基于貝葉斯網(wǎng)絡(luò)的公交車事故外因分析

賈曉惠，王化姍，崔用梅

(1.大連海事大學(xué)航運(yùn)經(jīng)濟(jì)與管理學(xué)院, 大連 116026；2.大連海事大學(xué)交通運(yùn)輸工程學(xué)院, 大連 116026)

在倡導(dǎo)環(huán)保理念、實(shí)施綠色出行行動(dòng)計(jì)劃的背景下，全國(guó)各地對(duì)城市公共交通的需求日益旺盛，公共交通的安全問題也顯得日益重要。2018 年世界衛(wèi)生組織(World Health Organization,WHO)發(fā)布了《2018 年全球道路安全現(xiàn)狀報(bào)告》[1]。該報(bào)告指出，54%的死者為行人、騎自行車者和騎摩托車者，以上幾類使用者也被世界衛(wèi)生組織稱為“弱勢(shì)道路使用者”。這一報(bào)告表明，各國(guó)需要制定政策，鼓勵(lì)公共交通出行，以滿足弱勢(shì)群體的需求。而與地鐵、輕軌等軌道交通相比，公交車和其他車輛一起在地面上運(yùn)行，往往受道路交通情況影響較大，事故影響因素更為復(fù)雜。并且與一般機(jī)動(dòng)車輛相比，公交車有固定的行駛路線和固定的運(yùn)營(yíng)時(shí)間且載客人數(shù)較多，以及有公交車專用道，與一般機(jī)動(dòng)車事故的影響因素有差異。因此，研究公交車事故特征，分析公交車事故影響因素，提出公交車事故的預(yù)防對(duì)策，成為交通安全領(lǐng)域迫切需要解決的問題。

目前，中外有許多學(xué)者聚焦于交通事故致因的研究。其中，一些學(xué)者不區(qū)分交通工具，將某種道路類型處的所有交通事故放在一起探究其致因。如，城市道路[2-10]、高速公路[11-13]、低等級(jí)公路[14]、山區(qū)公路[15-16]以及隧道處[17]的交通事故致因。除此之外，還有一些學(xué)者考慮到不同交通工具的事故致因可能存在差異，專門研究某一類交通工具的事故致因，例如公交車[18-24]、公路客運(yùn)[25-26]、電動(dòng)自行車[27]、摩托車[28]等事故致因。

但是，目前中國(guó)對(duì)于公交車事故致因的研究，都集中于研究駕駛員因素對(duì)公交車事故的影響，沒有學(xué)者系統(tǒng)地關(guān)注外部因素的影響。而事故的發(fā)生是人、車、路、環(huán)境共同作用的結(jié)果。據(jù)美國(guó)官方研究所(National Highway Traffic Safety Administration)的事故報(bào)告指出，在公交車事故中，與駕駛員因素直接相關(guān)的案例占70%，間接相關(guān)的案例為90%[19]，說明外部因素對(duì)公交車事故也有較大影響。所以現(xiàn)探究除人的因素以外車、路、環(huán)境這些外部因素對(duì)公交車事故的影響。

在交通事故致因的研究中，所使用的方法主要包括logit模型[4,8,11,16,18,24,27]、logistic模型[3,15]、結(jié)構(gòu)方程模型[5,23]、關(guān)聯(lián)規(guī)則[7,9,13-14]、貝葉斯網(wǎng)絡(luò)[2,12]、偏最小二乘回歸[10]。由于事故的影響因素較為復(fù)雜，而貝葉斯網(wǎng)絡(luò)與回歸模型相比，對(duì)線性沒有嚴(yán)格的要求，能夠有效處理變量間存在交互作用的情況[2]，可以有效地從大量的數(shù)據(jù)中發(fā)現(xiàn)變量間的關(guān)系,并且以概率的形式將變量間的關(guān)聯(lián)程度表示出來。所以現(xiàn)選擇使用貝葉斯網(wǎng)絡(luò)研究公交車事故致因。以此來豐富交通事故致因的研究文獻(xiàn)，并且為相關(guān)管理部門提出意見以減少公交車事故的發(fā)生。

