袁　黎， 于俊俊， 吳夢倩， 蔡明杰

(河海大學 土木與交通學院， 江蘇 南京　210098)

?

基于貝葉斯網絡的雙車道公路風險性分析

袁黎， 于俊俊， 吳夢倩， 蔡明杰

(河海大學 土木與交通學院， 江蘇 南京210098)

[摘要]雙車道公路是我國公路網的重要組成部分，對其進行風險性分析能有效降低交通事故風險。在分析道路風險產生因素的基礎上，構建了雙車道公路風險評估指標體系，根據(jù)貝葉斯網絡理論構建貝葉斯網絡拓撲結構，再結合大量事故數(shù)據(jù)，采用EM算法確定了節(jié)點的條件概率表，最終建立了基于貝葉斯網絡的風險評估模型。通過對模型進行等級劃分，證明了該風險評估方法的有效性。

[關鍵詞]雙車道公路； 風險； 貝葉斯網絡； 交通安全

0前言

雙車道公路是國家和省內的一般干線公路，約占干線公路網95%以上，二三級公路和部分四級公路均為雙車道公路。雙車道公路的重要特點是超車車輛必須駛入對向車道才可以完成超車過程。據(jù)統(tǒng)計，我國2010年在公路上發(fā)生的交通事故次數(shù)為272 840起，占交通事故總數(shù)的56.9%，死亡人數(shù)為46 534人，占總數(shù)的71.3%，受傷人數(shù)為149 007人，占總數(shù)的58.64%，發(fā)生在二級公路上的事故造成的死亡人數(shù)有16 454人，約占到交通事故總數(shù)的比例為25.23%，比例非常高[1]。

雙車道公路的交通安全對道路交通系統(tǒng)的安全有很重要的影響[2]。雙車道公路風險評估可以有效的預防和降低雙車道公路交通事故的發(fā)生，并且遏制事故發(fā)生的嚴重后果[3]。目前國外交通安全評價的主要方法包括相對事故率法、時間序列分析法、回歸分析法、系統(tǒng)分析法和交通沖突法等[4]。著名的Smeed R.J.教授根據(jù)歐洲20個國家10余年的交通事故資料，通過對事故次數(shù)與機動車及人口數(shù)量進行回歸分析，建立了斯密德模型[5]。我國交通安全評價的研究起步于上世紀80年代中期。哈爾濱工業(yè)大學提出了動態(tài)事故強度法進行交通安全評價；唐洪[6]、孫慧芝[7]、王煉等人[8]認為風險理論對提高事故預防的效果有顯著的意義和作用。他們分析了風險控制理論在道路交通安全研究中的應用，在對人、車、路進行風險識別的基礎上，提出了風險控制和安全措施。

目前國內研究將貝葉斯理論與交通理論相結合多用于鐵路和航空運輸，在道路交通系統(tǒng)尤其是雙車道公路上的研究比較少。貝葉斯網絡技術[9]具有很強的處理不確定性問題能力，既能用于推理，又能用于診斷，適合安全風險評估。因此本文基于貝葉斯網絡對雙車道公路進行風險評估是一個很值得研究的課題。

1雙車道公路風險評估指標體系

對雙車道公路風險的識別必須遵循全面性的基本原則，但是根據(jù)實際情況，若對可能出現(xiàn)的各種風險因素進行分析則是無窮多個的。雙車道公路風險評估是一項多指標，多屬性問題。根據(jù)系統(tǒng)工程學原理，應用綜合評價方法，基于有關專家咨詢的基礎上，將定性分析與定量分析相結合，把復雜的系統(tǒng)分成若干子系統(tǒng)。主要指標道路幾何設計因素和交通設施[10]，每類指標由若干個下一級指標構成，實際上交通環(huán)境如交通構成，路側干擾等對交通安全均有影響。基于以上分析，風險指標體系如圖1所示。

