• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于貝葉斯網(wǎng)絡(luò)的公交車事故外因分析

      2021-08-20 08:00:40賈曉惠王化姍崔用梅
      科學(xué)技術(shù)與工程 2021年21期
      關(guān)鍵詞:小汽車線形網(wǎng)絡(luò)結(jié)構(gòu)

      賈曉惠,王化姍,崔用梅

      (1.大連海事大學(xué)航運(yùn)經(jīng)濟(jì)與管理學(xué)院, 大連 116026;2.大連海事大學(xué)交通運(yùn)輸工程學(xué)院, 大連 116026)

      在倡導(dǎo)環(huán)保理念、實(shí)施綠色出行行動(dòng)計(jì)劃的背景下,全國(guó)各地對(duì)城市公共交通的需求日益旺盛,公共交通的安全問題也顯得日益重要。2018 年世界衛(wèi)生組織(World Health Organization,WHO)發(fā)布了《2018 年全球道路安全現(xiàn)狀報(bào)告》[1]。該報(bào)告指出,54%的死者為行人、騎自行車者和騎摩托車者,以上幾類使用者也被世界衛(wèi)生組織稱為“弱勢(shì)道路使用者”。這一報(bào)告表明,各國(guó)需要制定政策,鼓勵(lì)公共交通出行,以滿足弱勢(shì)群體的需求。而與地鐵、輕軌等軌道交通相比,公交車和其他車輛一起在地面上運(yùn)行,往往受道路交通情況影響較大,事故影響因素更為復(fù)雜。并且與一般機(jī)動(dòng)車輛相比,公交車有固定的行駛路線和固定的運(yùn)營(yíng)時(shí)間且載客人數(shù)較多,以及有公交車專用道,與一般機(jī)動(dòng)車事故的影響因素有差異。因此,研究公交車事故特征,分析公交車事故影響因素,提出公交車事故的預(yù)防對(duì)策,成為交通安全領(lǐng)域迫切需要解決的問題。

      目前,中外有許多學(xué)者聚焦于交通事故致因的研究。其中,一些學(xué)者不區(qū)分交通工具,將某種道路類型處的所有交通事故放在一起探究其致因。如,城市道路[2-10]、高速公路[11-13]、低等級(jí)公路[14]、山區(qū)公路[15-16]以及隧道處[17]的交通事故致因。除此之外,還有一些學(xué)者考慮到不同交通工具的事故致因可能存在差異,專門研究某一類交通工具的事故致因,例如公交車[18-24]、公路客運(yùn)[25-26]、電動(dòng)自行車[27]、摩托車[28]等事故致因。

      但是,目前中國(guó)對(duì)于公交車事故致因的研究,都集中于研究駕駛員因素對(duì)公交車事故的影響,沒有學(xué)者系統(tǒng)地關(guān)注外部因素的影響。而事故的發(fā)生是人、車、路、環(huán)境共同作用的結(jié)果。據(jù)美國(guó)官方研究所(National Highway Traffic Safety Administration)的事故報(bào)告指出,在公交車事故中,與駕駛員因素直接相關(guān)的案例占70%,間接相關(guān)的案例為90%[19],說明外部因素對(duì)公交車事故也有較大影響。所以現(xiàn)探究除人的因素以外車、路、環(huán)境這些外部因素對(duì)公交車事故的影響。

      在交通事故致因的研究中,所使用的方法主要包括logit模型[4,8,11,16,18,24,27]、logistic模型[3,15]、結(jié)構(gòu)方程模型[5,23]、關(guān)聯(lián)規(guī)則[7,9,13-14]、貝葉斯網(wǎng)絡(luò)[2,12]、偏最小二乘回歸[10]。由于事故的影響因素較為復(fù)雜,而貝葉斯網(wǎng)絡(luò)與回歸模型相比,對(duì)線性沒有嚴(yán)格的要求,能夠有效處理變量間存在交互作用的情況[2],可以有效地從大量的數(shù)據(jù)中發(fā)現(xiàn)變量間的關(guān)系,并且以概率的形式將變量間的關(guān)聯(lián)程度表示出來。所以現(xiàn)選擇使用貝葉斯網(wǎng)絡(luò)研究公交車事故致因。以此來豐富交通事故致因的研究文獻(xiàn),并且為相關(guān)管理部門提出意見以減少公交車事故的發(fā)生。

