基于贝叶斯网城市道路交通事故机理分析.docVIP

基于贝叶斯网城市道路交通事故机理分析 　　摘 要：认识事故发生机理是预防交通事故的基础，首先运用层次分析法，给出引发交通事故的单因素权重排序，确定贝叶斯模型的显性变量，同时引入两个隐节点来表征各因素之间的依赖关系，针对镇江市解放路路段事故数据，运用Netica建立各成因耦合作用的机理模型，结果表明，实际交通事故形态与理论分析相吻合，证明该模型可以作为城市道路交通安全改善方案的理论依据 关键词：交通安全；贝叶斯网；事故机理；Netica建模 引言 高度现代化的城市道路交通环境给人们出行带来方便的同时，也逐渐成为威胁国民生命财产安全的隐性杀手。近两年来城市道路交通事故次数达到总数的42.39%[1]，呈现上升趋势。因而深入开展对城市道路交通事故的机理研究是非常迫切的。现阶段开展的事故发生机理研究主要集中在两个方面：一是基于事故因果链锁论[2]，利用系统综合分析法剖析典型案例的成因，揭示事故本质；二是基于事故数据挖掘手段鉴别出道路黑点[3]，分析其空间分布特性和形成规律。总体而言，绝大多研究缺乏科学的定义和可量化判别标准，没有形成系统的分析治理方法。本文引入交通特性的微观分析，将单个事故成因的重要度计算与基于贝叶斯网的多个事故影响因素耦合作用分析相?Y合，开展事故发生机理的量化分析 1 贝叶斯网建模分析 1.1 贝叶斯学习算法 1.2 显性变量的确定 本文选择采用层次分析法[4]对道路交通事故的各成因进行相应的关联度分析，选取权重较大的关键因素作为贝叶斯模型的显节点。分析过程如下 （1）模型构建。建立如图1所示的交通事故形成层次结构模型 （2）构造判断矩阵。在层次模型构建完成的基础上，根据统一的Saaty1-9级判断矩阵标准度，比较下一层因素与上一层选定因素之间的相对重要程度，其量化值用W表示，即权重 （3）层次总排序及一致性检验。层次总排序是指最底层以下的各因素对最高层总问题的重要度排序，具体结果见表1。为了保证排序评价的有效性，引入一致性指标[5]CI和随机一致性比率CR进行检验 （4）确定模型显性变量。总权重排序在一定程度上反映了各成因对事故发生的贡献度大小。为适当简化机理模型，同时保证分析结果准确可靠，选取交通参与者的违规情况、车辆状况、天气情况和道路条件四个关联度最大因素作为模型的显性变量 2 模型参数分析 首先引入显节点：交通参与者的违规情况X0、车辆状况X1、天气情况X2和道路条件X3。各变量节点值域取值如下所示 （1）X0：{0，1，2，3}分别代表驾驶员无违规行为，判断失误，操纵失误，其他违规行为 （2）X1：{0，1，2，3}分别代表车辆状况良好，信号装置失效，制动失常，其他机械故障 （3）X2：{0，1}分别对应天气状况良好和天气恶劣两种情形 （4）X3：{0，1，2，3}分别代表普通路段，丁字路口，十字路口，其他交叉路口 （5）A：{1，0}分别表示表示发生交通事故和不发生交通事故两种状况 在确定了显性变量的基础上，引入驾驶人员无规范感和紧张程度两个隐变量，记为Y0、Y1，并规定隐变量有3个不同的取值，记作d1、d2、d3，对应表示程度的“低”、“中”、“高” 3 案例分析 采用本文构建的机理模型进行案例分析，以镇江市具有代表性的城市道路解放路为例，选取大西路与中山东路之间的解放路路段为研究对象，结合事故数据对事故发生机理进行建模推理分析 依据该路段历史事故资料，通过数据学习不断修正事故发生的先验概率，利用贝叶斯软件分析包Netica建立事故分析的贝叶斯模型，并结合数据统计分析，得到显性变量与隐形变量之间的条件概率，见表2 确定变量及其取值后，按照上述值域将数据抽象成布尔类型的值，利用贝叶斯软件分析包Netica建立事故分析的贝叶斯模型，见图2。利用该模型进行道路系统事故概率分析，将天气节点调整为天气恶劣且存在交通违规行为时，事故发生的概率由0.38上升到0.47，这是符合常识推理和历史经验的结果。此外，对结果进行敏感度分析，可以发现天气状况是敏感性最强的影响因素，其次是交通违规行为，而车辆状况的影响较小。这可以解释为该路段为市区道路，驾驶员通常对本地路况比较熟悉，且市内车流量较大，车速较低，即使车辆出现一些轻微的意外情况，一般驾驶员都可以平稳应对；当出现较为恶劣的天气状况时，对客观的外部环境和交通参与者的主观判断都会产较大的影响，因此敏感度表现最高 4 结束语 本文通过对道路交通环境进行系统的分析，以贝叶斯网络模型为基础，针对目前事故发生机理研究中定性分析多，定量分析少、事故信息缺失等方面的不足，建立关键因素耦合作用对城市道路交通事故影响的定量化关系模型，实现定量分析与定性分析应有的互补与统一