圖1　雙車道公路分析評估指標體系Figure 1　Two-lane highway risk assessment index system

2基于貝葉斯網絡的雙車道公路風險評估模型

貝葉斯網絡是依據(jù)概率推理的一種數(shù)學型，在概率推理的基礎上發(fā)展而來的貝葉斯網絡是用來解決不定性和不完整性方面的問題的，它在處理復雜設備不確定性和關聯(lián)性引起的故障方面有巨大的優(yōu)勢。貝葉斯建模的兩個重要工作是確定網絡的拓撲結構與網絡中各個節(jié)點的條件概率分布[11]。

Bayes公式，設事件D的樣本空間S，A為D的基本事件，基本事件B1，B2…Bn互不相容，B1∪B2∪…∪Bn=S，則由乘法法則與條件概率公式有：

(1)

2.1構建風險評估的貝葉斯網絡拓撲結構

文本根據(jù)經過風險識別以及相關篩選得到以上13項風險因素指標，可以按照指標體系的層級結構和內在的因果關系，可以建立圖 2所示的結構合理、易于計算的貝葉斯網絡拓撲結構。

圖2　雙車道公路風險評估貝葉斯網絡的拓撲結構Figure 2　Bayesian network topology of two-lane 　　　highway risk assessment

2.2確定風險評估的貝葉斯網絡參數(shù)

貝葉斯網絡節(jié)點表示的是雙車道公路風險因素，這些節(jié)點一般都被定義為N類節(jié)點，本文將各個節(jié)點分為3個狀態(tài)，分別代表影響雙車道公路風險程度的“低(0)”，“中(1)”，“高(2)”；M類節(jié)點的分析可以通過0-1分析得出；為了使風險因素的設定更加地符合實際情況，可以對此類節(jié)點設定一個小概率θ的發(fā)生概率。

網絡中需要確定的參數(shù)主要是指節(jié)點的概率分布，即節(jié)點的邊緣概率以及各節(jié)點的條件概率表。在特定網絡結構下，參數(shù)確定是依據(jù)網絡節(jié)點的數(shù)據(jù)樣本，而數(shù)據(jù)樣本就是貝葉斯網絡中隨機變量的狀態(tài)組成的所有組合，簡單稱為數(shù)據(jù)。按照訓練樣本集的完整性，本文采用EM算法來對樣本參數(shù)進行學習[13]。子節(jié)點的條件概率表主要根據(jù)以下方法確定：

① 依專家經驗確定網絡節(jié)點條件概率值，將概率值手工輸入到節(jié)點的條件概率表；

② 將搜集到的數(shù)據(jù)輸入到網絡模型中，通過參數(shù)的學習獲得節(jié)點的條件概率值；

③ 利用Netiea中節(jié)點的“Equation”功能，輸入節(jié)點概率特征，獲取條件概率。

2.2.1交通事故數(shù)據(jù)處理

根據(jù)南京市交通局提供的歷史數(shù)據(jù)，選取104國道K1 200～K1 300路段2003年到2004年兩年間的609起事故數(shù)據(jù)，其中有14起1人以上死亡，4起3人以上死亡。對該段道路的事故數(shù)據(jù)進行處理，得到部分貝葉斯網訓練數(shù)據(jù)如表1所示。

表1 部分貝葉斯網訓練數(shù)據(jù)Table1 Partofthebayesiannetworktrainingdata事故序號X1X2X3X4X5X6110201020210113210100422022052202216000221X7X8X9X10X11X12X13A101010000100100001001112000021012000010000021111

2.2.2EM算法理論

(2)

(3)

(4)

(5)

(6)

(7)

2.2.3貝葉斯網絡的概率賦值計算

本文借助Netica軟件來完成參數(shù)的輸入以及對求解風險概率的賦值計算。在確定貝葉斯網絡結構的基礎上，采用處理過的事故數(shù)據(jù)，選取EM算法，來確定節(jié)點的條件概率，可以按照各變量間的因果關系，計算中間層節(jié)點以及頂層節(jié)點的條件概率值[11]。利用 Netica 軟件可以實現(xiàn)對于節(jié)點條件概率的自動求解。最終形成了評估雙車道公路風險的貝葉斯網絡評估模型，如圖3所示。

