交通事故致因分析的贝叶斯网络建模  

Bayesian network modeling for causation analysis of traffic accident

作　　者：许洪国[1] 张慧永[1] 宗芳[1] 

机构地区：[1]吉林大学交通学院,长春130022

出　　处：《吉林大学学报（工学版）》2011年第S1期89-94,共6页Journal of Jilin University:Engineering and Technology Edition

基　　金："863"国家高技术研究发展计划项目(2009AA11Z201);国家自然科学基金项目(50878095;50908099)

摘　　要：综合运用相关性分析方法和K2算法进行了贝叶斯网络的结构学习,并应用贝叶斯参数估计方法进行了贝叶斯网络的参数学习,建立了交通事故致因分析的贝叶斯网络。应用已建网络分析了各因素对事故严重程度的影响,推理学习了改善交通控制方式在降低交通事故严重程度方面起到的作用。研究结果表明,基于贝叶斯网络建立的交通事故致因分析模型预测精度较高,而且可以应用于影响事故严重程度的因素分析,并在此基础上考察如何采取优化措施改善交通安全。综合运用相关性分析方法和K2算法进行了贝叶斯网络的结构学习,并应用贝叶斯参数估计方法进行了贝叶斯网络的参数学习,建立了交通事故致因分析的贝叶斯网络。应用已建网络分析了各因素对事故严重程度的影响,推理学习了改善交通控制方式在降低交通事故严重程度方面起到的作用。研究结果表明,基于贝叶斯网络建立的交通事故致因分析模型预测精度较高,而且可以应用于影响事故严重程度的因素分析,并在此基础上考察如何采取优化措施改善交通安全。

关 键 词：交通运输系统工程 交通事故 事故严重程度 贝叶斯网络 K2算法 

分 类 号：T-55[一般工业技术]