基于貝葉斯網(wǎng)的城市道路交通事故機理分析

韓靜文+劉志強+龔標+張愛紅+王玲

摘 要：認識事故發(fā)生機理是預防交通事故的基礎，首先運用層次分析法，給出引發(fā)交通事故的單因素權(quán)重排序，確定貝葉斯模型的顯性變量，同時引入兩個隱節(jié)點來表征各因素之間的依賴關系，針對鎮(zhèn)江市解放路路段事故數(shù)據(jù)，運用Netica建立各成因耦合作用的機理模型，結(jié)果表明，實際交通事故形態(tài)與理論分析相吻合，證明該模型可以作為城市道路交通安全改善方案的理論依據(jù)。

關鍵詞：交通安全；貝葉斯網(wǎng)；事故機理；Netica建模

引言

高度現(xiàn)代化的城市道路交通環(huán)境給人們出行帶來方便的同時，也逐漸成為威脅國民生命財產(chǎn)安全的隱性殺手。近兩年來城市道路交通事故次數(shù)達到總數(shù)的42.39%[1]，呈現(xiàn)上升趨勢。因而深入開展對城市道路交通事故的機理研究是非常迫切的?，F(xiàn)階段開展的事故發(fā)生機理研究主要集中在兩個方面：一是基于事故因果鏈鎖論[2]，利用系統(tǒng)綜合分析法剖析典型案例的成因，揭示事故本質(zhì)；二是基于事故數(shù)據(jù)挖掘手段鑒別出道路黑點[3]，分析其空間分布特性和形成規(guī)律?？傮w而言，絕大多研究缺乏科學的定義和可量化判別標準，沒有形成系統(tǒng)的分析治理方法。本文引入交通特性的微觀分析，將單個事故成因的重要度計算與基于貝葉斯網(wǎng)的多個事故影響因素耦合作用分析相結(jié)合，開展事故發(fā)生機理的量化分析。

1 貝葉斯網(wǎng)建模分析

1.1 貝葉斯學習算法

1.2 顯性變量的確定

本文選擇采用層次分析法[4]對道路交通事故的各成因進行相應的關聯(lián)度分析，選取權(quán)重較大的關鍵因素作為貝葉斯模型的顯節(jié)點。分析過程如下。

（1）模型構(gòu)建。建立如圖1所示的交通事故形成層次結(jié)構(gòu)模型。

（2）構(gòu)造判斷矩陣。在層次模型構(gòu)建完成的基礎上，根據(jù)統(tǒng)一的Saaty1-9級判斷矩陣標準度，比較下一層因素與上一層選定因素之間的相對重要程度，其量化值用W表示，即權(quán)重。

（3）層次總排序及一致性檢驗。層次總排序是指最底層以下的各因素對最高層總問題的重要度排序，具體結(jié)果見表1。為了保證排序評價的有效性，引入一致性指標[5]CI和隨機一致性比率CR進行檢驗。

（4）確定模型顯性變量?？倷?quán)重排序在一定程度上反映了各成因?qū)κ鹿拾l(fā)生的貢獻度大小。為適當簡化機理模型，同時保證分析結(jié)果準確可靠，選取交通參與者的違規(guī)情況、車輛狀況、天氣情況和道路條件四個關聯(lián)度最大因素作為模型的顯性變量。

2 模型參數(shù)分析

首先引入顯節(jié)點：交通參與者的違規(guī)情況X0、車輛狀況X1、天氣情況X2和道路條件X3。各變量節(jié)點值域取值如下所示。

（1）X0：{0，1，2，3}分別代表駕駛員無違規(guī)行為，判斷失誤，操縱失誤，其他違規(guī)行為。

（2）X1：{0，1，2，3}分別代表車輛狀況良好，信號裝置失效，制動失常，其他機械故障。

（3）X2：{0，1}分別對應天氣狀況良好和天氣惡劣兩種情形。

（4）X3：{0，1，2，3}分別代表普通路段，丁字路口，十字路口，其他交叉路口。

（5）A：{1，0}分別表示表示發(fā)生交通事故和不發(fā)生交通事故兩種狀況。

在確定了顯性變量的基礎上，引入駕駛?cè)藛T無規(guī)范感和緊張程度兩個隱變量，記為Y0、Y1，并規(guī)定隱變量有3個不同的取值，記作d1、d2、d3，對應表示程度的“低”、“中”、“高”。

3 案例分析

采用本文構(gòu)建的機理模型進行案例分析，以鎮(zhèn)江市具有代表性的城市道路解放路為例，選取大西路與中山東路之間的解放路路段為研究對象，結(jié)合事故數(shù)據(jù)對事故發(fā)生機理進行建模推理分析。

依據(jù)該路段歷史事故資料，通過數(shù)據(jù)學習不斷修正事故發(fā)生的先驗概率，利用貝葉斯軟件分析包Netica建立事故分析的貝葉斯模型，并結(jié)合數(shù)據(jù)統(tǒng)計分析，得到顯性變量與隱形變量之間的條件概率，見表2。

確定變量及其取值后，按照上述值域?qū)?shù)據(jù)抽象成布爾類型的值，利用貝葉斯軟件分析包Netica建立事故分析的貝葉斯模型，見圖2。利用該模型進行道路系統(tǒng)事故概率分析，將天氣節(jié)點調(diào)整為天氣惡劣且存在交通違規(guī)行為時，事故發(fā)生的概率由0.38上升到0.47，這是符合常識推理和歷史經(jīng)驗的結(jié)果。此外，對結(jié)果進行敏感度分析，可以發(fā)現(xiàn)天氣狀況是敏感性最強的影響因素，其次是交通違規(guī)行為，而車輛狀況的影響較小。這可以解釋為該路段為市區(qū)道路，駕駛員通常對本地路況比較熟悉，且市內(nèi)車流量較大，車速較低，即使車輛出現(xiàn)一些輕微的意外情況，一般駕駛員都可以平穩(wěn)應對；當出現(xiàn)較為惡劣的天氣狀況時，對客觀的外部環(huán)境和交通參與者的主觀判斷都會產(chǎn)較大的影響，因此敏感度表現(xiàn)最高。

4 結(jié)束語

本文通過對道路交通環(huán)境進行系統(tǒng)的分析，以貝葉斯網(wǎng)絡模型為基礎，針對目前事故發(fā)生機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，建立關鍵因素耦合作用對城市道路交通事故影響的定量化關系模型，實現(xiàn)定量分析與定性分析應有的互補與統(tǒng)一。結(jié)果顯示，良好的天氣狀況、交通參與者的規(guī)范出行對城市道路交通安全至關重要。實例驗證表明結(jié)果符合實際情況，證明了模型的準確度和可靠度。

參考文獻

[1]公安部交通管理局.道路交通事故統(tǒng)計年報[Z].江蘇：公安部交通管理科學研究所，2015.

[2]李淑慶，彭囿朗，肖莉英，等.道路交通事故發(fā)生機理研究現(xiàn)狀與趨勢分析[J].安全與環(huán)境學報，2014，14（3）：14-19.

[3]劉志強，趙艷萍，汪澎.道路交通安全工程[M].北京：高等教育出版社，2012.

[4]章倩.“本本族”青年駕駛?cè)耸鹿拾l(fā)生機理與駕駛行為模式研究[D].上海：上海交通大學，2014.

[5]劉興旺.道路交通事故發(fā)生機理與成因分析[D].哈爾濱：哈爾濱工業(yè)大學，2005.

作者簡介：劉志強（1963-），男，江蘇靖江人，副院長，教授，博士生導師，研究方向為車輛主動安全。