基于T-S模糊故障樹(shù)和貝葉斯網(wǎng)絡(luò)的重特大交通事故成因分析*

鄭 來(lái) 顧 鵬 盧 健

（1.哈爾濱工業(yè)大學(xué)交通科學(xué)與工程學(xué)院 哈爾濱150090；2.公安部交通管理科學(xué)研究所 江蘇 無(wú)錫214151）

0 引 言

近年來(lái)我國(guó)道路交通安全狀況持續(xù)向好，但1次死亡10人及以上的重特大道路交通事故卻仍時(shí)有發(fā)生，造成了大量的人員傷亡和巨額財(cái)產(chǎn)損失，社會(huì)影響極其惡劣，引起各界的高度重視與關(guān)注。雖然我國(guó)對(duì)每起重特大交通事故都會(huì)開(kāi)展深度調(diào)查，分析事故的直接原因和間接原因，但在重特大交通事故成因分析的基礎(chǔ)理論與方法及系統(tǒng)性等方面仍較為薄弱，在一定程度上制約了對(duì)重特大道路交通事故的防治能力。

交通事故成因分析是交通安全領(lǐng)域研究與實(shí)踐的重要組成部分，常用的方法和原理包括數(shù)據(jù)的統(tǒng)計(jì)分析、單事件原理、事件鏈原理、決定因素原理、多事件鏈原理等[1]。目前對(duì)重特大交通事故的成因分析常使用傳統(tǒng)的統(tǒng)計(jì)分布模型、關(guān)聯(lián)規(guī)則、貝葉斯理論模型、故障樹(shù)等。比如，許得杰等[2]對(duì)甘肅省2005—2010年發(fā)生的重特大事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析；袁泉等[3]對(duì)我國(guó)2009—2013年重大交通事故的主要因素特點(diǎn)進(jìn)行統(tǒng)計(jì)分析。這些分析在一定程度上忽略了事故成因之間的關(guān)聯(lián)性。相較而言，Xu等[4]應(yīng)用關(guān)聯(lián)規(guī)則挖掘技術(shù)識(shí)別了重特大交通事故中同時(shí)出現(xiàn)的事故成因；Zeng等[5]利用貝葉斯空間廣義有序Logit模型分析了重特大交通事故的嚴(yán)重程度；Xu等[6]也利用貝葉斯生存理論分析了造成重特大交通事故的因素。上述方法能夠更好地考慮成因關(guān)聯(lián)性，卻受事故數(shù)據(jù)稀少、變量選取主觀等問(wèn)題制約。

基于多事件鏈原理的故障樹(shù)分析方法由于原理簡(jiǎn)單、操作容易，在交通事故成因分析如山區(qū)高速公路事故成因分析[7-8]、重特大交通事故致因研究[9]等領(lǐng)域均應(yīng)用廣泛。但是，傳統(tǒng)故障樹(shù)存在故障狀態(tài)描述簡(jiǎn)單、邏輯關(guān)系不準(zhǔn)確、故障概率數(shù)據(jù)獲取難度大、精度低等缺陷。為了克服上述缺陷，學(xué)者們提出了T-S模糊故障樹(shù)分析方法，引入T-S門(mén)代替?zhèn)鹘y(tǒng)邏輯和與或門(mén)來(lái)描述事件之間的關(guān)系，同時(shí)引入模糊理論并考慮多種故障狀態(tài)對(duì)事件的影響，取得了良好的應(yīng)用效果。比如，劉勇等[10]將T-S模糊故障樹(shù)模型應(yīng)用至多態(tài)導(dǎo)航系統(tǒng)性能分析中，發(fā)現(xiàn)中間事件是導(dǎo)航系統(tǒng)的薄弱環(huán)節(jié)；羅彥斌等[11]基于T-S模糊故障樹(shù)提出1種新的公路隧道凍害分析方法。盡管T-S模糊故障樹(shù)方法相較于傳統(tǒng)故障樹(shù)方法有了明顯的改進(jìn)，但該方法在推演概率時(shí)，仍存在計(jì)算量大、計(jì)算邏輯復(fù)雜、無(wú)法反向推理驗(yàn)證等問(wèn)題[12]。

貝葉斯網(wǎng)絡(luò)不僅能夠描述事件的多態(tài)性和事件之間的復(fù)雜邏輯關(guān)系，還可以進(jìn)行反向推理，與故障樹(shù)分析方法具有優(yōu)勢(shì)互補(bǔ)性。因此，學(xué)者們嘗試將二者結(jié)合進(jìn)行研究。Khazad等[13]和Wilson等[14]對(duì)傳統(tǒng)二態(tài)故障樹(shù)與貝葉斯網(wǎng)絡(luò)進(jìn)行比較，并根據(jù)二者之間的聯(lián)系提出了故障樹(shù)向貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化的方法；周忠寶等[15]針對(duì)多態(tài)元件組成的二態(tài)系統(tǒng)可靠性定量分析的難點(diǎn)，提出了多態(tài)故障樹(shù)轉(zhuǎn)化成貝葉斯網(wǎng)絡(luò)的分析方法，用于系統(tǒng)故障診斷和實(shí)時(shí)監(jiān)控。然而，以上貝葉斯網(wǎng)絡(luò)的構(gòu)建都是基于傳統(tǒng)故障樹(shù)，遺傳了傳統(tǒng)故障樹(shù)的缺陷。相比而言，結(jié)合T-S模糊故障樹(shù)和貝葉斯網(wǎng)絡(luò)的事故成因分析方法更好地實(shí)現(xiàn)了優(yōu)勢(shì)互補(bǔ)，近年來(lái)在機(jī)械[16]、隧道施工[17]、系統(tǒng)可靠性分析[18]等領(lǐng)域得到了成功應(yīng)用，但在道路交通安全領(lǐng)域的應(yīng)用有限。

綜上所述，現(xiàn)階段重特大交通事故成因分析方法多受事故極稀少性、致因多樣性與復(fù)雜性等特點(diǎn)制約，并且存在變量選取、關(guān)聯(lián)閾值確定等問(wèn)題。為了克服上述缺陷，筆者引入T-S模糊故障樹(shù)和貝葉斯網(wǎng)絡(luò)融合模型進(jìn)行重特大交通事故成因分析，構(gòu)造T-S模糊故障樹(shù)并將其轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)，系統(tǒng)量化分析重特大交通事故發(fā)生的主要原因，為交通管理部門(mén)采取預(yù)防應(yīng)對(duì)措施提供方法依據(jù)和基本對(duì)策。

1 數(shù)據(jù)描述

本文數(shù)據(jù)來(lái)源于公安部交通管理局《道路交通事故統(tǒng)計(jì)年報(bào)》2010—2018年的152起重特大交通事故調(diào)查報(bào)告。調(diào)查報(bào)告中詳細(xì)記錄了事故時(shí)間、事故地點(diǎn)、肇事車輛、肇事駕駛?cè)?、現(xiàn)場(chǎng)道路情況，以及事故的直接和間接原因等信息。

根據(jù)調(diào)查報(bào)告并結(jié)合交通系統(tǒng)中的4大構(gòu)成，將重特大交通事故發(fā)生的影響因素分為人的因素、車輛因素、道路因素、環(huán)境因素4個(gè)方面。其中，人的因素按照駕駛員不良狀態(tài)和不良行為分成8個(gè)子因素；車輛因素按照車輛機(jī)械故障及其他因素分成4個(gè)子因素；道路因素按照不良線形、路面不良狀態(tài)以及附屬設(shè)施隱患分成7個(gè)子因素；環(huán)境因素按照不良天氣和其他因素分成5個(gè)子因素。重特大交通事故影響因素匯總見(jiàn)表1。

表1 重特大交通事故影響因素?cái)?shù)據(jù)匯總Tab.1 Summary of factors influencing extraordinarily severe traffic crashes

2 T-S模糊故障樹(shù)與貝葉斯網(wǎng)絡(luò)融合方法

2.1 基于T-S模糊故障樹(shù)的貝葉斯網(wǎng)絡(luò)構(gòu)建

2.1.1 T-S模糊故障樹(shù)

T-S模糊故障樹(shù)是由頂事件、中間事件、基本事件組成的倒立樹(shù)狀圖，并通過(guò)T-S門(mén)規(guī)則描述事件之間的邏輯因果關(guān)系。典型的T-S模糊故障樹(shù)見(jiàn)圖1（a）。圖1中x1,x2,x3為基本事件；y為中間事件；T為頂事件。每個(gè)事件的多種狀態(tài)均采用分布在[0,1]上的模糊數(shù)進(jìn)行描述。

