霧對高速公路運營危害性評價研究

高靜如

（同濟大學交通運輸工程學院，上海 201800）

霧對高速公路運營危害性評價研究

高靜如

（同濟大學交通運輸工程學院，上海 201800）

應用滬渝高速公路重慶繞城段（G5001）和渝昆高速公路（G85）重慶段上的天氣、交通檢測設施采集到的信息以及重慶高速公路路網的霧天管理信息，分析了霧對高速公路交通的影響，并對高速公路路網霧區路段的霧災害嚴重程度進行了評價。研究表明:不同能見度下霧使G85高速公路重慶段運行車速降低7%～61%，流量損失6% ～95%，G5001運行車速降低4%～29%，流量損失24%～93%。綜合考慮霧的出現頻率和嚴重程度以及路段交通水平，采用主成分分析及聚類分法建立了高速公路霧災害嚴重影響程度指數計算模型，提出霧災害指數的分級標準。對重慶高速公路網146個管理單元的霧災害指數進行了評價和分級，確定特別關鍵路段19個，關鍵路段24個，次關鍵路段49個。

霧災害;運營;高速公路網;危害性指數

0 引言

霧是影響高速公路運營常見的災害性天氣。霧的產生具有突發性、波動性、路段分布特性等，除易引發交通事故外，還常導致高速公路關閉和運行效率下降，嚴重影響路網運行。White，等［1］研究提出，能見度超過200 m時，霧對車速的影響很小;Hawkins［2］的研究發現，當能見度降低時，車頭時距低于2 s的車輛百分比會增加;D.S.Andrew［3］認為在自由流條件下，低能見度會使平均速度下降12% ～16%，通行能力損失12%;John E.Thornesff［4］分析了英國天氣和氣候變化對交通的影響，認為霧天道路通行能力將會降低;Kyte，等［5］分析了對公路交通影響的評價指標，建立了車速與天氣影響因素關系方程，指出霧使速度降低15% ～18%;Brilon，等［6］研究認為，能見度降低將會使道路通行能力降低13%～47%。

在國內，黃朝迎［7］歸納總結了公路運輸的霧害指標，分析了霧對公路運輸的影響過程，提出了影響評估的統計模型;丁小平，等［8］通過對有霧和無霧條件下交通流狀態的對比研究，進一步闡述了霧對高速公路交通流的影響機理;湯筠筠［9］分析了霧天對交通流的影響，提出有霧狀態下，能見度在140～200 m之間車速變化緩慢;能見度低于100 m時，車速急速下降。

綜上所述，國內外學者對于霧天的交通影響已做過一些研究，但對高速公路霧災害的系統性影響評價研究較少。筆者從交通延誤、流量損失、運營經濟和用戶滿意度等方面綜合研究了霧對高速公路運營的影響。

1 霧對重慶高速公路影響分析

1.1 數據來源及篩選

霧天能見度信息和交通信息來源于2010—2011年渝昆高速公路（G85）重慶段和滬渝高速公路重慶繞城段（G5001）監控中心的檢測數據。其中，G85重慶段數據由大安段、榮昌段和走馬段等3個觀測斷面的霧檢（能見度）與車檢數據組成;G5001數據由全線6處霧檢數據與24處車檢數據組成。

1.2 霧對運行車速及流量的影響

為了分析霧天不同能見度等級情況下的速度、車流量損失，將能見度劃分為6個區間，即:＜50 m，50～100 m，100～200 m，200～300 m，300～500 m 和＞500 m。

以能見度＞500 m時的速度和流量數據為正常指標，記為0損失。在能見度＜500 m時，霧對G85重慶段及重慶繞城高速公路（G5001）平均速度和交通量的影響分析結果如表1，車型損失比例如表2。

表1 不同能見度區間速度和車流量損失Table 1 Interval velocity and vehicle flow loss under different visibility /%

由表1可以看出，能見度降低將導致高速公路速度及流量損失，能見度越低對速度、流量損失影響越大。同時，由于道路條件和交通條件的不同，低能見度對各斷面速度的影響也有不同。此外，不同管理單元的日均流量的損失也不相同，這反映了高速公路路段所在公路網的完善程度及其在低能見度下為高速公路交通管制分擔流量的能力差異顯著。

