Resumen

Con el aumento de la demanda y el transporte de materiales peligrosos (Hazmat), los frecuentes accidentes de transporte de Hazmat por carretera han suscitado la preocupación generalizada de la comunidad. Por lo tanto, es necesario analizar las implicaciones de los factores de riesgo, que harían que la seguridad del transporte de materiales peligrosos evolucionara del "tipo pasivo" al "tipo activo". Con el fin de explorar la influencia de los factores de riesgo que resultan en accidentes y predecir la ocurrencia de accidentes bajo la combinación de factores de riesgo, se recogieron y examinaron 839 accidentes ocurridos en el período 2015-2016. La estructura de la red bayesiana se estableció mediante el conocimiento de los expertos utilizando la teoría de la evidencia de Dempster-Shafer. El aprendizaje de parámetros se llevó a cabo mediante el algoritmo de maximización de expectativas (EM) en Genie 2.0. Los dos resultados principales que podrían obtenerse son los siguientes. (1) El modelo de red bayesiano puede explorar el factor o combinación más probable que conduce al accidente, que calculó la probabilidad posterior de cada factor de riesgo. Por ejemplo, la importancia de tres o más vehículos en un accidente que conduce al accidente grave es mayor que menos vehículos, y en ausencia de otras evidencias, las razones más probables de "accidente de explosión" son los vehículos que transportan líquidos inflamables, mayor cantidad Hazmat, fallo del vehículo, y el transporte en otoño. (2) El modelo puede predecir la ocurrencia de accidentes estableciendo los grados de influencia de factores específicos. Así, la probabilidad de accidentes por alcance causados por "exceso de velocidad" es de 0,42, y la probabilidad puede llegar hasta 0,97 cuando el conductor circula con exceso de velocidad por carreteras de baja categoría. Además, se pudo obtener la compleja relación lógica en los accidentes de transporte de mercancías peligrosas por carretera, y se pudo expresar la relación incierta entre varios factores de riesgo. Estos resultados podrían proporcionar apoyo teórico a las empresas de transporte y a los departamentos gubernamentales en la adopción de medidas eficaces para reducir el riesgo del transporte de mercancías peligrosas por carretera.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:factores de riesgo, accidente, accidentes, accidentes de transporte de mercancías peligrosas por carretera, accidentes frecuentes de transporte de mercancías peligrosas por carretera, modelo de red bayesiana, estructura de red bayesiana, transporte de mercancías peligrosas por carretera, teoría de la evidencia de shafer, relación lógica compleja
• Keywords:risk factors, accident, accidents, hazmat road transportation accidents, frequent hazmat road transportation accidents, bayesian network model, bayesian network structure, hazmat road transportation, shafer evidence theory, complex logical relationship