纪俊红,昌润琪,温廷新
(1.辽宁工程技术大学安全科学与工程学院,辽宁 葫芦岛 125105; 2.辽宁工程技术大学系统工程研究所,辽宁 葫芦岛 125105)
道路交通事故对人类生命和财产安全造成了极大威胁,被认为是当今世界最严重的安全问题之一。据世界卫生组织(WHO)统计,交通事故每年导致全世界大约135万人死亡,2 000万至5 000万人受伤,各国每年因交通事故造成的经济损失达到了各国国内生产总值的3%左右。因此,开展交通事故的预测研究已成为交通事故预防的重要环节,有助于相关决策者提前了解事故发生趋势,预先采取管控措施。
近几年,机器学习学科发展迅速,众多学者基于机器学习算法建立了交通事故预测模型,如基于支持向量机、最小二乘支持向量机的交通事故预测模型,基于BP神经网络的交通事故预测模型,将多元线性回归方法应用于交通事故死亡人数预测,基于贝叶斯网络的交通事故预测模型,基于LSTM神经网络的交通事故预测模型,基于人工神经网络(Artificial Neural Network,ANN)的交通事故预测模型。
以上学者的研究推动了我国交通事故预测领域的发展,但是应用的算法类别较为集中,主要为神经网络等算法,且多为单一基础算法,关于树类算法、集成算法的应用研究相对较少。
Light Gradient Boosting Machine(Light-GBM)是Ke等于2017年提出的一种Boosting集成模型,不同于其他梯度增强决策树算法,LightGBM算法应用的是基于Histogram的决策树算法,提出了基于梯度的单边采样(Gradient-based One-Side Sampling,GOSS)和互斥特征捆绑(Exclusive Feature Bundling,EFB)。因此,LightGBM算法不仅表现出了优异的预测性能,还具有训练速度更快、内存消耗更小等特点,已被广泛应用于互联网金融、网络安全、心理学以及医学等众多领域。……