基于XGBoost的自動駕駛汽車事故風險預測研究

朱小平　張麗英　劉靜　向健龍

摘 要：自動駕駛汽車風險具有復雜性和隱蔽性，不易被人為地發現和預防。為了更好地預測這些風險，利用美國加州自動駕駛事故數據集，從時間、地點、人員參與、天氣等多維度提取數據，數據經過預處理從而構建自動駕駛事故數據庫。然后，將XGBOOST算法與數據相結合，建立自動駕駛汽車事故風險預測分類模型。將XGBOOST算法與多種算法進行比較分析，結果表明，XGBOOST算法為較優，其訓練和測試預測精度分別超過 92.27%和97.06%，能夠有效地識別出高風險和低風險的自動駕駛汽車事故情況。

關鍵詞：自動駕駛汽車 XGBoost算法 風險預測

1 引言

自動駕駛有很多優點，比如可以提高交通效率、減少人為錯誤、節省能源等。但是，自動駕駛也存在一些風險，如政策風險、事故風險、系統風險等等。因此，對自動駕駛風險進行預測分析是非常必要的。預測分析可以幫助我們了解自動駕駛的潛在風險，評估風險的可能性和嚴重程度，制定風險的應對措施和預案。

王浩旭[1]利用Carsim仿真軟件驗證信控交叉口自動駕駛汽車風險控制措施的有效性及合理性。薛松[2]提出了一種基于自動駕駛場景的預期功能安全危害分析評估方法。王明[3]根據周邊車輛信息，提出一種融合風險的自動駕駛汽車規劃方法。Subasish[4]對美國加州的2014-2019年的數據應用貝葉斯潛類模型來識別碰撞模式。Siying[5]通過成本敏感分類和回歸（CART）模型開發了一個包含可能影響因素的自動駕駛汽車碰撞嚴重程度分類樹，該模型可以處理自動駕駛汽車碰撞數據集中引發的類不平衡問題。自動駕駛汽車風險多數采用仿真方法，較少以定量的方法進行研究，且定量風險評估需考慮多個維度因素。本文綜合考慮人-車-路-環境因素基于XGBoost算法對數據進行全面綜合評估。

2 數據源介紹

2.1 數據源梗概

DMV[6]是Department of Motor Vehicles（機動車輛管理局）的縮寫，它是負責管理公共道路上的機動車輛和駕駛員的政府機構。DMV的數據包括以下幾個方面：機動車輛登記、駕駛員許可、自動駕駛測試。

2.2 數據預處理和實驗數據

本文采用的是自動駕駛測試中的碰撞報告，包括事故的時間、地點、原因、結果、參與者、車輛、傷害、損失等。

通過在DMV官網上搜集2014-2023年7月的數據，數據集變量是數據原始的變量定義，中文變量名稱是本文自定義解釋，變量解釋是本文對變量進行批次分類的再定義。

3 預測方法

XGBoost[7]在處理大數據時，精度高且可避免過擬合，有效處理缺失值。具體模型[8]如下：

其中，為獨立樹結構；F為樹空間。

其中，為目標函數；l為損失函數；為模型懲罰項，且：

其中，G為葉的數量；為第i片葉的分數；為節點切分的難度；為正則化系數。

求解式（1）～（3），得到：

4 實驗結果

利用pycharm軟件使用XGBoost機器學習算法對DMV數據進行訓練和測試，對自動駕駛事故數據集進行等級分類預測，得到以下結果：

由于截止到2023年7月，DMV事故數據集只有620條數據，為了保持數據的有效性，采用數據交叉驗證的方式，如圖１，橫坐標為交叉驗證的折次數，縱坐標為預測精度，由圖可知，當交叉驗證折數為9時，訓練預測精度為92.27%，此時測試預測精度為97.06%。

5 有效性分析

在機器學習分類模型中，Gradient Boosting和LightGBM[9]、CatBoost[10]、Stochastic Gradient Descent[11]、Passive Aggressive Classifier[12]、Perceptron Classifier[13]以及SVM[14]都是備受青睞的算法。

首先，XGBoost算法展現了在特定交叉驗證折疊下的魯棒性和高度的預測精度。它在許多情況下表現出良好的性能，尤其是在數據模式復雜或特征維度高的情況下。然而，與其他算法相比，其表現可能略顯中庸。

相較之下，LightGBM以其基于梯度提升框架的高效性和低內存占用而著稱，在處理大規模數據時表現出色。CatBoost則專注于處理類別型特征和自動處理缺失值，這使得它在某些數據集上表現突出。Stochastic Gradient Descent和Passive Aggressive Classifier則適用于在線學習和大規模數據流，其快速的更新速度使其在這些場景下具備優勢。Perceptron Classifier和SVM則在處理線性可分數據和復雜核函數映射時表現出色。

綜上所述，每種算法都有其獨特的優勢和適用領域。XGBoost在穩定性和普適性上表現良好，而其他算法則在特定場景下可能更具優勢。因此，在選擇適用于特定問題的機器學習模型時，需要根據數據特征、規模和問題本身的要求來進行綜合考量，并結合交叉驗證等方法來充分評估模型的性能和適用性。它們各自具有獨特的特點和適用場景，因此在比較它們與XGBoost在預測精度上的表現時，通過使用交叉驗證來訓練和測試模型，得到了如下結果：

