原文传递
基于因子学习的危化品车辆道路运输风险分析
| 论文题名： | 基于因子学习的危化品车辆道路运输风险分析 |
| 关键词： | 危化品车辆;道路运输;风险评价;交通安全 |
| 摘要： | “十四五时期”，随着国家工业发展和交通发展的日新月异，危化品作为影响国民经济发展的基础性原料和制成品，被大量生产、运输、销售到全国各地。与其他一般车辆发生的交通事故相比，危化品车辆道路运输事故会造成更加严重的事故后果。对此，面临着这样一个有不确定风险性的运输安全问题，论文对危化品车辆进行道路运输的风险分析。旨在为日后的危化品车辆道路运输安全性的提升提供理论指导和方法依据，为危化品车辆道路运输事故风险提供防范建议。 首先对危化品运输事故风险机理进行剖析，分析了危化品车辆道路运输风险分析的需求，论述了危化品车辆道路运输风险分析的方法，介绍了因子学习的相关基础理论；接着运用因子分析的方法，通过SPSS软件对危化品车辆道路运输风险因子进行研究，运用改进的权重模型对危化品车辆道路风险的影响因子的重要性程度进行排序；然后提出了一种结合了遗传变异算法的对抗网络危化品车辆道路运输风险因子的生成模型，通过Python中的PyTorch深度学习框架实现该模型，并对模型生成数据的可靠性进行了评估；之后通过Bow-tie模型对危化品车辆道路运输进行风险辨识，利用D-S证据理论完成贝叶斯网络结构的学习，使用D-分割理论进行贝叶斯网络结构的修正。运用MatLab中的贝叶斯工具箱完成贝叶斯网络模型的建立，利用模型对风险节点进行预测，发现其结果错误率偏大；最后构建基于FA-GAN-BN的危化品车辆道路运输风险分析模型，通过FA-GAN对某化工业园区的危化品车辆道路事故数据进行处理，再利用BN对危化品车辆道路运输进行风险分析，并对推理分析的结果进行了总结，得到了各个风险因子的后验概率。针对道路条件这一运输安全指标，将其子因素与危化品车辆道路运输发生事故率进行拟合，发现当坡度大于-2%，小于2%；平曲线半径大于400m；视距大于150m适宜危化品车辆道路通行。 论文以危化品车辆道路运输风险为研究对象，利用因子学习的方法，通过FA-GAN进行数据处理，BN分析危化品车辆道路运输风险的方式，构建了基于因子学习的危化品车辆道路运输风险分析模型，在一定程度上完善了危化品车辆道路运输风险分析模型理论方法，对日后的危化品车辆道路运输安全有重要意义。 |
| 作者： | 叶益健 |
| 专业： | 交通运输工程 |
| 导师： | 刘世超;刘伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
