摘 要：隨著城市化進(jìn)程的增長(zhǎng)，城市生活垃圾的處理也成為了城市發(fā)展與規(guī)劃的重點(diǎn)。因此，不少城市開(kāi)始投入智慧城市的建設(shè)，很多區(qū)域開(kāi)始嘗試在垃圾桶上安裝傳感器，根據(jù)傳感器的數(shù)據(jù)及時(shí)通知城管部門安排清運(yùn)車輛，及時(shí)規(guī)劃清運(yùn)線路。本文調(diào)整XGBoost（Extreme Gradient Boosting）算法，將算法應(yīng)用到垃圾清運(yùn)量的預(yù)測(cè)上。本文通過(guò)實(shí)驗(yàn)結(jié)果研究表明，預(yù)測(cè)模型輸出結(jié)果可以比較好的擬合實(shí)際發(fā)生的情況，根據(jù)實(shí)驗(yàn)數(shù)據(jù)平均誤差在2%以內(nèi)，符合預(yù)期效果。總的來(lái)說(shuō)，XGBoost城市垃圾清運(yùn)預(yù)測(cè)模型具有精高，模型的構(gòu)建效率高，易于通過(guò)軟件實(shí)現(xiàn)，可以在一定場(chǎng)景下滿足部分系統(tǒng)需求，具有一定的實(shí)用價(jià)值。

關(guān)鍵詞：垃圾運(yùn)量預(yù)測(cè);預(yù)測(cè)精度;XGBoost;預(yù)測(cè)因子

1.引言

XGBoost（Extreme Gradient Boosting）算法是通過(guò)若干弱分類器經(jīng)過(guò)不斷迭代獲得一個(gè)比較準(zhǔn)確的分類預(yù)測(cè)效果。目前，在電子商務(wù)銷售預(yù)測(cè)、事件分類、客戶行為分類、電力負(fù)荷預(yù)測(cè)等領(lǐng)域均取得了良好的效果。本文擬調(diào)整該算法，將算法應(yīng)用到垃圾清運(yùn)量的預(yù)測(cè)上。

2.算法說(shuō)明

XGBoost的算法思路是不斷累加逼近目標(biāo)，也就是說(shuō)每次通過(guò)一個(gè)弱分類器來(lái)進(jìn)行預(yù)測(cè)，通過(guò)不斷迭代預(yù)測(cè)值將不斷接近目標(biāo)函數(shù)。其基礎(chǔ)模型可以表述為：

顯然，上述模型中是通過(guò)不斷累積逼近目標(biāo)，從而達(dá)到預(yù)測(cè)效果。其中，X為要預(yù)測(cè)的樣本，T為森林的規(guī)模即迭代次數(shù)，經(jīng)過(guò)T輪迭代逐步累積獲得最終的預(yù)測(cè)。

XGBoost在每一步的累加過(guò)程中，都會(huì)選擇一個(gè)累加方向，其借鑒了梯度提升的思想，根據(jù)損失函數(shù)選擇方向。在不斷逼近過(guò)程中為了防止過(guò)擬合，在損失函數(shù)中加入了正則項(xiàng)，保證了輸出模型的泛化能力。算法框架，在迭代效率方面提升的巧妙之處在于沒(méi)有采用搜索的方式，而是直接通過(guò)損失函數(shù)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)對(duì)候選者篩選，從而獲得了良好的性能。

在算法的實(shí)現(xiàn)上，XGBoost的流程也比較易于實(shí)現(xiàn)。在數(shù)據(jù)訓(xùn)練過(guò)程中，首先，算法框架會(huì)接收樣本數(shù)據(jù)并初始化預(yù)測(cè)值。在用戶使用算法框架之前，要提前根據(jù)業(yè)務(wù)場(chǎng)景預(yù)置損失函數(shù)。然后，計(jì)算每一個(gè)樣本的預(yù)測(cè)值在損失函數(shù)中的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。接下來(lái)就是，根據(jù)上述導(dǎo)數(shù)信息和差值生產(chǎn)下一顆決策樹(shù)。迭代的最后一步是，利用新生成的決策樹(shù)預(yù)測(cè)樣本，并將結(jié)果累加起來(lái)。最后，不斷迭代更新累計(jì)，直到達(dá)到迭代條件生成輸出模型。顯然，整個(gè)計(jì)算過(guò)程是一個(gè)串行化的過(guò)程，但是在迭代過(guò)程中會(huì)反復(fù)使用樣本，因此算法可以利用緩存方法提高執(zhí)行效率。

