高速公路交通事故概率预测方法研究

王少群 WANG Shao-qun；张晓明 ZHANG Xiao-ming

（长安大学经济与管理学院，西安710064）

0 引言

高速公路交通事故现已成为影响行车安全、运输效率的重要因素，而准确的事故预测和事故预防可以大大降低事故的危害性。回归分析预测、灰色预测、神经网络等都是比较经典的预测方法。回归分析方法利用解释变量和预测对象之间的因果关系建立回归分析模型，对未来发展做出预测，但是复杂对象难以确定其因果关系，从而降低了精度。灰色预测方法[1]可以弥补数据缺失的不足，同时会引起精度的下降。神经网络预测方法的非线性易形成局部极小状况，以致得不到全局最优解[2]。在短期微观事故预测方面，王莉莉[3]等基于模糊评价方法提出了事故实时预警模型，但这种方法在隶属度确定上具有较强的主观性；秦利燕等[4]基于数量化理论和最小二乘原理，提出了道路断面事故率预测方法，这种方法弱化了影响因素的非线性。本文在分析高速公路交通事故产生因素和大量历史资料的基础上，建立贝叶斯网络及预测模型，得出事故概率，为高速公路行车安全提供重要信息。

1 交通事故概率的贝叶斯推理

设 S=（s1，s2，s3，…sn）为影响交通事故 A 的因素集，其中s1，s2，s3，…sn为相互独立的变量。则根据贝叶斯理论得到：

根据条件独立性有：

整理便可得交通事故的条件概率：

2 模型建立及求解

2.1 高速公路交通事故影响因素分析 现在公共舆论与交通管理机构的官方统计都简单的认为事故的最主要因素是驾驶员的粗心、错误以及汽车的机械问题。这说明在以往研究中忽视了道路条件等因素的影响。而实际上，作为交通基础设施和车辆行驶基本条件，道路条件对交通事故的作用不可忽视。本文以信息可获取性为基本原则，分析了道路条件各种因素对高速公路交通事故的影响。

2.1.1 道路基本情况

2.1.1.1 道路平曲线及纵坡 适当半径的道路曲线路段可以使行驶者摆脱道路的单调感，减少困倦，但若速度控制不当，容易导致翻车或车辆侧滑等事故。纵坡坡度过大使车辆难以维持合理速度以及连贯状态，下坡时易形成车辆高速行驶，制动距离加长，上坡时易形成爬坡吃力，引发追尾等事故。

2.1.1.2 道路设计限速 道路设计限速会给驾驶员一种暗示，只要在限速内行车都是安全的，从而行驶速度会比较接近限速值。因此限速值大的道路上车辆行驶速度会更高。随着车速的提高，驾驶员可支配时间变少，使得驾驶员获取行车信息不全面、判断不准确等，导致操作失误，从而引发交通事故。而且车速与事故严重性成正比，高车速会导致更严重的后果。

2.1.1.3 立交、收费站、服务区处 进入立交、收费站和服务区，部分车辆需要减速、变道，导致形成复杂的交通状态和相对低速的交通流，大大增加了交通事故发生率。

2.1.1.4 隧道 在驶入或驶出隧道时，由于光线强度变化较大，容易对驾驶员视觉造成不利影响，从而做出错误判断，导致不当操作，引发交通事故。另外，秋冬季节，隧道口处易结冰，对行车安全也有不利影响。

2.1.2 外部环境影响

2.1.2.1 天气状况 不同天气状况对道路造成不同影响，主要表现在对路表和能见度的影响上。一般在雨雪天气时，路表会较湿润，摩擦系数会变小；大雾等天气下，能见度会大大降低，都不利于行车安全。

高速公路上车辆往往以较高速度行驶，能见度的微小变化会对行车安全都会造成较大影响。在遇到大雾、大雨、大雪等天气时，能见度会明显下降，严重时相关部门应立即做出反应，甚至封锁该路段。

