郑长江，葛升阳，郑树康

（河海大学1.土木与交通学院，江苏 南京210098；2.物联网学院，江苏 常州213022）

交通拥堵会造成经济损失、能源过量消耗、出行时间延误，环境污染等可估计和不可估计的损失，弊端之大，不言而喻。据不完全统计，在美国，60%的城市道路交通拥堵是由偶发性的交通事故、车辆抛锚和货物掉落等引起的[1]。

不同于每日高峰时段的常发性交通拥堵，无法预知的偶发性交通事件也是导致交通拥堵的重要因素，并且此类拥堵相比常发性拥堵更容易引发二次事故。这里交通事件指的是不可预知的偶发性事件，包括交通事故、碰撞、抛锚，车辆着火，道路施工、天气情况等。美国在2003年的统计显示，全美范围内车辆碰撞发生600万次，导致死亡人数42 000人，受伤人数29 000 000人，经济损失总值约2 306亿美元，相当于美国国民生产总值的2.3%[2]。

国内外很多研究者致力于交通事件持续时间的预测，每一个研究使用的数据集不同，事件变量不同，样本容量也不同。总结这些方法，有以下几类：时间序列模型，线性回归模型，非参数回归模型，基于概率分布的预测方法，基于条件概率的预测方法，决策树预测模型和人工神经网络，Cox Regression模型，多元回归分析，模糊逻辑预测[3-5]等。考虑众多方法的优缺点，将贝叶斯网络预测模型用于城市道路交通事件持续时间的研究，并对事件总数据集进行了分类和影响因子的提取，提高了精度。

1 交通事件持续时间的定义

一般，交通事件持续时间包括4个重要的组成部分，并且各部分相互独立，即：事件的发现时间，事件响应时间，事件清除时间和交通恢复时间，具体如图1所示。……