圖3　雙車道公路風險評估貝葉斯網絡模型Figure 3　Bayesian network model of two-lane highway risk assessment

2.3雙車道公路風險等級劃分

為了盡可能的對雙車道公路風險進行準確評價，需要在風險發(fā)生的可能性等級和發(fā)生概率間建立一個模糊的關系[14]。分別選取10段主觀評價為安全、一般安全、不安全、危險的路段，運用貝葉斯網絡方法，在已知參數(shù)確定的情況下，可以得到整體的風險發(fā)生可能性的大小，根據(jù)計算的概率結果，在Netica軟件中進行仿真之后，可以確定風險發(fā)生可能性等級對應的概率劃分區(qū)間，用不同顏色表示不同風險等級，如表2所示。

表2 雙車道公路風險等級劃分Table2 Riskhierarchyoftwo-lanelhighway風險等級顏色風險結果概率區(qū)間Ⅰ級綠色風險低≤0.2Ⅱ級藍色有一定風險≤0.3Ⅲ級橙色風險較高≤0.4Ⅳ級紅色風險高>0.4

3實例應用

本文選取省道241 K215+300～K225路段為例，其全長10 km，是赤城連接懷來通往京津地區(qū)的主要公路。根據(jù)2007年道路改建通車至2010年交通事故統(tǒng)計的數(shù)據(jù)為10起，造成12人受傷，9人死亡。把S241(K215～K225)路段按1 km劃分為10個路段，并對每一段道路特征做標定，見表3。

表3 S241(K215～K225)路段特征標定Table3 S241(K215～K225)Roadcharacteristicscalibration路段編號X1X2X3X4X5X6K215～K216220200K216～K217111211K217～K218121120K218～K219020120K219～K220020120K220～K221221021K221～222121120K222～223221200K223～224221120K224～225221020X7X8X9X10X11X12X131201000221110011000120020110002111011111101001110211000000012112001211

通過Netica軟件在雙車道公路貝葉斯網絡模型中進行計算，并進行排序，見表4。

表4 S241(K115～K225)路段風險概率Table4 S241(K115～K225)Roadriskprobability路段編號風險概率風險等級排序K215～K2160.312Ⅲ9K216～K2170.404Ⅳ2K217～K2180.334Ⅲ6K218～K2190.373Ⅲ4K219～K2200.428Ⅳ1K220～K2210.376Ⅲ3K221～222 0.338Ⅲ5K222～223 0.324Ⅲ7K223～224 0.306Ⅲ10K224～225 0.316Ⅲ8

從表4中可以看出：路段K216～K217和K219～K220風險等級為四級，風險高，為危險狀態(tài)，要進行重點改造。其余路段為三級風險，風險還是比較高，為不安全狀態(tài)，需要對很多不符合規(guī)范的道路風險因素進行安全性改善。從整體來說，K215～K225路段的風險比較高，和調查情況也比較符合，所以相關管理部門可以依據(jù)評估結果進行重點改善。

4結論與展望

本文利用貝葉斯網絡的概率推理能力，提出了基于貝葉斯網的雙車道公路風險評估的方法。得到以下的結論：

① 構建了雙車道公路風險評估指標體系。

本文重點探討了雙車道公路道路因素對道路安全的影響，分別從道路設計、交通設施、交通環(huán)境3個方面分析了道路因素對雙車道公路安全的影響，建立了風險評估指標體系。

② 建立了雙車道公路風險評估模型。

把貝葉斯網理論引入雙車道公路風險分析中，確定了網絡節(jié)點和值域，建立了網絡結構，并采用EM算法進行參數(shù)學習，在Netica里面建立了雙車道公路的風險評估模型。

