基于T-S模糊故障树和贝叶斯网络的重特大交通事故成因分析

重特大交通事故是最严重的交通事故类型,为了识别此类事故的主要致因,融合T-S模糊故障树和贝叶斯网络对其进行深入分析.建立了以重特大交通事故为顶事件,人、车、路、环境4个因素为中间事件,24个子因素为基本事件的T-S模糊故障树,将其转化为贝叶斯网络,进而双向推理基本事件的重要度和后验概率,确定主要致因.结果表明:融合T-...     

基于二元Logistic模型的城市道路交通事故严重程度分析

为从多维度精准剖析影响城市道路交通事故严重程度的因素,选取了我国某城市2018—2020年交通事故数据库中的4 587条数据作为研究对象,基于二元Logistic模型,从人、车、路、环境这4个方面,分别针对财产损失事故、伤人事故、死亡事故建立了模型。深入分析了道路物理隔离位置、路侧防护设施类型等因素对事故严重程度的影响,并利用Hosmer-Lemeshow检验和一致性检验对模型有效性进行验证。结果表明：①道路物理隔离的空间位置对事故严重程度有显著影响,仅布设中心隔离设施发生死亡事故的概率是同时布设中央和机非隔离的2.304倍。在有中心隔离设施的高等级道路中,增设机非隔离设施能有效降低事故发生的概率。②路侧防护设施类型为行道树、绿化带时,发生死亡事故的概率分别是金属护栏的1.982倍、1.648倍。与金属护栏相比,行道树更容易引发严重事故。③夜间无路灯照明发生死亡事故的概率是夜间有路灯照明的1.808倍,夜间无路灯照明是导致死亡事故的重要因素之一。④受过高等教育的驾驶人发生财产损失事故和伤人事故的概率较高,受过中等教育的驾驶员发生死亡事故的概率较高;受过中等教育驾驶员发生死亡事故的概率是高等教育驾驶员的2.049倍。研究深入分析了影响城市道路交通事故的显著因素及其对事故的影响,为事故严重程度的精细化分析提供了理论支持,为交通规划与管理部门提供了决策依据。     

基于混合Logit模型的高速公路交通事故严重程度分析

为从多方面掌握影响高速公路事故严重程度的因素,基于统计分析方法构建事故严重程度模型,分析其与道路、环境、驾驶员及车辆等因素间关系.鉴于多项Logit模型难以解析异质性及各因素对事故影响的交互作用,构建了混合Logit模型,并提出了刻画参数间相关性的方法.结果表明,考虑参数间相关性的混合Logit模型比多项Logit模型有更好的拟合优度,且能更合理地反映各因素对事故严重程度的作用效果;碰撞护栏或桥墩、女性驾驶员或驾驶员超过56岁时,更易产生受伤和死亡事故;能见度低于200 m、驾驶员驾龄小于3年或超过10年、责任车辆为重型货车或车辆变更车道时,发生财产损失事故的概率增加,而发生死亡和受伤事故的概率有所降低;湿滑路面将导致受伤事故的概率增加3.7%,而混凝土护栏和夜间无照明时将使死亡事故的概率分别增加8.7%和28.8%.     

基于贝叶斯网络的城市平面交叉口交通事故分析

应用贝叶斯网络对城市平面交叉口交通事故进行了分析。以3 584起交通事故数据为分析依据,基于专家知识和数据融合方法建立了城市平面交叉口交通事故分析的贝叶斯网络结构,利用服从Drichlet分布的贝叶斯方法对贝叶斯网络进行了参数学习。结合网络模型,应用联合树引擎算法推断了在车辆类型、交叉口类型、交叉口控制方式和交通参与者等因素的影响下平面交叉口交通事故类型的变化。研究结果表明,在城市平面交叉口中,由自行车导致的正面碰撞事故的概率最大,为22.83%,由于交通参与者转向不当引起的侧面碰撞的概率为23.44%,同时也易导致刮擦事故的发生;交通参与者的感知判断失误导致尾随碰撞事故的概率为23.62%。     

基于故障树贝叶斯网的山区高速公路事故成因分析

为分析山区高速公路事故致因因素,采用故障树及贝叶斯网方法,分析各因素对事故的贡献率.建立以事故为顶事件,驾驶员、车辆、道路及环境为次顶事件,事故因素为基本事件的故障树模型;构建基于故障树的贝叶斯网模型,对人、车、路及环境各方面单独分析,定义证据节点的诊断方式计算4个方面的后验概率,找出各方面中最敏感的事件.结果表明,对事故影响较大的基本因素为"未保持安全距离""超限超载""长大下坡坡底"和"夜间无照明";驾驶员、车辆、道路及环境对事故的贡献率分别为54.4%,32.2%,48.1% 和4.5%;对人、车、路及环境最敏感的事件分别为"操作不当"、"超限超载"、"长大下坡坡底"和"能见度不足";基于故障树的贝叶斯网模型不仅可以更高效和简便地对基本因素进行概率推理,而且还能得出更可靠的推论.     

基于改进贝叶斯网络模型的高速公路交通设施风险评估

交通设施对高速公路交通安全起着关键作用,对交通设施进行风险评估是预防交通事故的有效方法之一.为实现对高速公路交通设施风险的评估,分析了交通设施对交通安全的影响机理.通过因子分析法提取了各作用节点和作用网络,根据网络中各节点之间的关系,结合条件概率知识对贝叶斯公式进行了变形与推导,舍去无关变量和无影响常量,构建基于改进贝叶斯网络的高速公路交通设施风险评估模型.用高速公路历史事故数据对模型概率参数进行标定和校准之后,可将高速公路交通设施现状调查结果带入模型进行风险评估.模型计算得到的 值越小,高速公路交通设施风险越大.采用珲乌高速公路实地调查数据,带入模型分析发现,值小于0.5时,事故数相对较高,设施风险较大;值大于0.5时,设施风险较小.     

