一種高速公路隧道行車風險安全狀態評估方法

夏嘉偉

摘要 為解決高速公路隧道行車風險安全評估過程中具有的隨機性和模糊性，提高對公路隧道的運營安全風險管理水平，文章采用模糊層次法和云模型評估高速公路隧道運營安全的風險等級。首先利用模糊層次法確定影響高速公路隧道運營安全的風險因素，其中考慮到行車安全中所具有的模糊性，利用云模型定量與定性之間的轉換關系，通過云模型定量評價風險等級情況，最后在此基礎上，對隧道運行的安全性進行了評價，并對其進行了定性和定量分析。結果表明，文章提出的評價指標能很好地反映出企業的風險水平，與企業的實際情況相吻合。

關鍵詞 高速公路隧道；行車風險；結構層次法；云模型；高速公路；風險評估

中圖分類號 U458.1文獻標識碼 A文章編號 2096-8949（2023）09-0016-04

0 引言

近幾年，我國公路隧道的總里程數迅速增加，但其事故仍未能得到有效控制。高速公路隧道重大事故頻發，給高速公路隧道行車安全帶來了巨大挑戰。據有關數據顯示，在我國高速公路上，隧道型道路交通事故占36.5%[1]。近年來，我國高速公路隧道頻繁發生重大交通事故，對其安全運行提出了嚴峻的考驗。高速公路隧道行車安全評估對隧道運營監測系統的推廣具有積極作用。目前，國內外采用DS證據理論[2]、灰色關聯度分析[3]、故障樹分析[4]等評價方法，研究隧道運營安全性和可靠性對其影響的調查具有一定的參考價值。然而，在進行這樣的評估時，通常會涉及模糊性和專家評估的隨機性，需要特別注意。其模糊性和隨機性導致了隧道運營管理系統難以推廣。

對于影響隧道行車安全的風險因子的權重計算是風險評估的第一個難點，考慮其評價過程中的隨機性與模糊性，為了確定風險因素的權重值，可以采用結合定性和定量方法的層次分析法[5]。同時，考慮到云模型[6]可用于研究定量和定性之間的轉換，可以將評估過程中的隨機變量和模糊變量轉換為定性解決。基于上述優點，可以使用層次分析法和云模型對隧道行車風險進行評估，并建立高速公路隧道行車風險安全評估體系。層次分析法用于確定風險評估變量，云模型則用于生成云滴分布的風險評估等級。

1 隧道評價指標體系的建立

指標在選取的時候將采用定量指標為主、定性指標為輔的基本原則，并結合定性指標的方法來選擇評價指標。在構建隧道交通安全性評價系統時，采用層次分析法對安全體系進行細分，影響高速公路隧道行車安全的主要因素分為交通流因素、駕駛員因素、隧道因素以及其他因素[7-9]，具體構建評價指標體系為K={K1， K2， K3， K4}，具體如表1所示。

對上述因素進行量化，按照如表2所示的計算規則對各影響因素進行定量分析。

表2中，Qi——隧道的高峰小時交通流量（pcu/h）；Ri——隧道車流的飽和通行能力；n——去除小汽車的車種類數；Pi——第i種車占比；ls——隧道曲線段長度；lq——隧道全線長度。上述專家打分取值為1～100分，取值越高則認為程度越高。通過表2的計算方法，可以建立判別矩陣，其中j=15，共計15個指標，其中部分指標通過專家打分獲得。

在獲取已經計算出的判別矩陣后，雖然沒有對判斷情況有嚴格的和一些特殊的要求，但為了避免出現不合理的或者不需要的判斷值，需要對已經構建的判別矩陣進行一些操作，例如常用的一致性檢驗。以下是一致性檢驗的計算方法。

（1）歸一化特征向量：，其中。

（2）最大特征根：。

（3）一致性校驗：。

通過使用Kappa系數檢驗，可以校驗n階判斷矩陣的一致性。如果計算得到的系數小于0.1，則當前得到的判斷矩陣通過一致性校驗，可以計算出該判斷矩陣的最大特征向量，同時進行歸一化處理，以獲得需要的風險因子的權重值。如果計算得到的系數大于0.1，則需要重新計算和查看之前判斷矩陣的元素值，直至系數小于0.1通過一致性校驗。其中，當判斷矩陣的階數小于等于9時，可以參考表3中的RI值[11]。

在對影響隧道運營安全的風險因素集合K明確的前提下，建立出一個評判標準集合V={v1， v2， v3， …， vm}，并對其進行定性概念定量體現，將風險因素映射到評判標準上：，從而獲得風險隸屬度矩陣：，將每個風險因子分配一個權值，并在此基礎上計算相應的云數字特征，從而得到權重因子向量A。