      1 構(gòu)建公交車事故致因的貝葉斯網(wǎng)絡(luò)模型

      1.1 變量選擇與預(yù)處理

      采用A市的259條公交車事故數(shù)據(jù),數(shù)據(jù)中包含事故車輛單位、事故發(fā)生日期和地點(diǎn),駕駛員姓名、事故責(zé)任、事故類型,傷亡情況等信息。通過整理提取出包含車、路和環(huán)境3個(gè)方面的以下變量,同時(shí)為了滿足建模要求,對(duì)變量進(jìn)行離散化處理。經(jīng)處理后的各變量取值如表1所示。

      1.2 結(jié)構(gòu)學(xué)習(xí)

      貝葉斯網(wǎng)絡(luò)的構(gòu)建包括兩個(gè)步驟:結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。結(jié)構(gòu)學(xué)習(xí)有3種學(xué)習(xí)方法。

      (1)專家知識(shí)建模。這種建模方法是由專家根據(jù)先驗(yàn)經(jīng)驗(yàn)直接給出貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

      (2)機(jī)器學(xué)習(xí)建模。通過運(yùn)用機(jī)器算法對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí),挖掘出變量之間的關(guān)系,構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

      (3)前兩種方法相結(jié)合。對(duì)于專家知識(shí)建模,通常主觀因素影響較大,而對(duì)于機(jī)器學(xué)習(xí)建模,即使可以使用各種結(jié)構(gòu)學(xué)習(xí)方法與評(píng)分函數(shù),但受數(shù)據(jù)、結(jié)構(gòu)學(xué)習(xí)方法等諸多因素的影響,使學(xué)習(xí)結(jié)果有很大的隨機(jī)性,需要經(jīng)過多次實(shí)驗(yàn)才能得到滿意的結(jié)果。因此,采用第三種方法,綜合機(jī)器學(xué)習(xí)和專家知識(shí)構(gòu)建貝葉斯網(wǎng)絡(luò)。機(jī)器學(xué)習(xí)選擇K2算法。由于使用K2算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí),需事先給定網(wǎng)絡(luò)節(jié)點(diǎn)排序,所以貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的具體步驟為:首先,通過相關(guān)性分析得出節(jié)點(diǎn)排序;其次,使用K2算法學(xué)習(xí)出初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu);最后,根據(jù)專家建模經(jīng)驗(yàn)完善貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。最終得出貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

      圖1所示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)由7個(gè)節(jié)點(diǎn)和7條連線組成,節(jié)點(diǎn)就是表1中對(duì)應(yīng)的7個(gè)變量,節(jié)點(diǎn)間的連線表示節(jié)點(diǎn)間的依賴關(guān)系。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)體現(xiàn)了公交車事故是車、路、環(huán)境3方面因素共同作用的結(jié)果。如事故類型同時(shí)受天氣、時(shí)間、道路線形、地點(diǎn)的影響,這充分反映了公交車事故的實(shí)際情況。

      表1 公交車事故變量的離散化取值表

      圖1 公交車事故外因的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

      1.3 參數(shù)學(xué)習(xí)和模型驗(yàn)證

      選擇貝葉斯方法進(jìn)行貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。它的基本思想是:給定一個(gè)含有未知參數(shù)的分布和一個(gè)樣本數(shù)據(jù)集D,θ是一個(gè)具有先驗(yàn)分布p(θ)的隨機(jī)變量,根據(jù)樣本數(shù)據(jù)集D的學(xué)習(xí),將使θ的概率發(fā)生變化,記為p(θ|D),稱為θ的后驗(yàn)概率,參數(shù)學(xué)習(xí)的目的就是計(jì)算這個(gè)后驗(yàn)概率。因?yàn)镈irichlet分布的共軛特性可以降低計(jì)算的復(fù)雜程度,提高計(jì)算效率,所以先驗(yàn)分布通常取作Dirichlet分布,p(θ)的Dirichlet分布形式[2]為

      (1)

      (2)

      θ的后驗(yàn)分布為

      Dir(θ|?1+N1,?2+N2,…,?γ+Nγ)

      (3)