圖1 T-S模糊故障樹(shù)與貝葉斯網(wǎng)絡(luò)Fig.1 T-S fuzzy fault tree and Bayesian network

一般采用梯形隸屬函數(shù)作為描述基本事件狀態(tài)的隸屬函數(shù)，采用三角形隸屬函數(shù)表示的模糊子集來(lái)描述節(jié)點(diǎn)的故障概率。假設(shè)基本事件xi(i=1,2,…,n)和中間事件y的狀態(tài)分別為(x11，x12，…，x1μ1)，…，(xn1，xn2，…，xnμn)和 (y1，y2，…，yη)，其 中 0≤x11＜x12＜…＜x1μ1≤1，…，0≤xn1＜xn2＜…＜xnμn≤1，0≤y1＜y2＜…＜yη≤1，那么模糊子集和發(fā)生概率模糊子集可分別表示為

式中：m為模糊子集的中心；al和ar為左右支撐半徑，當(dāng)al=ar=0時(shí)，隸屬函數(shù)由梯形變成三角形；bl和br為左右模糊區(qū)，當(dāng)bl=br=0時(shí)，模糊數(shù)為確定數(shù)。

T-S門(mén)規(guī)則由一系列IF-THEN規(guī)則組成，即“IF x is A THENy=f(x)”。在已知規(guī)則l的情況下，若則y為y1的可能性為Pl(y1)，…，y為yky的可能性為Pl(yky)。其中：a1=1，2，…，μ1；…；an=1，2，…，μn。規(guī)則總數(shù)一般由事件的狀態(tài)數(shù)決定，即進(jìn)而，若基本事件各種狀態(tài)的出現(xiàn)概率分別為則規(guī)則l執(zhí)行可能性為

因此，中間事件各種狀態(tài)的發(fā)生可能性的模糊概率子集分別為

2.1.2 故障樹(shù)的貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化

貝葉斯網(wǎng)絡(luò)是由父節(jié)點(diǎn)、中間節(jié)點(diǎn)、子節(jié)點(diǎn)及有向邊構(gòu)成的有向無(wú)環(huán)圖，并通過(guò)條件概率表描述節(jié)點(diǎn)之間的連接強(qiáng)度。典型的貝葉斯網(wǎng)絡(luò)見(jiàn)圖1（b），其與T-S模糊故障樹(shù)的對(duì)應(yīng)關(guān)系見(jiàn)圖1。

將T-S模糊故障樹(shù)轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)一般有2個(gè)步驟：①確定貝葉斯網(wǎng)絡(luò)的有向無(wú)環(huán)圖，即將T-S模糊故障樹(shù)中的基本事件、中間事件、頂事件與貝葉斯網(wǎng)絡(luò)中的父節(jié)點(diǎn)、中間節(jié)點(diǎn)、子節(jié)點(diǎn)一一對(duì)應(yīng)；②確定貝葉斯網(wǎng)絡(luò)的條件概率表。由于T-S模糊故障樹(shù)的事件與貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)一一對(duì)應(yīng)，且執(zhí)行T-S門(mén)規(guī)則的計(jì)算滿足條件概率計(jì)算的條件以及獨(dú)立性，因此可利用T-S門(mén)規(guī)則對(duì)貝葉斯網(wǎng)絡(luò)中各節(jié)點(diǎn)的條件概率表進(jìn)行賦值。

2.2 基于貝葉斯網(wǎng)絡(luò)的T-S模糊故障樹(shù)推理

若已知基本事件xi在狀態(tài)下的發(fā)生概率模糊子集為根據(jù)T-S門(mén)規(guī)則執(zhí)行方法，則在基本事件xi狀態(tài)為xiai下頂事件T狀態(tài)為T(mén)q的條件概率模糊子集為

式中：C(T)為T(mén)的輸入事件集合；C(yi)為yi的輸入事件集合。

為了計(jì)算關(guān)鍵重要度、模糊重要度，需要將三角模糊數(shù)轉(zhuǎn)化為1個(gè)精確值，然后進(jìn)行計(jì)算[19]。由于本文采用的是三角形模糊數(shù)，故采用平均面積法，即

關(guān)鍵重要度是頂事件發(fā)生概率與基本事件發(fā)生概率之比。具體而言，基本事件xi對(duì)于頂事件T狀態(tài)為T(mén)q的關(guān)鍵重要度為

