[发明专利]一种营运车辆道路交通事故风险识别方法

权利要求书

1.一种营运车辆道路交通事故风险识别方法，其特征是所述方法包括：

(1)获取营运车辆道路交通事故数据S＝(S1,S2,…,Sn)，每一个样本Si包含人员、车辆、道路环境和管理因素，梳理事故从安全状态到事故发生的风险演变轨迹，提取事故连锁反应的差异序列，并根据序列间事故诱发因素的连接关系，构建营运车辆道路交通事故连锁反应的有向图模型；

如果新模型与前一模型存在差异序列L＝(L₁,L₂,…,L_n)，将差异序列附加到初始样本模型中，直到样本数据处理完毕，此时新建成的初始模型即为有向图模型；(2)基于有向图与随机Petri网的转化原则，构建营运车辆道路交通事故连锁反应的随机Petri网模型；

(3)利用关联矩阵的S不变量验证上述随机Petri网模型的结构性，然后通过构造与此随机Petri网模型同构的马尔科夫链，进行系统性能分析；

(4)获取道路运输企业的交通事故数据和安全管理数据，利用数据挖掘、统计分析和模糊德尔菲法计算变迁的发生概率，利用贝叶斯推理法计算库所的发生概率；

(5)提取事故诱发因素的发生概率和连接关系，标记上述随机Petri网模型的路径数和路径长度，按顺序对此Petri网进行路径搜索，计算并求取风险度最大的路径，即关键事故链；

所述的路径风险度P(p_i)表示库所p_i的发生概率，P_i(t_j)表示库所p_i对应的下一个变迁t_j被激发的发生概率；

所述关键事故链识别算法的步骤为：

a.设定L_max值为0，关键链序号n值为0；

b.设定邻接矩阵Y和矩阵Z，其中邻接矩阵Y存放Petri网模型节点间的连接关系和变迁的触发概率，矩阵Z存放库所的发生概率；

c.对所述Petri网模型的路径数和路径长度进行顺序标记，分记为l和m；

d.从根结点P1出发，按照路径号的顺序分别对所述Petri网进行沿着有向弧的逆向搜索；

e.如果L(i+1)﹥L(i)，用L(i+1)值更替L_max值，并更替关键链序号n；

f.如果L(i+1)﹤L(i)，继续进行路径遍历，直到所有路径遍历完成为止；

g.输出L_max即关键事故链的风险度，并按照顺序输出关键事故链的所有事故诱发因素。

2.根据权利要求1所述的一种营运车辆道路交通事故风险识别方法，其特征是所述随机Petri网模型是在考虑营运车辆道路交通事故耦合转化特性的基础上，建立营运车辆道路交通事故连锁反应的综合有向图模型，并进行有向图向Petri网的转化得到的。

3.根据权利要求1所述的一种营运车辆道路交通事故风险识别方法，其特征是所述事故直接诱因对应的变迁发生概率是通过对道路运输企业的交通事故数据进行数据挖掘和统计分析得到，利用模糊德尔菲法对道路运输企业的安全管理数据进行分析得到相应变迁的发生概率，库所的发生概率是利用贝叶斯推理法进行计算得到的。