      運(yùn)用貝葉斯估計(jì)法和MATLAB的 Full-BNT工具箱進(jìn)行貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。具體實(shí)現(xiàn)步驟為:首先,將數(shù)據(jù)導(dǎo)入MATLAB中;其次,依據(jù)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),輸入?yún)?shù)的先驗(yàn)分布;最后,調(diào)用Full-BNT工具箱中的bayes_update_params函數(shù)學(xué)習(xí)網(wǎng)絡(luò)節(jié)點(diǎn)的參數(shù)。表2和表3分別給出了在天氣、時(shí)間、道路線形(平直道路)、地點(diǎn)(路口)、事故責(zé)任(全責(zé))共同作用下,事故類型的參數(shù)學(xué)習(xí)結(jié)果以及實(shí)際計(jì)算結(jié)果。

      表2 事故類型的參數(shù)學(xué)習(xí)結(jié)果

      表3 事故類型的實(shí)際計(jì)算結(jié)果

      從模型參數(shù)學(xué)習(xí)結(jié)果和實(shí)際計(jì)算結(jié)果的比較與模型預(yù)測(cè)命中率兩方面入手,驗(yàn)證貝葉斯網(wǎng)絡(luò)模型的有效性。通過參數(shù)學(xué)習(xí)結(jié)果和實(shí)際計(jì)算結(jié)果的比較發(fā)現(xiàn),模型最大絕對(duì)誤差為0.000 1。通過運(yùn)行MATLAB程序,得出該模型的命中率為84.17%。通常命中率能達(dá)到80%以上,就可以認(rèn)為是非常好的結(jié)果[29]。所以,綜上可知,這個(gè)貝葉斯網(wǎng)絡(luò)模型是合理的,可以運(yùn)用其進(jìn)行推理分析。

      2 模型結(jié)果分析

      由貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖可知,天氣、時(shí)間、道路線形、地點(diǎn)都是公交車事故致因。根據(jù)概率大小各致因因素容易導(dǎo)致的事故類型及每一事故類型的傷亡情況和最強(qiáng)致因都不盡相同。

      2.1 各致因因素對(duì)事故類型的影響

      2.1.1 天氣對(duì)事故類型的影響

      根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果,得出天氣對(duì)事故類型的影響,如圖2所示。

      圖2 天氣與事故類型的關(guān)系

      由圖2可知,根據(jù)概率由大到小,天氣導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。根據(jù)對(duì)實(shí)際事故數(shù)據(jù)的統(tǒng)計(jì)可知,公交車事故中幾乎有一半是非碰撞事故,所以無(wú)論天氣如何,都是發(fā)生非碰撞事故的可能性最大,這一結(jié)果與實(shí)際相符。此外,還可以看出,雨天發(fā)生非碰撞事故的概率為50.02%,高于晴天和陰天;在陰天時(shí)比在晴天和雨天更容易與小汽車及非機(jī)動(dòng)車碰撞;晴天更容易與公交車碰撞。

      2.1.2 時(shí)間對(duì)事故類型的影響

      根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果,得出時(shí)間對(duì)事故類型的影響,如圖3所示。

      圖3 時(shí)間與事故類型的關(guān)系

      由圖3可知,根據(jù)概率由大到小,時(shí)間導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。無(wú)論在工作日還是在非工作日,都是最容易發(fā)生非碰撞事故。但是在工作日發(fā)生非碰撞事故的概率為48.13%,高于非工作日的38.22%。原因可能是在工作日存在出行高峰期,在高峰期時(shí)車輛較多,公交車會(huì)因?yàn)槎惚芷渌囕v而產(chǎn)生急剎車的行為,造成非碰撞事故。此外,非工作日和工作日中與小汽車及非機(jī)動(dòng)車碰撞的概率基本相同。而在非工作日與公交車碰撞的概率遠(yuǎn)大于工作日。

      2.1.3 道路線形對(duì)事故類型的影響

      根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果,得出道路線形對(duì)事故類型的影響,如圖4所示。

      圖4 道路線形與事故類型的關(guān)系

      由圖4可知,根據(jù)概率由大到小,道路線形導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。無(wú)論在平直道路還是在非平直道路,都是最容易發(fā)生非碰撞事故。但是在平直道路發(fā)生非碰撞事故的概率為45.94%,高于非平直道路的31.29%。原因可能是駕駛員在非平直道路,更會(huì)謹(jǐn)慎駕駛,主動(dòng)避免非碰撞事故的發(fā)生。此外,還可以看出,在平直道路與非平直道路中,平直道路更容易發(fā)生非碰撞事故及與小汽車碰撞,非平直道路更容易與非機(jī)動(dòng)車及公交車碰撞。

