基于復雜網絡的營運貨車交通事故風險因素識別

胡立偉，楊鴻飛，何越人，趙雪亭，尹 宇，田海龍，凌浩晗

（昆明理工大學，交通工程學院，昆明 650500）

0 引言

近年來，中國道路貨物運輸需求激增，但營運貨車道路交通事故頻發且損失慘重。據公安部交通管理科學研究所統計，截止2020年底，我國營運車輛數僅占機動車保有量的5.55%，但營運車輛事故起數和事故死亡人數分別占交通事故總數的9.98%和15.67%。營運車輛道路交通事故萬車死亡率為3.95，是全國其他類型車輛交通事故平均水平的2.9 倍，營運車輛肇事以貨運車輛居多。在實現高效運輸的同時，營運貨車運行的安全問題不容忽視。

隨著學者對交通事故研究的深入，對道路交通事故致因分析從簡單的多米諾骨牌理論、故障樹分析等線性致因模型發展到復雜線性模型，如瑞士奶酪模型，但致因間的耦合關系仍為鏈式結構；再到基于系統理論建立的事故致因模型，如可靠性和誤差分析方法等[1-4]。近年來，復雜網絡理論基于圖論對復雜系統進行抽象和建模，為揭示系統內在聯系的拓撲結構提供了新的思路。目前復雜網絡廣泛應用于移動通信、電力系統、社會網絡等領域，一些學者將復雜網絡理論運用到事故致因分析及風險分析領域。馬欣[5]、辛匯文[6]、周進[7]等學者運用復雜網絡構建了鐵路事故致因模型，通過分析復雜網絡節點度、介數等統計特征，明晰關鍵因素及各因素間關聯性。李曉璐[8]、王雨晨[9]等學者為定量分析城市軌道交通事故因素間傳播關系，運用復雜網絡構建了城軌系統災害鏈網絡模型。肖琴[10]基于復雜網絡構建模型分析了兩棲水上飛機起降安全的風險演化過程。劉文恒[11]通過復雜網絡理論構建了公路穿村鎮路段事故致因網絡模型，并運用社團劃分GN 算法分析事故致因網絡。

綜上可知，常用的事故致因分析模型，如故障樹等是鏈式結構，無法充分體現因素間關聯性，且存在主觀因素。而營運貨車道路交通事故的發生是多種風險因素互相影響、共同作用的結果，營運貨車交通事故風險因素呈現出非線性變化特征，復雜網絡對分析因素間相互關聯、相互作用及其風險傳遞過程具有優越性。因此，本文運用事故統計數據，提取營運貨車交通事故風險因素集，創新性地基于復雜網絡理論構建營運貨車交通事故風險因素識別模型，利用復雜網絡統計特征，建立網絡節點多屬性決策綜合評價模型，定量分析營運貨車交通事故風險因素重要程度，挖掘風險因素間關聯性，為營運貨車事故預防提供理論與實證支撐。

1 營運貨車交通事故風險因素網絡模型

1.1 營運貨車交通事故風險因素提取

從貨車交通事故數據中提取營運貨車主要事故類型如下：正面碰撞a1，側面碰撞a2，追尾碰撞a3，側翻a4，側滑a5，燃燒/爆炸a6，墜落a7，碰撞行人/非機動車a8。依據貨車交通事故調查報告和人因分類等交通事故致因分類模型，將營運貨車交通事故風險因素集分為駕駛人、營運貨車、道路及自然環境、企業管理四方面，并以各風險因素作為網絡模型的節點，如表1所示。其中駕駛員監管疏漏s1、車輛監管疏漏s2風險因素在實際應用中可考慮分別應用企業月度違法率、車輛GPS 失效率這兩項指標反映。

