基于道路條件的事故易發(fā)路段辨識(shí)分析

趙新才 陳偉 劉偉 鄧元超 張力

摘 要：道路交通是由人、車(chē)、路、環(huán)境等要素組成的復(fù)雜系統(tǒng)，系統(tǒng)失衡造就會(huì)發(fā)生交通事故。為了客觀公正的辨識(shí)出事故易發(fā)路段，基于道路條件對(duì)城市道路交通安全影響因素進(jìn)行綜合分析，提出了一種基于道路條件影響因素的權(quán)重模型，基于逆向云模型的思想，建立了多因素危險(xiǎn)路段組合方式及發(fā)生交通事故的概率，提出了一種基于道路條件危險(xiǎn)路段組合的識(shí)別方法。方法應(yīng)用結(jié)果表明，基于道路事故數(shù)據(jù)統(tǒng)計(jì)分析計(jì)算各道路條件危險(xiǎn)組合的識(shí)別方法，能客觀地描述出事故易發(fā)路段，為道路安全隱患治理奠定基礎(chǔ)。

關(guān)鍵詞：道路條件;熵權(quán)法;逆向云模型;事故易發(fā)路段

中圖分類號(hào)：U491.31 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

道路交通事故易發(fā)路段的辨識(shí)是提高道路交通安全性的重要內(nèi)容之一，辨識(shí)結(jié)果的準(zhǔn)確性也會(huì)影響事故多發(fā)點(diǎn)治理的效率和準(zhǔn)確性。采用有效的辨識(shí)方法對(duì)事故易發(fā)路段進(jìn)行歸納和整理，有針對(duì)性的提出解決措施，對(duì)減少交通事故發(fā)生概率，降低事故嚴(yán)重程度具有重要意義。

道路交通系統(tǒng)是由人、車(chē)、路、環(huán)境等要素組成的復(fù)雜系統(tǒng)，一旦駕駛?cè)恕④?chē)輛及道路條件等因素之間的耦合失調(diào)，極易發(fā)生道路交通事故。綜合分析交通事故發(fā)生的因素，可以歸納為主觀因素和客觀因素兩大類，主觀因素主要包括人的因素，客觀因素主要包括車(chē)輛、道路交通環(huán)境因素。有關(guān)數(shù)據(jù)統(tǒng)計(jì)分析，由于道路條件引起的交通事故約占17%[1]，由此可見(jiàn)，道路作為車(chē)輛行駛的基本條件，對(duì)交通安全的影響不能忽視。

關(guān)于道路交通安全影響因素方面研究，國(guó)內(nèi)外主要基于單因素理論、多因素理論和系統(tǒng)致因理論三個(gè)方面分析[2]道路交通事故成因，主要采用貝葉斯網(wǎng)絡(luò)[3]、Apriori算法[4]進(jìn)行研究，并且大多數(shù)基于管理層面制定預(yù)防措施，對(duì)事故內(nèi)在致因分析較少。在交通事故的分析中，對(duì)人的因素研究較多，忽視了道路因素對(duì)交通安全的影響，所以在統(tǒng)計(jì)交通事故中道路及其環(huán)境因素造成的事故往往被忽略。

交通事故易發(fā)路段識(shí)別方面：國(guó)內(nèi)外主要的研究方法有直接分析和間接分析兩類[5]，直接分析法包括專家經(jīng)驗(yàn)法、事故率系數(shù)法、多元線性回歸法、泊松回歸分析法等;間接分析法有速度法、交通沖突法等。雖然分析方法簡(jiǎn)單易行，都能通過(guò)不同的角度識(shí)別事故易發(fā)路段，但分析中容易忽略一些關(guān)鍵要素，使鑒別結(jié)果的準(zhǔn)確性降低。

1 道路條件影響因素指標(biāo)

分析影響城市道路交通安全的因素，需充分考慮各類影響因素引發(fā)交通事故的可能性和引發(fā)事故的嚴(yán)重程度，根據(jù)道路交通的現(xiàn)狀，從交通工程理論分析可知，交通事故的發(fā)生是與特定路段的道路交通條件密切相關(guān)的。本文主要研究道路客觀條件對(duì)交通安全的影響，建立道路交通事故易發(fā)路段影響因素權(quán)重指標(biāo)體系，該指標(biāo)體系由7個(gè)一級(jí)指標(biāo)和50個(gè)二級(jí)指標(biāo)構(gòu)成。

2 影響因素權(quán)重計(jì)算

熵權(quán)法的基本思路是可以根據(jù)指標(biāo)變異性的大小來(lái)確定客觀權(quán)重[6]，可以有效地降低層次分析法中主觀因素的干擾，充分利用數(shù)據(jù)客觀的得出各道路條件因素的權(quán)重。

2.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理

假設(shè)有m個(gè)評(píng)價(jià)指標(biāo)，n個(gè)評(píng)價(jià)對(duì)象，得到的原始矩陣如下：

對(duì)矩陣進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化矩陣為：

表示第j個(gè)評(píng)價(jià)相對(duì)于第i個(gè)評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)值，此處采用極小值法對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理。

2.2 熵值計(jì)算

對(duì)于第j個(gè)影響因素，利用該影響因素下的數(shù)據(jù)列計(jì)算該影響因素的熵值：

2.3 計(jì)算偏差度

對(duì)于確定的第j個(gè)影響因素，如果該因素對(duì)道路交通安全的影響程度越小，則該影響因素下的數(shù)據(jù)列越接近完全無(wú)序狀態(tài)，熵值越大，該影響因素的偏差度越小。

