交通事故致因分析的贝叶斯网络建模

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊1): 89-94.

交通事故致因分析的贝叶斯网络建模

许洪国, 张慧永, 宗芳

吉林大学交通学院, 长春 130022

收稿日期:2010-04-28 出版日期:2011-09-01 发布日期:2011-09-01
通讯作者: 宗芳(1979 ),女,副教授.博士.研究方向:运输系统规划与管理.E-mail:zongfang@jlu.edu.cn. E-mail:zongfang@jlu.edu.cn
作者简介:许洪国(1955 ),男,教授.博士生导师.研究方向:车辆安全与交通事故工程.E-mail:xhg335@163.com.
基金资助:
“863”国家高技术研究发展计划项目(2009AA11Z201);国家自然科学基金项目(50878095,50908099)

Bayesian network modeling for causation analysis of traffic accident

XU Hong-guo, ZHANG Hui-yong, ZONG Fang

College of Transportation, Jilin University, Changchun 130022, China

Received:2010-04-28 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要：

综合运用相关性分析方法和K2算法进行了贝叶斯网络的结构学习,并应用贝叶斯参数估计方法进行了贝叶斯网络的参数学习,建立了交通事故致因分析的贝叶斯网络。应用已建网络分析了各因素对事故严重程度的影响,推理学习了改善交通控制方式在降低交通事故严重程度方面起到的作用。研究结果表明,基于贝叶斯网络建立的交通事故致因分析模型预测精度较高,而且可以应用于影响事故严重程度的因素分析,并在此基础上考察如何采取优化措施改善交通安全。

关键词: 交通运输系统工程, 交通事故, 事故严重程度, 贝叶斯网络, K2算法

Abstract:

A Bayesian network for traffic accident causation analysis was developed by structure and parameter learning,using correlation analysis,K2 algorithm and Bayesian method.Based on the Bayesian network,the interaction mechanism between the causing factors and the casualties of traffic accident was infered,and the effect of traffic control improvement on accident casualties reduction was analyzed.The results show that the Bayesian network can express the complicated relationship between the traffic accident and the causes,as well valuable information on how to take effective measures to reduce casualties of traffic accident.Moreover,the model has a high accuracy.The study can contribute to the development of traffic accident causality theory and the improvement of traffic safety situations.

Key words: engineering of communications and transportation system, traffic accident, accident causation, Bayesian network, K2 algorithm

中图分类号:

U491

许洪国, 张慧永, 宗芳. 交通事故致因分析的贝叶斯网络建模[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 89-94.

XU Hong-guo, ZHANG Hui-yong, ZONG Fang. Bayesian network modeling for causation analysis of traffic accident[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 89-94.

参考文献

[1] 苑春苗,陈宝智,李畅。基于BP神经网络的事故致因分析方法
[J].工业安全与环保,2005,31(10):54-56.Y uan Chun-miao,Chen Bao-zhi,Li Chang.Analyzingm ethods of contributing causes for accidents based onB P neural network
[J].Industrial Safety and DustC ontrol,2005,31(10):54-56.

[2] 魏庆曜,陈斌,金炜东,等。基于分层关联解析的事故道路因素分析
[J].长沙交通学院学报,2005,21(1): 82-86. Wei Qing-yao,Chen Bin,Jin Wei-dong,et al.Analyzing road factor in traffic accident based on layer-interrelating analysis method
[J].Journal of Changsha Communications University,2005,21(1):82-86.

[3] 秦小虎。城市交通紧急事件处理与安全系统模型及应用研究
[D].重庆大学,2005.Q in Xiao-hu.The model and application of urbant raffic emergency management and safety system
[D].Chongqing University,2005.

[4] 姬杨蓓蓓。交通事件持续时间预测方法研究
[D].同济大学,2008. Ji Yang Bei-bei.Research on prediction method oft raffic incident duration
[D].Tongji University,2008.

[5] 王发智。基于贝叶斯网络的交通突发事件态势评估技术
[D].大连理工大学,2006.W ang Fa-zhi.Methods based on the Bayesian networks for traffic accidental event situation assessment
[D].Dalian University of Technology,2006.

[6] Cooper G,Herskovits E.A Bayesian method for thei nduction of probabilistic networks from data
[J].Machine Learning,1992(9):309.

相关文章 15

[1]	陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676.
[2]	常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684.
[3]	曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693.
[4]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[5]	宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[6]	刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386.
[7]	钟伟, 隽志才, 孙宝凤. 不完全网络的城乡公交一体化枢纽层级选址模型[J]. 吉林大学学报(工学版), 2018, 48(5): 1387-1397.
[8]	刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410.
[9]	宗芳, 路峰瑞, 唐明, 吕建宇, 吴挺. 习惯和路况对小汽车出行路径选择的影响[J]. 吉林大学学报(工学版), 2018, 48(4): 1023-1028.
[10]	栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036.
[11]	孙晓颖, 扈泽正, 杨锦鹏. 基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(4): 1254-1264.
[12]	陈永恒, 刘鑫山, 熊帅, 汪昆维, 谌垚, 杨少辉. 冰雪条件下快速路汇流区可变限速控制[J]. 吉林大学学报(工学版), 2018, 48(3): 677-687.
[13]	王占中, 卢月, 刘晓峰, 赵利英. 基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版), 2018, 48(3): 688-693.
[14]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[15]	陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed