[发明专利]一种基于BN-ISM模型的铁路交通事故预警方法及系统

说明书

本发明公开了一种基于BN‑ISM模型的铁路交通事故预警方法及系统，通过各铁路交通事故分析数据构建事故数据集，并将事故数据集中铁路交通事故项点数据与贝叶斯网络中网络节点匹配，得到初始的贝叶斯网络BN模型，同时利用K2算法与ISM模型对初始网络模型的结构进行优化调整，进而采用EM算法根据事故数据集对优化后的贝叶斯网络BN模型的参数进行量化，得到量化后的贝叶斯网络BN模型；本发明通过在传统的贝叶斯网络BN基础上，引入了ISM模型，根据网络节点之间的相互作用以及依赖关系，精确地划分节点层级，使得贝叶斯网络结构更为科学合理；解决了铁路运输事故预测不准确、预警不及时的问题，弥补了贝叶斯网络模型自身的不足。

技术领域

本发明涉及技术铁路运输事故预警领域，具体涉及一种基于BN-ISM模型的铁路交通事故预警方法及系统。

背景技术

交通运输是一个国家的经济动脉，与国家的经济发展息息相关。虽然铁路运输发展至今，人身伤亡事故数、死亡人数、财产损失数逐渐减少，但这样的事故仍时有发生，已有事故预警类研究主要集中在对预警模型的探索与改进，其中贝叶斯网络作为一种研究复杂系统关联性的模型，已在事故预警领域中得到了广泛应用。然而贝叶斯网络模型仍旧较少应用于铁路运输事故预警之中。且贝叶斯网络需利用因果效应模型来确定网络节点之间的优先次序，传统的因果效应模型在处理数量众多的网络节点时，划分层级的准确性较差。

发明内容

针对现有技术中的上述不足，本发明提供一种基于BN-ISM模型的铁路交通事故预警方法及系统，在传统的贝叶斯网络BN基础上，引入了ISM模型对网络节点之间的相互作用以及依赖关系进行挖掘，更为精确的划分了节点层级，使得贝叶斯网络结构更为科学合理。一定程度上解决了铁路运输事故预测不准确、预警不及时的问题。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于BN-ISM模型的铁路交通事故预警方法，包括以下分步骤：

S1、根据各铁路交通事故分析数据构建事故数据集；

S2、将事故数据集中铁路交通事故项点数据与贝叶斯网络中网络节点匹配，得到初始的贝叶斯网络BN模型；

S3、利用K2算法与ISM模型对初始的贝叶斯网络BN模型进行结构调整，得到优化后的贝叶斯网络BN模型；

S4、利用EM算法根据事故数据集对优化后的贝叶斯网络BN模型的参数进行量化，得到量化后的贝叶斯网络BN模型；

S5、利用量化后的贝叶斯网络BN模型对铁路交通事故进行预警。

优选地，步骤S1具体为：

从各铁路交通事故分析数据中采集铁路交通事故项点数据，并构建事故数据集，其中，事故数据集为事故关系矩阵，事故关系矩阵中各行对应一个事故，各列对应一个铁路交通事故项点数据。

优选地，步骤S3具体包括以下分步骤：

A1、利用ISM模型与因果效应，根据初始的贝叶斯网络BN模型中网络节点，得到各网络节点的父节点，并根据父节点构建备选父节点；

A2、计算贝叶斯网络BN模型中网络结构的后验概率，表示为

其中，P(W|S)为贝叶斯网络BN模型的网络节点的后验概率，S为事故数据集，W为贝叶斯网络BN模型的网络结构，P(WS)为网络结构W与数据集S都确定的概率，P(S)为数据集S确定的概率，P(S|W)为网络结构W确定的前提下与数据集S匹配的概率，P(W)为贝叶斯网络BN模型中网络结构的先验知识；

A3、根据后验概率构建基于K2算法的评分函数，得到各父节点的评分函数，其评分函数表示为：