2 云模型定義及數字特征

期望值Ex、熵值En、超熵值He在云模型中用作數字特征，以此來表示定性概念，期望值Ex是對其對應定性知識中的信息中心值的一種表現方式。熵值En則是用來對定性概念中的一些模糊特性的一種衡量方式，反映了在論域空間中，其能被概念接受的那部分云滴的取值范圍。超熵值He是熵的一種，主要反映了隸屬于定性概念的數值的相應隨機程度，同時也間接反映了其云的厚度。如圖1所示，該圖為一個簡單常見的一維正態云模型（Ex=18，En=2，He=0.2），其云滴數為1 500個，縱坐標為其云滴對其定性概念的確定度μ，表示了當前云滴對其概念的確定度。

基于云模型的分類，包括一維、二維、半云和正態云模型等多個類別。 該文主要選用的是一維正態云的模型進行相應的定量描繪，得到相應的云數字特征Ci＝{Ex， En， He}，并與標準的隧道運營風險等級的云模型進行比較，并輸出最終評估結果（如圖2所示）。

相應地有一維逆向云發生器與一維正向云發生器算法如表4和表5所示。

通過正向云發生器算法可將云數字特征生成對應的標尺云，可實現對隧道行車風險安全的狀態評價。

3 實例分析驗證

3.1 安全風險評估

該文對隧道行車風險安全評價等級[13-14]參照表6標準劃分等級，共分為5級，風險因素的5個評語集如表6所示。

根據參考文獻[15]有下雨時刻的隧道入口路段的對應云數字特征（Ex=37.32，En=7.55，He=0.89），以及隧道行車風險安全評價等級各對應標尺云參數表如表7。

利用一維正向云發生器生成到各等級云模型與待評價的隧道路段的云模型的標尺云，在此基礎上，通過在不同標準云計算方法下，生成5個風險等級的評語集云圖，以及實際對應待評價路段的標尺云，如附圖3、4所示。

3.2 結果分析

如附圖3所示，附圖3中從左往右依次呈現為風險遞增狀態，第一個云圖及左邊空白區域在該方法中被認為是非常安全狀態；附圖3中最后一個云圖及空白區域被認為是極度危險狀態。由附圖3、4可以看出，隧道運營風險評估等級中，幾種評價狀態都較為穩定，其中待評價路段所生成的標尺云的云滴主要集中在安全與輕度危險所生成的標尺云附近，且主要偏向安全一邊，經過評估，隧道行車的安全風險評估結果合理可接受，無需采取措施，而這也與實際的行車情況相符合，從而深刻證明了該方法的正確性和有效性。

4 結語

在分析考慮影響隧道安全行車風險因素的基礎上并運用層次分析法和云模型，評估了高速公路隧道運營的安全狀態，提供了一種分類評估方法，一定程度上為隧道安全管理及其他領域的安全管理提供了一定的參考價值。

參考文獻

[1]趙飛， 李洋洋， 韓暉. 基于交通事故數據的高速公路隧道路段安全性分析[J]. 北方交通， 2021（11）： 83-86.

[2]廖仕超， 王薇， 徐志勝. 基于證據理論的長大公路隧道火災風險評價模型[J]. 鐵道科學與工程學報， 2010（6）： 80-85.

[3]張國喜， 李曉鐘. 基于灰色關聯故障樹的運營期隧道病害風險研究[J]. 工程管理學報， 2016（1）： 77-81.

[4]陳武威， 楊仲元. 基于故障樹分析法的隧道滲漏水風險分析[J]. 公路與汽運， 2012（6）： 211-215.

[5]謝輝. 層次分析法在智慧公路要素評定中的應用[J]. 公路交通科技（應用技術版）， 2019（5）： 291-293.

[6]李德毅， 劉常昱， 杜鹢， 等. 不確定性人工智能[J]. 軟件學報， 2004（11）： 1583-1594.

[7]周成. 基于不同限速標準的特長隧道行車安全分析[J]. 科學技術創新， 2020（24）： 47-48.

[8]張維麟， 張琳林， 潘曉東. 高速公路過江隧道入口段局部線形安全風險分析[J]. 交通與運輸， 2021（1）： 16-20.

[9]毛延波. 忠信莊隧道洞內排水涵洞行車安全分析[J]. 山西建筑， 2015（10）： 176-177.

[10]朱洪洲， 廖亦源. 瀝青路面抗滑性能研究現狀[J]. 公路， 2018（1）： 35-46.

[11]陳悅華， 黃剛. 基于改進的粗糙集與AHP法的組合權重確定方法[J]. 測控技術， 2017（6）： 132-135+141.

[12]劉常昱， 馮芒， 戴曉軍， 等. 基于云X信息的逆向云新算法[J]. 系統仿真學報， 2004（11）： 2417-2420.

[13]譚澤斌. 基于可拓云模型的隧道交通安全評價研究[D]. 武漢：華中科技大學， 2019.

[14]岳林博. 公路隧道安全等級評價研究[D]. 西安：長安大學， 2012.

[15]蔣春桃. 山區高速公路特殊路段行車風險評價及改善措施研究[D]. 重慶：重慶交通大學， 2021.