0 引言

近年來我國專家學(xué)者逐漸對水上交通展開研究，但由于研究起步較晚，水上交通安全還有不少問題亟待解決。而在水上交通事故中，碰撞事故發(fā)生率居于首位，在過去五年里，長江干線的船舶碰撞事故約占總事故發(fā)生數(shù)的44.2%。對于水上交通事故的預(yù)測，專家學(xué)者主要從2個方面進(jìn)行研究。

一方面對事故的發(fā)生趨勢進(jìn)行預(yù)測。比如Zhao等[1]對灰色模型進(jìn)行不同方法的改進(jìn)，對事故發(fā)展趨勢進(jìn)行預(yù)測；王當(dāng)利等[2]將灰色模型和SARIMA模型利用IOWA算子結(jié)合，利用近十年的水上交通事故數(shù)來預(yù)測水上交通事故發(fā)生數(shù)；李玲[3]利用遺傳算法優(yōu)化BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，預(yù)測天氣和風(fēng)險之間的關(guān)系，預(yù)測事故是否發(fā)生；祝方天[4]利用改進(jìn)IWRAP模型研究不同船舶在不同情況下碰撞的概率。

另一方面對事故險情等級進(jìn)行預(yù)測。比如汪飛翔[5]提出基于GA-SVM-RFE的船舶事故影響因素篩選，再利用有序非線性模型進(jìn)行預(yù)測事故等級；陳克嘉[6]將互信息和貝葉斯網(wǎng)絡(luò)結(jié)合，對事故等級進(jìn)行預(yù)測。

現(xiàn)在專家學(xué)者研究方向更偏向于后者，即對船舶碰撞事故等級的預(yù)測。在人工智能飛速發(fā)展的今天，需要對事件危險等級進(jìn)行快速準(zhǔn)確預(yù)測，而機(jī)器學(xué)習(xí)算法對于事件危險等級的預(yù)測比傳統(tǒng)算法更加迅速精確[7]。因此本文將隨機(jī)森林算法(Random Forest，RF)和BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合，提出一種新算法。隨機(jī)森林對缺省數(shù)據(jù)和高維數(shù)據(jù)都有很好的處理效果，并能夠?qū)τ绊懸蛩刂匾潭冗M(jìn)行排序，因此將隨機(jī)森林和BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合預(yù)測事故等級，期望能夠降低水上交通預(yù)測數(shù)據(jù)的冗余程度，減少預(yù)測時間。下文介紹此模型和基本應(yīng)用。

1 RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型概述

1.1 隨機(jī)森林算法原理

隨機(jī)森林算法是利用隨機(jī)理論建立一片由決策樹組成的“森林”，它是一種常見的用于分類的機(jī)器學(xué)習(xí)算法。隨機(jī)森林算法是隨機(jī)子空間(Random Subspace)算法和裝袋(Bagging)算法的組合，不但能夠用于數(shù)據(jù)的分類和回歸，也能夠用于對變量的重要性進(jìn)行度量并排序[8]。

考慮到水上船舶碰撞的影響因素變量過多，模型復(fù)雜度較高，不是所有的數(shù)據(jù)都具有共線性，因此隨著數(shù)據(jù)量的增大，僅僅只是單純的預(yù)測模型可能會導(dǎo)致運(yùn)算速度過慢。利用隨機(jī)森林的重要性排序功能，判斷事故等級和影響因素之間的相關(guān)關(guān)系，篩選出重要度最高的幾個變量。

利用隨機(jī)森林算法對水上交通影響因素的重要性進(jìn)行排序，其主要步驟包括：

(1) 利用拔靴法(Bootstrapping)從整體船舶碰撞數(shù)據(jù)案例樣本中隨機(jī)且可放回地抽取N個數(shù)據(jù)，此N個數(shù)據(jù)為構(gòu)建一棵決策樹的基礎(chǔ)；

(2) 從決策樹的每個節(jié)點(diǎn)隨機(jī)但不重復(fù)地選擇K個影響因素，從K個影響因素中選取最優(yōu)度量值的影響因素，以此為節(jié)點(diǎn)進(jìn)行分裂，重復(fù)此步驟，直到生成決策樹；