表1 營運貨車交通事故風險因素集

1.2 營運貨車交通事故風險因素關系提取

營運貨車交通事故風險因素間存在正向促進與反向反饋的關系。實際上，各因素之間的相關關系分為兩種：一種是前者發生造成后者發生的因果關系；另一種是兩者相互影響、相互作用的關聯關系。在風險因素網絡中，如疲勞駕駛和駕駛員操作不當就既存在因果關系也存在相互關聯關系。文中重點討論網絡節點之間的親密程度，因此將營運貨車交通事故風險因素網絡簡化為無向網絡。以營運貨車交通事故風險因素作為風險網絡模型中的節點，各風險因素之間的關聯性作為節點的邊。采用共現分析描述節點間關聯程度，確定節點間的邊。若兩個風險因素同時出現在營運貨車交通事故致因中，則兩點具有共現關系，兩點之間存在邊。以各風險因素間的關系構造鄰接矩陣，具有共現關系的因素對應值記為1，其余記為0，即可得到描述風險因素間關聯關系的無向網絡。網絡邊的權重為因素間關聯程度，用風險因素間的共現率表示，以Jaccard指數作為統計指標，如下：

式中：Jij為風險因素i和j的共現率，且Jij=[0,1]；ni、nj分別為風險因素i、j出現的頻次；nij為風險因素i和j的共現頻次。

2 營運貨車交通事故風險因素網絡評價

2.1 網絡特征分析

(1)節點的度

節點的度是第i個節點擁有相鄰節點的數目，表征復雜網絡中節點中心性。度的數值越大，其重要程度越大[12]。

(2)網絡直徑及平均路徑長度

復雜網絡中任選兩節點，它們之間最短路徑長度的極大值稱為網絡直徑。全部節點對的平均距離值定義為網絡平均路徑長度，如下式：

式中：N為網絡節點的總數；dij為節點i與j之間的最短距離。

(3)聚合系數

局部聚合系數表征復雜網絡中節點聚集程度。節點任意兩個鄰居節點仍互為鄰居的平均概率，即網絡聚合系數，如下式所示：

式中：ki為與節點i相連的邊數；N(i)為Ki個節點之間實際存在的邊數。

(4)中介中心度

中介中心度反映某節點i對于其他節點j信息傳播控制的能力[13]。通過某節點最短路徑的數量與網絡中全部最短路徑數量的比例即為中介中心度，如下式所示：

式中：Bk(i)為節點i的點介數；δst(i)為通過節點i的最短路徑數量；δst為網絡中最短路徑數量總數。

(5)接近中心度

接近中心度反映某節點i與其他節點j間近鄰程度。如節點i距離其他節點越近，則節點i依賴其他節點傳播信息的依賴性越小，受其他節點限制性越弱[14]。某節點接近中心度為基于該節點i到網絡中其他所有節點j的最短路徑之和的倒數值，如下式所示：

式中：C(i)為節點i的接近中心度；∑yd(y,x)為節點i至其他所有節點的距離之和。

2.2 營運貨車交通事故風險因素重要程度綜合評價

實際運用中使用單一指標評估節點重要程度存在片面性，因此作者從不同維度采用不同參數度量節點影響網絡的程度，利用度中心性、介數中心性及接近度中心性指標構建網絡節點多屬性決策綜合評價模型。

假設復雜網絡中節點數為n，每個節點有m個特征指標，節點的集合為V={V1,V2,V3,…,Vn}。Til(i=1,2,3,…,n;l=1,2,3,…,m)代表第i個節點的第l個特征指標值，則復雜網絡節點的多屬性特征指標矩陣如下式：

運用理想方案評估節點綜合重要程度K值，Ki越大，節點對于網絡越重要，公式如下：

式中：plmax、plmin分別為矩陣P每列向量最大值、最小值。

3 實例分析

從交管部門搜集了5 702 條2010—2017 年云南省貨車專項交通事故數據，應用于營運貨車交通事故風險因素網絡模型中。

3.1 網絡構建

以表1 中提取的營運貨車交通事故風險因素及8 種主要事故類型作為營運貨車交通事故風險網絡節點，共計37 個。按共現分析法構建營運貨車交通事故風險因素網絡鄰接矩陣A1，如下所示：

據據式（1）運用Jaccard指數計算共現率，得到Jaccard指數矩陣A2，如下所示：

據鄰接矩陣式(12)及Jaccard 指數矩陣式(13)，繪制加權無向營運貨車交通事故風險因素網絡，如圖1 所示。風險因素網絡總計37 個網絡節點和350 條邊。由圖可知，營運貨車交通事故風險因素網絡多節點之間相互聯系、相互影響，表明營運貨車交通事故風險因素網絡具有高度復雜性，營運貨車交通事故的發生是各種風險因素相互耦合作用的結果。