2.4 權(quán)重計(jì)算

對(duì)偏差度進(jìn)行歸一化處理后得到的數(shù)值即為每個(gè)影響因素的權(quán)重，它反映了該影響因素對(duì)道路交通安全的影響程度的大小。

現(xiàn)以某城市2017年交通事故分類統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，對(duì)各數(shù)據(jù)歸一化處理。

取，利用熵計(jì)算模型計(jì)算每個(gè)影響因素的熵值，根據(jù)熵值計(jì)算每個(gè)影響因素的偏差度，對(duì)偏差度進(jìn)行歸一化處理，從而得到每個(gè)影響因素的權(quán)重如表1所示。

3 事故易發(fā)路段辨識(shí)分析

由于交通安全具有模糊性，不是所有指標(biāo)都能直接得到，且有的指標(biāo)很難定量確定出各參數(shù)的值。云模型以某個(gè)指標(biāo)的語(yǔ)言值為基礎(chǔ)，表示某個(gè)定性概念與定量關(guān)系之間的模糊關(guān)系的轉(zhuǎn)化[7]。云模型能實(shí)現(xiàn)指標(biāo)從模糊性及隨機(jī)性轉(zhuǎn)換為風(fēng)險(xiǎn)特征的不確定性。

本節(jié)將利用逆向云發(fā)生器實(shí)現(xiàn)從定量到定性的映射，它可以將精確的數(shù)據(jù)轉(zhuǎn)換為數(shù)字特征表示的概念。基于實(shí)際數(shù)據(jù)通過(guò)逆向云發(fā)生器計(jì)算后，得到單風(fēng)險(xiǎn)因素的云模型及其數(shù)字特征。將樣本點(diǎn)輸入逆向云發(fā)生器[8]，經(jīng)一系類算法演算后，輸出數(shù)字特征。算法過(guò)程如下：

針對(duì)交通安全的模糊性特征，采用專家打分法來(lái)獲得樣本數(shù)據(jù)，通過(guò)云發(fā)生器的計(jì)算，便能得到各風(fēng)險(xiǎn)因素的云模型。根據(jù)相關(guān)文獻(xiàn)研究，道路交通安全等級(jí)表評(píng)分取值如下表所示。

在得到第n層風(fēng)險(xiǎn)指標(biāo)云模型后，運(yùn)用虛擬云理論綜合云算法將第n層各個(gè)單因素的評(píng)估云綜合起來(lái)，得到第n-1層指標(biāo)的云模型，計(jì)算過(guò)程如下：

風(fēng)險(xiǎn)要素對(duì)整個(gè)城市道路交通風(fēng)險(xiǎn)的功效函數(shù)為：

表示用層次分析法得到的各要素的權(quán)重值。

m個(gè)風(fēng)險(xiǎn)要素構(gòu)成的耦合度模型為：

根據(jù)相關(guān)學(xué)科對(duì)耦合狀態(tài)的劃分可知，當(dāng)時(shí)，為低耦合;當(dāng)時(shí)，為中耦合;時(shí)，為強(qiáng)耦合。

根據(jù)安全耦合風(fēng)險(xiǎn)測(cè)度模型和耦合度模型可知，對(duì)于不同的風(fēng)險(xiǎn)點(diǎn)，R值越大，風(fēng)險(xiǎn)就越大，就越容易引發(fā)交通事故。

4 結(jié)語(yǔ)

本文基于道路條件分析交通事故影響因素，根據(jù)可獲得的歷史數(shù)據(jù)，采用熵權(quán)法確定各影響因素的權(quán)重;再運(yùn)用逆向云模型，建立不同道路環(huán)境組合下發(fā)生交通事故的概率模型。交通事故易發(fā)路段的鑒別可以為事故預(yù)防提供有力的依據(jù)，從而有針對(duì)性地采取治理措施，可以從根本上減少道路交通事故的發(fā)生。

參考文獻(xiàn)：

[1]EDUARDO A VASCONCELLOS. Reassessing traffic accidents in developing countries[J].Transport Policy，1996，4（02）：263-269.

[2]孫平，宋瑞，王海霞.我國(guó)道路交通事故成因分析及預(yù)防對(duì)策[J].安全與環(huán)境工程，2007，14（02）：97-100.

[3]Mbakwe A C，Saka A，Choi K，et al. Alternative method of highway traffic safety analysis for developing countries using Delphitechnique and Bayesian network[J].Accident Analysis & Prevention，2016，93（01）：135-146.

[4]王丹，胡堯，吳楠，等.城市道路交通安全影響因素分析[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，35（02）：14-21.

[5]李愛(ài)軍，思瑋，肖曼.交通事故易發(fā)路段的識(shí)別及速度控制[J].交通標(biāo)準(zhǔn)化，2012，37（09）：135-137.

[6]李元年.基于熵理論的指標(biāo)體系區(qū)分度測(cè)算與權(quán)重設(shè)計(jì)[D].南京航空航天大學(xué)，2008.

[7]王威，田杰，馬東輝，等.基于云模型的城市防震減災(zāi)能力綜合評(píng)估方法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2010，36（06）：764-770.

[8]王芳.基于云模型的高校教師滿意度綜合評(píng)價(jià)[J].技術(shù)與創(chuàng)新管理，2009，30（05）：636-639.