(3) 重復(fù)(1)、(2)兩步驟H次，生成由H棵決策樹組成的隨機(jī)森林；

(4) 用基尼指數(shù)或者袋外數(shù)據(jù)錯誤率為指標(biāo)，評價特征對決策樹的重要度，根據(jù)重要度對特征變量排序，將得到對水上交通船舶碰撞事故等級影響最大的幾個因素。

1.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型原理

水上交通事故的數(shù)據(jù)量較小，常常存在部分?jǐn)?shù)據(jù)丟失的情況。而BP神經(jīng)網(wǎng)絡(luò)模型具有良好的自學(xué)習(xí)和自適應(yīng)性，能夠處理非線性問題，且具有良好的容錯性[9-10]，因此在水上交通事故預(yù)測中被廣泛的運(yùn)用。在船舶碰撞事故等級的研究中，也優(yōu)先考慮使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

BP神經(jīng)網(wǎng)絡(luò)模型的原理可以看作是由數(shù)據(jù)信號的正向傳播和誤差的反向傳播兩部分組成。數(shù)據(jù)樣本從輸入層傳入，經(jīng)過某種非線性可導(dǎo)函數(shù)，逐層處理后傳向輸出層，輸出層結(jié)果如果和實(shí)際結(jié)果有差異，將誤差反向傳遞，逐層調(diào)整權(quán)重和偏置值。

BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建需要從以下幾點(diǎn)考慮。

(1) 網(wǎng)絡(luò)層數(shù)節(jié)點(diǎn)的選取。在本文中，主要構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型為三層神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)的輸入層的節(jié)點(diǎn)個數(shù)為影響因素類別數(shù)，輸出層僅考慮事故等級這一個結(jié)果，因此可以明確輸出層節(jié)點(diǎn)數(shù)為1。其中隱含層節(jié)點(diǎn)個數(shù)可具體根據(jù)神經(jīng)網(wǎng)絡(luò)輸入層和輸出層的個數(shù)決定，其隱含層節(jié)點(diǎn)個數(shù)由式(1)確定，

(1)

式中，l表示隱含層節(jié)點(diǎn)的個數(shù)，n是輸入層節(jié)點(diǎn)個數(shù)，m是輸出層節(jié)點(diǎn)個數(shù)，a是1-10中任意數(shù)值。

(2) BP神經(jīng)網(wǎng)絡(luò)模型激活函數(shù)的選取。典型的激活函數(shù)包括Sigmoid函數(shù)、線性函數(shù)、Relu函數(shù)等。不同激活函數(shù)具有不同的優(yōu)缺點(diǎn)。本文在輸入層和隱含層之間使用Relu函數(shù)，Relu函數(shù)相比傳統(tǒng)的Sigmoid函數(shù)而言，具有更快的收斂速度和更小的操作開銷。Relu函數(shù)的計算式為式(2)：

(2)

式中，輸入的值小于0時，輸出數(shù)為0；輸入的值大于0時，輸出值不變。

(3) BP神經(jīng)網(wǎng)絡(luò)需要利用誤差來調(diào)整每層之間的權(quán)重和偏置，本文采用最常用的梯度下降法來優(yōu)化損失函數(shù)。

(4) BP神經(jīng)網(wǎng)絡(luò)模型初始權(quán)值的選擇。對于BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值的設(shè)置，一般會選擇-1到1之間的服從正態(tài)分布的隨機(jī)數(shù)。但是如果權(quán)值初始值過大將導(dǎo)致神經(jīng)元過飽和，權(quán)值初始值過小又將導(dǎo)致學(xué)習(xí)過程過慢。為了優(yōu)化初始權(quán)值，本文將初始權(quán)值的標(biāo)準(zhǔn)差設(shè)置為式(3)，

(3)

其中，n表示為輸入神經(jīng)元的個數(shù)。

此方法比-1到1之間選擇初始權(quán)值的方法，速度最高提升四倍[8]。

1.3 RF-BP神經(jīng)網(wǎng)絡(luò)模型的建立

為了更加快捷準(zhǔn)確地預(yù)測船舶碰撞事故等級，建立基于RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行預(yù)測。其建模過程如下。