1 構(gòu)建公交車事故致因的貝葉斯網(wǎng)絡(luò)模型

1.1 變量選擇與預(yù)處理

采用A市的259條公交車事故數(shù)據(jù)，數(shù)據(jù)中包含事故車輛單位、事故發(fā)生日期和地點(diǎn)，駕駛員姓名、事故責(zé)任、事故類型，傷亡情況等信息。通過整理提取出包含車、路和環(huán)境3個(gè)方面的以下變量，同時(shí)為了滿足建模要求，對(duì)變量進(jìn)行離散化處理。經(jīng)處理后的各變量取值如表1所示。

1.2 結(jié)構(gòu)學(xué)習(xí)

貝葉斯網(wǎng)絡(luò)的構(gòu)建包括兩個(gè)步驟：結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。結(jié)構(gòu)學(xué)習(xí)有3種學(xué)習(xí)方法。

(1)專家知識(shí)建模。這種建模方法是由專家根據(jù)先驗(yàn)經(jīng)驗(yàn)直接給出貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

(2)機(jī)器學(xué)習(xí)建模。通過運(yùn)用機(jī)器算法對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)，挖掘出變量之間的關(guān)系，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

(3)前兩種方法相結(jié)合。對(duì)于專家知識(shí)建模，通常主觀因素影響較大，而對(duì)于機(jī)器學(xué)習(xí)建模，即使可以使用各種結(jié)構(gòu)學(xué)習(xí)方法與評(píng)分函數(shù)，但受數(shù)據(jù)、結(jié)構(gòu)學(xué)習(xí)方法等諸多因素的影響，使學(xué)習(xí)結(jié)果有很大的隨機(jī)性，需要經(jīng)過多次實(shí)驗(yàn)才能得到滿意的結(jié)果。因此，采用第三種方法，綜合機(jī)器學(xué)習(xí)和專家知識(shí)構(gòu)建貝葉斯網(wǎng)絡(luò)。機(jī)器學(xué)習(xí)選擇K2算法。由于使用K2算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)，需事先給定網(wǎng)絡(luò)節(jié)點(diǎn)排序，所以貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的具體步驟為：首先，通過相關(guān)性分析得出節(jié)點(diǎn)排序；其次，使用K2算法學(xué)習(xí)出初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)；最后，根據(jù)專家建模經(jīng)驗(yàn)完善貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。最終得出貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1所示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)由7個(gè)節(jié)點(diǎn)和7條連線組成，節(jié)點(diǎn)就是表1中對(duì)應(yīng)的7個(gè)變量，節(jié)點(diǎn)間的連線表示節(jié)點(diǎn)間的依賴關(guān)系。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)體現(xiàn)了公交車事故是車、路、環(huán)境3方面因素共同作用的結(jié)果。如事故類型同時(shí)受天氣、時(shí)間、道路線形、地點(diǎn)的影響，這充分反映了公交車事故的實(shí)際情況。

表1 公交車事故變量的離散化取值表

圖1 公交車事故外因的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

1.3 參數(shù)學(xué)習(xí)和模型驗(yàn)證

選擇貝葉斯方法進(jìn)行貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。它的基本思想是：給定一個(gè)含有未知參數(shù)的分布和一個(gè)樣本數(shù)據(jù)集D，θ是一個(gè)具有先驗(yàn)分布p(θ)的隨機(jī)變量，根據(jù)樣本數(shù)據(jù)集D的學(xué)習(xí)，將使θ的概率發(fā)生變化，記為p(θ|D)，稱為θ的后驗(yàn)概率，參數(shù)學(xué)習(xí)的目的就是計(jì)算這個(gè)后驗(yàn)概率。因?yàn)镈irichlet分布的共軛特性可以降低計(jì)算的復(fù)雜程度，提高計(jì)算效率，所以先驗(yàn)分布通常取作Dirichlet分布，p(θ)的Dirichlet分布形式[2]為