本文在研究时将天气状况分为晴或多云、阴、雨、雪、雾等。

2.1.2.2 昼夜情况 白昼情况下，道路交通量较大，能见度较好，且小车比例较高；黑夜情况下，道路交通量较小，能见度差，大车比例较高；这些因素对交通事故的发生有着不同影响。

2.1.2.3 道路所处地形 一般来说，穿过山岭重丘的道路曲线和纵坡路段会比较多，而且还会伴随较多的隧道桥梁等，这都有可能增加事故发生几率。但一般来说，这些都能体现在道路的设计上，因此不再单独作为影响。

2.1.2.4 是否穿越村庄 穿越村庄路段上，行人或牲畜穿越的几率大，对交通安全的威胁很大。

2.1.3 道路通行状况 道路通行状况的主要体现形式是道路断面交通量。在交通能力一定的情况下，交通量大小直接影响道路的饱和度，而据统计分析，饱和度直接影响交通事故的频率与严重程度。一般来说，交通量越大，交通事故越多，但实际上当交通量达到一定程度时，由于车速减慢，交通事故数量反而减少。事故相对量与饱和度的关系如图1[5]。

图1 事故相对量与饱和度的关系

然而，实时的道路饱和度数据很难得到，本文通过路段交通量来研究它对事故的影响程度。

2.2 贝叶斯网路建立 根据2.1的分析，建立如图2的贝叶斯网络结构图。

图2 高速公路交通事故的贝叶斯网络

2.3 先验概率分布 求解图2的贝叶斯网路，需要众多先验知识，这些先验知识可以通过历史的统计数据得到，如表1。

表1 发生事故A时因素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）为因素集，其中 s1，s2，s3，…s6为相互独立的变量，A为有事故发生。

整理得到：

在式（1）中，P（A）的值为发生事故的样本数除以总样本数。应用贝叶斯公式，可以得到在任一状态集X下的事故发生概率，并依此来制定相应的对策。

3 小结

高速公路是交通的大动脉，因此高速公路行车安全至关重要，从而增加了高速公路预警的紧迫性和重要性。本文通过研究可观测的高速公路突发事件影响因素来建立模型，获取事故概率。主要内容和结论如下：

①分析得出高速公路事故影响因素体系，包括道路基本情况、外部环境影响、道路通行状况三个大类，道路平曲线及纵坡、道路设计限速等八个因素。本文对影响因素的分析是建立在现象可观测和信息可获取基础上的，舍弃了一些主观的以及实时的难以掌握的因素，这是为了方法的可操作性。如果技术水平提高了，可以增加更多的影响因素，从而使得模型更加精确。

②建立贝叶斯网络图，并推到出计算公式，得到高速路段的概率。通过前面对影响因素的分析，建立相应的贝叶斯网络，利用相关方法便可获得单样本的概率信息，再经过统计分析，与历史资料比较后得出危险等级，从而发布预警信息。

③预测基于广泛的同质数据积累，先验概率等信息随着时间的推移不断更新，从而更准确的反应实际情况。

本文研究仍有诸多不足之处，如由于部分数据难以获取，没有将车种构成、每天的交通量等考虑到贝叶斯网络结构中；由于人为措施的实施，使得某些状态下事故率较小，但实际上却较危险，如大雪时高速封路等。

[1]邓聚龙.灰色预测与决策[M].武汉：华中科技大学出版社，2002：45-174.

[2]焦李成.神经网络的应用与实现[M].西安:电子科技大学出版社，1997：92-114.

[3]王莉莉,史忠科,胡太平.基于模糊评价法的高速公路事故实时预测模型[J].系统工程理论与实践，2003，5：141-144.

[4]秦利燕,许洪国.基于量化理论的高速公路交通安全评价模型[J].山东交通学院学报，2002，12：33-36.

[5]裴玉龙，王炜.道路交通事故成因及预防对策[M].北京：科学出版社，2004.