式中：μi為基本事件xi狀態(tài)的個(gè)數(shù)；P(T=Tq|xi=xiai)表示當(dāng)基本事件xi狀態(tài)為xiai時(shí)頂事件T狀態(tài)為T(mén)q的發(fā)生概率；P(T=Tq|xi=0)表示當(dāng)基本事件xi狀態(tài)為0時(shí)頂事件T狀態(tài)為T(mén)q的發(fā)生概率。

基本事件的模糊重要度描述的是基本事件的狀態(tài)從0到1的變化過(guò)程中對(duì)頂事件狀態(tài)的平均影響程度。模糊重要度越大，則說(shuō)明該基本事件的狀態(tài)對(duì)頂事件的影響越大?；臼录i對(duì)于頂事件T狀態(tài)為T(mén)q的模糊重要度為

式中：P(T=Tq|P(xi=xiai)=1)表示基本事件xi狀態(tài)為xiai時(shí)頂事件T狀態(tài)為T(mén)q的發(fā)生概率；P(T=Tq|P(xi=xiai)=0)表示基本事件xi狀態(tài)為0時(shí)頂事件T狀態(tài)為T(mén)q的發(fā)生概率。

后驗(yàn)概率概率是指頂事件T狀態(tài)為T(mén)q時(shí)，xi狀態(tài)為xiai的概率。利用頂事件發(fā)生概率結(jié)合貝葉斯條件概率公式進(jìn)行故障樹(shù)反向推理，能夠求得基本事件xi狀態(tài)為xiai的后驗(yàn)概率P(xi=xiai|T=Tq)，即

式中：P(xi=xiai，T=Tq)表示基本事件xi狀態(tài)為xiai時(shí)頂事件T狀態(tài)為T(mén)q的概率。

3 重特大交通事故成因分析

3.1 T-S模糊故障樹(shù)與貝葉斯網(wǎng)絡(luò)構(gòu)建

結(jié)合152起重特大交通事故提煉出的事故影響因素，建立用于分析發(fā)生重特大交通事故的T-S模糊故障樹(shù)，見(jiàn)圖2，其中發(fā)生重特大交通事故（T）為頂事件，y1～y11為中間事件，x1～x24為24個(gè)基本事件。

圖2 重特大交通事故成因分析T-S模糊故障樹(shù)Fig.2 T-S fuzzy fault tree for analyzing the causes of extraordinarily severe crashes

按照2.1.2中描述的方法，將重特大交通事故成因分析T-S模糊故障樹(shù)轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)有向無(wú)環(huán)圖，根據(jù)歷史數(shù)據(jù)得到貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的條件概率表，進(jìn)而利用T-S門(mén)規(guī)則，對(duì)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的條件概率表進(jìn)行賦值，即可得到完整的貝葉斯網(wǎng)絡(luò)，見(jiàn)圖3。

圖3 重特大交通更事故成因分析貝葉斯網(wǎng)絡(luò)Fig.3 Bayesian network for analyzing the cause of extraordinarily severe crashes

3.2 事故成因貝葉斯網(wǎng)絡(luò)推理

在進(jìn)行事故成因貝葉斯網(wǎng)絡(luò)推理前，首先根據(jù)事故記錄對(duì)24個(gè)基本事件進(jìn)行狀態(tài)劃分。劃分依據(jù)為：①每個(gè)基本事件均有2個(gè)基礎(chǔ)狀態(tài)，即發(fā)生（記為1）和未發(fā)生（記為0）；②若事故記錄中有明確的不同狀態(tài)描述，則劃分為多態(tài)。比如，超載事件按其超過(guò)額定載重的程度可分為“無(wú)超載”“超載20%以內(nèi)”和“超載超過(guò)20%”這3種狀態(tài)，分別用模糊數(shù)“0”“0.5”“1”進(jìn)行描述。其中，20%是《道路交通安全法》中不同處罰標(biāo)準(zhǔn)的界限；彎坡組合路段事件可以根據(jù)是否是此類型路段分為“否”“是”2種狀態(tài)，分別用模糊數(shù)“0”“1”進(jìn)行描述。

在24個(gè)基本事件中，x5，x9，x19，x20，x21，x22狀態(tài)可分為多態(tài)，即貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)狀態(tài)為[0,0.5,1],其余事件均為二態(tài)，即貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)狀態(tài)為[0,1]。根據(jù)歷史數(shù)據(jù)計(jì)算得到各根節(jié)點(diǎn)狀態(tài)的概率模糊子集，見(jiàn)表2，其中間元素為模糊子集中心，模糊化參數(shù)bl=br=0.15 m。

