一種營運車輛道路交通事故風險識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及道路交通安全防范技術(shù)領(lǐng)域，具體涉及一種營運車輛道路交通事故風 險識別方法。
【背景技術(shù)】
[0002] 盡管我國的人均汽車保有量僅為〇. 09,但隨著道路里程的不斷增加和運行環(huán)境的 持續(xù)改善，過去20年民用汽車保有量增加了 12. 5倍。急劇增長的道路出行需求與缺乏經(jīng) 驗的交通安全保障體系之間的矛盾，使得中國道路交通安全形勢非常嚴峻，帶來了諸如交 通事故數(shù)量增加及其嚴重程度加劇等負面影響。2013年我國道路交通事故傷亡人數(shù)27萬 余人，僅次于印度。以萬車死亡率衡量，2012年我國萬車死亡率為3. 7,而同期美國為1. 3， 日本為0.6,法國為0.9,英國僅為0.5。由此可見，我國道路交通安全狀況十分嚴峻。交通 事故數(shù)據(jù)統(tǒng)計顯示，營運車輛發(fā)生群死群傷事故的比例遠遠高于其它用途的車輛。而道路 運輸企業(yè)的安全管理是一個系統(tǒng)工程，牽涉的內(nèi)容較多，故在運營、管理過程中易造成管理 疏漏，安全隱患多。因此，對我國營運車輛道路交通事故致因機理進行深入研究就顯得十分 重要，對減少營運車輛道路交通事故的發(fā)生率、提高我國預(yù)防道路交通事故的能力和水平 具有重要的應(yīng)用價值。
[0003] 目前，交通事故致因機理的研究正朝系統(tǒng)論的方向發(fā)展，即由最初單純尋找事故 的致因因素向闡述事故演變過程的方向延伸，將事故的致因因素集看作一個系統(tǒng)，建立具 有一般性的數(shù)學(xué)模型或圖模型描述事故的因果邏輯關(guān)系及風險轉(zhuǎn)化路徑，輸入容易觀測的 因素值即可對事故演變過程中的不穩(wěn)定因素的影響進行評估。已有的研究建立了事故發(fā)生 與人員行為、車輛特性、道路環(huán)境、管理條件等事件間的線性因果關(guān)系，但是，對于事件間的 復(fù)雜交互性、動態(tài)性及實時性的解釋遠遠不夠，許多事故影響因子可能被隱藏。
[0004] 營運車輛道路交通事故的發(fā)生極少是單一原因誘發(fā)的，而是事故影響因素序列連 鎖反應(yīng)的結(jié)果。如果能及時抽掉事故風險鏈中的一個或多個環(huán)節(jié)，許多重大傷亡事故是完 全可以避免的。然而，長期以來，由于事故的復(fù)雜性與不確定性以及過去認知手段的缺乏， 我國在營運車輛道路交通事故連鎖反應(yīng)機理的研究上仍處于起步階段，不能有效解析營運 車輛道路交通事故的因果性和潛伏性，極大地削弱了我國對道路交通事故的防治能力。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，提出一種適用于營運車輛道路交通 事故關(guān)鍵風險路徑甄別的方法，分析誘發(fā)營運車輛道路交通事故的事件序列和風險度。本 發(fā)明的主要研究內(nèi)容為：首先，建立典型營運車輛道路交通事故數(shù)據(jù)庫，構(gòu)建事故連鎖反應(yīng) 的有向圖模型，解析事故上下游信息與道路交通事故的關(guān)聯(lián)性；然后，將有向圖模型轉(zhuǎn)換成 隨機Petri網(wǎng)模型，驗證模型結(jié)構(gòu)的合理性和進行系統(tǒng)性能分析，并計算風險事件的發(fā)生 概率；最后，設(shè)計關(guān)鍵事故鏈識別算法，甄別需重點監(jiān)控的事故鏈。
[0006] 本發(fā)明所采用的技術(shù)方案為： (1)獲取和處理事故數(shù)據(jù)，構(gòu)建營運車輛道路交通事故連鎖反應(yīng)的有向圖模型。
