王少群 WANG Shao-qun；張曉明 ZHANG Xiao-ming

（長(zhǎng)安大學(xué)經(jīng)濟(jì)與管理學(xué)院，西安710064）

0 引言

高速公路交通事故現(xiàn)已成為影響行車安全、運(yùn)輸效率的重要因素，而準(zhǔn)確的事故預(yù)測(cè)和事故預(yù)防可以大大降低事故的危害性?；貧w分析預(yù)測(cè)、灰色預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)等都是比較經(jīng)典的預(yù)測(cè)方法。回歸分析方法利用解釋變量和預(yù)測(cè)對(duì)象之間的因果關(guān)系建立回歸分析模型，對(duì)未來(lái)發(fā)展做出預(yù)測(cè)，但是復(fù)雜對(duì)象難以確定其因果關(guān)系，從而降低了精度?；疑A(yù)測(cè)方法[1]可以彌補(bǔ)數(shù)據(jù)缺失的不足，同時(shí)會(huì)引起精度的下降。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法的非線性易形成局部極小狀況，以致得不到全局最優(yōu)解[2]。在短期微觀事故預(yù)測(cè)方面，王莉莉[3]等基于模糊評(píng)價(jià)方法提出了事故實(shí)時(shí)預(yù)警模型，但這種方法在隸屬度確定上具有較強(qiáng)的主觀性；秦利燕等[4]基于數(shù)量化理論和最小二乘原理，提出了道路斷面事故率預(yù)測(cè)方法，這種方法弱化了影響因素的非線性。本文在分析高速公路交通事故產(chǎn)生因素和大量歷史資料的基礎(chǔ)上，建立貝葉斯網(wǎng)絡(luò)及預(yù)測(cè)模型，得出事故概率，為高速公路行車安全提供重要信息。

1 交通事故概率的貝葉斯推理

設(shè) S=（s1，s2，s3，…sn）為影響交通事故 A 的因素集，其中s1，s2，s3，…sn為相互獨(dú)立的變量。則根據(jù)貝葉斯理論得到：

根據(jù)條件獨(dú)立性有：

整理便可得交通事故的條件概率：

2 模型建立及求解

2.1 高速公路交通事故影響因素分析 現(xiàn)在公共輿論與交通管理機(jī)構(gòu)的官方統(tǒng)計(jì)都簡(jiǎn)單的認(rèn)為事故的最主要因素是駕駛員的粗心、錯(cuò)誤以及汽車的機(jī)械問(wèn)題。這說(shuō)明在以往研究中忽視了道路條件等因素的影響。而實(shí)際上，作為交通基礎(chǔ)設(shè)施和車輛行駛基本條件，道路條件對(duì)交通事故的作用不可忽視。本文以信息可獲取性為基本原則，分析了道路條件各種因素對(duì)高速公路交通事故的影響。

2.1.1 道路基本情況

2.1.1.1 道路平曲線及縱坡 適當(dāng)半徑的道路曲線路段可以使行駛者擺脫道路的單調(diào)感，減少困倦，但若速度控制不當(dāng)，容易導(dǎo)致翻車或車輛側(cè)滑等事故。縱坡坡度過(guò)大使車輛難以維持合理速度以及連貫狀態(tài)，下坡時(shí)易形成車輛高速行駛，制動(dòng)距離加長(zhǎng)，上坡時(shí)易形成爬坡吃力，引發(fā)追尾等事故。

2.1.1.2 道路設(shè)計(jì)限速 道路設(shè)計(jì)限速會(huì)給駕駛員一種暗示，只要在限速內(nèi)行車都是安全的，從而行駛速度會(huì)比較接近限速值。因此限速值大的道路上車輛行駛速度會(huì)更高。隨著車速的提高，駕駛員可支配時(shí)間變少，使得駕駛員獲取行車信息不全面、判斷不準(zhǔn)確等，導(dǎo)致操作失誤，從而引發(fā)交通事故。而且車速與事故嚴(yán)重性成正比，高車速會(huì)導(dǎo)致更嚴(yán)重的后果。

2.1.1.3 立交、收費(fèi)站、服務(wù)區(qū)處 進(jìn)入立交、收費(fèi)站和服務(wù)區(qū)，部分車輛需要減速、變道，導(dǎo)致形成復(fù)雜的交通狀態(tài)和相對(duì)低速的交通流，大大增加了交通事故發(fā)生率。

2.1.1.4 隧道 在駛?cè)牖蝰偝鏊淼罆r(shí)，由于光線強(qiáng)度變化較大，容易對(duì)駕駛員視覺(jué)造成不利影響，從而做出錯(cuò)誤判斷，導(dǎo)致不當(dāng)操作，引發(fā)交通事故。另外，秋冬季節(jié)，隧道口處易結(jié)冰，對(duì)行車安全也有不利影響。

2.1.2 外部環(huán)境影響

2.1.2.1 天氣狀況 不同天氣狀況對(duì)道路造成不同影響，主要表現(xiàn)在對(duì)路表和能見(jiàn)度的影響上。一般在雨雪天氣時(shí)，路表會(huì)較濕潤(rùn)，摩擦系數(shù)會(huì)變??；大霧等天氣下，能見(jiàn)度會(huì)大大降低，都不利于行車安全。

高速公路上車輛往往以較高速度行駛，能見(jiàn)度的微小變化會(huì)對(duì)行車安全都會(huì)造成較大影響。在遇到大霧、大雨、大雪等天氣時(shí)，能見(jiàn)度會(huì)明顯下降，嚴(yán)重時(shí)相關(guān)部門應(yīng)立即做出反應(yīng)，甚至封鎖該路段。