3.2 網絡特征分析

(1)節點的度

營運貨車交通事故風險因素網絡各節點的度如圖1所示。網絡中各節點的度值呈不均勻分布，總體上駕駛員風險因素和企業管理風險因素度值較大。度值較大的節點為駕駛員監管疏漏s1、車輛監管疏漏s2、超速d1、超載d2、操作不當d7，其為復雜網絡中中心節點(Hub 點)，是風險因素網絡中的關鍵鏈接因素。中心節點數量較少，會與周圍的風險因素發生復雜的線形交互，表征了網絡“中心節點”特性，即少數節點有大量連接，反映了在營運貨車交通事故風險因素網絡中關鍵風險因素占少數，但其具有主導地位。

圖1 營運貨車交通事故風險因素網絡拓撲圖

因為文中節點個數較少，故將節點的度值按一定范圍劃分區間。將區間中值作為該區間度值，節點度值在該區間出現的次數作為頻率，如表2 示。

表2 節點度值頻率分布

設y為區間頻率的對數，x為區間度值的對數，進行雙對數曲線線性回歸，如下式：

由上式可知，判定系數為0.89，二者擬合較好，因此營運貨車交通事故風險因素網絡中節點的累積度分布符合冪律分布，滿足無標度網絡特性。

(2)網絡直徑及平均路徑長度

營運貨車交通事故風險因素網絡的直徑為3，表明營運貨車交通事故風險因素間關聯性強，傳播效率較快。網絡平均路徑長度為1.48，即網絡中一個因素平均只需要2 步就可以影響到另一個因素，表明風險因素間聯系緊密，易發生連鎖性反應。風險因素層節點與事故層各節點間的平均路徑長度如圖2所示。

圖2 風險因素層造成不同事故類型的平均路徑長度

由圖可知，駕駛員風險因素和企業管理風險因素到貨車交通事故的平均路徑長度較短，表明駕駛員風險因素、企業對駕駛員或車輛的監管疏漏會最快地直接或間接導致營運貨車交通事故的發生。企業管理風險因素是整個系統的根源性影響因素，道路及環境因素屬于較深層次的間接因素，一般不會直接導致事故的發生，但會誘發其他風險因素進而導致交通事故的發生。

(3)聚合系數

通過MATLAB 計算得到表3。由表3可知，網絡節點v3、v6、r9聚合系數最大值為1，聚合系數大的網絡節點其鄰居因素具有較強的關聯性。在網絡中，車輛因素層與道路環境因素層聚合系數較大，說明這兩類因素聚集特性更強，若其發生異常易導致鄰居因素暴露于風險狀態中，出現“多米諾骨牌效應”造成交通事故。為阻斷網絡連鎖反應的發生，中斷事故鏈，應控制此類聚類系數較高的節點。

表3 營運貨車交通事故風險因素網絡特征值

營運貨車交通事故風險因素網絡的平均聚合系數是0.78，高于同等規模隨機網絡聚合系數；且網絡平均路徑長度為1.48，表明網絡中兩個因素間只需2步即可產生聯系，該結果符合復雜網絡小世界特性(六度空間理論)，反映了營運貨車風險因素之間影響密切且影響速度較快。

(4)中介中心度

由表3可知，在營運貨車交通事故風險因素網絡中，節點s1駕駛員監管疏漏因素中介中心度最高，表明該因素在整個網絡中被多條最短路徑經過，在網絡的風險傳遞中起重要作用。在實際貨車運輸中，企業對于駕駛人監管不力使得駕駛人安全意識薄弱。在駕駛員風險因素中，節點d1超速中介中心度最高，駕駛員的超速行為不僅會直接導致交通事故的發生[15]，也會作為其他風險因素間連接的“橋梁”，表明超速行為直接或間接導致交通事故發生的概率很大。在車輛風險因素中，節點v1制動系統不合格中介中心度最高，其風險性最大易導致交通事故發生。在道路及自然環境風險因素中，節點r5交叉口中介中心度最高。集裝箱運輸卡車、掛車等營運貨車因車身較長，當向右轉彎時出現“內輪差”，且視線存在盲區，貨車速度一旦較快，非機動車或行人極易被卷入貨車底部遭到碾壓，導致“包餃子”事故。中介中心度值大的節點對整個網絡影響較大，有效控制這些風險因素可中斷風險傳播，預防事故的發生。

