城鎮(zhèn)化地區(qū)公路改擴建交通安全狀態(tài)評估研究

吳興國

摘要 對城鎮(zhèn)化地區(qū)公路進行改擴建，保障施工期間交通通行安全是關(guān)鍵。文章從人—機—環(huán)境系統(tǒng)工程理論角度出發(fā)，研究公路改擴建過程中人員、車輛、機械、環(huán)境等因素在不同安全狀態(tài)下對交通安全的影響情況，將解模糊語言算法融入貝葉斯網(wǎng)安全評估體系，構(gòu)建模糊貝葉斯網(wǎng)交通安全狀態(tài)評估模型，量化公路改擴建施工期間交通安全狀態(tài)，為相關(guān)部分采取安全防控措施提供決策依據(jù)。

關(guān)鍵詞 改擴建；系統(tǒng)工程；模糊理論；貝葉斯網(wǎng)；安全評估

中圖分類號 U418.8文獻標(biāo)識碼 A文章編號 2096-8949（2023）14-0030-03

0 引言

城鎮(zhèn)化地區(qū)公路一般為該區(qū)域?qū)ν饴?lián)絡(luò)的主要通道，改建必須以不中斷交通的方式實施，其中所涉及人車環(huán)境等要素遠比新建項目復(fù)雜得多[1-2]。顯然，實時掌握施工過程中人員、車輛、機械環(huán)境等要素的安全狀況，辨別可能存在的危險源，對于采取必要措施降低事故的發(fā)生的概率，充分保障施工期間通行安全顯得尤為重要。

1 城鎮(zhèn)化地區(qū)公路改擴建交通安全評估體系構(gòu)建

1.1 交通安全影響評估節(jié)點

根據(jù)城鎮(zhèn)化地區(qū)公路改擴建施工特點，對人機環(huán)境系統(tǒng)工程理論進行擴展，將人機環(huán)境系統(tǒng)中的“人”擴展為駕駛員和施工人員，“機”擴展為車輛，“環(huán)境”擴展為氣候環(huán)境和施工作業(yè)環(huán)境，再將施工期間的管理因素加入系統(tǒng)，構(gòu)建以交通安全狀態(tài)評估為目標(biāo)節(jié)點，人員、車輛、環(huán)境、管理為一級評估節(jié)點的評估體系，如圖1所示。

1.2 節(jié)點安全狀態(tài)級別劃分

公路改擴建是一個涉及眾多復(fù)雜要素的系統(tǒng)工程[3]。系統(tǒng)中各要素節(jié)點的安全狀態(tài)決定了系統(tǒng)安全狀態(tài)。該文采用數(shù)字0123…來區(qū)分要素節(jié)點的安全等級（如表1所示），數(shù)字越小，節(jié)點安全狀態(tài)等級越高，發(fā)生事故的概率越小，說明對于改擴建期間交通安全運行是有利的；反之，節(jié)點安全狀態(tài)越差，越不利于交通安全運行。

2 交通安全狀態(tài)監(jiān)測模型構(gòu)建

2.1 多狀態(tài)貝葉斯網(wǎng)絡(luò)模型構(gòu)建

貝葉斯網(wǎng)絡(luò)又稱貝葉斯信度網(wǎng)絡(luò)[4-5]。網(wǎng)絡(luò)節(jié)點表示一個隨機變量，用條件概率表示兩個隨機變量之間連接關(guān)系強弱。公路改建安全評估體系中節(jié)點有多個安全狀態(tài)，屬于多狀態(tài)多節(jié)點的貝葉斯網(wǎng)結(jié)構(gòu)。貝葉斯網(wǎng)的核心是貝葉斯公式。

假設(shè)A節(jié)點的狀態(tài)有n個，即A=（a1，a2，a3…an），則根據(jù)全概率公式等到：

（1）

假設(shè)有多個節(jié)點，即U={X1，X2…Xn}，其聯(lián)合概率分布式如下所示：

（2）

式中，P（ai）——節(jié)點Xi的表征節(jié)點安全狀態(tài)概率。

2.2 多狀態(tài)貝葉斯網(wǎng)節(jié)點模糊概率處理

一般地，由于數(shù)據(jù)統(tǒng)計不完整，多狀態(tài)、多節(jié)點的貝葉斯網(wǎng)絡(luò)節(jié)點概率是無法精確地獲取的。該文主要應(yīng)用解模糊語言的方法來獲取節(jié)點的先驗概率。

2.2.1 三角模糊數(shù)

如果用（a，b，c）表示一個三角形模糊數(shù)A，即A=（a，b，c），則其隸屬度函數(shù)如下：

f（x）=（0，（x＜a）；x?a/b?a，（a≤x≤b）；c?x/c?b，（b＜x≤c）；0，（x＞c）） （3）

兩個三角模糊數(shù)可以進行加減乘除等運算。

2.2.2 專家語言模糊數(shù)化

專家模糊語言與三角模糊數(shù)對應(yīng)關(guān)系：非常低（0，0，0.1），低（0，0.1，0.3），偏低（0.1，0.3，0.5），中等（0.3，0.5，0.7），偏高（0.5，0.7，0.9），高（0.7，0.9，1），非常高（0.9，1，1）。