(1) 明確數(shù)據(jù)集。X={x1,x2,……,xi}設(shè)為包含有i個樣本數(shù)據(jù)的水上交通碰撞事故數(shù)據(jù)集，每個樣本數(shù)據(jù)都有j個數(shù)據(jù)屬性Y={y1,y2,……,yj}，這里的數(shù)據(jù)屬性為碰撞事故的影響因素。

(2) 建立隨機(jī)森林模型。將數(shù)據(jù)集X導(dǎo)入隨機(jī)森林模型，隨機(jī)森林模型將碰撞事故影響因素的重要性由高到低依次排列，篩選出最重要的s個影響因素Z={z1,z2,……,zs}，數(shù)據(jù)集為X1。

(3) 利用BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)預(yù)測。將船舶碰撞事故數(shù)據(jù)集X1中70%左右的數(shù)據(jù)作為訓(xùn)練集，30%左右的數(shù)據(jù)進(jìn)行測試集，利用絕對誤差、均方根誤差評價RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在水上交通碰撞事故等級預(yù)測的準(zhǔn)確性和快速性。

2 RF-BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用

2.1 數(shù)據(jù)基本介紹

為驗(yàn)證本文提出的RF-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型在水上船舶碰撞事故分析預(yù)測中的高效性和準(zhǔn)確性，以2001—2020年之間全國長江干線的部分典型水上交通事故案例為樣本進(jìn)行實(shí)驗(yàn)計算，并將RF-BP神經(jīng)網(wǎng)絡(luò)模型與BP神經(jīng)網(wǎng)絡(luò)模型的計算結(jié)果進(jìn)行對比。本文的數(shù)據(jù)來源包括長江水上交通事故案例分析報告、海事局官網(wǎng)開源的事故調(diào)查報告等，共包含54個典型船舶碰撞事故案例。

水上交通事故的影響因素分別從人員、船舶、環(huán)境和管理4個方面進(jìn)行綜合考慮，提出身心狀態(tài)、技術(shù)水平、船舶類型、天氣、能見度等29個影響因素。具體影響因素[11]如表1所示。

根據(jù)《水上交通事故統(tǒng)計辦法》中的定義，兩艘以上船舶之間發(fā)生撞擊造成損害均屬于碰撞事故，本文會對碰撞事故雙方的人員、船舶情況進(jìn)行分析。其中，碰撞的船編號為1，被碰撞的船編號為2，因此每個樣本數(shù)據(jù)有包括事故等級的47個屬性數(shù)據(jù)。

2.2 數(shù)據(jù)分析

利用RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行預(yù)測。首先需要基于隨機(jī)森林模型對47個屬性數(shù)據(jù)的重要性進(jìn)行排序，如圖1所示。

表1 船舶碰撞事故因素表

從圖1中可以看出前面9項(xiàng)和后面的剛好形成一個拐點(diǎn)，因此，將前9項(xiàng)作為BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入數(shù)據(jù)。前9項(xiàng)數(shù)據(jù)包括安全體制、船舶類型、天氣、監(jiān)督管理等。企業(yè)和政府從宏觀上掌控著水上交通的運(yùn)行情況，管理情況的好壞對事故等級有著重要影響；其次，事故等級與傷亡人數(shù)、經(jīng)濟(jì)損失有直接聯(lián)系，客船造成的水上交通碰撞事故可能導(dǎo)致較大損失的人員傷亡；最后，天氣的好壞對船舶碰撞的嚴(yán)重程度也有影響，能見度較差可能導(dǎo)致船舶操作不及時，碰撞角度、力度無法很好地控制，將造成更加嚴(yán)重的后果。

利用RF模型將影響較小的變量剔除后，將新數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)模型，其中40個數(shù)據(jù)將作為訓(xùn)練數(shù)據(jù)，14個數(shù)據(jù)作為測試數(shù)據(jù)。模型初始權(quán)值標(biāo)準(zhǔn)差設(shè)置為0.15，隱含層激活函數(shù)采用Relu函數(shù)，其中最大迭代次數(shù)為300，網(wǎng)絡(luò)使用隨機(jī)梯度下降算法進(jìn)行優(yōu)化，學(xué)習(xí)率為0.01。BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)為5，輸入層節(jié)點(diǎn)數(shù)為9，輸出層節(jié)點(diǎn)數(shù)為1，輸出結(jié)果下面將進(jìn)行具體分析。

