基于模糊随机森林的山区道路安全路径规划算法.pdf

为提高山区道路行驶的安全性，该文将增加不安全区域道路阻抗、减少阻抗较大（即安全性较低）道路的通过率作为基本思路，提出一种基于模糊随机森林的山区道路安全路径规划算法。该算法在采集典型路段的道路等级、坡度、可视域及道路起伏度等安全影响因素的特征值和安全行驶速度的基础上，利用随机森林算法构建安全行驶影响因子与安全行驶速度之间的映射模型，结合模糊推理方法估算未采样路段的安全行驶速度，获得全路网的安全行驶速度进而构建路网阻抗，据此制定山区道路安全路径规划路线。以山西某山区巡检路径规划为例，对山区道路安全路径规划算法的合理性进行验证，结果表明：该算法所规划的巡检路径方案能有效规避陡坡和视域差的路段，得到较合理、安全的线路，可为巡检员山区道路安全出行提供保障。关键词：路径规划算法；模糊随机森林；山区道路网络；影响因子；安全性权重中图分类号：文献标识码：文章编号：（）引言我国山区道路总里程占比高，多数路线曲折、道路等级低且区分度低、坡度变换率大、弯道数量多，存在大量可视范围狭窄的区域，是交通事故发生的主要场所。随着汽车保有量不断增加，公路交通中由机动车引发的道路交通事故量逐渐增多，道路交通安全形势日益严峻。因此，如何合理规划山区出行路径以保障行驶安全具有重要意义。关于路径规划的方法主要分为两大类：以提高算法的计算效率作为主要目标。该类方法一是对经典最短路径算法 和 进行改进，如王志和等采用配对堆结构实现路径计算过程中优先级队列优化，等通过求解多重等价最短路径，实现 算法优化；二是采用不同的启发式算法减少路径规划的计算量，即求路径规划的次优解（以精度换效率），常用算法有遗传算法、遗传免疫算法、模拟退火算法、蚁群算法，等。基于路网信息修正道路权重以满足特定的交通出行需求。该类方法一是基于历史或实时交通信息设置权重，实现对交通出行时间的预测，如谭国真 提出时间依赖的网络模型并得出求解最小时间路径的优化条件，等 提出一种可重用的最小时间路径算法，以解决固定弧权条件下的最短路径问题，等 提出一种城市路网行程时间估计的统计模型，以监测城市交通系统性能，等 通过模拟城市洪涝过程评价路网的空间脆弱性，并确定受洪涝时间影响的道路长度，谢萍等 基于土地利用执法人工巡查结果构建的路网矩阵得到车辆路径优化后的巡查路线；二是基于路网属性进行权重设置，如李渊 提出“应急线索”的思想并进行三维动态网络模型构建及路网优化，等 基于路网最短路径算法探讨 算法的合理性，等 提出一种加权平均中心秩的方法，以确定复杂网络中各环节的顺序，等 发现道路车辆分布遵循幂律且存在“道路越短、速度越快”的道路速度异质性规律，芮小平等 通过模糊推理方法构建专家知识库，并将道路等级、坡度、长度、曲率等影响因子定量化，获得更合理的权重因子用于路径分析。目前，对于城市道路网络多根据道路特征优化和修正道路权重，但山区道路等级总体差异较小，且关于山区特殊地形环境的技术不成熟，因此，城市道路网络的路径优化方法不完全适用于山区道路网络。现有方法虽然在路径优化算法的权重设置中引入道路的相关属性，但未考虑山区复杂道路网络的行驶安全问题，而要实现山区路径安全性优化，必须将影响行驶安全的相关因子纳入道路权重的构建中。因此，本文以山西某山区巡检路径规划为例，通过分析山区 路网特点，确定影响山区安全行驶的环境因素，定量描述各因素对道路安全性权重的影响，提出能反映安全行驶的道路权重并应用于山区安全路径规划中，旨在为驾驶员提供山区安全巡检的优化路径。算法原理本文研究区位于山西省晋城市沁水县端氏镇山区，区域地形复杂，沁河由北至南穿过研究区，道路均匀分布在河流两侧，省道端润线位于河流东侧，乡村道路分布密集、杂乱（图）。