危险货物往往易燃易爆炸,并且对环境污染性强,危险货物运输中如果发生事故,很可能会对人民的生产生活和生态环境造成长期巨大的危害,研究危险货物道路运输事故的影响因素,预测其发生的概率对识别运输途中的风险,为危险货物道路运输企业制定有效的降低风险措施具有重要意义。本文综合运用关联规则、解释结构模型和贝叶斯网络知识,构建危险货物道路运输事故贝叶斯网络预测模型,并通过事故实例进行验证。主要研究内容如下:本文首先对危险货物道路运输事故特征进行统计和分析,基于2013-2018年1000多起道路危险货物罐车运输事故数据和200多条道路危险货物运输罐车模拟驾驶试验数据,运用Apriori算法挖掘事故影响因素,提取并分析了以事故发生为后项的关联规则,确定选择不安全驾驶行为、操作失误、车辆故障(含罐体)、道路类型、道路线形、天气、照明条件、时段、月份、危险货物类型为危险货物道路运输事故关键影响因素。利用关联规则改进了传统解释结构模型,通过挖掘危险货物道路运输事故影响因素之间的关联规则,结合专家知识来判断因素之间的关系,从而建立结构解释模型,确立了各影响因素间的层级关系。基于因素间的层级关系和贝叶斯网络结构学习方法建立了危险货物道路运输事故贝叶斯网络结构,采用专门的贝叶斯网络软件对网络结构进行参数学习,最终构建危险货物道路运输事故预测模型,并验证了模型的精度,利用预测模型对危险货物道路运输事故的影响因素敏感性进行排序,并对事故实例进行分析。