本发明专利技术涉及事故概率评估，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，旨在解决现有方法未能考虑根节点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，本发明专利技术的方法包括：获取与道路运输事故相关的因素；根据所述因素构建道路运输事故的贝叶斯网络模型；以及根据贝叶斯网络模型估算道路运输事故的风险概率，该方法的特征在于，所述贝叶斯网络模型具有三层网络结构，所述方法根据根节点的概率评估中间节点的概率并且根据中间节点的概率评估道路运输事故的风险概率。本发明专利技术的方法在构建贝叶斯网络模型时考虑了根节点的各个因素之间的叠加和/或抵消作用，因此能使最终评估的准确性得到大幅度提高。
【技术实现步骤摘要】
本专利技术涉及事故概率评估，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。
技术介绍
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。
技术实现思路
本专利技术旨在解决上述问题，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，本专利技术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 1= 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HuginS. 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，本专利技术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尚。【附图说明】 图1是根据本专利技术的贝叶斯网络模型的示意图。 图2是根据本专利技术的道路运输事故评估方法的流程图。【具体实施方式】 下面结合优选实施方式描述本专利技术的技术方案。首先参阅图1，该图是根据本专利技术 的贝叶斯网络模型的示意图。如图1所示，本专利技术的贝叶斯网络模型被构建成三层网络结 构，该三层网络结构包括：根节点B、C、D、E、F、G ;中间节点Cl、C2、C3 ;以及评估对象A。作 为示例，根节点B、C、D、E、F、G分别表示车辆类型、驾驶员年龄、驾驶员性别、天气状况、能见 度和车辆状况；中间节点CU C2、C3分别表示人为因素、道路和环境因素以及车辆因素；评 估对象A表示公路桥上发生的道路交通事故。应当指出的是，这里的根节点和中间节点的 内容和数量仅仅是作为示例给出的，在不偏离本专利技术的原理的前提下，本领域技术人员可 以根据需要对所述节点的内容和数量作出调整，调整之后的技术方案也将落入本专利技术的保 护范围之内。例如，可以在人为因素 Cl上添加驾驶员健康状况作为根节点，也可以在道路 和环境因素 C2上添加路面平整度作为根节点，这种添加没有改变本专利技术的基本原理，因此 添加之后的方案也将落入本专利技术的保护范围之内。 进一步，在估算公路桥上发生的道路运输事故的风险时，本专利技术先根据根节点的 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。以人为因素为例，现有技术的贝叶斯网络通常将驾驶员性别和驾驶 员年龄直接作为影响最终概率的因素，然而，这种网络结构没有考虑不同驾驶员年龄和性 别相互组合的叠加和/或抵消作用，因此会使最终估算结果的准确性受到影响。具体而言， 假设尽管驾驶员年龄C为60岁，属于反应迟缓的人群，但是驾驶员性别D为男性，在一定程 度上抵消了年龄大导致的高事故概率，这两者共同叠加的结果决定了驾驶员在紧急情况下 的综合应急能力，将代表这种综合应急能力的概率作为直接影响最终事故概率的因素显然 要更客观，相应的评估结果也更准确。相反，如果将驾驶员年龄C和驾驶员性别D作为直接 影响因素来修正最终事故概率，则在很大程度上忽略了驾驶员年龄C和驾驶员性别D之间 的共性以及它们之间叠加和/或抵消作用，因此必然影响最终结果的准确性。 下面参阅图2,该图是根据本专利技术的公路桥上发生的道路运输事故评估方法100 的流程图。如图2所示，本专利技术的方法100开始于步骤S1。在步骤Sl中，获取与公路桥上 发生的道路运输事故相关的因素作为根节点，例如但不限于驾驶员年龄C、驾驶员性别D、 天气状况E、能见度F、车辆状况G、车辆类型B等。应当指出的是，本领域技术人员可以根 据实际应用场合对上述因素进行删除或添加，这并不背离本专利技术的保护范围。然后，在步骤 S2中，根据所述因素构建公路桥上发生的道路运输事当前第1页1 2 本文档来自技高网...
【技术保护点】
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，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确定根节点的概率、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。
【技术特征摘要】
【专利技术属性】
技术研发人员：易雨君，杨志峰，唐彩红，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。