      2.1.4 地點(diǎn)對(duì)事故類型的影響

      根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果,得出地點(diǎn)對(duì)事故類型的影響,如圖5所示。

      圖5 地點(diǎn)與事故類型的關(guān)系

      由圖5可知,根據(jù)概率由大到小,地點(diǎn)導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。在路口最容易與小汽車碰撞,概率為45.45%;在站牌、門口處最容易發(fā)生非碰撞事故。因?yàn)樵谡九铺幊丝蜕舷萝嚂r(shí),由于司機(jī)開關(guān)門不當(dāng)會(huì)導(dǎo)致非碰撞事故;在門口處行人較多,司機(jī)也可能因?yàn)槎惚苄腥硕眲x車造成非碰撞事故。此外,在同一事故類型中,在門口處更容易發(fā)生非碰撞事故,在路口處更容易與小汽車及非機(jī)動(dòng)車碰撞,在站牌處更容易與公交車碰撞。

      2.2 事故類型對(duì)傷亡情況的影響

      根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果,得出事故類型對(duì)傷亡情況的影響,如圖6所示。

      圖6 事故類型對(duì)傷亡情況的影響結(jié)果

      由圖6可知,當(dāng)發(fā)生非碰撞事故時(shí),造成傷亡的可能性最大,概率為94.36%。因?yàn)榉桥鲎彩鹿手腹卉囕v在線路運(yùn)營(yíng)中因緊急制動(dòng)、突然加速、急促轉(zhuǎn)彎、路面顛簸、開關(guān)門操作不當(dāng)?shù)仍?,使車上乘客身體失去平衡而摔倒、碰撞、擠壓導(dǎo)致受傷或物品受損而造成的事故,所以非碰撞事故最容易造成傷亡。其次是與非機(jī)動(dòng)車碰撞,造成傷亡的概率為52.92%。因?yàn)榉菣C(jī)動(dòng)車與小汽車及公交車相比,保護(hù)措施較少,所以更容易造成傷亡;與小汽車及公交車碰撞造成傷亡的概率相對(duì)較小,分別為18.85%和16.23%。

      2.3 致因因素比較分析

      綜合圖2~圖5可知,雨天發(fā)生非碰撞事故的概率為50.02%,高于晴天和陰天;工作日發(fā)生非碰撞事故的概率為48.13%,高于非工作日;平直道路發(fā)生非碰撞事故的概率為45.94%,高于非平直道路;門口處發(fā)生非碰撞事故的概率為54.47%,高于路口、站牌和其他地點(diǎn)。因此,各外部致因因素對(duì)非碰撞事故的影響強(qiáng)度由大到小依次是地點(diǎn)、天氣、時(shí)間、道路線形。同理可得,對(duì)與小汽車碰撞的影響強(qiáng)度由大到小依次是地點(diǎn)、天氣、時(shí)間、道路線形;對(duì)與非機(jī)動(dòng)車碰撞的影響強(qiáng)度由大到小依次是道路線形、地點(diǎn)、天氣、時(shí)間;對(duì)與公交車碰撞的影響強(qiáng)度由大到小依次是道路線形、時(shí)間、地點(diǎn)、天氣。

      3 結(jié)論與建議

      在公交車事故致因的研究中,國(guó)內(nèi)學(xué)者集中研究駕駛員因素對(duì)事故的影響,但事故的發(fā)生是人、車、路、環(huán)境共同作用的結(jié)果,所以外部致因也不容忽視。通過使用貝葉斯網(wǎng)絡(luò)得出了公交車事故外部致因以及各事故類型最強(qiáng)外部致因,具體結(jié)論如下。

      (1)天氣、時(shí)間、道路線形和地點(diǎn)是公交車事故的致因因素,其中道路因素(包括道路線形和地點(diǎn))是最強(qiáng)致因因素;根據(jù)概率由大到小,造成的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。

