[发明专利]基于贝叶斯网络模型的道路运输事故的风险评估方法

说明书

技术领域

本发明涉及事故概率评估，具体提供一种基于贝叶斯网络模型的道路运输事故的风险评估方法。

背景技术

风险分析的目的是为了给用户或决策平台提供决策支持。可能导致事故发生的原因有多种，事故发生的概率和事故原因的复杂性、不确定性使得风险预测具有极强的不确定性。针对事故发生风险的主要研究方法包括事故树、马尔科夫链、动态事故树、Petrinets、贝叶斯网络。贝叶斯网络具有极强的事故推理和事故原因诊断功能，是风险分析的常用方法之一，它不能直接判断出事故的发生，但是能在复杂系统中识别出各状态因子的相互关系，能在可能导致事故发生的众多原因中找到关联最为强烈的因子。贝叶斯网络作为评价电力系统技术故障和社会经济因素后果的一种方法，在政府部门、学术研究和工业领域上得到广泛应用。

然而，现有的利用贝叶斯网络进行风险评估的方法存在一些问题。具体而言，这些方法通常将很多因素直接作为影响最终事故概率的因素，没有考虑这些因素之间的相互叠加和抵消，因此导致评估结果的准确性不足。相应地，本领域需要一种新的道路运输事故的风险评估方法来克服上述缺陷。

发明内容

本发明旨在解决上述问题，即旨在解决现有方法未能考虑并列因素之间的叠加和抵消对最终评估结果的影响的问题。为此目的，本发明提供一种基于贝叶斯网络模型的道路运输事故的风险评估方法，该方法包括下列步骤：获取与公路桥上发生的道路运输事故相关的因素；根据所述因素构建公路桥上发生的道路运输事故的贝叶斯网络模型；以及根据所述贝叶斯网络模型估算公路桥上发生的道路运输事故的风险概率；其特征在于，所述贝叶斯网络模型具有三层网络结构，所述三层网络结构包括根节点、中间节点和评估对象，并且所述根据贝叶斯网络模型估算公路桥上发生的道路运输事故的风险的步骤进一步包括估算根节点的概率、根据所述根节点的概率估算所述中间节点的权重以及根据所述中间节点的权重估算公路桥上发生的道路运输事故的风险概率。

在上述方法的优选实施方式中，所述中间节点包括人为因素、车辆因素以及道路和环境因素。

在上述方法的优选实施方式中，所述人为因素包括驾驶员年龄和驾驶员性别。

在上述方法的优选实施方式中，所述车辆因素包括车辆类型和车辆状况。

在上述方法的优选实施方式中，所述道路和环境因素包括能见度和天气状况。

在上述方法的更优选的实施方式中，所述方法还包括根据下列公式将所述风险概率转换为对数风险等级的步骤：P_l＝lgP+5，其中，Pl表示对数风险等级，P表示根据所述贝叶斯网络模型估算出的风险概率。

在上述方法的更优选的实施方式中，所述对数风险等级越高，则所述公路桥上发生的道路交通事故的风险的可接受度越低。

在上述方法的更优选的实施方式中，所述贝叶斯网络模型是采用Hugin8.0软件构建的。

在上述方法的更优选的实施方式中，所述方法还包括在估算出公路桥上发生的道路运输事故的风险概率之后采用Hugin8.0软件对相关因素进行敏感性分析。

本领域技术人员容易理解的是，本发明的方法将贝叶斯网络模型构建成包括根节点、中间节点和评估对象的三层网络结构，在估算公路桥上发生的道路运输事故的风险时，先根据根节点的概率评估中间节点的权重，然后根据中间节点的权重估算公路桥上发生的道路运输事故(即评估对象)的风险概率。这样一来，根节点的各个因素之间的叠加和抵消作用在通过根节点概率估算中间节点概率时就被充分考虑，与现有技术相比，这一改进使最终评估的准确性得到大幅度提高。

附图说明

图1是根据本发明的贝叶斯网络模型的示意图。

图2是根据本发明的道路运输事故评估方法的流程图。

具体实施方式