(1)

(2)

θ的后驗(yàn)分布為

Dir(θ|?1+N1,?2+N2,…,?γ+Nγ)

(3)

運(yùn)用貝葉斯估計(jì)法和MATLAB的 Full-BNT工具箱進(jìn)行貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。具體實(shí)現(xiàn)步驟為：首先，將數(shù)據(jù)導(dǎo)入MATLAB中；其次，依據(jù)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，輸入?yún)?shù)的先驗(yàn)分布；最后，調(diào)用Full-BNT工具箱中的bayes_update_params函數(shù)學(xué)習(xí)網(wǎng)絡(luò)節(jié)點(diǎn)的參數(shù)。表2和表3分別給出了在天氣、時(shí)間、道路線形(平直道路)、地點(diǎn)(路口)、事故責(zé)任(全責(zé))共同作用下，事故類型的參數(shù)學(xué)習(xí)結(jié)果以及實(shí)際計(jì)算結(jié)果。

表2 事故類型的參數(shù)學(xué)習(xí)結(jié)果

表3 事故類型的實(shí)際計(jì)算結(jié)果

從模型參數(shù)學(xué)習(xí)結(jié)果和實(shí)際計(jì)算結(jié)果的比較與模型預(yù)測(cè)命中率兩方面入手，驗(yàn)證貝葉斯網(wǎng)絡(luò)模型的有效性。通過參數(shù)學(xué)習(xí)結(jié)果和實(shí)際計(jì)算結(jié)果的比較發(fā)現(xiàn)，模型最大絕對(duì)誤差為0.000 1。通過運(yùn)行MATLAB程序，得出該模型的命中率為84.17%。通常命中率能達(dá)到80%以上，就可以認(rèn)為是非常好的結(jié)果[29]。所以，綜上可知，這個(gè)貝葉斯網(wǎng)絡(luò)模型是合理的，可以運(yùn)用其進(jìn)行推理分析。

2 模型結(jié)果分析

由貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖可知，天氣、時(shí)間、道路線形、地點(diǎn)都是公交車事故致因。根據(jù)概率大小各致因因素容易導(dǎo)致的事故類型及每一事故類型的傷亡情況和最強(qiáng)致因都不盡相同。

2.1 各致因因素對(duì)事故類型的影響

2.1.1 天氣對(duì)事故類型的影響

根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果，得出天氣對(duì)事故類型的影響，如圖2所示。

圖2 天氣與事故類型的關(guān)系

由圖2可知，根據(jù)概率由大到小，天氣導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。根據(jù)對(duì)實(shí)際事故數(shù)據(jù)的統(tǒng)計(jì)可知，公交車事故中幾乎有一半是非碰撞事故，所以無(wú)論天氣如何，都是發(fā)生非碰撞事故的可能性最大，這一結(jié)果與實(shí)際相符。此外，還可以看出，雨天發(fā)生非碰撞事故的概率為50.02%，高于晴天和陰天；在陰天時(shí)比在晴天和雨天更容易與小汽車及非機(jī)動(dòng)車碰撞；晴天更容易與公交車碰撞。

2.1.2 時(shí)間對(duì)事故類型的影響

根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果，得出時(shí)間對(duì)事故類型的影響，如圖3所示。

圖3 時(shí)間與事故類型的關(guān)系

由圖3可知，根據(jù)概率由大到小，時(shí)間導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。無(wú)論在工作日還是在非工作日，都是最容易發(fā)生非碰撞事故。但是在工作日發(fā)生非碰撞事故的概率為48.13%，高于非工作日的38.22%。原因可能是在工作日存在出行高峰期，在高峰期時(shí)車輛較多，公交車會(huì)因?yàn)槎惚芷渌囕v而產(chǎn)生急剎車的行為，造成非碰撞事故。此外，非工作日和工作日中與小汽車及非機(jī)動(dòng)車碰撞的概率基本相同。而在非工作日與公交車碰撞的概率遠(yuǎn)大于工作日。