      (2)當(dāng)發(fā)生非碰撞事故時(shí),最容易造成傷亡,概率達(dá)到94.36%,且地點(diǎn)是非碰撞事故的最強(qiáng)外部致因。因此在門口和站牌這種最容易發(fā)生非碰撞事故的地點(diǎn)要放置醒目的交通標(biāo)志,提醒駕駛員提前減速慢行,謹(jǐn)慎駕駛。

      (3)當(dāng)與小汽車碰撞時(shí),有18.85%的概率會(huì)造成傷亡,且地點(diǎn)是與小汽車碰撞的最強(qiáng)外部致因。所以在路口這種最容易與小汽車碰撞的地點(diǎn),在出行高峰期時(shí),可以讓交通警察指揮交通。同時(shí)公交車駕駛員在路口處行駛時(shí)既要注意其他道路方向的小汽車,也要注意與同向行駛的小汽車保持安全距離。

      (4)當(dāng)與非機(jī)動(dòng)車碰撞時(shí),有52.92%的概率會(huì)造成傷亡,且道路線形是與非機(jī)動(dòng)車碰撞的最強(qiáng)外部致因。所以在最容易與非機(jī)動(dòng)車碰撞的非平直道路,要設(shè)置健全的非機(jī)動(dòng)車專用道。同時(shí)駕駛員也要多注意避讓非機(jī)動(dòng)車騎行者及行人,因?yàn)橄鄬?duì)于公交車來說,他們是“弱勢(shì)道路使用者”。

      (5)當(dāng)與公交車碰撞時(shí),有16.23%的概率會(huì)造成傷亡,且道路線形是與公交車碰撞的最強(qiáng)外部致因。所以在最容易與公交車碰撞的非平直道路,相關(guān)部門要進(jìn)行道路整修,改善道路路面狀況。同時(shí)駕駛員要注意減速慢行且與前車保持安全距離,避免追尾前方公交車輛。

      研究結(jié)果與國(guó)內(nèi)城市道路交通事故相關(guān)研究結(jié)果相比[2,4],相同之處是道路因素是最容易引起傷亡事故的因素;不同之處是公交車最容易發(fā)生非碰撞事故,而非多車事故。而且,還進(jìn)一步得出非碰撞事故、與非機(jī)動(dòng)車及行人碰撞事故容易造成傷亡,并將道路因素細(xì)分為地點(diǎn)和道路線形后得出它們分別是兩種類型事故的最強(qiáng)致因。此外,研究結(jié)果是在站牌處發(fā)生公交車事故多為非碰撞事故,會(huì)增加傷亡的可能性,而國(guó)外的相關(guān)研究成果顯示在站牌處發(fā)生公交車事故會(huì)降低傷亡的可能性[24]。

      雖然系統(tǒng)地分析了外部因素對(duì)國(guó)內(nèi)公交車事故的影響,但仍存在一些不足。受公交車事故數(shù)據(jù)獲取途徑限制,數(shù)據(jù)中缺乏事故的具體發(fā)生時(shí)段以及不涉及雪、霧的天氣情況,在之后的研究中可以加入這些情況,以獲得更細(xì)致的結(jié)果。

      猜你喜歡
      小汽車線形網(wǎng)絡(luò)結(jié)構(gòu)
      可愛的小汽車
      幼兒100(2023年33期)2023-09-22 07:17:44
      短線法預(yù)制節(jié)段梁線形綜合控制技術(shù)研究
      小汽車
      幼兒100(2021年12期)2021-04-25 12:49:52
      大跨度連續(xù)剛構(gòu)橋線形控制分析
      拼一拼
      啟蒙(3-7歲)(2020年6期)2020-06-02 07:53:42
      基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
      知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
      滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
      復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
      加成固化型烯丙基線形酚醛樹脂研究
      漳州市| 安康市| 敦煌市| 兴义市| 西青区| 东莞市| 焉耆| 蒙山县| 兴和县| 永吉县| 托里县| 天柱县| 杭锦旗| 农安县| 滕州市| 卢氏县| 锡林浩特市| 衡南县| 宁河县| 平武县| 赤水市| 调兵山市| 镇坪县| 昭平县| 贺州市| 香港| 航空| 济源市| 喜德县| 永定县| 普兰县| 博白县| 柘荣县| 丰都县| 民和| 南木林县| 荣成市| 汤阴县| 扬州市| 沂水县| 伊金霍洛旗|