(5)接近中心度

由表3 可知，駕駛員監管疏漏s1、車輛監管疏漏s2、超速d1、操作不當d7、超載/超限d2接近中心度值較大，表明這些節點最接近風險因素網絡的中心位置，在風險網絡中極其重要。節點s1和s2屬于企業管理因素，企業管理層屬于本質風險因素，具有高驅動力，可誘發其他風險因素，導致交通事故發生，因此降低營運貨車交通事故率要加強企業源頭管理。

3.3 風險因素重要程度綜合評價

網絡節點多屬性決策綜合評價模型，運用公式(6)～(11)計算網絡中節點綜合重要程度K值，結果如圖3 所示。K值越大，節點對于網絡越重要，其對網絡影響程度越大。影響營運貨車安全的關鍵風險因素按重要性排序依次為：(1)在管理因素中，重要性排序依次為：駕駛員監管疏漏s1、車輛監管疏漏s2；(2)在駕駛員因素中，重要性排序依次為：超速d1、超載d2、操作不當d7、違反交通規則d8、非法改裝d9、無證駕駛d6、占道行駛d10、分心駕駛d5、疲勞駕駛d3、超員d11、酒后駕駛d4；(3)在車輛因素中，重要性排序依次為：制動系統不合格v1、行駛系統不合格v2、制動失靈v5、燈光系統不合格v4、轉向系統不合格v6、輪胎不合格v3；（4）在道路環境因素中，重要性排序依次為：路面濕滑r7、交叉路口r5、長大下坡r1、標志標線不完善r8、視距不足r10、急彎r2、隧道r4、惡劣天氣r6、彎坡道r3、道路設計不規范r9。

圖3 營運貨車各交通事故風險因素重要程度

整體上，駕駛員因素和企業管理因素在風險網絡中占據重要地位，在整個車輛運行過程中離不開駕駛員的作用，其他風險因素如車輛部件故障、事故黑點路段等均通過影響駕駛員的判斷或操作導致事故的發生。駕駛員對營運貨車的運行安全發揮主導作用。企業管理極其重要，因為駕駛人員疲勞行駛、酒后駕車、超載超速運輸等違法違規行為及車輛“帶病上路”等風險，追溯到源頭企業管理層面均承擔責任，駕駛人員安全及技能培訓不到位、駕駛資質審核不嚴格等都會導致駕駛人員安全行車意識淡薄，遇突發事件專業技能不足等都會觸發駕駛員風險；而企業對車輛檢驗狀態不嚴格，則會觸發車輛風險，最終導致交通事故的發生。

4 結論

利用營運貨車交通事故數據，構建營運貨車交通事故風險因素網絡，分析網絡的統計特征，并綜合評價風險因素重要性，得出以下結論：

(1)營運貨車交通事故風險因素網絡具有復雜特性、小世界特性及無標度特性，反映了風險因素間相互耦合作用會導致事故的發生。風險因素之間影響密切且影響速度較快，網絡中關鍵風險因素占少數，但具有主導地位。

(2)駕駛員因素和企業管理因素在風險網絡中占據重要地位，超速、超載、操作不當、制動系統不合格、路面濕滑、交叉路口、駕駛員監管疏漏及車輛監管疏漏是關鍵鏈接風險因素。

(3)從不同維度采用不同參數度量節點影響網絡的程度，利用度中心性、介數中心性及接近度中心性指標構建網絡節點多屬性決策綜合評價模型，能定量評價各風險因素在車輛運行系統中的重要性。駕駛員風險因素異常會直接導致道路交通事故的發生；道路及環境因素屬于較深層次的間接因素，會誘發其他風險因素進而導致交通事故的發生；企業風險因素是本質因素，具有高驅動力，能誘發其他風險因素而導致交通事故發生。