2.1.3 道路線形對(duì)事故類型的影響

根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果，得出道路線形對(duì)事故類型的影響，如圖4所示。

圖4 道路線形與事故類型的關(guān)系

由圖4可知，根據(jù)概率由大到小，道路線形導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。無(wú)論在平直道路還是在非平直道路，都是最容易發(fā)生非碰撞事故。但是在平直道路發(fā)生非碰撞事故的概率為45.94%，高于非平直道路的31.29%。原因可能是駕駛員在非平直道路，更會(huì)謹(jǐn)慎駕駛，主動(dòng)避免非碰撞事故的發(fā)生。此外，還可以看出，在平直道路與非平直道路中，平直道路更容易發(fā)生非碰撞事故及與小汽車碰撞，非平直道路更容易與非機(jī)動(dòng)車及公交車碰撞。

2.1.4 地點(diǎn)對(duì)事故類型的影響

根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果，得出地點(diǎn)對(duì)事故類型的影響，如圖5所示。

圖5 地點(diǎn)與事故類型的關(guān)系

由圖5可知，根據(jù)概率由大到小，地點(diǎn)導(dǎo)致的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。在路口最容易與小汽車碰撞，概率為45.45%；在站牌、門口處最容易發(fā)生非碰撞事故。因?yàn)樵谡九铺幊丝蜕舷萝嚂r(shí)，由于司機(jī)開關(guān)門不當(dāng)會(huì)導(dǎo)致非碰撞事故；在門口處行人較多，司機(jī)也可能因?yàn)槎惚苄腥硕眲x車造成非碰撞事故。此外，在同一事故類型中，在門口處更容易發(fā)生非碰撞事故，在路口處更容易與小汽車及非機(jī)動(dòng)車碰撞，在站牌處更容易與公交車碰撞。

2.2 事故類型對(duì)傷亡情況的影響

根據(jù)貝葉斯網(wǎng)絡(luò)模型的推理結(jié)果，得出事故類型對(duì)傷亡情況的影響，如圖6所示。

圖6 事故類型對(duì)傷亡情況的影響結(jié)果

由圖6可知，當(dāng)發(fā)生非碰撞事故時(shí)，造成傷亡的可能性最大，概率為94.36%。因?yàn)榉桥鲎彩鹿手腹卉囕v在線路運(yùn)營(yíng)中因緊急制動(dòng)、突然加速、急促轉(zhuǎn)彎、路面顛簸、開關(guān)門操作不當(dāng)?shù)仍?，使車上乘客身體失去平衡而摔倒、碰撞、擠壓導(dǎo)致受傷或物品受損而造成的事故，所以非碰撞事故最容易造成傷亡。其次是與非機(jī)動(dòng)車碰撞，造成傷亡的概率為52.92%。因?yàn)榉菣C(jī)動(dòng)車與小汽車及公交車相比，保護(hù)措施較少，所以更容易造成傷亡；與小汽車及公交車碰撞造成傷亡的概率相對(duì)較小，分別為18.85%和16.23%。

2.3 致因因素比較分析

綜合圖2～圖5可知，雨天發(fā)生非碰撞事故的概率為50.02%，高于晴天和陰天；工作日發(fā)生非碰撞事故的概率為48.13%，高于非工作日；平直道路發(fā)生非碰撞事故的概率為45.94%，高于非平直道路；門口處發(fā)生非碰撞事故的概率為54.47%，高于路口、站牌和其他地點(diǎn)。因此，各外部致因因素對(duì)非碰撞事故的影響強(qiáng)度由大到小依次是地點(diǎn)、天氣、時(shí)間、道路線形。同理可得，對(duì)與小汽車碰撞的影響強(qiáng)度由大到小依次是地點(diǎn)、天氣、時(shí)間、道路線形；對(duì)與非機(jī)動(dòng)車碰撞的影響強(qiáng)度由大到小依次是道路線形、地點(diǎn)、天氣、時(shí)間；對(duì)與公交車碰撞的影響強(qiáng)度由大到小依次是道路線形、時(shí)間、地點(diǎn)、天氣。