该区域是我国煤层气开发示范基地，山上有大量的煤层气井，每天各煤层气开发公司要派车到井场抄表和巡检，复杂的山区道路环境为巡检人员带来安全威胁，因此，为该区巡检人员定制安全性良好的路径具有重要意义。图 研究区路网分布犉 犻 犵 犚 狅 犪 犱狀 犲 狋 狑 狅 狉 犽犱 犻 狊 狋 狉 犻 犫 狌 狋 犻 狅 狀 犻 狀 狋 犺 犲 狊 狋 狌 犱 狔犪 狉 犲 犪本文算法的主要思路是将山区安全性差的道路设置为高阻抗，通过减少阻抗较大（即安全性较低）道路的通过率，为驾驶员提供安全行驶的路径，具体实现过程为：首先确定影响山区道路安全行驶的环境特征因子及其对安全行驶影响程度的定量化表征方式，然后确定安全性权重的表示方式，在此基础上建立安全性权重与路径规划路网权重矩阵之间的联系，最后选择合适的路径规划算法实现路径计算。行驶安全影响因子分析在山区道路网络中，影响行驶安全的因子主要有可视域、道路等级、坡度和道路起伏度等，本文结合道路长度和影响行驶安全的因子构建行驶安全性权重。可视域、道路等级和道路起伏度的度量标准如下：本文提出的可视域比率是指道路可视域与道路给定缓冲区的面积比，用以度量道路的可视域范围，可视域比率较小的区域即为视野狭窄区域。研究区道路等级主要分为省道、城镇道路、乡村土路类。省道是主要道路，只有条，宽度，南北走向，按照一级公路标准要求建设；城镇道路宽度为 ，包括城镇内部道路及连通城镇街道与省道的重要道路，主要分布在省道两侧，贯穿居民区，道路较窄且两侧人行道及建筑物密集分布；乡村土路宽度一般为，在研究区数量最多、覆盖最广，内连各个村庄、煤层气井场及田地，外连城镇道路和省道。道路的坡度一般用百分比法表示，本文将影响道路安全的坡度分为级：级平缓（，）、级缓，）、级缓陡 ，）、级陡 ，）。道路起伏度是指单位路段（）有缓陡坡以上类型道路起伏的变化次数，用以刻画山区道路的起伏程度。道路分段修正道路数据分段是权重赋值过程中必要的基础工作，其合理性直接关乎数据赋值的实际意义。山区道路行驶安全性影响因子数据类型为栅格数据，影响因子赋值过程是将一定区域内的栅格平均值作为属性赋予分段道路，而平均值易受极端数据的影响，需考虑数据极值平均化后属性信息产生的错误，因此，在道路安全性赋值前应对道路进行分段修正。道路分段修正需考虑的主要因素是道路长度和弯曲度。若道路长度不受限制，则可能在同一道路出现相差极大的山区道路行驶安全性影响因子数据（如坡度、可视域），在平均值的作用下，数据极值相互抵消，导致安全性权重赋值结果缺乏合理性，因此需要限制道路长度，并对超长分段道路进行二次分段。由于无法用道路中微小链路的前后连接信息判断道路整体是否出现多处弯曲或过大弯曲的情况，需规定道路基本方向并限制道路弯曲度，对超出弯曲次数或弯曲度的道路进行二次分段。对道路弯曲度的限制同样可以减少影响因子“极值抵消”现象，避免平均值数据所产生的道路权重赋值错误。考虑行驶安全性的路网权重赋值山区道路行驶安全性受山区环境多种影响因子的共同作用，因此需要结合这些影响因素确定一个合理、定量的安全性权重，用于不同路段的安全性评价。行驶速度可在路径规划中建立起路程与时间的关系，且速度与车辆行驶安全性、山区道路网络环境因子均有直接联系，因此，将车辆行驶速度设定为安全性权重指标，既可反映道路行驶安全要求，又能与路程或时间权重建立联系，并方便与其他方法的路页第地 理 与 地 理 信 息 科 学第 卷径规划结果相比较。行驶安全性受山区道路中不同环境因子的共同作用，很难直接构建影响因子与安全行驶速度之间的函数关系。根据地理学第三定理，本文认为环境特征越相似，安全行驶速度越接近，故在路网中选取典型路段，请专家确定合理的驾驶速度，并获取样本相应的环境因子数据，采用随机森林分类和模糊推理方法获得其他路段的安全行驶速度。具体实现步骤如下：）分类采样。针对研究区道路的实际情况，首先根据道路等级对道路分类。