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=(L<sub>1</sub>,L<sub>2</sub>,…,L<sub>n</sub>),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<img file="FDA0001247871250000011.GIF" wi="435" he="111" />P(p<sub>i</sub>)表示库所p<sub>i</sub>的发生概率,P<sub>i</sub>(t<sub>j</sub>)表示库所p<sub>i</sub>对应的下一个变迁t<sub>j</sub>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<sub>max</sub>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<sub>max</sub>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<sub>max</sub>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。 |