基于贝叶斯网络的港区危险品运输事故影响因素分析

摘要

在历来的事故中，危险品事故造成的损失最为严重，而且影响范围最广。在人员、经济、环境各个方面都有着非常大的危害，做好防范措施非常重要。然而港区，又是一个特殊的环境，在这个环境中，各个时间段的车流量与城市中的车流量并不一致，而是与集疏港、天气、货物周转量、运输公司所处地点有很大关系。因此，对这一特殊地点的危险品事故防范措施需要特别制订。而且港区事故对于货物、道路和环境的损失造成的影响比事故在一般城市道路的造成的影响要大的多，预防突发事件的措施要得到充分的重视。
　　首先，本文在根据学习前人文章的基础上，将贝叶斯网络应用于港区这一特定环境下的危险品影响因素分析。原先的文章有对山区或是城市某一区域进行特定的研究。本文与原来的研究相比，对于危险品运输事故的研究方法上有很大改进。本文是在学习其他文章的过程中，看到了一些论文的方向，并且发现了这些文章中存在的不足，从而确定了自己的研究方向，发现了危险品与交通有密切的相关性，也学习了贝叶斯网络的基础知识。危险品运输事故和交通运输是密不可分的，港区危险品事故可以分为两种:交通事故引发的危险化学品事故和非交通事故引发的危险化学品事故。根据相关论文，60％的危险化学品事故都是由交通事故引起的，因而通过改善交通状况来减少危险品运输事故的发生是一个可行的办法。
　　然后，本文介绍了主要使用到的方法:贝叶斯网络，Genie软件和K2算法。贝叶斯网络是用图形的方式表达变量间的概率关系，基础是贝叶斯定理。贝叶斯网络由两部分构成:图形和条件概率表。图形是用来表示变量间的定性关系，比如天气的变化会导致事故的发生，图形上就会通过天气变量指向事故变量来表示这种概率关系。条件概率表是贝叶斯网络的另外一部分，表达的是不同变量间的定量关系，比如天气情况良好，事故发生的概率。与贝叶斯网络有关的软件有很多，比如BayesiaLab、Hugin expert、MSVNX、Netica和PNL软件。这篇论文选用了Genie软件，软件的推理功能依靠的是联合树推理算法，这个算法是把贝叶斯网络转化为联合树，再定义联合树的节点间的消息传播过程，逐个对已知状况的节点进行消元，最后得到在已知节点状况下目标节点的后验概率，根据后验概率来进行分析。另外介绍了K2算法的基本原理，K2算法是通过对贝叶斯网络打分的方式选择最优的贝叶斯网络。
　　其次，结合了港区的实际情况，阐述了整个贝叶斯网络的构建过程。从港区的特性出发，选择了几个关键性的因素，有天气、肇事车辆类型、肇事车辆行为、混行，分别对这些定义进行解释，确定每个节点的值域，根据不同的指标来划分状态。在Matlab软件中使用包含K2算法的BNT工具箱，输入有关网络的参数，比如节点的值域，节点的个数，节点顺序，得到结合港区特性下的贝叶斯网络的模型，并且在excel表格中使用统计工具得到条件概率表的数据。
　　最后，根据历年的数据样本对天津港南疆港区进行分析，提出了具体的改进方案。介绍了南疆港区的地理位置、交通设施。通过实地调查以及对南疆港区交警大队的交流获得的历年事故数据进行详细的研究，确定港区危险品影响因素的个数以及在不同条件下影响因素发生的概率，把这些已知条件输入以贝叶斯网络为基础的Genie软件中，实现分析，根据分析结果制订改进措施，需要采取改进措施的地方有很多:比如设置交通标志、重新施划道路标线、设置中央隔离带、设置路侧安全护栏以及设置连续照明保证车辆在夜间行车的安全。另外，对于非交通事故引起的危险品运输事故进行分析，因为港区运输的危险品大部分是液态或液化气危险品，这类危险品在运输方面需要有很多注意的地方，因为在危险品方面了解的不多，因此我根据之前对其他参考文献的学习，在改进方面提出建议。本文的研究成果对于管理部门以及运输公司相关单位有一定的指导意义，同时贝叶斯网络在本篇文章中的应用也有一定的借鉴意义。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 危险品定义及其分类

1．3 近期典型事故回顾

1．4 研究意义

1．5 论文的主要研究内容

1．6 技术路线图

1．7 论文重难点及解决思路

第二章 国内外相关文献现状

2．1 对于危险品事故发生原因方法的研究

2．2 道路运输事故与危险品运输风险的分析

第三章 贝叶斯网络构造流程

3．1 贝叶斯网络的构成

3．2 贝叶斯网络结构学习

3．3 贝叶斯网络相关软件

3．4 使用Genie软件构建港区危险品事故影响因素网络

第四章 基于贝叶斯网络港区危险品事故影响因素分析模型建立

4．1 贝叶斯网络节点的确定

4．2 确定贝叶斯网络的结构

第五章 天津港南疆港区危险品运输事故实例分析

5．1 项目概述

5．2 评估数据与指标的选取

5．3 影响因素分析

5．4 非交通因素引起的危险品运输事故

5．5 问题分析及安全对策

6．1 本文主要结论

6．2 文章创新点

6．3 展望

致谢

参考文献