对于高等级道路，可直接采用交通设计允许的驾驶速度作为安全行驶速度；对于低等级道路，则根据可视域、坡度和道路起伏度个因素，将道路分为类，选择能反映这些类别特征的典型路段进行采样，获取道路安全行驶速度与相应的影响因子值。）随机森林分类。将道路等级、可视域、坡度和道路起伏度作为训练样本的自变量，将速度作为训练样本的因变量，使用随机森林法 对样本进行分类训练，流程如下：针对原始训练数据集，随机有放回地选择 样本数据作为训练集，重复操作犖次，共选择犕个用于随机森林分类的决策树；将提取的样本数据放回原始训练数据集中，并在此基础上重新随机选取样本数据作为下一层决策树；重复步骤，形成足够多的决策树并组合成随机森林模型，理论上决策树越多，效果越好；将预测数据集输入模型，并统计每组预测数据的多层决策树结果，得到安全性权重赋值结果。对于未采样路段，其数据根据随机森林模型的预测结果确定。）模糊推理。模糊推理法使用多个具有相似性典型路段样本的联合权重作为未采样路段的权重，可避免随机森林法只将权重简单分为某一类样本的情况。具体步骤为：未采样路段经随机森林法预测得到分类结果后，选取因变量与分类结果差值在一定阈值内的典型路段样本，基于模糊推理法计算未采样路段与所选典型路段样本的相似度，将衡量相似度的模糊隶属度与速度权重相结合，得到未采样路段的权重。基于模糊推理法得到第犺个未采样路段与第犻个典型路段环境因子的相似度犛犻，犺（式（），进而可计算第犺个未采样路段对应的速度权重犠犺（式（）。犛犻，犺犿犿犼 狆犼，犺狆犼 狋，犺狑（）犽（）式中：狆犼，犺为第犺个未采样路段的第犼个道路属性值，狆犼 狋，犺为第犺个未采样路段对应的各典型路段的第犼个道路属性值，犽和狑均为修正参数，犿为影响因子的数量。犠犺狀犻 犛犻，犺犠犻，犺狀犻 犛犻，犺（）式中：犠犻，犺为第犺个未采样路段对应的第犻个典型路段的速度权重。最短路径阻抗设置阻抗函数（式（）的设置以减小车辆行驶速度、增加阻抗作为提升驾驶安全性的原则，即在多影响因子的作用下，如果道路安全性越差，则行驶速度下降越多，道路阻抗越大，以使在路径优化过程中减少安全性低路段的通过率。由式（）可以看出，本文方法用安全行驶速度作为安全性权重调节道路长度权重，从而实现以安全性权重影响阻抗、以阻抗影响路径规划的目的，最终获得山区安全行驶的最佳路径。犾犾狑狑（）式中：犾为用于安全驾驶路径规划的道路阻抗，犾为道路实际长度，狑为不同等级道路标准的限速值，狑为考虑行驶安全的速度权重，采样路段即为采样时的安全速度，未采样路段则为式（）求得的安全速度。道路安全性较好时，狑与狑相同，道路安全性较差时，狑比狑小，如此可使安全性较差路段的阻抗值增加。研究实例 实验数据研究区典型路段的样本共 个（表），不同类型采样点数据空间分布如图所示。采样时考虑不同区段的道路特征及其组合情形，能反映研究区道路环境的整体情况。表 样本选取类别及数据统计犜 犪 犫 犾 犲 犛 犪 犿 狆 犾 犲 犮 犪 狋 犲 犵 狅 狉 犻 犲 狊 犪 狀 犱犱 犪 狋 犪 狊 狋 犪 狋 犻 狊 狋 犻 犮 狊道路等级可视域坡度变化起伏度样本数 个省道正常不明显不明显城镇道路正常不明显大正常不明显小 正常明显大正常明显小 偏小明显小 偏小不明显大偏小不明显小 乡村土路正常不明显大正常不明显小 正常明显大 正常明显小 偏小明显大偏小明显小 偏小不明显大偏小不明显小 页第第期 兰泽多，芮小平：基于模糊随机森林的山区道路安全路径规划算法图 道路及采样点分布犉 犻 犵 犇 犻 狊 狋 狉 犻 犫 狌 狋 犻 狅 狀狅 犳 狉 狅 犪 犱 狊 犪 狀 犱 狊 犪 犿 狆 犾 犻 狀 犵狆 狅 犻 狀 狋 狊 实验设计为验证考虑行驶安全性的山区道路优化算法的有效性，实验设计如下：统计分析多个实验区域路径（研究区中不同起点与终点的路径）的长度、剖面线峰值、平均坡度、平均可视域比率、道路起伏度总量、陡坡道路长度和视野狭窄道路长度，对考虑行驶安全性的山区道路优化算法与传统最短路径算法进行比较。