3 結(jié)論與建議

在公交車事故致因的研究中，國(guó)內(nèi)學(xué)者集中研究駕駛員因素對(duì)事故的影響，但事故的發(fā)生是人、車、路、環(huán)境共同作用的結(jié)果，所以外部致因也不容忽視。通過使用貝葉斯網(wǎng)絡(luò)得出了公交車事故外部致因以及各事故類型最強(qiáng)外部致因，具體結(jié)論如下。

(1)天氣、時(shí)間、道路線形和地點(diǎn)是公交車事故的致因因素，其中道路因素(包括道路線形和地點(diǎn))是最強(qiáng)致因因素；根據(jù)概率由大到小，造成的事故類型依次是非碰撞事故、與小汽車、非機(jī)動(dòng)車、公交車碰撞。

(2)當(dāng)發(fā)生非碰撞事故時(shí)，最容易造成傷亡，概率達(dá)到94.36%，且地點(diǎn)是非碰撞事故的最強(qiáng)外部致因。因此在門口和站牌這種最容易發(fā)生非碰撞事故的地點(diǎn)要放置醒目的交通標(biāo)志，提醒駕駛員提前減速慢行，謹(jǐn)慎駕駛。

(3)當(dāng)與小汽車碰撞時(shí)，有18.85%的概率會(huì)造成傷亡，且地點(diǎn)是與小汽車碰撞的最強(qiáng)外部致因。所以在路口這種最容易與小汽車碰撞的地點(diǎn)，在出行高峰期時(shí)，可以讓交通警察指揮交通。同時(shí)公交車駕駛員在路口處行駛時(shí)既要注意其他道路方向的小汽車，也要注意與同向行駛的小汽車保持安全距離。

(4)當(dāng)與非機(jī)動(dòng)車碰撞時(shí)，有52.92%的概率會(huì)造成傷亡，且道路線形是與非機(jī)動(dòng)車碰撞的最強(qiáng)外部致因。所以在最容易與非機(jī)動(dòng)車碰撞的非平直道路，要設(shè)置健全的非機(jī)動(dòng)車專用道。同時(shí)駕駛員也要多注意避讓非機(jī)動(dòng)車騎行者及行人，因?yàn)橄鄬?duì)于公交車來說，他們是“弱勢(shì)道路使用者”。

(5)當(dāng)與公交車碰撞時(shí)，有16.23%的概率會(huì)造成傷亡，且道路線形是與公交車碰撞的最強(qiáng)外部致因。所以在最容易與公交車碰撞的非平直道路，相關(guān)部門要進(jìn)行道路整修，改善道路路面狀況。同時(shí)駕駛員要注意減速慢行且與前車保持安全距離，避免追尾前方公交車輛。

研究結(jié)果與國(guó)內(nèi)城市道路交通事故相關(guān)研究結(jié)果相比[2,4]，相同之處是道路因素是最容易引起傷亡事故的因素；不同之處是公交車最容易發(fā)生非碰撞事故，而非多車事故。而且，還進(jìn)一步得出非碰撞事故、與非機(jī)動(dòng)車及行人碰撞事故容易造成傷亡，并將道路因素細(xì)分為地點(diǎn)和道路線形后得出它們分別是兩種類型事故的最強(qiáng)致因。此外，研究結(jié)果是在站牌處發(fā)生公交車事故多為非碰撞事故，會(huì)增加傷亡的可能性，而國(guó)外的相關(guān)研究成果顯示在站牌處發(fā)生公交車事故會(huì)降低傷亡的可能性[24]。

雖然系統(tǒng)地分析了外部因素對(duì)國(guó)內(nèi)公交車事故的影響，但仍存在一些不足。受公交車事故數(shù)據(jù)獲取途徑限制，數(shù)據(jù)中缺乏事故的具體發(fā)生時(shí)段以及不涉及雪、霧的天氣情況，在之后的研究中可以加入這些情況，以獲得更細(xì)致的結(jié)果。