基于贝叶斯网络的机动车驾驶行为状态分析建模

复杂多变的机动车驾驶环境决定了驾驶行为系统内部各信息之间存在不确定性.利用贝叶斯网络构建驾驶行为状态分析模型,可忽略驾驶行为状态类型与可观测驾驶数据之间的耦合关系,以概率网络形式直观表现观测数据与驾驶行为状态之间的关联.为降低概率解算复杂度,使用基于簇树的贝叶斯网络推理方法推算并预测驾驶行为发生概率.算例结果表明,应用驾驶行为贝叶斯网络模型的车载预警系统能推算出驾驶人行为动作发生概率,从而达到评估驾驶安全等级并预判驾驶人后续驾驶动作的目的.     

基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.     

基于NAIS的高速公路严重交通事故特征及致因分析

为探究高速公路严重交通事故的特征及致因,文中以国家车辆事故深度调查体系数据库(NAIS)中2017—2019年发生在高速公路上的真实严重交通事故数据为基础,从事发时间、路段类型、事故类型等方面进行数理统计分析,在此基础上采用二项Logistic回归模型对高速公路严重交通事故的致因机理进行分析。结果表明,回归模型的拟合程度较好,路段类型、事故类型、是否与货车有关及车辆是否超速对交通事故的严重程度有显著影响。     

基于神经网络的冗余信息交通事故再现可靠性分析

针对实际道路交通事故中客观存在的不确定性因素,将可靠性理论和随机摄动法应用于道路交通事故再现分析,给出了相应的交通事故再现可靠性分析方法,提高了再现分析结果的精度.对于同一起事故,由于采用不同的信息和计算模型,得到的分析结果必然会存在不同程度的差异,从而产生冗余信息下的交通事故再现分析问题.针对交通事故中的冗余信息问题...     

道路交通安全现状及交通事故分析方法初探

简述了数理统计技术、交叉分析法在道路交通事故分析、预防中的应用,利用统计数据对国内外道路交通安全状况进行了介绍,分析表明交通事故并不会随着汽车数量的增长而成比例增长,这说明交通事故是可以预防的。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

基于贝叶斯空间相关模型的城市快速路安全影响因素研究

快速路是城市交通的主骨架,其运行安全态势直接影响整体通行效率的发挥。利用线圈检测器数据和由事故视频监控系统采集的2011~2013年共50069起事故数据,应用贝叶斯空间相关模型,对上海市南北高架、延安路高架、内环和中环4条快速路进行建模分析。为了反映路段间的潜在空间联系,在负二项模型的基础上,加入空间随机影响项建立相邻空间相关模型;进一步改进了该空间随机项的协方差矩阵,建立距离空间相关模型。通过贝叶斯回归方法比较3个模型的回归效果。结果显示,距离空间相关模型具有最优的拟合效果,其方差信息标准(DIC)较负二项模型降低6.04%。由此证明,事故在道路中的分布存在空间关联,且其相关性受距离影响。在道路几何特性影响因素中,路段前后1 km 内匝道数越多,每公里转角越大,事故风险越大;入口-出口型交织路段事故发生几率较高。日均交通量与事故风险显著正相关。不同快速路对比分析表明内环事故风险偏高,中环事故风险较低。     

基于部分优势比的公路隧道交通事故严重程度分析模型

为了明晰公路隧道交通事故严重程度的影响因素,在分析了16条公路隧道3年内发生的296起交通事故的空间特性、事故形态及其发生原因的基础上,以交通事故严重程度为因变量,将其分为仅财产损失、轻伤、重伤或死亡事故3个等级,从人、车和隧道行车环境3个方面选择了14个交通事故严重程度的潜在影响因素,分别采用有序Logit模型和部分优势比模型建立交通事故严重程度分析模型,并采用Brant检验判断比例优势假设。研究结果表明：与公路隧道交通事故严重程度显著相关的有4个自变量,分别为是否涉及大货车、事故涉及车辆数、事故发生时间和天气因素,其中是否涉及大货车、事故发生时间和天气因素3个自变量满足比例优势假设,而事故涉及车辆数不满足比例优势假设;对于部分优势比模型来说,涉及大货车的事故发生轻伤事故、重伤或死亡事故的概率比不涉及大货车的事故分别增加10.2%和3.4%,多车事故发生轻伤事故、重伤或死亡事故的概率比单车事故分别增加1.9%和5.9%,夜间发生轻伤事故、重伤或死亡事故的概率比白天分别增加5.6%和1.7%,非雨天发生轻伤事故、重伤或死亡事故的概率比雨天分别增加4.5%和1.5%。     

基于分形理论的交通事故分析

以某市交通事故统计资料为例,首先采用功率谱分析方法论证了分形理论用于交通事故分析的可行性,计算结果表明在统计意义上,该市交通事故时间序列具有自仿射性。接着利用分形的自相似性与标度不变性将内区间的分形特性进行延拓,并由此构造了具有外推功能的分形插值算法,实现交通事故预测。该算法利用内区间的迭代函数系和吸引子由特定初始点进行搜索,通过迭代使得到的点集与吸引子的均方偏差最小,从而获得需要外推点的函数值作为预测值。最后对交通事故时间序列进行R/S分析,进一步验证了预测结果的合理性,结果表明该市未来几年交通事故仍有增长趋势,应继续加强交通管理。