本文实验测试包括次全局区域测试和处局部区域测试。研究区内路径全局区域测试设置起点为西北侧的一处城镇、终点为东南侧的一处乡镇。采用传统方案和考虑行驶安全性方案的路径计算结果如图所示，参数对比结果如表所示。图 测试路径结果犉 犻 犵 犚 狅 狌 狋 犲狆 犾 犪 狀 狀 犻 狀 犵 狉 犲 狊 狌 犾 狋 狊 狅 犳 狋 犲 狊 狋 表 测试路径算法结果对比犜 犪 犫 犾 犲 犆 狅 犿 狆 犪 狉 犻 狊 狅 狀狅 犳 狉 狅 狌 狋 犲狆 犾 犪 狀 狀 犻 狀 犵 狉 犲 狊 狌 犾 狋 狊狅 犳 狋 犲 狊 狋 犫 犪 狊 犲 犱狅 狀 狋 狑 狅犪 犾 犵 狅 狉 犻 狋 犺 犿 狊指标本文算法传统最短路径算法路径长度 剖面线峰值平均坡度 （）平均可视域比率 道路起伏度总量 次 陡坡道路长度 视野狭窄道路长度 为验证本文考虑行驶安全性的路径规划算法结果的合理性，选择山区中处不同起点与终点的路径与传统最短路径算法结果进行对比，如图、表所示。同时还对两种方法陡坡道路（坡度大于 ）长度占比和视野狭窄道路（可视域比率小于）长度占比结果进行比较（表）。图 测试区域测试区域路径结果犉 犻 犵 犚 狅 狌 狋 犲狆 犾 犪 狀 狀 犻 狀 犵 狉 犲 狊 狌 犾 狋 狊 狅 犳 狋 犲 狊 狋 狋 犲 狊 狋 表 局部区域结果对比犜 犪 犫 犾 犲 犆 狅 犿 狆 犪 狉 犻 狊 狅 狀狅 犳 犾 狅 犮 犪 犾 狉 犲 犵 犻 狅 狀 犪 犾 狉 犲 狊 狌 犾 狋 狊区域路径长度平均坡度（）平均可视域比率道路起伏度总量 次测试区域（本文算法）测试区域（传统算法）测试区域（本文算法）测试区域（传统算法）测试区域（本文算法）测试区域（传统算法）测试区域（本文算法）测试区域（传统算法）表 两种算法陡坡道路长度和视野狭窄道路长度占比犜 犪 犫 犾 犲 犘 狉 狅 狆 狅 狉 狋 犻 狅 狀狅 犳 狉 狅 犪 犱 犾 犲 狀 犵 狋 犺狅 犳 狊 狋 犲 犲 狆 狊 犾 狅 狆 犲 犪 狀 犱狀 犪 狉 狉 狅 狑犳 犻 犲 犾 犱狅 犳 狏 犻 犲 狑犲 狊 狋 犻 犿 犪 狋 犲 犱犫 狔 狋 狑 狅犪 犾 犵 狅 狉 犻 狋 犺 犿 狊区域传统最短路径算法本文算法陡坡道路长度占比视野狭窄道路长度占比陡坡道路长度占比视野狭窄道路长度占比测试区域 测试区域 测试区域 测试区域 由表表结果可知：采用考虑行驶安全性的权重赋值算法所得路径长度略大于传统最短路径算法，平均可视域比率明显高于传统最短路径算法，页第地 理 与 地 理 信 息 科 学第 卷平均坡度和道路起伏度总量明显低于传统最短路径算法。根据测试的剖面线峰值数据，考虑行驶安全性的路径规划方案存在个峰值，而传统最短路径算法存在个峰值，峰值数目越多，代表坡度变化越大，行驶越不安全。陡坡道路长度占比和视野狭窄道路长度占比结果显示，整体上考虑行驶安全性的路径优化算法的道路长度更长，陡坡道路长度和视野狭窄道路长度更短。事故易发道路（同时为陡坡道路和视野狭窄道路）分布如图所示，对比两种算法在个测试区的路径规划结果所经过的事故易发道路总长度（表）可知，考虑行驶安全性的路径规划算法较传统最短路径算法能很大程度避开事故易发道路，说明该算法可在一定程度上减少山区道路中车辆事故发生的次数与概率。