一种基于GAN的城市重大交通事故数据样本自动生成方法与流程

本发明涉及一种基于遗传变异-对抗生成网络的城市重大交通事故数据样本生成方法，属于智能交通应用技术领域。

背景技术：

重大交通事故尤其是车祸在全世界都是一个巨大的问题，每年全世界约有130万人死于车辆交通事故，约有5千万人在车辆交通事故中受伤。目前已经有基于大数据的机器学习技术来提前预测交通事故以尽量减少损失。众所周知，深度学习技术需要大量交通事故样本，交通事故数据数量越多，模型的准确率越高。但是由于发生及记录的重大交通事故数量并不多，并涉及到一定的隐私，同时相对负样本而言(即没有发生重大交通事故)，正样本(发生的重大交通事故)数量太少，属于不均衡样本，对于模型的训练精度有较大影响，如何增加重大交通事故样本数量提供给模型学习，从而提高重大交通事故预测准确率，成为了一个非常重要的问题。因此，通过人工智能算法，自动生成城市重大交通事故数据样本，有重要价值和意义。

技术实现要素：

本发明的目的是：自动生成城市重大交通事故数据样本，从而提供大量数据给深度学习模型进行学习和训练，提高模型对交通事故预测的准确率，从而挽回大量由交通事故带来的损失。

为了达到上述目的，本发明的技术方案是提供了一种基于gan的城市重大交通事故数据样本自动生成方法，其特征在于，包括以下步骤：

步骤1、将城市交通事故特征定义为四个维度：天气特性、时间特性、道路特性、车辆类型特性，对真实重大交通事故样本集中每一个事故样本的特征进行独热编码，得到特征向量，作为真实数据样本库x＝{x¹,x²,…,xⁱ,…,x^m}，xⁱ表示第i个特征向量；

步骤2、生成初始假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}，zⁱ表示第i个假的重大交通事故样本的特征向量；

步骤3、建立生成网络和鉴别网络，生成网络和鉴别网络为神经网络，其中：生成网络的输出层神经元与输入层神经元个数相同；鉴别网络的输入层有真实数据和生成网络生成的数据，鉴别网络的输出层有一个神经元，输出结果为一个值；随后初始化生成网络和鉴别网络的参数，生成网络的参数为θd和鉴别网络的参数为θg；

步骤4、从步骤2中生成的假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}中采样n个样本，输入生成网络中，计算此时生成网络生成的结果：

步骤5.鉴别网络的目标函数v表示为：

式中，d(xⁱ)是真实数据的输出值；是生成网络生成的假数据在鉴别网络中的输出值；

目标为最大化目标函数v，通过梯度上升的方法来更新权重参数：式中，η表示学习率(learningrate)，代表每一次参数更新步的长度，表示参数θg的导数；

步骤6、从步骤2中生成的假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}中采样n个样本，计算此时生成网络生成的结果根据生成网络的目标函数通过梯度上升的方法来更新权重参数：式中，表示参数θg的导数；

步骤7、重复步骤4到步骤6直至生成网络和鉴别网络都收敛，获得训练后的对抗生成网络，对抗生成网络训练好以后，即可用来生成重大交通事故数据。

优选地，步骤1中：所述时间特性包括是否为早晚高峰期、是否为通勤日、是否为节假日、一年中的哪一个月份；所述道路特性包括与最近的十字路口距离、道路宽度、道路曲折度。

优选地，步骤2中，生成假的数据集z时，设置探索率a％，则初始假的数据集z中a％数据根据遗传算法中的变异算法生成，(100-a)％的数据完全随机生成。

优选地，所述遗传算法中的变异算法包括以下步骤：

步骤2.1、分别统计真实数据样本库x中的四个维度特征的均值、最小值和最大值，得到天气特性特征的均值μ1、最小值min1、最大值max1；时间特性特征的均值μ2、最小值min2、最大值max2；道路特性特征的均值μ3、最小值min3、最大值max3；车辆类型特性特征的均值μ4、最小值min4、最大值max4；

步骤2.2、遗传算法中的变异算法：根据高斯分布规律以及3σ定理，依据步骤2.1得到的四个维度特征的均值、最小值和最大值，获得生成的假的数据集z中60％数据的均值为μ，方差为(max-min)/3。