表2 根節(jié)點(diǎn)狀態(tài)概率模糊子集Tab.2 Fuzzy subset of the state probability of root nodes

受篇幅限制，僅以y1，y5，y6為例說(shuō)明T-S門(mén)規(guī)則賦值條件概率表的過(guò)程，y1的條件概率表見(jiàn)圖3。其中，第1行的含義是在y5狀態(tài)為0、y6狀態(tài)為0的條件下，y1狀態(tài)為0的可能性為1、y1狀態(tài)為0.5和1的可能性為0。根據(jù)構(gòu)建的貝葉斯網(wǎng)絡(luò)，結(jié)合條件概率表，利用式（4）即可計(jì)算得到各中間節(jié)點(diǎn)的狀態(tài)概率模糊子集。仍以圖3中節(jié)點(diǎn)y1為例，節(jié)點(diǎn)y1的狀態(tài)概率模糊子集為

連續(xù)利用式（4）可依次求得各中間節(jié)點(diǎn)各狀態(tài)的概率模糊子集，再根據(jù)各中間節(jié)點(diǎn)各狀態(tài)的概率模糊子集，求得葉節(jié)點(diǎn)各狀態(tài)的概率模糊子集為

上述結(jié)果表明，頂事件發(fā)生重特大交通事故的概率接近1，出現(xiàn)一般事故和不發(fā)生交通事故的概率基本為0。由于本文基本事件的發(fā)生概率數(shù)據(jù)是從已發(fā)生重特大交通事故中采集，因此計(jì)算結(jié)果與實(shí)際情況相吻合。通過(guò)計(jì)算頂事件的發(fā)生概率模糊子集，驗(yàn)證了T-S模糊故障樹(shù)的可行性和準(zhǔn)確性。

在確定頂事件的概率后，即可利用式（7）和式（8）得到各基本事件各狀態(tài)關(guān)于頂事件T狀態(tài)為1的關(guān)鍵重要度和模糊重要度；同樣地，在已知發(fā)生重特大交通事故的情況下，利用式（9）計(jì)算得到各基本事件各狀態(tài)的后驗(yàn)概率。關(guān)鍵重要度、模糊重要度、后驗(yàn)概率計(jì)算結(jié)果見(jiàn)表3。

表3 基本事件的關(guān)鍵重要度和模糊重要度Tab.3 Key importance and fuzzy importance of the basic event

3.3 事故主要致因及對(duì)策

基于T-S故障樹(shù)貝葉斯推理得到的關(guān)鍵重要度、模糊重要度和后驗(yàn)概率對(duì)24個(gè)重特大交通事故致因進(jìn)行排序，結(jié)果見(jiàn)表4。以排序數(shù)據(jù)為基礎(chǔ)，計(jì)算得到關(guān)鍵重要度與模糊重要度、關(guān)鍵重要度與后驗(yàn)概率、以及模糊重要度與后驗(yàn)概率的秩相關(guān)系數(shù)分別達(dá)到0.785，0.997，0.769，這說(shuō)明3個(gè)指標(biāo)對(duì)事故致因的排序具有較強(qiáng)的一致性。進(jìn)一步分析表4可知，3個(gè)指標(biāo)識(shí)別出的6個(gè)主要致因按序依次均為x7，x6，x18，x15，x16，x8。因此，可以判定操作不當(dāng)、超速、防護(hù)設(shè)施不完善、彎坡組合、路面濕滑、未按規(guī)定行駛是重特大交通事故的6個(gè)主要致因。這與已有研究得出的人為因素（操作不當(dāng)、駕駛經(jīng)驗(yàn)不足等）和道路因素（彎道、下坡）是重特大道路交通事故主要致因的結(jié)論基本一致。

表4 基本事件的關(guān)鍵重要度、模糊重要度、后驗(yàn)概率排序Tab.4 Critical importance，fuzzy importance，and posterior probability ranking of basic events

