15、铁路平交道口安全与铁路运营的贝叶斯网络建模及演绎验证

铁路平交道口安全与铁路运营的贝叶斯网络建模及演绎验证

铁路平交道口安全的贝叶斯网络建模

在铁路平交道口安全分析中，贝叶斯网络建模是一种有效的方法。首先，通过公式 $CM = V^a×T^b$（其中 $b = 1 - a$ ，根据法国国家铁路网络公司（SNCF Réseau）的统计分析，拟合效果最佳的 $a$ 值为 0.354 ，因为铁路交通对平交道口事故的影响比公路交通更显著）计算得到的 $(V^{0.354}×T^{0.646})$ 被视为一个综合参数，反映了铁路和公路交通的综合暴露频率。

贝叶斯风险模型的建立

• 变量定义 ：基于组合数据库 ND 的统计结果作为输入源导入贝叶斯网络（BN）风险模型。对连续变量进行数据离散化处理，如“平均每日公路交通量”“平均每日铁路交通量”“铁路限速”“宽度”“长度”和“修正矩”等连续变量分为 3 组，每组样本数量相近；法国本土 21 个地区的“区域风险”因素也分为 3 组，按风险水平降序排列，每组包含 7 个区域风险因素。对于有限离散变量，如“路线走向”“剖面”“平交道口抛锚”“之字形违规”“平交道口堵塞”和“平交道口停车”，为每个变量值分配一个单独的状态。SAL2 事故的后果严重程度根据事故中的死亡人数和受伤人数定义，具体分为 5 个等级，后果严重程度从 1 级到 5 级逐渐增加，各节点状态总结如下表所示：
  | 节点名称 | 节点属性 | 节点状态 |
  | — | — | — |
  | 修正矩（CM） | 机会节点 | CM 低于 19（$0 ≤ CM < 19$），CM 19 - 49（$19 ≤ CM < 49$），CM 49 以上（$