一种营运车辆道路交通事故风险识别方法

摘要

本发明公开了一种营运车辆道路交通事故风险识别方法，所述方法包含建立营运车辆交通事故数据库，提取事故连锁反应的风险序列，构建事故连锁反应随机Petri网模型；利用同构的马尔科夫链进行系统性能分析；以道路运输企业交通事故统计数据和运营管理数据为起始数据，利用模糊德尔菲和贝叶斯推理法计算风险事件的发生概率，从逻辑和计算精度两个方面保证了本专利计算结果的正确性；通过路径风险度对比，识别需重点监控的事故链。本发明专利能够在揭示事故耦合转化特性的基础上，对营运车辆道路交通事故的关键风险路径进行甄别，并给出相应的风险序列及风险度，对营运车辆道路交通事故风险辨识与预警具有较强的实践指导价值。

主权项

一种营运车辆道路交通事故风险识别方法，其特征是所述方法包括：(1)获取营运车辆道路交通事故数据S＝(S1,S2,…,Sn)，每一个样本Si包含人员、车辆、道路环境和管理因素，梳理事故从安全状态到事故发生的风险演变轨迹，提取事故连锁反应的差异序列，并根据序列间事故诱发因素的连接关系，构建营运车辆道路交通事故连锁反应的有向图模型；如果新模型与前一模型存在差异序列L＝(L₁,L₂,…,L_n)，将差异序列附加到初始样本模型中，直到样本数据处理完毕，此时新建成的初始模型即为有向图模型；(2)基于有向图与随机Petri网的转化原则，构建营运车辆道路交通事故连锁反应的随机Petri网模型；(3)利用关联矩阵的S不变量验证上述随机Petri网模型的结构性，然后通过构造与此随机Petri网模型同构的马尔科夫链，进行系统性能分析；(4)获取道路运输企业的交通事故数据和安全管理数据，利用数据挖掘、统计分析和模糊德尔菲法计算变迁的发生概率，利用贝叶斯推理法计算库所的发生概率；(5)提取事故诱发因素的发生概率和连接关系，标记上述随机Petri网模型的路径数和路径长度，按顺序对此Petri网进行路径搜索，计算并求取风险度最大的路径，即关键事故链；所述的路径风险度P(p_i)表示库所p_i的发生概率，P_i(t_j)表示库所p_i对应的下一个变迁t_j被激发的发生概率；所述关键事故链识别算法的步骤为：a.设定L_max值为0，关键链序号n值为0；b.设定邻接矩阵Y和矩阵Z，其中邻接矩阵Y存放Petri网模型节点间的连接关系和变迁的触发概率，矩阵Z存放库所的发生概率；c.对所述Petri网模型的路径数和路径长度进行顺序标记，分记为l和m；d.从根结点P1出发，按照路径号的顺序分别对所述Petri网进行沿着有向弧的逆向搜索；e.如果L(i+1)﹥L(i)，用L(i+1)值更替L_max值，并更替关键链序号n；f.如果L(i+1)﹤L(i)，继续进行路径遍历，直到所有路径遍历完成为止；g.输出L_max即关键事故链的风险度，并按照顺序输出关键事故链的所有事故诱发因素。