進(jìn)一步分析發(fā)現(xiàn)，涉及6個(gè)主要致因的重特大道路交通事故占其總數(shù)的95.39%，而其中某單一致因誘發(fā)的事故僅占比17.24%，多數(shù)重特大道路交通事故均是6個(gè)主要致因中2個(gè)或以上致因共同作用的結(jié)果，見(jiàn)圖4。2個(gè)致因的組合中，操作不當(dāng)與未按規(guī)定行駛、超速與未按規(guī)定行駛、操作不當(dāng)與超速等3個(gè)組合的占比遠(yuǎn)大于其他各類組合，分別占到了20.75%，20.75%，16.98%，而其他組合均不足10%；3個(gè)致因的組合中，雖然各組合的占比均較小，但涉及操作不當(dāng)、超速的組合占比分別達(dá)到63.33%和60%；4個(gè)致因的組合中，涉及防護(hù)設(shè)施不完善、超速、操作不當(dāng)3個(gè)致因的組合占比遠(yuǎn)大于其他組合，分別占到了71.43%，67.86%，64.29%；5個(gè)致因的組合中，操作不當(dāng)、超速、防護(hù)設(shè)施不完善、彎坡組合、路面濕滑的組合占比達(dá)55.56%。由此可得，6個(gè)主要致因中操作不當(dāng)與超速對(duì)重特大交通事故發(fā)生的影響程度遠(yuǎn)大于其他致因。

圖4 6個(gè)主要致因中不同數(shù)量的致因組合Fig.4 Different number of causative combination of the six major causes

因此，在進(jìn)行重特大道路交通事故預(yù)防時(shí)，應(yīng)重點(diǎn)考慮對(duì)6個(gè)主要致因的防治，尤其應(yīng)關(guān)注致因組合中占比大的人的因素（操作不當(dāng)、超速），這與普通交通事故的主要致因有一定的相似性[20]。其不同之處在于，重特大交通事故中“人”的因素多為大客車、中客車、大貨車、中貨車等營(yíng)運(yùn)車輛駕駛員。如圖5所示，在152起重特大交通事故中，大、中型車占比約77.2%。因此，加大對(duì)營(yíng)運(yùn)車輛的監(jiān)管，加強(qiáng)對(duì)營(yíng)運(yùn)車輛駕駛員的安全培訓(xùn)和教育，嚴(yán)厲打擊該類型車輛的超速、違規(guī)行駛等行為，是預(yù)防重特大交通事故發(fā)生的首要對(duì)策。此外，防護(hù)設(shè)施不完善、彎坡組合、路面濕滑等“路”的因素也是誘發(fā)重特大交通事故的主要原因。因此，需加強(qiáng)對(duì)安全隱患路段的排查，重點(diǎn)整治彎坡組合、長(zhǎng)大下坡、臨水臨崖等高風(fēng)險(xiǎn)路段，完善道路防護(hù)設(shè)施，提升道路交通應(yīng)急管理水平。

圖5 重特大交通事故肇事車輛類型Fig.5 Vehicle types of extraordinarily severe crashes

4 結(jié)束語(yǔ)

1）將T-S模糊故障樹(shù)與貝葉斯網(wǎng)絡(luò)融合，提出了基于T-S模糊故障樹(shù)貝葉斯推理的重特大交通事故成因分析方法，解決了T-S故障樹(shù)分析歷史數(shù)據(jù)依賴性大、邏輯關(guān)系表達(dá)不清、計(jì)算推理復(fù)雜等問(wèn)題，適用于事故數(shù)據(jù)少、事故致因多、影響因素關(guān)系復(fù)雜的重特大交通事故成因分析。

2）融合T-S模糊故障樹(shù)與貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)了重特大交通事故成因的正反向推理，其中正向推理計(jì)算得到了基本事件的關(guān)鍵重要度和模糊重要度，反向推理計(jì)算得到了重特大交通事故發(fā)生情況下基本事件的后驗(yàn)概率。3個(gè)指標(biāo)的交互對(duì)比保證了重特大交通事故成因分析結(jié)果的可靠性。

3）利用T-S模糊故障樹(shù)和貝葉斯網(wǎng)絡(luò)相結(jié)合的方法，識(shí)別出操作不當(dāng)、超速、防護(hù)設(shè)施不完善、彎坡組合、路面濕滑、未按規(guī)定行駛是造成重特大交通事故的6個(gè)主要致因，并進(jìn)一步確定了操作不當(dāng)和超速在6個(gè)主要致因中更為關(guān)鍵。

4）根據(jù)分析結(jié)果，提出有針對(duì)性的重特大交通事故預(yù)防措施。在日常交通管理中，應(yīng)著重加強(qiáng)對(duì)營(yíng)運(yùn)車輛運(yùn)營(yíng)企業(yè)及駕駛員的監(jiān)管與教育，也需重視對(duì)安全隱患路段的排查和工程治理。