基于贝叶斯分类的物联网车道状态分析

陈昆伦

摘要：为了全面了解物联网车道设备实时状态，而进行可预防性的养护保养，根据物联网车道数据，利用贝叶斯分类器对设备状态分析判断，从而实现设备针对性的维护，节约人力物力、并实现高速畅通。

关键词：物联网、车道、贝叶斯分类

一、背景

随着物联网技术的普及，省内高速公路已经逐渐使用了物联网车道，通过物联网车道实时数据的采集，可以了解车道的实时状态，可以直观了解车道是否有重大故障，但是如果发生了故障才去维修，还是会导致高速出入口的车辆拥堵，造成交通堵塞隐患。管理部门为了减少设备的故障率，依然需要定期对所有车道设备进行巡检保养，工作盲目低效。为了保证车道最大程度的通畅，针对性的巡检运维，有必要对采集到的车道设备数据进行智能全面的分析，对设备状态进行监控，针对性的巡检维护，以提高设备的健康状态，实现高速公路安全、高效、通畅。

二、设备故障状态的分析

在车道设备的生命周期中，设备状态按顺序可以分为正常、亚健康、故障。其中故障一般可分为缺陷故障、积累的故障和随机故障。缺陷故障一般是由于设计、施工、生产等环节的问题导致设备故障，设备投入使用即可发现。对于随机故障是由于各类偶然的因素导致的，通常不能通过分析确定由特定的实效机制导致其故障，例如，车道设备意外损坏故障，这类故障属于小概率事件，不在本文的考虑之中。设备的故障主要是积累的故障，有一个渐变的过程，我们根据设备现有状态数据建立贝叶斯分类模型进行设备状态的分析和故障预测。

三、基本模型

贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。其方法简单、分类准确率高、速度快。甚至在一定条件下可以与决策树和神经网络等复杂的分类算法相媲美。其基本思路是给出待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为待分类项属于哪个类别。

整个朴素贝叶斯分类分为三个阶段：

准备工作阶段，主要工作是根据具体情况确定特征属性，并对每个特征属性进行适当划分，然后由人工对待分类项决定分类，形成训练样本。本阶段的输入是所有待分类数据集合，输出是特征属性和训练的样本集合。分类器的质量基本上取决于特征属性、特征属性划分及训练样本的质量。

分类器训练阶段，主要工作是计算每个类别在训练样本集合中的出现频率及每个特征属性划分对每个类别的条件概率估计。其输入是特征属性和训练样本，输出是分类器划分。这一阶段是根据前面讨论的公式由程序自动计算完成。

应用阶段。任务是使用分类器对待分类项进行分类，其输入是分类器和待分类项，输出是待分类项与类别的映射关系。本阶段由计算程序自动完成。

四、验证模型

1. 数据的采集

收集基础的物联网车道数据，包括电压、功率、实时温度等。

数据清洗，去掉不符合的标准的垃圾数据或缺陷数据。

经过以上两步就得到训练样本数据。

2. 条件概率估计

车道传感器釆集车道设备的各项指标，根据目前状态可以分为健康、亚健康、故障三个状态。

设y1=健康状态，y2=亚健康状态，y3=故障状态，α1=电压，α2=功率，α3=温度

统计得到在各类别下各个特征属性的条件概率估计。如表1

3. 确定特征属性及划分

4. 计算条件概率

对应公式1，分母对于所有类别均为常数，因为我们只要将分子最大化即可。又因为各个特征属性是条件独立的，取得各种分类的条件概率数值，取得其最大值便是其分类。

数据举例如表2、表3

表2根据特征属性归为正常分类中车道设备。

表3根据特征属性归为故障分类中车道设备。

5. 改进

当某个类别下某个特征项划分没有出现时，就是产生概率为0的情况，这会令分类器分类质量大大降低。为了解决这个问题，引入拉普拉斯平滑，它的思想是对没类别下所有划分的计数加1，这样如果训练样本集数量充分大时，并不会对结果产生影响，并且解决了上述概率为0的情况。

6. 不足

1） 模型的训练数据是采样集合范围有局限性，可能不能代表整體数据情况。

2） 样本的特征属性值数量考虑较少，虽然基本能反应设备状态，不过精确度还是略有偏差，降低了检验模型的准确度。

3） 局部样本的分类配比可能与整体的分类配比不同，可能会对真实结果造成偏差。

4） 样本的特征属性取值较少，尚未考虑车流量及环境的因素。

五、结语

本文根据现有的物联网车道数据建立了贝叶斯分类模型算法实时分析了车道设备的状态，从而实现了设备预防性的维护，该模型基本解决了车道状态预测分类的问题，虽然模型在数据和特征属性的取样有一定的局限性，但是依然对车道设备运维提供了决策支持方案。

参考资料：

[1]《数据挖掘实用机器学习工具与技术》原书第3版Ian H.Witten Eibe Fank Mark A. Hall著 机械工业出版社 2014年5月 第1版 187-192页

[2]《神经网络与机器学习》原书第3版 Simon Havkin著 机械工业出版社 2011年第1版 477-478页

[3]Allen B. Downey著《贝叶斯思维》 人民邮电出版社 2015年4月第1版。第3-5页