③ 制定了雙車道公路風險等級標準。

運用模型對采集到的道路數(shù)據(jù)進行計算，得到各種類型的道路的風險概率值，根據(jù)風險概率值的分布，把雙車道公路等級劃分為四個等級。

對省道241 道路特征和交通特征進行分析，處理調查數(shù)據(jù)，對該段道路進行風險評估。證明該評價方法對減少交通事故，提高道路安全性有著重要的意義。

研究展望：

① 利用貝葉斯網對雙車道公路進行風險評估的概率計算，需要大量的數(shù)據(jù)支持。本文僅選取一段雙車道公路的兩年事故數(shù)據(jù)，還不足以代表雙車道公路整體的風險水平。

② 在有些數(shù)據(jù)缺失的時候，要利用算法進行數(shù)據(jù)的修補，所以需要研究更精確更符合實際的算法來修補數(shù)據(jù)，再利用完整的數(shù)據(jù)進行參數(shù)學習，經過迭代計算得到最佳的條件概率表，最終獲得最優(yōu)的評估結果。

[參考文獻]

[1]中國公安部交通管理局.2010年全國道路交通事故統(tǒng)計報告[Z].

[2]游克思，孫璐.改建工程設計階段安全評價方法研究[J].公路工程，2010，35(6)：38-41.

[3]袁黎，吳夢倩，馬永峰.基于層次分析的干線公路安全評價方法的研究[J].公路工程，2013，38(4)：199-202.

[4]Marc Gaudry，Sylvain Lassarre.Structural Road Accident Models[J].Transportation Research，2000，17(9)：225-235.

[5]Ali S.Al Ghamdi.Analysis of traffic accidents at urban intersection in Riyadh[J].Accident Analysis & Prevention，2004，35(6)：717-724.

[6]唐洪.風險控制理論與道路安全交通[J].學術研究，2006(6)：84-85.

[7]孫慧芝.城市道路交通安全的風險評價[D].青島：山東科技大學，2006.

[8]王煉，孫艷，何凌.高速公路交通事故風險管理[J].中國交通信息產業(yè)，2006(11)：24-26.

[9]王雙成.貝葉斯網絡學習推理與應用[M].上海：立信會計出版社，2010.

[10]胡思濤，項喬君，朱艷茹.基于貝葉斯網絡的農村公路典型路段事故風險評價方法[J].公路，2014(7)：067.

[11]李江飛.基于貝葉斯網絡的地鐵項目施工風險評價研究[D].哈爾濱：哈爾濱工業(yè)大學，2013.

[12]陳富堅，柳本民，郭忠印.基于貝葉斯分析的道路交通系統(tǒng)可靠性模型[J].同濟大學學報：自然科學版，2011，39(2)：220-225.

[13]劉勇.基于貝葉斯網的道路交通事故分析[D].長沙：長沙理工大學，2009.

[14]Yuan L，Yuan H，Ma Y，et al.Development of a safety evaluation model for provincial highway[J].Discrete dynamics in nature and society，2014.

Analysis of Two-lane Highway Traffic Risk Based on Bayesian Network

YUAN Li， YU Junjun， WU Mengqian， CAI Mingjie

(College of Civil and Transportation Engineering， Hohai University， Nanjing， Jiangsu 210098， China)

[Abstract]Two-lane highway is an important part of China's highway network.A risk assessment on the two-lane highway can effectively reduce risk.Based on the analysis of the factors of risk on the road，the author builds a two-lane highway risk assessment index system.Bayesian network theory is introduced on the risk assessment of two-lane highway.On this basis，a Bayesian network topology of two-lane highway is built，combining with a large number of accident data，the node's conditional probability tables are determined by using the EM algorithm.The eventual establishment of a risk assessment model is based on Bayesian network.Finally，the risk level of two-lanel highway was defined，which proves the effectiveness of the risk assessment methodology.

[Key words]two-lane highway； risk； bayesian network； traffic safety

[中圖分類號]U 491.4

[文獻標識碼]A

[文章編號]1674—0610(2016)02—0099—05

[作者簡介]袁黎(1974—)，女，河南信陽人，博士，副教授，碩士生導師，研究方向為道路交通安全。

[基金項目]國家自然科學基金項目資助(51308192)

[收稿日期]2015—01—16