优选地，步骤3中，所述生成网络和所述鉴别网络分别为隐含层为5层且每个隐含层含有4个神经元的神经网络。

本发明是一种基于遗传变异-对抗生成网络(gan)的城市重大交通事故数据样本生成方法，目的是自动生成城市重大交通事故数据样本，从而提供大量数据给深度学习模型进行学习和训练，提高模型对交通事故预测的准确率，从而挽回大量由交通事故带来的损失。该方法将城市交通事故特征定义为四个维度：天气特性、时间特性、道路特性和车辆类型特性，对每一个事故样本的特征进行独热编码(one-hot)后得到一个特征向量(vector)作为真实数据样本库。遗传变异-对抗生成网络主要由两部分组成，一个是生成网络，另一个是鉴别网络，采用遗传变异-生成网络(generator)生成假的重大交通事故样本，再使用鉴别网络(discriminator)来给真实数据和生成数据打分，将结果反馈给生成网络(generator)，生成网络(generator)改进生成的数据后，再使用鉴别网络来评分，这样不断的博弈更新后，会得到一个很好的生成样本。其特征在于首次将遗传变异算法用于与生成网络结合来生成假的数据样本，同时对抗生成网络也是第一次用于重大交通事故样本生成。

附图说明

图1为本发明的流程图；

图2为鉴别网络示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明提供了一种智能自动生成城市事故数据样本的方法。该方法将城市交通事故特征定义为四个维度：天气特性、时间特性(是否为早晚高峰期、是否为通勤日、是否为节假日、一年中的哪一个月份)、道路特性(与最近的十字路口距离、道路宽度、道路曲折度)、车辆类型特性，对每一个事故样本的特征进行独热编码(one-hot)后得到一个特征向量(vector)作为真实数据样本库。

遗传变异-对抗生成网络主要由两部分组成，一个是生成网络，另一个是对抗网络，采用遗传变异-生成网络(generator)生成假的重大交通事故样本，再使用鉴别网络(discriminator)来给真实数据和生成数据打分，将结果反馈给生成网络(generator)，生成网络(generator)改进生成的数据后，再使用鉴别网络来评分，这样不断的博弈更新后，会得到一个很好的生成样本。

本发明首次将遗传变异算法用于与生成网络结合来生成假的数据样本，同时对抗生成网络也是第一次用于重大交通事故样本自动生成，具体包括以下步骤：

步骤1.将城市交通事故特征定义为四个维度：天气特性、时间特性(是否为早晚高峰期、是否为通勤日、是否为节假日、一年中的哪一个月份)、道路特性(与最近的十字路口距离、道路宽度、道路曲折度)、车辆类型特性。对真实重大交通事故样本集中每一个事故样本的特征进行独热编码(one-hot)，得到特征向量，作为真实数据样本库x＝{x¹,x²,…,xⁱ,…,x^m}，xⁱ表示第i个特征向量。

步骤2.生成初始假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}，zⁱ表示第i个假的重大交通事故样本的特征向量：设置探索率(explorationrate)，比如等于60％，则初始假的数据集z中60％数据的生成算法，根据遗传算法中的变异算法生成，40％的数据完全随机生成。

遗传算法中变异算法实现如下：

步骤2.1分别统计真实数据样本库x中的四个维度特征的均值、最小值和最大值，得到天气特性特征的均值μ1、最小值min1、最大值max1；时间特性特征的均值μ2、最小值min2、最大值max2；道路特性特征的均值μ3、最小值min3、最大值max3；车辆类型特性特征的均值μ4、最小值min4、最大值max4；

步骤2.2遗传算法中的变异算法：根据高斯分布规律以及3σ定理，依据步骤2.1得到的四个维度特征的均值、最小值和最大值，获得生成的假的数据集z中60％数据的均值为μ，方差为(max-min)/3。

步骤3.生成网络和鉴别网络分别为隐含层为5层且每个隐含层含有4个神经元的神经网络。生成网络的输出层神经元与输入层神经元个数相同。鉴别网络的输入层有真实数据和生成网络生成的数据，鉴别网络的输出层有一个神经元，输出结果为一个值，见图2。训练网络即更新生成网络和鉴别网络的权重参数。初始化生成网络和鉴别网络的参数，生成网络的参数为θd和鉴别网络的参数为θg。

步骤4.从步骤2中生成的假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}中采样n个样本，输入生成网络中，计算此时生成网络(θg0)生成的结果：

步骤5.鉴别网络的目标函数v表示为：

式中，d(xⁱ)是真实数据的输出值，对于鉴别网络而言，该值越大越好；是生成网络生成的假数据在鉴别网络中的输出值，对于鉴别网络而言，该值越低越好；

所以目标为最大化目标函数v，通过梯度上升的方法来更新权重参数：式中，η表示学习率(learningrate)，代表每一次参数更新步的长度，表示参数θg的导数。

步骤6.从步骤2中生成的假的数据集z＝{z¹,z²,…,zⁱ,…,z^m}中采样n个样本，计算此时生成网络(θg)生成的结果根据生成网络的目标函数通过梯度上升的方法来更新权重参数：式中，表示参数θg的导数。

步骤7.重复步骤4到步骤6直至生成网络和鉴别网络都收敛，获得训练后的对抗生成网络，对抗生成网络训练好以后，即可用来生成重大交通事故数据。