2.3 模糊安全概率測算

2.3.1 節(jié)點狀態(tài)模糊概率化

將專家語言判斷轉(zhuǎn)化成三角模糊數(shù)。假設(shè)有n個專家，第m位專家對網(wǎng)絡(luò)中表征節(jié)點Xi處于j狀態(tài)給出判斷，節(jié)點Xi處于j狀態(tài)的模糊概率如下：

（4）

綜合多位專家意見，最終得到一個可信度較高的模糊概率值：

（5）

2.3.2 模糊概率求解

將模糊概率轉(zhuǎn)化成精確概率，得到節(jié)點Xi處于j狀態(tài)的精確概率：

（6）

精確概率歸一化處理：

（7）

3 實例分析

該文以廣西南寧市柳南高速公路改快速路工程為研究載體，說明模型應(yīng)用實用性。

3.1 節(jié)點安全概率確定

（1）節(jié)點先驗概率確定。該文以駕齡節(jié)點為例，說明通過專家模糊語言判斷得到節(jié)點先驗概率過程。駕齡節(jié)點有三個安全狀態(tài)，針對每個節(jié)點狀態(tài)設(shè)置概率問卷，邀請參與工程的專家給出模糊語言評價，通過解模糊語言得到節(jié)點的先驗概率，如表2所示。

應(yīng)用公式（5）～（7）對專家模糊語言進行求解，得到駕齡節(jié)點三個狀態(tài)的先驗概率分別為P>3=0.54；P1～3=0.33；P<3=0.13。同理，通過解模糊語言得到其他節(jié)點狀態(tài)的先驗概率。

（2）節(jié)點條件概率確定。人員因素包含有駕齡、交通違章、安全人員配備、疲勞程度4個節(jié)點，每個節(jié)點均有3個安全狀態(tài)。同樣，通過解專家模糊語言確定人員、車輛、環(huán)境、管理因素的條件概率值，如表3所示。

3.2 交通安全狀態(tài)評估模型

根據(jù)安全評估拓?fù)浣Y(jié)構(gòu)中節(jié)點之間的連接關(guān)系，將求解專家模糊語言得到的先驗概率和條件概率賦值給節(jié)點，完成交通安全狀態(tài)監(jiān)測貝葉斯網(wǎng)構(gòu)建，根據(jù)公式（2）實現(xiàn)安全概率推理。該文采用GeNIe2.0軟件構(gòu)建多狀態(tài)貝葉斯網(wǎng)安全概率推理模型。

3.3 貝葉斯網(wǎng)交通安全狀態(tài)監(jiān)測模型應(yīng)用

某日上午，施工單位進行高速公路中央分隔帶硬化作業(yè)。施工作業(yè)區(qū)域需要占用一條車道，行車道由原來的雙向四車道變?yōu)殡p向三車道，且導(dǎo)流設(shè)施設(shè)置較短，沒有按規(guī)范長度設(shè)置，車輛在施工路段發(fā)生局部擁擠。當(dāng)時天氣為陰天，能見度一般，車流量較大，以小汽車居多。

轉(zhuǎn)化為貝葉斯網(wǎng)節(jié)點狀態(tài)值如下：駕齡為0，違規(guī)操作為2，安全人員配備為2，疲勞程度為0，交通流為2，車型為0，車齡為0，路面平整度為1，施工作業(yè)區(qū)域為2，能見度為1，安全設(shè)施為2，安全教育情況為1，應(yīng)急預(yù)案為0，安全管理制度為1。將節(jié)點安全狀態(tài)帶入貝葉斯網(wǎng)中進行概率推理，如圖2所示。

安全概率推理顯示安全概率為0.55，不安全概率為0.45。交通安全概率較低，易發(fā)生交通事故。人員因素、車輛因素、環(huán)境因素和管理因素安全概率分別為0.55、0.70、0.43和0.62。人員因素和環(huán)境因素不安全概率較高，說明人員因素和環(huán)境因素的安全狀況正在發(fā)生惡化，可能由人員和環(huán)境惡化導(dǎo)致事故發(fā)生的風(fēng)險正在變大。相關(guān)管理部門應(yīng)及時加強施工現(xiàn)場管理，改善施工現(xiàn)場條件。

4 結(jié)語

該文構(gòu)建的貝葉斯網(wǎng)交通安全狀態(tài)評估模型，一方面能實時監(jiān)測施工過程中的交通安全狀態(tài)，幫助安全人員了解實時的交通安全狀況，另一方面又為管理者識別施工過程中的不安全因素提供了一種技術(shù)手段。同時，交通實時安全概率值也可能對外發(fā)布，幫助交通管理部門制定交通管理措施提供決策依據(jù)。

參考文獻

[1]張需鵬. 高速公路改擴建工程交通安全風(fēng)險控制分析[J]. 時代農(nóng)機， 2016（10）： 153-154.

[2]張翼丹. 高速公路改擴建道路設(shè)計中的安全問題探討[J]. 江西建材， 2016（12）： 174

[3]薛冰冰. 高速公路危險路段交通安全預(yù)警系統(tǒng)研究[D]. 長春：吉林大學(xué)， 2013.

[4]Hernández P， Cubillo S， Torres-Blanc C. Negations on type-2 fuzzy sets[J]. Fuzzy Sets and Systems， 2014， 252： 111-124.

[5]Mkrtchyan L， Podofillini L， Dang V N. Bayesian belief networks for human reliability analysis： A review of applications and gaps[J]. Reliability Engineering & System Safety， 2015， 139： 1-16.