本文在研究時(shí)將天氣狀況分為晴或多云、陰、雨、雪、霧等。

2.1.2.2 晝夜情況 白晝情況下，道路交通量較大，能見(jiàn)度較好，且小車比例較高；黑夜情況下，道路交通量較小，能見(jiàn)度差，大車比例較高；這些因素對(duì)交通事故的發(fā)生有著不同影響。

2.1.2.3 道路所處地形 一般來(lái)說(shuō)，穿過(guò)山嶺重丘的道路曲線和縱坡路段會(huì)比較多，而且還會(huì)伴隨較多的隧道橋梁等，這都有可能增加事故發(fā)生幾率。但一般來(lái)說(shuō)，這些都能體現(xiàn)在道路的設(shè)計(jì)上，因此不再單獨(dú)作為影響。

2.1.2.4 是否穿越村莊 穿越村莊路段上，行人或牲畜穿越的幾率大，對(duì)交通安全的威脅很大。

2.1.3 道路通行狀況 道路通行狀況的主要體現(xiàn)形式是道路斷面交通量。在交通能力一定的情況下，交通量大小直接影響道路的飽和度，而據(jù)統(tǒng)計(jì)分析，飽和度直接影響交通事故的頻率與嚴(yán)重程度。一般來(lái)說(shuō)，交通量越大，交通事故越多，但實(shí)際上當(dāng)交通量達(dá)到一定程度時(shí)，由于車速減慢，交通事故數(shù)量反而減少。事故相對(duì)量與飽和度的關(guān)系如圖1[5]。

圖1 事故相對(duì)量與飽和度的關(guān)系

然而，實(shí)時(shí)的道路飽和度數(shù)據(jù)很難得到，本文通過(guò)路段交通量來(lái)研究它對(duì)事故的影響程度。

2.2 貝葉斯網(wǎng)路建立 根據(jù)2.1的分析，建立如圖2的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖2 高速公路交通事故的貝葉斯網(wǎng)絡(luò)

2.3 先驗(yàn)概率分布 求解圖2的貝葉斯網(wǎng)路，需要眾多先驗(yàn)知識(shí)，這些先驗(yàn)知識(shí)可以通過(guò)歷史的統(tǒng)計(jì)數(shù)據(jù)得到，如表1。

表1 發(fā)生事故A時(shí)因素Si的概率分布

表2 因素Si的概率分布

2.4 模型求解 S=（s1，s2，s3，…s6）為因素集，其中 s1，s2，s3，…s6為相互獨(dú)立的變量，A為有事故發(fā)生。

整理得到：

在式（1）中，P（A）的值為發(fā)生事故的樣本數(shù)除以總樣本數(shù)。應(yīng)用貝葉斯公式，可以得到在任一狀態(tài)集X下的事故發(fā)生概率，并依此來(lái)制定相應(yīng)的對(duì)策。

3 小結(jié)

高速公路是交通的大動(dòng)脈，因此高速公路行車安全至關(guān)重要，從而增加了高速公路預(yù)警的緊迫性和重要性。本文通過(guò)研究可觀測(cè)的高速公路突發(fā)事件影響因素來(lái)建立模型，獲取事故概率。主要內(nèi)容和結(jié)論如下：

①分析得出高速公路事故影響因素體系，包括道路基本情況、外部環(huán)境影響、道路通行狀況三個(gè)大類，道路平曲線及縱坡、道路設(shè)計(jì)限速等八個(gè)因素。本文對(duì)影響因素的分析是建立在現(xiàn)象可觀測(cè)和信息可獲取基礎(chǔ)上的，舍棄了一些主觀的以及實(shí)時(shí)的難以掌握的因素，這是為了方法的可操作性。如果技術(shù)水平提高了，可以增加更多的影響因素，從而使得模型更加精確。

②建立貝葉斯網(wǎng)絡(luò)圖，并推到出計(jì)算公式，得到高速路段的概率。通過(guò)前面對(duì)影響因素的分析，建立相應(yīng)的貝葉斯網(wǎng)絡(luò)，利用相關(guān)方法便可獲得單樣本的概率信息，再經(jīng)過(guò)統(tǒng)計(jì)分析，與歷史資料比較后得出危險(xiǎn)等級(jí)，從而發(fā)布預(yù)警信息。

③預(yù)測(cè)基于廣泛的同質(zhì)數(shù)據(jù)積累，先驗(yàn)概率等信息隨著時(shí)間的推移不斷更新，從而更準(zhǔn)確的反應(yīng)實(shí)際情況。

本文研究仍有諸多不足之處，如由于部分?jǐn)?shù)據(jù)難以獲取，沒(méi)有將車種構(gòu)成、每天的交通量等考慮到貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中；由于人為措施的實(shí)施，使得某些狀態(tài)下事故率較小，但實(shí)際上卻較危險(xiǎn)，如大雪時(shí)高速封路等。

[1]鄧聚龍.灰色預(yù)測(cè)與決策[M].武漢：華中科技大學(xué)出版社，2002：45-174.

[2]焦李成.神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn)[M].西安:電子科技大學(xué)出版社，1997：92-114.

[3]王莉莉,史忠科,胡太平.基于模糊評(píng)價(jià)法的高速公路事故實(shí)時(shí)預(yù)測(cè)模型[J].系統(tǒng)工程理論與實(shí)踐，2003，5：141-144.

[4]秦利燕,許洪國(guó).基于量化理論的高速公路交通安全評(píng)價(jià)模型[J].山東交通學(xué)院學(xué)報(bào)，2002，12：33-36.

[5]裴玉龍，王煒.道路交通事故成因及預(yù)防對(duì)策[M].北京：科學(xué)出版社，2004.