3 實(shí)驗(yàn)結(jié)果分析

利用Python軟件建立RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。將40組數(shù)據(jù)訓(xùn)練之后，RF-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對另外的14組樣本進(jìn)行檢測，將檢測樣本結(jié)果和隨機(jī)森林模型預(yù)測數(shù)據(jù)、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測數(shù)據(jù)、實(shí)際情況碰撞事故等級數(shù)據(jù)進(jìn)行對比。結(jié)果如表2和圖2所示。其中隨機(jī)森林一指利用未經(jīng)過篩選的數(shù)據(jù)進(jìn)行預(yù)測的模型，隨機(jī)森林二指經(jīng)過相關(guān)性排序篩選后，利用數(shù)據(jù)進(jìn)行預(yù)測的模型。

圖1 與船舶碰撞相關(guān)的影響因素排序

圖2 船舶碰撞事故等級預(yù)測圖

為了進(jìn)一步驗(yàn)證RF-BP神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性和快速性，本文從平均絕對誤差、均方差和訓(xùn)練時間3個方面對BP神經(jīng)網(wǎng)絡(luò)模型和RF-BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比，具體如表3所示。

實(shí)驗(yàn)結(jié)果顯示，隨機(jī)森林能夠比BP神經(jīng)網(wǎng)絡(luò)更快達(dá)到預(yù)測精度上限，但是隨機(jī)森林模型的精確度沒有BP神經(jīng)網(wǎng)絡(luò)模型的精確度高。因此BP神經(jīng)網(wǎng)絡(luò)更適合需要高精度數(shù)據(jù)的情況，對船舶碰撞等級的預(yù)測，優(yōu)先選用BP神經(jīng)網(wǎng)絡(luò)。

而且數(shù)據(jù)顯示，不論是隨機(jī)森林還是BP神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過優(yōu)化后的模型比未經(jīng)過優(yōu)化模型具有更短的訓(xùn)練時間，但絕對誤差和均方根誤差數(shù)值并未下降，因此RF-BP神經(jīng)網(wǎng)絡(luò)模型適合水上交通船舶碰撞等級預(yù)測研究。

優(yōu)化后訓(xùn)練時間減少的原因在于：優(yōu)化后模型的復(fù)雜度沒有優(yōu)化前的高，隨著模型復(fù)雜度的降低，將獲得更高的訓(xùn)練速度，而且隨著數(shù)據(jù)量增大，訓(xùn)練速度減少將會更加明顯。

表2 預(yù)測模型測試結(jié)果對比

表3 預(yù)測模型參數(shù)對比

訓(xùn)練的精準(zhǔn)度并未下降主要原因在于：模型優(yōu)化后，選擇剔除掉的是一些重要度不高的因素，剔除的因素對訓(xùn)練結(jié)果影響不大；其次，部分變量之間存在共線性關(guān)系，舍去某些變量對整體影響不大；最后，部分變量對結(jié)果有負(fù)影響作用，化繁為簡對計算結(jié)果的準(zhǔn)確性而言，并不是完全為負(fù)面效果。

4 總結(jié)

本文從人、船、環(huán)境和管理4個方面，綜合考慮了可能對長江干線船舶碰撞產(chǎn)生影響的變量，結(jié)合隨機(jī)森林的重要度的篩選功能和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測功能，建立了RF-BP神經(jīng)網(wǎng)絡(luò)模型，得出以下2個結(jié)論。

與單純的BP神經(jīng)網(wǎng)絡(luò)模型相比，RF-BP神經(jīng)網(wǎng)絡(luò)模型降低了船舶碰撞事故因素樣本數(shù)據(jù)的空間維度，減少了模型的復(fù)雜度，提高了訓(xùn)練效率；與單純的隨機(jī)森林模型相比，RF-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度更高。

RF-BP神經(jīng)網(wǎng)絡(luò)模型的研究，為水上交通船舶碰撞的安全預(yù)防的方案制定、資金投入措施提供了科學(xué)依據(jù)。但本文的實(shí)驗(yàn)樣本有限，如果需要探究更深層次的長江干線船舶碰撞影響因素，需要更多的實(shí)驗(yàn)樣本和更加深入的研究。