從上述過(guò)程分析，XGBoost的關(guān)鍵是損失函數(shù)，是通過(guò)損失函數(shù)的計(jì)算不斷更新預(yù)測(cè)效果。那么，XGBoost的損失函數(shù)定義為：

上述函數(shù)由三個(gè)部分構(gòu)成，從左往右分別為損失項(xiàng)，正則項(xiàng)和常數(shù)項(xiàng)。損失項(xiàng)的目的是評(píng)價(jià)樣本預(yù)測(cè)與真實(shí)值得差距，從而不斷逼近。正則項(xiàng)和常數(shù)項(xiàng)的目的是為了防止過(guò)擬合采取的控制手段。同時(shí)，正則項(xiàng)在選擇候選樹(shù)的時(shí)候起到了篩選作用，常數(shù)項(xiàng)加快了迭代過(guò)程。

在損失函數(shù)的巧妙之處在于可以對(duì)損失項(xiàng)進(jìn)行泰勒展開(kāi)式，然后取近似值，近似的取泰勒展開(kāi)式的前兩項(xiàng)，即一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。則原函數(shù)轉(zhuǎn)換為如下：

其中g(shù)i，hi就是一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，這樣就可以直接使用gi，hi更新樣本，從而降低了計(jì)算復(fù)雜度。

3.XGBoost算法應(yīng)用

在智慧城市的傳感器數(shù)據(jù)收集中會(huì)產(chǎn)生大量的基礎(chǔ)數(shù)據(jù)，傳感器會(huì)定期收集垃圾桶的垃圾占比數(shù)據(jù)，不斷的發(fā)送給數(shù)據(jù)平臺(tái)，因此基礎(chǔ)數(shù)據(jù)會(huì)非常多。由于垃圾桶是一個(gè)公共物品并且容易遭到意外的破損，因此其內(nèi)的傳感器也會(huì)存在一定的破損概率，此期間的數(shù)據(jù)可能無(wú)法及時(shí)獲取。根據(jù)實(shí)際情況，影響垃圾產(chǎn)生的主要因素之一是周邊人口，本次采樣的數(shù)據(jù)來(lái)源也主要是生活垃圾。另外，平時(shí)產(chǎn)生的生活垃圾與節(jié)假日期間產(chǎn)生的垃圾規(guī)模也是存在差異的。

根據(jù)上述分析，由于基礎(chǔ)數(shù)據(jù)量比較大，可以通過(guò)以區(qū)域作為一個(gè)數(shù)據(jù)采樣點(diǎn)，例如小區(qū)、居民區(qū)等區(qū)域，計(jì)算此區(qū)域內(nèi)的垃圾暫存容量。對(duì)于該區(qū)域收集的大量傳感器基礎(chǔ)數(shù)據(jù)可以取該區(qū)域內(nèi)所有垃圾桶使用占比的均值來(lái)表示。因此，可以構(gòu)建垃圾暫存容量、平均使用占比、輻射人口、是否為節(jié)假日、傳感器壞損率、前一周同比使用占比、前一天同比使用占比個(gè)這七個(gè)維度構(gòu)成的數(shù)據(jù)描述作為訓(xùn)練的輸入。所預(yù)測(cè)的為下一個(gè)清運(yùn)周期。目前，收集了（2018年9月 至 2018年12月）三個(gè)月的數(shù)據(jù)，經(jīng)過(guò)上述加工最終數(shù)據(jù)規(guī)模為134區(qū)域，共12194筆記錄。本文以該數(shù)據(jù)樣本進(jìn)行訓(xùn)練獲取預(yù)測(cè)模型。

本算法通過(guò)Python3.6實(shí)現(xiàn)，數(shù)據(jù)同步來(lái)源于智慧城市云端服務(wù)接口。算法的訓(xùn)練環(huán)境為英特爾酷睿i7，四核心八線程 3.06GHz主頻，運(yùn)行內(nèi)存為8G，64位Linux 2.6內(nèi)核。XGBoost底層是構(gòu)建在C++基礎(chǔ)之上，然后通過(guò)python進(jìn)行代碼封裝，易于編程和使用。Python的基礎(chǔ)庫(kù)是基于Anaconda環(huán)境構(gòu)建的，通過(guò)git下載使用python封裝的XGBoost代碼，然后根據(jù)本文業(yè)務(wù)特征編寫邏輯。