[0007] 以營運車輛道路交通事故案例為樣本，建立營運車輛道路交通事故數(shù)據(jù)庫 吳(? &，…，5；)。以有向圖的相關(guān)知識為基礎(chǔ)，構(gòu)建單起事故演變的有向圖模型，表達事故 誘發(fā)因素之間的耦合關(guān)系及其狀態(tài)變化。對比梳理單車事故與多車事故從安全風險到事故 發(fā)生的風險演變軌跡，系統(tǒng)提取事故連鎖反應(yīng)的差異序列Z=(Z7，Z,，…，Z")，并根據(jù)序列間 事故誘發(fā)因素的連接關(guān)系，建立營運車輛道路交通事故連鎖反應(yīng)的綜合有向圖模型。
[0008] (2)綜合有向圖模型向隨機Petri網(wǎng)模型的轉(zhuǎn)換。
[0009] 基于有向圖與Petri網(wǎng)的轉(zhuǎn)化原則，構(gòu)建營運車輛道路交通事故連鎖反應(yīng)的隨機Petri網(wǎng)模型。所述Petri網(wǎng)模型中，庫所集片(乙&…，尸")表示事故誘發(fā)因素的集合，如 應(yīng)急反應(yīng)乃、駕駛員休息情況6、車輛運行速度乃、車輛技術(shù)狀況A等。變迀集TKG心… ，7；)表示改變事故風險因素狀態(tài)的事件集合，如應(yīng)急操作不當7；、疲勞駕駛r,、車輛制動系 統(tǒng)故障心超載監(jiān)管不到位7；等。
[0010] (3)利用關(guān)聯(lián)矩陣法驗證構(gòu)建的隨機Petri網(wǎng)模型的結(jié)構(gòu)性，通過構(gòu)造與隨機 Petri網(wǎng)模型同構(gòu)的馬爾科夫鏈，得到系統(tǒng)狀態(tài)概率表達式，進行系統(tǒng)性能分析。
[0011] (4)獲取道路運輸企業(yè)的交通事故數(shù)據(jù)和安全管理數(shù)據(jù)，計算事故誘發(fā)因素（即隨 機Petri網(wǎng)中庫所和變迀）的發(fā)生概率。
[0012] a.獲取道路運輸企業(yè)一定時間段的事故數(shù)據(jù)(例如3年的事故資料)，利用數(shù)據(jù)挖 掘和統(tǒng)計分析得到與事故直接誘因?qū)?yīng)的變迀發(fā)生概率，如疲勞駕駛、超載、超速等； b.獲取道路運輸企業(yè)的安全管理數(shù)據(jù)，利用模糊德爾菲法得到相應(yīng)變迀的發(fā)生概率， 如駕駛員聘用把關(guān)不嚴、車輛維護計劃落實不到位等。
[0013] 所述事故誘發(fā)因素中變迀發(fā)生概率的計算：首先設(shè)定所述隨機Petri網(wǎng)模型中底 庫所的發(fā)生概率均為1，后續(xù)庫所A的發(fā)生概率根據(jù)貝葉斯推理法計算得到。貝葉斯方法 對參數(shù)的估計是通過后驗分布來得到的，其后驗分布〃彳〃 /你可以表示為：
其中，〃為參數(shù)向量，Z?為觀測值的集合，Z為似然方程，〃為〃的先驗分 布，?^)為誠]邊緣分布。
[0014] (5)設(shè)計關(guān)鍵事故鏈識別算法。
[0015] 在數(shù)據(jù)提取的基礎(chǔ)上，提出路徑風險度的計算方法；依據(jù)路徑風險度的大小，甄別
率，/MG表示庫所茍對應(yīng)的下一個變迀M皮激發(fā)的發(fā)生概率。
[0016] 所述關(guān)鍵事故鏈識別算法的步驟為： a. 設(shè)定4J直為0,關(guān)鍵鏈序號4直為供 b. 設(shè)定鄰接矩陣博P矩陣Z，其中鄰接矩陣難放Petri網(wǎng)模型節(jié)點間的連接關(guān)系和 變迀的觸發(fā)概率，矩陣$放庫所的發(fā)生概率； c. 對所述Petri網(wǎng)模型的路徑數(shù)和路徑長度進行順序標記，分記為存P取 d. 從根結(jié)點乃出發(fā)，按照路徑號的順序分別對所述Petri網(wǎng)進行沿著有向弧的逆向 搜索； e?如果Ai-1) >以力，用以以1)值更替直，并更替關(guān)鍵鏈序號 f.如果Ai-l)<Ai)，繼續(xù)進行路徑遍歷，直到所有路徑遍歷完成為止； g. 輸出4_即關(guān)鍵事故鏈的風險度，并按照順序輸出關(guān)鍵事故鏈的所有事故誘發(fā)因 素。
[0017]本發(fā)明的技術(shù)優(yōu)勢在于： (1)本發(fā)明在考慮道路交