圖2展示了訓練結果的概貌，橫坐標為交叉驗證折數，縱坐標則反映了訓練精度。盡管XGBoost算法在該圖中處于中間水平，但是從下圖3中的觀察可以發現，在第三折到第十折之間，XGBoost算法表現出了相當穩定的趨勢。實際上，在這段時間內，絕大部分情況下XGBoost算法都展現出最高水平的預測精度。尤其值得注意的是，第9折所達到的精度最為顯著，其訓練和測試的精度分別達到了92.27%和97.06%。

這種模式可能反映了XGBoost在特定數據折疊下的優勢，尤其是在這種交叉驗證的框架下。這樣的結果可能表明XGBoost算法在特定折疊中能更好地捕捉數據的模式，并在模型的學習過程中更準確地推廣到新數據上。這也突顯了算法的魯棒性和有效性，尤其是在處理這個特定數據集時。

除了圖2和圖3中呈現的訓練結果外，還值得注意的是XGBoost算法在訓練和測試階段之間的差距。這種差距可能暗示著一些潛在的過擬合或者模型在新數據上泛化能力的限制，需要進一步的探索和分析。

總的來說，盡管XGBoost算法在圖2中的表現未必最為突出，但是深入研究后我們發現其在特定交叉驗證折疊中的穩定性和高精度表現。這種發現為我們對該算法的性能和優勢提供了更深入的認識，并為未來進一步優化模型或探索其他算法提供了有益的參考。

6 結論

自動駕駛風險預測是一個極具復雜性的領域，需要全面考慮事故發生的多種影響因素和指標。這項研究利用了美國加州DMV自動駕駛事故集中的數據，并通過定義和分析對其進行了深入研究。同時，多種分類模型在該數據集上進行了比較和分析，以確定最契合的模型和分類預測精度。最終，選擇了XGBoost算法，并通過交叉驗證的方式對數據集進行訓練和預測。結果顯示，XGBoost算法表現出色，其預測結果優異，訓練和預測的分類精度分別高達92.27%和97.06%。

未來，這項研究可能有助于改進自動駕駛系統的安全性。通過深入理解事故發生的因素，并使用高精度的預測模型，我們有望進一步提高自動駕駛車輛的安全性能。此外，該研究還為未來開展更多實證研究提供了有價值的數據和方法，以持續改進自動駕駛技術，并推動其在道路安全方面的進步。

項目基金：桂林電子科技大學研究生教育創新計劃項目（2023YCXS192）。

參考文獻：

[1]王浩旭.基于信控路口先驗事故的自動駕駛汽車安全風險分析及仿真測試[D].重慶：重慶交通大學，2022.DOI：10.27671/d.cnki.gcjtc.2022.000844.

[2]薛松.基于自動駕駛場景的預期功能安全危害分析評估方法設計與實現[D].上海：華東師范大學，2022.DOI：10.27149/d.cnki.ghdsu.2022.001538.

[3]王明，唐小林，楊凱，等.考慮預測風險的自動駕駛車輛運動規劃方法[J].汽車工程，2023，45（08）：1362-1372+1407.DOI：10.19562/j.chinasae.qcgc.2023.08.007.

[4]Das S ，Dutta A ，Tsapakis I .Automated vehicle collisions in California： Applying Bayesian latent class model[J].IATSS Research，2020，44（4）：300-308.

[5]Siying Z ，Qiang M .What can we learn from autonomous vehicle collision data on crash severity？ A cost-sensitive CART approach[J].Accident Analysis and Prevention，2022，174106769-106769.

[6]劉通.2021加州DMV自動駕駛榜，中企班行秀出[J].汽車縱橫，2022，（03）：80-82.

[7]張利斌，吳宗文.基于XGBoost機器學習模型的信用評分卡與基于邏輯回歸模型的對比[J].中南民族大學學報（自然科學版），2023，42（06）：846-852.DOI：10.20056/j.cnki.ZNMDZK.20230616.

[8]胡江，蘇薈.水工結構變形預測模型構建與解釋[J/OL].水利水運工程學報，1-12[2023-11-10]http：//kns.cnki.net/kcms/detail/32.1613.TV.20231107.1706.014.html.

[9]梁曉霞，謝東海，韓宗甫，等.基于梯度提升算法的近地面臭氧濃度估算比較[J].中國環境科學，2023，43（08）：3886-3899.DOI：10.19674/j.cnki.issn1000-6923.2023.0128.

[10]李寧，楊鎮華，馬偉中，等.基于CatBoost算法的SAP混凝土抗壓強度預測[J].內蒙古公路與運輸，2023，（05）：1-6.DOI：10.19332/j.cnki.1005-0574.2023.05.001.

[11]王福勝，甄娜，李曉桐.R-線性收斂的重要樣本抽樣隨機梯度下降算法[J].工程數學學報，2023，40（05）：833-842.

[12]周林寰.一類支持向量機在線算法及其應用[D].大連：大連理工大學，2021.DOI：10.26991/d.cnki.gdllu.2021.001233.

[13]王新偉，張漓黎，莫德科，等.基于信息量和多層感知機分類器模型耦合的平果市斜坡類地質災害易發性評價[J].中國巖溶，2023，42（02）：370-381.

[14]林明松，楊曉梅，楊志霞.結構化最大間隔雙支持向量機在股票預測中的應用[J/OL].計算機工程與應用，1-11[2023-11-10]http：//kns.cnki.net/kcms/detail/11.2127.TP.20231109.1443.008.html.