在XGBoost算法框架中，可以通過(guò)參數(shù)設(shè)置來(lái)調(diào)整算法以適應(yīng)應(yīng)用場(chǎng)景。XGBoost要調(diào)整的參數(shù)包括：通用參數(shù)、boost參數(shù)和學(xué)習(xí)目標(biāo)參數(shù)三類。針對(duì)本文討論的范圍，主要設(shè)置基于樹(shù)的模型進(jìn)行訓(xùn)練，最大樹(shù)的深度設(shè)置為7，為了防止過(guò)擬合收縮步長(zhǎng)參數(shù)設(shè)置為0.4，迭代次數(shù)設(shè)置為100。在目標(biāo)函數(shù)的參數(shù)設(shè)置為“count poisson” 輸出結(jié)果為poisson分布。 在poisson回歸中，max_delta_step的缺省值為0.7。調(diào)整其中75%的樣本數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，25%的樣本數(shù)據(jù)為驗(yàn)證數(shù)據(jù)。

綜合上來(lái)看XGBoost有比較好的綜合性，準(zhǔn)確率和召回率均比較合理，隨機(jī)森林雖然準(zhǔn)確率較高但是召回率較差，因?yàn)槟Ｐ头夯芰^弱。貝葉斯在運(yùn)算時(shí)間上略有優(yōu)勢(shì)，但是綜合上來(lái)說(shuō)XGBoost更適合本文的應(yīng)用特點(diǎn)。XGBoost本質(zhì)上一顆決策樹(shù)，在屬性的貢獻(xiàn)程度上一次排名前三的為垃圾暫存容量、前一周同比使用占比、輻射人口，也就是說(shuō)這三個(gè)指標(biāo)更能刻畫數(shù)據(jù)。

結(jié) 論：

城市垃圾清運(yùn)是城市管理調(diào)度的一項(xiàng)重要工作之一。本文以智慧城市建設(shè)為數(shù)據(jù)基礎(chǔ)，以垃圾清運(yùn)數(shù)據(jù)預(yù)測(cè)作為研究背景，通過(guò)研究XGBoost算法應(yīng)用在垃圾清運(yùn)預(yù)測(cè)場(chǎng)景，借助算法執(zhí)行效率高、準(zhǔn)確度高、靈活性強(qiáng)、易于實(shí)現(xiàn)的特點(diǎn)。在垃圾清運(yùn)數(shù)據(jù)中，數(shù)據(jù)并不集中，在實(shí)際中可能存在傳感器故障等問(wèn)題導(dǎo)致數(shù)據(jù)缺失。計(jì)算過(guò)程中利用緩存技術(shù)高效的讓boosting迭代過(guò)程中可以共享內(nèi)存提高執(zhí)行效率。本文通過(guò)分析垃圾清運(yùn)數(shù)據(jù)，構(gòu)建了垃圾暫存容量、平均使用占比、輻射人口、是否為節(jié)假日、傳感器壞損率、前一周同比使用占比、前一天同比使用占比，系統(tǒng)以上一個(gè)清運(yùn)周期為輸入下一個(gè)清運(yùn)周期為輸出建立預(yù)測(cè)模型。本文通過(guò)實(shí)驗(yàn)結(jié)果研究表明，預(yù)測(cè)模型輸出結(jié)果可以比較好的擬合實(shí)際發(fā)生的情況，根據(jù)實(shí)驗(yàn)數(shù)據(jù)平均誤差在2%以內(nèi)，符合預(yù)期效果。總的來(lái)說(shuō)，XGBoost城市垃圾清運(yùn)預(yù)測(cè)模型具有精度高，模型的構(gòu)建效率高，易于通過(guò)軟件實(shí)現(xiàn)，可以在一定場(chǎng)景下滿足部分系統(tǒng)需求，具有一定的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]基于灰色預(yù)測(cè)模型的遼寧省城市生活垃圾產(chǎn)生量預(yù)測(cè)[J].王東明，呂洪濤.環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì).2013（04）

[2]基于BP神經(jīng)網(wǎng)絡(luò)的武漢市生活垃圾清運(yùn)量預(yù)測(cè)研究[J].夏晶，張旺.湖北工業(yè)大學(xué)學(xué)報(bào).2016（06）

作者簡(jiǎn)介：

姚興泉（1992.04--），男（漢族），浙江慶元人，工程師，在職研究生（在讀），主要研究方向：大數(shù)據(jù)、人工智能。