表2 霧對車型流量損失的影響Table 2 Effects of fog on the volume loss between vehicle types/%

表2表明，在流量損失中各車型比例并不一致，特別是大型車輛，由于山區高速公路沿線公路網分流條件有限，大型貨車尤其是長途貨車即使在封路的情況下也不愿意駛離高速公路。

1.3 霧對車頭時距影響

將車頭時距＜5 s的交通行為定義為跟車行駛行為［10］，分別對霧天低能見度和晴天天氣情況下跟車車頭時距進行觀測，兩種天氣情況下的跟車車頭時距累計頻率曲線如圖1。

圖1 霧天和晴天跟車車頭時距累計頻率Fig.1 Car-following vehicle headway cumulative frequency on foggy and sunny weather condition

從圖1可以看出，晴天跟車車頭時距在2 s以內的車輛達44.4%，而霧天僅有31.9%的車輛跟車車頭時距在2 s以內;霧天跟車車頭時距平均值稍大于晴天跟車車頭時距平均值。取顯著性水平為0.05進行T檢驗，結果表明霧天和晴天的跟車車頭時距方差和均值間無顯著性差異，如表3。

表3 霧天和晴天車頭時距T檢驗Table 3 Test for vehicle headway under foggy and sunny condition

2 高速公路霧危害性影響評價模型

霧天對高速公路運營的影響主要體現在由于能見度降低所引發的時間延誤、交通量減少、高速公路運營經濟損失以及封路造成的高速公路用戶滿意度下降。

霧危害性影響評價模型應一方面考慮霧天出現的頻率和嚴重性，另一方面還需要考慮霧區路段的交通水平。霧天出現的頻率及嚴重性用管制時間、經濟損失及管制次數3個指標表示，交通水平用交通量、交通量損失及單元長度3個指標表示。

在上述6個初步確定的變量基礎上，經過主成分分析，得到主成分綜合分析模型［11］:

由主成分綜合模型分析得知交通量（X1）、管制時間（X2）、經濟損失（X3）、交通量損失（X4）的系數皆大于0.15，依據主成分分析原理，確定該4個因子為霧天災害影響關鍵因子。

式中:IHFD為霧天災害指數，指數越大，表示霧造成的被害程度越大;IT為延誤時間指數（T為延誤時間，采用管制時間均值，min）;IL為流量損失指數（L為流量損失，%）;IV為年平均日交通量指數（V為年平均日交通量，輛/d）;IE為通行費用損失指數（E為通行費用損失金額，元）。

通過對原始數據的選擇和處理，運用模糊聚類分析對管理單元的霧天災害影響程度進行分類，依據霧天災害指數進行分級，主要步驟如下。

2.1 創建數據矩陣

將論域U={x1，x2，…，xn}為被分類對象，每個對象又由m個指標表示其性狀，即xi=（xi1，xi2，…，xim）（i=1，2，…，n）。據此得原始數據矩陣:

2.2 數據標準化

在實際計算IHFD時，各指標的量綱不同，為了減少量綱帶來的差異，需將原始數據做適當變換，將原始數據根據模糊矩陣的要求，將數據壓縮到區間［0，1］上。

2.2.1 平移·標準差變換

2.2.2 平移·極差變換

將標準化矩陣利用聚類分析原理進行聚類分析［11］，依據聚類分析樹狀圖劃分管理單元類別。

2.3 評價等級

提出各管理單元霧災害嚴重程度類型被害指數的界限值，劃分霧害影響嚴重程度等級。

3 重慶高速公路網霧災害評價

根據重慶高速公路“二環八射”路網中各互通單元位置，將重慶高速公路網劃分為共計146個管理單元。依據兩個霧季高速公路交通管理信息，根據前述模型，描述每個管理單元的4個指標，組成146×4階矩陣。經過對原始數據進行平移標準差變換以及平移極差變化，得標準化霧害指數表，并依據模糊聚類原理，對預處理過的數據進行聚類分析。

依據聚類分析樹狀圖，將重慶高速公路管理單元分為5類，依次為極度影響、重度影響、中度影響、輕度影響和微度影響。結合霧天被害特征指數值得出5類管理單元霧災害嚴重程度類型被害指數的界限值見表4。

表4 重慶高速公路霧災害指數IHFD分級界限值Table 4 Threshold of IHFDfor Chongqing expressway network

重慶高速公路各管理單元霧災害影響指數如表5。將極度影響單元確定為特別關鍵路段，重度影響單元為關鍵路段，重度影響單元為次關鍵路段，是霧季管理的重點。

表5 重慶高速公路路網霧災害影響指數分布Table 5 Fog hazard distribution of Chongqing expressway network

（續表5）

4 結語

影響高速公路沿線霧區分布因素繁多，使高速公路網各管理單元表現出不同的霧情和交通影響。應用交通量、管制時間、經濟損失、流量損失4個指標，建立了霧天災害嚴重影響程度指數評價模型。通過對重慶高速公路網各管理單元進行統計分析，得出不同管理單元霧災害被害指數的界限值，確定了重慶高速公路網各管理單元霧災害影響指數分布和影響等級，其中特別關鍵路段共19個，關鍵路段共24個，次關鍵路段共49個，這92個路段是重慶高速公路霧季管理的重點路段。

（References）:

［1］ White M E，Jeffery D J.Some Aspects of Motorway Traffic Behavior in Fog［R］.Berkshire，U K:Transport and Road Research Laboratory，1980.

