高速公路交通事故概率预测方法研究.docVIP

精品论文 参考文献 高速公路交通事故概率预测方法研究 Probability Forecast Method for Freeway Traffic Accidents 　　王少群 WANG Shao-qun；张晓明 ZHANG Xiao-ming 　　（长安大学经济与管理学院，西安 710064） 　　（School of Economics and Management，Changan University，Xian 710064，China） 　　摘要： 准确的高速公路交通事故概率预测可提高高速公路行车安全。通过分析高速公路交通事故的影响因素，建立高速公路交通事故影响因素体系，构造贝叶斯网络，提出基于贝叶斯网络的高速公路交通事故概率预测方法。此方法利用数据库先验概率信息及贝叶斯预测模型，得出高速公路交通事故概率值，以此判断事故危险等级。 　　Abstract: Precise probability forecast for freeway traffic accidents is an important means to improve traffic safety. By analyzing the influence factors of highway traffic accidents, this paper establishes a Bayesian network, and develops the probability forecast method based on Bayesian network. This method determines the level of risk by analyzing the distribution of the accident probability values, after deriving them by using database prior probability information and Bayesian model. 　　关键词： 高速公路；交通事故预测；概率预测；贝叶斯网络 　　Key words: freeway；forecast for traffic accidents；probability forecast；Bayesian network 　　中图分类号：U491.3 文献标识码：A 文章编号：1006-4311（2014）13-0067-02 　　0 引言 　　高速公路交通事故现已成为影响行车安全、运输效率的重要因素，而准确的事故预测和事故预防可以大大降低事故的危害性。回归分析预测、灰色预测、神经网络等都是比较经典的预测方法。回归分析方法利用解释变量和预测对象之间的因果关系建立回归分析模型，对未来发展做出预测，但是复杂对象难以确定其因果关系，从而降低了精度。灰色预测方法[1]可以弥补数据缺失的不足，同时会引起精度的下降。神经网络预测方法的非线性易形成局部极小状况，以致得不到全局最优解[2]。在短期微观事故预测方面，王莉莉[3]等基于模糊评价方法提出了事故实时预警模型，但这种方法在隶属度确定上具有较强的主观性；秦利燕等[4]基于数量化理论和最小二乘原理，提出了道路断面事故率预测方法，这种方法弱化了影响因素的非线性。本文在分析高速公路交通事故产生因素和大量历史资料的基础上，建立贝叶斯网络及预测模型，得出事故概率，为高速公路行车安全提供重要信息。 　　1 交通事故概率的贝叶斯推理 　　 　　 　　2 模型建立及求解 　　2.1 高速公路交通事故影响因素分析 现在公共舆论与交通管理机构的官方统计都简单的认为事故的最主要因素是驾驶员的粗心、错误以及汽车的机械问题。这说明在以往研究中忽视了道路条件等因素的影响。而实际上，作为交通基础设施和车辆行驶基本条件，道路条件对交通事故的作用不可忽视。本文以信息可获取性为基本原则，分析了道路条件各种因素对高速公路交通事故的影响。 　　2.1.1 道路基本情况 　　2.1.1.1 道路平曲线及纵坡 适当半径的道路曲线路段可以使行驶者摆脱道路的单调感，减少困倦，但若速度控制不当，容易导致翻车或车辆侧滑等事故。纵坡坡度过大使车辆难以维持合理速度以及连贯状态，下坡时易形成车辆高速行驶，制动距离加长，上坡时易形成爬坡吃力，引发追尾等事故。 　　2.1.1.2 道路设计限速 道路设计限速会给驾驶员一种暗示，只要在限速内行车都是安全的，从而行驶速度会比较接近限速值。因此限速值大的道路上车辆行驶速度会更高。随着车速的提高，驾驶员可支配时间变少，使得驾驶员获取