图 事故易发道路分布犉 犻 犵 犇 犻 狊 狋 狉 犻 犫 狌 狋 犻 狅 狀狅 犳 犪 犮 犮 犻 犱 犲 狀 狋 狆 狉 狅 狀 犲 狉 狅 犪 犱 狊表 两种算法结果经过的事故易发道路总长度犜 犪 犫 犾 犲 犜 狅 狋 犪 犾 犾 犲 狀 犵 狋 犺狅 犳 犪 犮 犮 犻 犱 犲 狀 狋 狆 狉 狅 狀 犲 狉 狅 犪 犱 狊 犳 狅 狉狆 犪 狋 犺狆 犾 犪 狀 狀 犻 狀 犵 狉 犲 狊 狌 犾 狋 狊 犫 狔 狋 狑 狅 犪 犾 犵 狅 狉 犻 狋 犺 犿 狊单位：区域本文算法传统最短路径算法测试区域 测试区域 测试区域 测试区域 测试区域 综上所述，考虑行驶安全性的最短路径优化算法能有效降低行驶过程中的道路坡度，增加行驶过程中道路的平均可视范围，视野整体拓宽，大大提高了行驶的舒适性和安全性，优势明显，而代价是仅增加了约 的行驶路程。结论本文重点分析了山区道路行驶安全性的影响因子，基于“安全性越低、道路阻抗越高”原则，提出了考虑行驶安全性的权重赋值方法，并根据安全性道路权重实现山区路径规划。通过对典型路段的影响因子数据和安全行驶速度数据进行采样，利用随机森林算法构建安全行驶速度与影响因子之间的分类映射关系，避免了直接通过影响因子构建权重赋值函数的难题，并利用模糊推理方法的模糊隶属度对未采样路段样本权重进行赋值，结果较直接采样的随机森林算法更精确。实例验证结果表明，本文考虑行驶安全性权重的赋值方法推荐的路径可有效避免陡坡、视野狭窄的路段，减少安全性差道路的通过率，从而为山区道路安全出行提供科学参考。考虑行驶安全性的山区道路路径优化算法的核心在于行驶路段安全性的有效判断并获取更合理的行驶路径。对影响道路行驶安全的因素分析得越清楚，就越能获取更安全合理的路径，针对不同类型的山区道路特征，更全面地揭示影响安全性的因素值得进一步深入研究。参考文献：王兆林四川省农村公路安全保障工程技术研究西安：长安大学，夏青青道路交通安全事故成因及预测模型研究长沙：长沙理工大学，王志和，凌云 最短路径算法的优化及其实现微计算机信息，（）：，（）：郎茂祥，胡思继用混合遗传算法求解物流配送路径优化问题的研究中国管理科学，（）：娄帅，王慧敏，牛文娟，等基于免疫遗传算法水资源配置多阶段群决策优化模型研究资源科学，（）：，（）：冯豪杰蚂蚁算法在配送运输问题上的路径优化研究计算机与数字工程，（）：，：谭国真时间依赖的网络中最小时间路径算法计算机学报，（）：，（）：，：，页第第期 兰泽多，芮小平：基于模糊随机森林的山区道路安全路径规划算法 ，：，：谢萍，刘小平，庄浩铭，等基于车辆路径优化的土地利用执法巡查线路规划研究地理与地理信息科学，（）：李渊基于 的应急路径规划方法研究国际城市规划，（）：，：，（）：，（）：，（）：芮小平，刘真余，宋现锋，等一种适合山区道路拓扑结构权重的模糊推理方法武汉大学学报（信息科学版），（）：王丽，曾辉深圳市道路网络结构特征的成因及其景观格局效应地理研究，（）：，（）：李柳华，刘小平，欧金沛，等基于随机森林模型的城市扩张三维特征时空变化及机制分析地理与地理信息科学，（）：犛 犪 犳 犲犚 狅 狌 狋 犲犘 犾 犪 狀 狀 犻 狀 犵 犻 狀犕 狅 狌 狀 狋 犪 犻 狀 狅 狌 狊犃 狉 犲 犪犅 犪 狊 犲 犱狅 狀犉 狌 狕 狕 狔犚 犪 狀 犱 狅 犿犉 狅 狉 犲 狊 狋犃 犾 犵 狅 狉 犻 狋 犺 犿 ，（犛 犮 犺 狅 狅 犾 狅 犳犈 犪 狉 狋 犺犛 犮 犻 犲 狀 犮 犲犪 狀 犱犈 狀 犵 犻 狀 犲 犲 狉 犻 狀 犵，犎 狅 犺 犪 犻 犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犖 犪 狀 犼 犻 狀 犵 ；犛 犮 犺 狅 狅 犾 狅 犳犌 犲 狅 狊 犮 犻 犲 狀 犮 犲 狊 犪 狀 犱犐 狀 犳 狅 狆 犺 狔 狊 犻 犮 狊，犆 犲 狀 狋 狉 犪 犾 犛 狅 狌 狋 犺犝 狀 犻 狏 犲 狉 狊 犻 狋 狔，犆 犺 犪 狀 犵 狊 犺 犪 ，犆 犺 犻 狀 犪）犃 犫 狊 狋 狉 犪 犮 狋：，犓 犲 狔狑 狅 狉 犱 狊：；页第地 理 与 地 理 信 息 科 学第 卷