［2］ Hawkins R K.Motorway Traffic Behavior in Reduced Visibility［C］.Nottingham，U K:Proceedings of the Second International Conference on Vision in Vehicles（II），1987:135-142.

［3］ Andrew D S，Shah V，Goodwin L，et al.Analysis of Weather Impacts on Traffic Flow in Metropolitan Washington D.C.［R］.Washington，D.C.:Federal Highway Administration，2003:156-167.

［4］ Thornes J E.The impact of weather and climate on transport in the UK［J］.Progress in Physical Geography，1992，2（16）:187-208.

［5］ Kyte M，Khatib Z，Shannon P，et al.Effect of weather on freeflow speed［J］.Transportation Research Record:Journal of the Transportation Research Board，2001，1776:60-68.

［6］ Brilon W，Ponzlet M.Variability of Speed-Flow Relationships on German Autobahns 584［R］.Washington，D.C.:Transportation Research Record 1555，1996:91-98.

［7］ 黃朝迎.霧對公路運輸影響的初步研究［J］.氣象，2000，26（2）:2-3.

Huang Zhaoying.Preliminary study on the impact of fog on highway communication［J］.Meteorological Monthly，2000，26（2）:2-3.

［8］ 丁小平，戴娟莉，王建軍，等.霧區高速公路交通安全影響規律研究［J］.公路，2010（6）:152-158.

Ding Xiaoping，Dai Juanli，Wang Jianjun，et al.A study on influencing law of traffic safety on foggy expressway ［J］.Highway，2010（6）:152-158.

［9］ 湯筠筠.高速公路霧區交通安全保障技術研究［D］.合肥:合肥工業大學，2005:24-34.

Tang Yunyun.Research on Safeguards Technology of Expressway in Fog［D］.Hefei:Hefei University of Technology，2005:24-34.

［10］ Transportation Research Board.Highway Capacity Manual 2000［M］.Washington，D.C.:Transportation Research Board，2000:8.

［11］余錦華，楊維權.多元統計分析與應用［M］.廣州:中山大學出版社，2005:210-229.

Yu Jinhua，Yang Weiquan.Multivariate Statistical Analysis and Application［M］.Guangzhou:Zhongshan University Press，2005:210-229.

［12］張繼權，李寧.主要氣象災害風險評價與管理的數量化方法及其應用［M］.北京:北京師范大學出版社，2007:158-173.

Zhang Jiquan，Li Ning.Quantitive Method and Applications of Risk Assessment Management on Main Meteorological Disasters［M］.Beijing:Beijing Normal University Press，2007:158-173.

Evaluation of Fog Hazard Impact on Expressway Network Operation

Gao Jingru
（School of Transportation Engineering，Tongji University，Shanghai 201800，China）

The relative data from expressways of Shanghai-Chongqing（G5001）and Chongqing-Kunming（G85）in Chongqing such as the weather，the information got by traffic testing facilities and the management information in foggy day got by Chongqing highway road network，are adopted to analyze the impact of foggy weather on highway traffic.And hazardous degree of highway road network is estimated.The research shows that:for G85，the running speed loss is 7%to 61%，volume loss is 6%to 95%;the values are 4%to 29%and 24%to 93%for G5001.Relying on principal component analysis method and cluster analysis and synthesizing the frequency of fog，the severity of fog’s influence and the traffic level of segments，the index calculation model for estimating fog hazardous impact on expressway has been established and the grading standard of fog’s hazardous impact has been also proposed.The index calculation model and the grading standard mentioned above have been applied to 146 management units of Chongqing’s expressway network，which include 19 special key segments，24 key segments and 49 minor key segments.

fog hazard;operation;expressway network;hazardous index

U491

A

1674-0696（2013）02-0248-04

10.3969/j.issn.1674-0696.2013.02.17

2012-10-30;

2013-01-11

高靜如（1992—），女，重慶人，本科生，主要研究方向為交通工程。E-mail:manfeigao@163.com。

該4個指標建立霧天災害嚴重影響程度指數計算模型［12］: