基于AHP的駕駛事故風(fēng)險(xiǎn)評(píng)估方法構(gòu)建

摘要 駕駛事故風(fēng)險(xiǎn)評(píng)估是制定科學(xué)有效干預(yù)措施或管理手段的重要基礎(chǔ)。為探討影響駕駛員駕駛事故風(fēng)險(xiǎn)的相關(guān)因素，文章首先集合了34名交通安全領(lǐng)域內(nèi)的相關(guān)學(xué)者和從業(yè)人員，從人、車、路、環(huán)境、管理等5個(gè)維度提取了激進(jìn)駕駛風(fēng)格、長(zhǎng)時(shí)間連續(xù)駕駛、缺乏定期檢修、超重行駛、不良道路設(shè)計(jì)、不良路面情況、惡劣天氣、交通擁堵、缺乏安全干預(yù)措施及缺乏監(jiān)管等10個(gè)影響因素；然后，利用層次分析法（AHP）確立目標(biāo)、準(zhǔn)則及指標(biāo)3個(gè)層次，構(gòu)建了綜合評(píng)價(jià)體系以評(píng)估各相關(guān)因素的影響權(quán)重。研究結(jié)果表明，相較于其他維度，激進(jìn)駕駛風(fēng)格、連續(xù)駕駛時(shí)間對(duì)駕駛事故風(fēng)險(xiǎn)具有更大的影響權(quán)重；加強(qiáng)對(duì)相關(guān)從業(yè)人員的駕駛素質(zhì)測(cè)試、加強(qiáng)服務(wù)監(jiān)管、建立嚴(yán)格激勵(lì)制度對(duì)駕駛風(fēng)險(xiǎn)具有更好的管控效果。

關(guān)鍵詞 交通安全；駕駛事故風(fēng)險(xiǎn)；層次分析法；系統(tǒng)分析；安全干預(yù)措施

中圖分類號(hào) U463 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2025）03-0010-03

0 引言

交通事故的發(fā)生不僅對(duì)公共財(cái)產(chǎn)造成損失，甚至嚴(yán)重威脅人民的生命健康。因此，交通安全問(wèn)題一直備受國(guó)家、行業(yè)的重視，得到了許多專家和學(xué)者的廣泛研究。隨著我國(guó)交通安全管理日益完善，以及相關(guān)安全干預(yù)措施的實(shí)施，我國(guó)各類交通事故率得到了顯著降低，特別是在死亡率方面，相較于2014的2.22人/萬(wàn)車，已降至2020年的1.66人/萬(wàn)車，死亡率下降超過(guò)25%。盡管如此，交通事故依然對(duì)人民生命健康及財(cái)產(chǎn)安全造成嚴(yán)重威脅，2020年的道路交通事故數(shù)量依然高達(dá)244 674起，直接財(cái)產(chǎn)損失金額為131 360.6萬(wàn)元。為此，駕駛員駕駛風(fēng)險(xiǎn)的管控仍是交通安全領(lǐng)域的熱點(diǎn)研究問(wèn)題之一。

交通事故風(fēng)險(xiǎn)影響因素及風(fēng)險(xiǎn)指標(biāo)的評(píng)估是制定控制策略的重要基礎(chǔ)。為此，專家學(xué)者從不同維度探討了相關(guān)影響因素對(duì)交通事故風(fēng)險(xiǎn)的影響。在道路環(huán)境方面，研究表明環(huán)境能見(jiàn)度、照明條件和道路設(shè)計(jì)等因素顯著影響駕駛風(fēng)險(xiǎn)[1-4]。在人因因素方面，研究發(fā)現(xiàn)激進(jìn)駕駛行為（如頻繁超車、超速）和駕駛疲勞是高風(fēng)險(xiǎn)因素，可能導(dǎo)致嚴(yán)重的交通事故[5-9]。在車輛因素方面，相關(guān)研究從事故反應(yīng)單位（ARU）獲得的數(shù)據(jù)表明，輪胎和剎車是導(dǎo)致車輛發(fā)生事故的機(jī)械故障的主要原因。綜上所述，交通事故風(fēng)險(xiǎn)受多種風(fēng)險(xiǎn)指標(biāo)的綜合影響，但現(xiàn)有研究并未對(duì)不同維度的要素進(jìn)行系統(tǒng)的層次分析，而是將所有要素視為同層次的要素進(jìn)行評(píng)估，使得某些要素的影響被嚴(yán)重低估，難以有效指導(dǎo)交通事故風(fēng)險(xiǎn)的管控。

為此，該文從系統(tǒng)角度探索駕駛事故的風(fēng)險(xiǎn)因素，通過(guò)對(duì)34名交通安全領(lǐng)域?qū)W者及從業(yè)人員的調(diào)查，從人、車、路、環(huán)境、管理等5個(gè)維度提取了10個(gè)影響因素，包括激進(jìn)駕駛風(fēng)格、長(zhǎng)時(shí)間連續(xù)駕駛、缺乏定期檢修、超重行駛、不良道路設(shè)計(jì)、惡劣天氣等；利用層次分析法（AHP）構(gòu)建綜合評(píng)價(jià)體系，評(píng)估各因素的影響權(quán)重。研究結(jié)果可為駕駛風(fēng)險(xiǎn)管理及風(fēng)險(xiǎn)防控方案的設(shè)計(jì)提

供支持。

1 層次分析法

AHP是一種定性與定量相結(jié)合的評(píng)價(jià)方法，其按照被分析問(wèn)題的特征或目標(biāo)，將評(píng)價(jià)指標(biāo)分為不同的層次，基于上層指標(biāo)對(duì)同層次的問(wèn)題進(jìn)行定量分析。該方法具有層次清晰、邏輯清晰等特點(diǎn)。

為更好地確定各層次關(guān)系中的權(quán)重，一般需要邀請(qǐng)專家對(duì)同一層次的各元素關(guān)于上一層次中的某一元素的重要性進(jìn)行兩兩比較判斷，從而構(gòu)建出要素之間的判斷矩陣，最后經(jīng)過(guò)對(duì)判斷矩陣的數(shù)學(xué)運(yùn)算得到指標(biāo)權(quán)重。在該案例中，從目標(biāo)層出發(fā)，根據(jù)對(duì)駕駛事故風(fēng)險(xiǎn)的影響重要性確定準(zhǔn)則層中指標(biāo)包括人因指標(biāo)，車輛指標(biāo)、道路設(shè)計(jì)指標(biāo)、環(huán)境指標(biāo)、管理指標(biāo)等，并分別將其表示為B1，B2，B3，B4，B5，依照判斷矩陣標(biāo)度（數(shù)字越大則越重要），構(gòu)建出一個(gè)n維的判斷矩陣B。因要素自比權(quán)重相同，所以判斷矩陣B的主對(duì)角線均為1，且由于判斷矩陣B是由元素之間的兩兩比較得到，因此其矩陣元素還具有Bij與Bji互為倒數(shù)的性質(zhì)。

利用方根法，通過(guò)判斷矩陣計(jì)算各要素的相對(duì)重要度，具體計(jì)算步驟如下：

（1）將矩陣A的元素按行相乘得式（1）：

i=1，2，3，…，n （1）

式中，Ai——矩陣A的第i行元素的累乘積值；n——矩陣A的維數(shù)；aij——矩陣A第i行第j列的元素。

（2）將每行元素乘積開(kāi)n次方，公式如下：

i=1，2，3，…，n （2）

（3）將開(kāi)n次方后得到的向量進(jìn)行歸一化處理：

i=1，2，3，…，n （3）

式中，Wi——第i行元素乘積開(kāi)n次方后的歸一化處理值。

得到的新向量W=[W1，W2，···，Wn]T即為所求目標(biāo)要素的優(yōu)先級(jí)向量。

（4）計(jì)算斷矩陣A的最大特征根：

（4）

（5）一致性檢驗(yàn)，計(jì)算一致性指標(biāo)CI，公式如下：

（5）

式中，λmax——判斷矩陣A的最大特征根；n——A的階數(shù)，它是衡量不一致程度的數(shù)量標(biāo)準(zhǔn)。

（6）計(jì)算判斷矩陣A的“隨機(jī)一致性指標(biāo)”RI。

對(duì)于1～9階的判斷矩陣RI值如表1所示：

則 （6）

式中，λmax——計(jì)算500次上述隨機(jī)判斷矩陣的最大特征根的平均值。

最后，計(jì)算“隨機(jī)一致性比率”得式（7）：

（7）

當(dāng)CI lt; 0.1時(shí)，可認(rèn)為對(duì)判斷矩陣存在滿意的一致性。否則，還需再次進(jìn)行兩兩對(duì)比，以進(jìn)一步優(yōu)化判定矩陣的元素，直到判定矩陣達(dá)到滿意的一致性為止。

2 調(diào)查與項(xiàng)目案例分析

2.1 項(xiàng)目案例分析

集時(shí)通運(yùn)輸企業(yè)（以下簡(jiǎn)稱集時(shí)通）在提供運(yùn)輸服務(wù)的過(guò)程中面臨著高風(fēng)險(xiǎn)事故黑點(diǎn)和駕駛員頻繁違規(guī)行為的挑戰(zhàn)，這可能導(dǎo)致潛在的交通事故風(fēng)險(xiǎn)，從而對(duì)企業(yè)經(jīng)濟(jì)造成潛在損失。

為了應(yīng)對(duì)這一問(wèn)題，集時(shí)通提出了一種全新的解決方案，通過(guò)融合通信、智能硬件、大數(shù)據(jù)等信息化技術(shù)，致力于解決傳統(tǒng)運(yùn)輸企業(yè)在交通安全方面的主要問(wèn)題。該方案計(jì)劃將通信、智能硬件和大數(shù)據(jù)分析等信息技術(shù)進(jìn)行有機(jī)融合，通信技術(shù)將用于實(shí)現(xiàn)對(duì)車輛的實(shí)時(shí)遠(yuǎn)程監(jiān)控；智能硬件設(shè)備則包括車輛感應(yīng)設(shè)備、攝像頭等，用于獲取駕駛員行為和路況信息；大數(shù)據(jù)分析將對(duì)這些信息進(jìn)行深度挖掘，形成全面的交通安全數(shù)據(jù)。

針對(duì)提高交通安全水平的目標(biāo)，集時(shí)通邀請(qǐng)了34名從事交通安全領(lǐng)域研究的學(xué)者和從業(yè)人員，共同進(jìn)行交通事故的風(fēng)險(xiǎn)評(píng)估。通過(guò)討論影響因素和風(fēng)險(xiǎn)指標(biāo)，形成了針對(duì)性的改善計(jì)劃。

2.2 層次結(jié)構(gòu)確認(rèn)

為更好地從系統(tǒng)角度明確駕駛事故風(fēng)險(xiǎn)的相關(guān)因素，并評(píng)估各相關(guān)因素的影響權(quán)重。該文定義目標(biāo)層為駕駛事故風(fēng)險(xiǎn)評(píng)估，邀請(qǐng)了34名從事交通安全領(lǐng)域研究的學(xué)者及從業(yè)人員對(duì)駕駛風(fēng)險(xiǎn)相關(guān)影響因素進(jìn)行討論。經(jīng)討論，確認(rèn)準(zhǔn)則層各要素為人因指標(biāo)、車輛指標(biāo)、道路設(shè)計(jì)指標(biāo)、環(huán)境指標(biāo)、管理指標(biāo)等5類因素，并明確指標(biāo)層包含激進(jìn)駕駛風(fēng)格、長(zhǎng)時(shí)間連續(xù)駕駛、缺乏定期檢修、超重行駛、不良道路設(shè)計(jì)、不良路面情況、惡劣天氣、交通擁堵、缺乏安全干預(yù)措施，以及缺乏監(jiān)管等10個(gè)影響因素。

2.3 指標(biāo)計(jì)算

在上述基礎(chǔ)上，請(qǐng)各位專家對(duì)準(zhǔn)則層的各元素對(duì)駕駛事故風(fēng)險(xiǎn)評(píng)估的重要性進(jìn)行兩兩比較判斷，得到34名專家的評(píng)價(jià)分值，計(jì)算各項(xiàng)要素的均值，并向上取整，得到取整后的綜合判斷矩陣如表2所示：

在上述基礎(chǔ)上，計(jì)算獲得指標(biāo)層判斷矩陣的最大特征根及其他一致性檢驗(yàn)。經(jīng)一致性檢驗(yàn)后，發(fā)現(xiàn)指標(biāo)層判斷矩陣滿足一致性的檢驗(yàn)要求，說(shuō)明其合理和可接受。

同理，建立指標(biāo)層要素對(duì)各自準(zhǔn)則層要素的判斷矩陣，并計(jì)算優(yōu)先級(jí)項(xiàng)向量，最后根據(jù)分項(xiàng)判斷矩陣計(jì)算各個(gè)指標(biāo)的總優(yōu)先級(jí)向量，結(jié)果如表3所示：

