基于贝叶斯网络的城市道路交通事故分析

被引：28

作者：

赵金宝

邓卫

王建

机构：

[1] 东南大学交通学院

来源：

东南大学学报(自然科学版) | 2011年 / 41卷 / 06期

关键词：

贝叶斯网络; 城市道路; 交通事故; Dirichlet分布;

D O I：

暂无

中图分类号：

U491.31 [交通事故处理、分析与统计];

学科分类号：

0306 ; 0838 ;

摘要：

以5190起交通事故数据为分析依据,基于专家知识和数据融合方法建立了城市道路交通事故分析的贝叶斯网络结构.利用服从Dirichlet分布的贝叶斯方法对贝叶斯网络进行参数学习.结合网络模型,应用联合树引擎推断了在车辆类型、事故地点和交通参与者等因素的影响下交通事故类型概率分布.结果表明:客货车等大型车辆发生侧面碰撞的可能性为39.96%,高于其他车型;助力车和自行车在正面碰撞引发事故的可能性分别为39.01%和39.44%;因制动不当引发尾随碰撞事故的可能性为46.12%;转向不当而引发的侧面碰撞可能性为55.72%;随交叉口进口道和出口道数量的增加,发生侧面碰撞的概率会增加.贝叶斯网络模型具有较高的精确度,相关研究可以为城市道路管理部门深入了解交通事故诱发因素和提高城市道路交通系统安全水平提供依据.

引用

页码：1300 / 1306

页数：7

共 6 条

[1] ARIMA模型在交通事故预测中的应用 [J].

张杰 ;

刘小明 ;

贺玉龙 ;

陈永胜 .

北京工业大学学报, 2007, (12) :1295-1299

[2] 我国高速公路交通事故的基本特点与预防对策 [J].

郑安文 .

公路交通科技, 2002, (04) :109-112

[3]

Being Bayesian About Network Structure. A Bayesian Approach to Structure Discovery in Bayesian Networks[J] . Nir Friedman,Daphne Koller.Machine Learning . 2003 (1)

[4] ESTIMATING NORMAL MEANS WITH A CONJUGATE STYLE DIRICHLET PROCESS PRIOR [J].

MACEACHERN, SN .

COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION, 1994, 23 (03) :727-741

[5] A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].

COOPER, GF ;

HERSKOVITS, E .

MACHINE LEARNING, 1992, 9 (04) :309-347

[6]

Safety index for evaluation of two-lane rural highways .2 Cafiso S,Cava G L,Montella A. Journal of the Transportation Research Board . 2007

← 1 →