危险化学品道路运输风险预测模型研究

发布时间：2021-06-08 11:55

　　当前,我国危险化学品道路运输事故频发,事故后果严重使之不同于一般交通事故。为了减少危险化学品道路运输事故,合理控制事故风险,提出了一种基于贝叶斯网络的危险化学品道路运输事故风险预测模型。利用事故致因理论和D-S证据理论融合专家意见建立贝叶斯网络结构,以2016—2018年发生的447起数据作为训练样本,通过EM算法进行参数学习。对2020年1月发生的15起事故案例进行了情景模拟,事故后果类型、事故等级的预测准确率达到80%。经因果推理发现,环境条件为最常见的情况下,事故后果中发生泄漏的可能性最大;进一步推理发现,当司机状态为"疲劳驾驶"而其他节点状态为最常见时,易发生"油箱泄漏"和"爆炸"事故。 

【文章来源】：安全与环境学报. 2020,20(05)北大核心CSCD

【文章页数】：7 页

【部分图文】：

危化品道路运输风险的贝叶斯网络结构

收集了2020年1月我国发生的15起危化品道路运输事故案例作为验证的数据样本，分别将环境、人、车、物作为证据变量输入概率模型中，观察事故后果类型、事故等级、事故处理时间这3个节点状态的概率分布情况。将预测结果(最大概率状态值)与实际结果进行对比，考察预测准确性，依据式(10)计算模型准确率，结果见表5。事故后果类型、事故等级节点的预测准确率达到80%，表明模型预测效果非常好[15];而事故处理时间的预测准确率为60%，一是由于有关事故处理时间的数据很难收集详尽，模型在参数学习阶段的这部分样本数据较少;二是因为每个地区的救援能力、救援水平都直接影响救援效果，而救援效果的好坏导致事故处理时间长短不一。3 结果讨论

【参考文献】：
期刊论文
[1]2013-2017年我国危险化学品运输事故统计分析及预防对策[J]. 罗丹,廖婵娟,余欣柔.  中国公共安全(学术版). 2019(01)
[2]基于GM（1,1）-Markov的危化品道路运输事故与交通事故预测及关系研究[J]. 曹建,施式亮,曹华娟,李岩,王阳,陈晓勇.  中国安全生产科学技术. 2019(01)
[3]基于互信息和贝叶斯网络的船舶碰撞风险预测研究[J]. 李子强,杜利娥.  交通节能与环保. 2017(05)
[4]基于贝叶斯网络的危险化学品道路运输事故分析[J]. 朱婷,赵来军,王旭磊.  安全与环境学报. 2016(02)
[5]基于危险属性的事故致因理论综述[J]. 樊运晓,卢明,李智,裴晶晶.  中国安全科学学报. 2014(11)

博士论文
[1]铁路运输事故致因及安全风险分析方法研究[D]. 周进.北京交通大学 2018

硕士论文
[1]化工园区危险化学品储存风险管控模型研究[D]. 玄军伟.首都经济贸易大学 2017



本文编号：3218395