研究人员们提出了一种新的导航工具SafeRoute

最近的研究表明，85%的女性会在外出时特意避开危险区域，选择相对安全的道路，防止受到骚扰或伤害。尽管如此，现有的导航工具并不能给用户提供安全性指数。在这篇论文中，研究人员们提出了一种新的导航工具SafeRoute，它借助深度强化学习工具，能显示城市街道中潜在的犯罪概率。以下是论智对论文的介绍：

康奈尔大学和Hollaback公司2014年调查了美国4872名女性，其中85%的人会为了避免潜在的危险而选择绕路，67%的调查对象会改变出行时间确保安全。或许当地人会熟悉他们的居住环境，知道哪里危险、哪里相对安全。可是对第一次来某地的人来说，环境的陌生会大大增加危险发生的概率。随着犯罪率的上升，我们在想，是否能创建一款安全道路导航应用，让更多人能保护自己呢？

在这篇论文中，我们的研究对象仅限于非机动车道（例如可以走路或骑自行车的区域）。在美国，想纽约、波士顿、旧金山这样的城市，通常有很多步行街道。我们想计算出到达目的地的最短距离，并且危险系数低的步行方案。现有的导航方法也能覆盖大城市，但他们没有考虑犯罪率的问题，忽略了小范围的犯罪区域。

另外，最接近也有很多有关深度强化学习进行最短路径导航的成果出现，但我们的模型不仅仅是为了规划路径，而是要加入安全因素。于是我们选择了基于深度强化学习的解决方案，这在很多数据挖掘问题中都是常用方法。

SafeRoute介绍

我们可以将路径选择的过程看作是马尔科夫决策过程，在每个步骤，智能体都要决定下一步的方向，最终到达目的地。首先会向模型输入开始和结束点的坐标，模型会返回智能体做出的决策坐标列表，同时对智能体进行奖励，避免道路上遇到犯罪事件。

模型架构

SafeRoute系统主要有两大部分：强化学习智能体可以交互的环境，以及智能体进行表示并做决定的策略网络。主要架构如下图：

环境是用具有< S, A, P, R >元组的马尔科夫决策过程表示。S表示环境持续的状态，A={a1,a2,…,aN}，定义了智能体可能做出的所有动作。P(St+1 = s0|St = s,At = a)表示从一个状态转移到另一个状态的概率。R(s, a)是智能体在状态s下做出动作a时的奖励函数。

在我们的模型中，智能体的状态表示目前在地图上的位置以及目标位置。如果目标位置和此前训练时的目标位置很接近，那么智能体会采取相似行动靠近该目标。为了表示状态，地图信息被转换成有节点和线条的图，其中图嵌入用来表示强化学习智能体的连续状态，这些嵌入用node2vec来生成。用图嵌入而不用坐标的原因是，坐标不能体现地图上的交互是如何连接的任何信息。状态从智能体目前的节点和目标节点中使用的嵌入如下所示：

其中et表示当前节点的嵌入，etarget表示目标节点的嵌入。

另外，策略网络表示强化学习智能体使用的随机策略，用πθ(s, a) = p(a|s;θ)表示，其中θ是神经网络的参数列表，会用Adam优化器进行更新。系统使用随机梯度而不是贪婪策略，是为了防止智能体在地图上循环前进，停滞不前。运用随机梯度，智能体可以打破循环（例如向死路前进或选择可能会通向死路的道路）。神经网络包含两个隐藏层，每一层都有一个ReLU激活函数。输出使用一个softmax函数，可以返回所有行为的概率分布。

至于奖励，智能体要考虑多方面优化，所以奖励函数也必须包含多种因素。由于SafeRoute的一个重要特征就是躲避犯罪区域，所以我们将安全性添加到奖励中，用函数表示坐标到此前有过犯罪记录坐标的平均距离。

虽然SafeRoute的主要目标是增加安全性，但是我们还想尽量选择较短路线。路径沿线距离犯罪现场的所有平均距离都要计算，如果附近没有发生过犯罪事件，那么就得到奖励k。最终的奖励函数定义如下：

其中n是路径中线条的数量，m是每个节点一定半径内的犯罪事件数量，x是路线中线段的中点，c是每个半径上发生的犯罪事件，p是路线，k是超参数。

训练

训练SafeRoute也分为两部分：监督训练和用奖励进行重复训练。在最初不使用监督训练的情况下，智能体在找寻目标节点时很困难，最终可能会随意寻找方向。AlphaGo在训练时用了模拟学习的方法，让智能体在最初能够找到正确方法。同样，我们也在训练开始时用监督学习进行模拟学习。经过监督学习之后，智能体还会再次训练，避开犯罪率高的区域。再次训练的算法过程如下：

实验过程

由于此前没有类似的实验，所以我们创建了自己的SafeRoute数据集。我们从OpenStreetMap中收集了地图信息，这是一个免费的协作世界地图，我们选择了波士顿、纽约和旧金山的市区，这是很多游客会去的地方，也是繁华的市中心。最终，波士顿和旧金山的图在训练时每个epoch会欧2000个episode，而纽约的更大，可以达到4000个episode。三个模型都经过了60epoch的训练。

犯罪数据从Spotcrime中收集，其中包括了最近有关犯罪的类型和地理坐标。我们只选择了枪击、骚扰和抢劫三类。

另外，我们在多种尺度上对SafeRoute进行了评估，路线的质量有三个方面：距离犯罪点的平均距离（包括局部和全局两种）以及路线长短。局部犯罪平均距离只考虑当智能体走在路上时，附近的犯罪活动。而全局的平均距离会考虑该路线上所有发生过的犯罪活动。其中局部平均距离是重点考量因素。

可以看到，在我们的评估前两个因素的值越高并且路线距离越短的选择更好。并且在波士顿遵循了离犯罪地点距离最短的原则，但是纽约的案例中，离犯罪地点远的路线却很长。

为了减少我们模型结果的多样性，我们为每个城市创建了三种模型，并对结果进行了平均。下表表现了SafeRoute和SafePath最安全的路线相比，增加或减少的百分比。

经过测试，SafeRoute能在大多情况下生成合适的结果，未来，我们打算让SafeRoute作用于更长路径和更大的地图。除此之外，我们还会研究模型的可携带型。