基于贝叶斯网络的高速公路突发事件态势评估研究

为了提高高速公路应急管理能力,提升高速公路应急效率,从突发事件演化机理着手,基于贝叶斯网络构建了高速公路交通突发事件应急处置的态势评估模型,用于推理学习不同情况下的交通事故概率。评估模型首先确立了高速公路交通突发事件贝叶斯网络总体工作流程,将贝叶斯网络节点设置为高速公路突发事件的影响因素,贝叶斯网络结构根据各节点,即各影响因素之间的相互关系进行构建。其次,根据交通事故数据和专家知识对网络中每个节点进行条件概率赋值,再在条件概率的基础上根据现场初步事故信息运用联合树推理算法将贝叶斯网络转化为联合树,通过定义在联合树上的消息传递过程,计算后验概率;最后,在条件概率的基础上进行推理,建立评估模型实现对高速公路突发事件态势评估。实例分析随机抽取50次高速公路交通突发事件数据用于贝叶斯网络,通过软件Ge Nie2.2,以事故车辆类型,事故车辆数量,得到事故信息的时间,事发时天气及事发时段为证据信息,推理得出高速公路突发事件概率,预测结果表明基于贝叶斯网络的高速公路交通突发事件应急处置态势评估模型具有较高的准确性。

基于模糊元胞自动机的群体性突发事件态势评估

为更好地体现群体性突发事件演化规律，鉴于群体性突发事件态势演化过程中普遍存在模糊特点，结合模糊推理和元胞自动机理论，提出群体性突发事件态势评估的元胞自动机结构，定义相互影响系数m和情绪表现系数n两个输入变量，建立群体性突发事件态势评估的模糊元胞自动机模型。仿真结果表明，随着事件的发展，群体的情绪出现类聚现象，且相互影响系数越大同时情绪表现系数越大，群体活动表现越激烈，态势越严重，该模型可以更好地评估群体性突发事件态势，对于防范和应对处理群体性突发事件提供借鉴。