2.4 結(jié)果討論

由表3可知，在準(zhǔn)則層各要素中，人因因素對(duì)駕駛風(fēng)險(xiǎn)的影響最大，其次道路設(shè)計(jì)因素，再者為管理因素，車輛因素和環(huán)境因素的影響相對(duì)較弱。如在人因因素方面，激進(jìn)的駕駛風(fēng)格諸如頻繁變速、超車行駛、超速行駛等對(duì)駕駛風(fēng)險(xiǎn)具有最大的影響，其次為長(zhǎng)時(shí)間連續(xù)駕駛導(dǎo)致的駕駛疲勞將顯著降低駕駛員駕駛能力和反應(yīng)水平，導(dǎo)致惡性事故的發(fā)生。由此可見(jiàn)，人因因素是影響駕駛風(fēng)險(xiǎn)的關(guān)鍵因素，也反映加強(qiáng)駕駛員管理監(jiān)督及職業(yè)素質(zhì)培養(yǎng)的重要性。

道路設(shè)計(jì)因素會(huì)干擾駕駛員的判斷或影響車輛正常運(yùn)行，導(dǎo)致駕駛風(fēng)險(xiǎn)的產(chǎn)生。在道路設(shè)計(jì)因素中，不良的道路設(shè)計(jì)，比如長(zhǎng)大下坡可能導(dǎo)致車輛在頻繁的制動(dòng)中導(dǎo)致剎車失靈。不良的道路彎道可能因視距不良，而出現(xiàn)車輛側(cè)翻的風(fēng)險(xiǎn)。為此，不良的道路設(shè)計(jì)對(duì)駕駛風(fēng)險(xiǎn)具有較大的影響，但不良道路設(shè)計(jì)可通過(guò)歷史事故數(shù)據(jù)進(jìn)行識(shí)別，通過(guò)對(duì)道路設(shè)計(jì)改造或安全干預(yù)措施對(duì)事故黑點(diǎn)進(jìn)行改造，將有助于降低風(fēng)險(xiǎn)的產(chǎn)生。

在諸多因素中，管理因素也會(huì)對(duì)駕駛風(fēng)險(xiǎn)具有較大的影響。由上述分析可知，人因因素對(duì)駕駛風(fēng)險(xiǎn)有最大影響，而在管理相關(guān)因素上，加強(qiáng)監(jiān)管對(duì)駕駛風(fēng)險(xiǎn)的管控具有非常重要的作用。通過(guò)超速監(jiān)測(cè)、攝像監(jiān)控等方式，對(duì)車輛及駕駛員不良行為進(jìn)行監(jiān)督及糾正，將有助于降低駕駛風(fēng)險(xiǎn)的產(chǎn)生。

3 結(jié)論

駕駛事故風(fēng)險(xiǎn)的評(píng)估是提供科學(xué)有效的管理方法的基礎(chǔ)，有助于降低駕駛員的駕駛事故風(fēng)險(xiǎn)，以更好地保障駕駛員的生命財(cái)產(chǎn)安全。該文從系統(tǒng)角度分析駕駛事故風(fēng)險(xiǎn)的影響因素，分別從人、車、路、環(huán)境、管理等5個(gè)維度提取激進(jìn)駕駛風(fēng)格、長(zhǎng)時(shí)間連續(xù)駕駛、缺乏定期檢修、超重行駛、不良道路設(shè)計(jì)、不良路面情況、惡劣天氣、交通擁堵、缺乏安全干預(yù)措施，以及缺乏監(jiān)管等10個(gè)影響因素，AHP確定不同影響因素的權(quán)重，并評(píng)估現(xiàn)有管理方案的風(fēng)險(xiǎn)控制效果。該文通過(guò)對(duì)34名從事交通安全領(lǐng)域研究的學(xué)者及從業(yè)人員的調(diào)查進(jìn)行定量分析，研究結(jié)果顯示：激進(jìn)的駕駛風(fēng)格、連續(xù)駕駛時(shí)間對(duì)駕駛事故風(fēng)險(xiǎn)存在最大的影響；加強(qiáng)服務(wù)的監(jiān)管、建立嚴(yán)格激勵(lì)制度對(duì)駕駛風(fēng)險(xiǎn)具有更好的管控效果，對(duì)此集時(shí)通提出了一種全新的解決方案，即通過(guò)融合通信、智能硬件、大數(shù)據(jù)等信息化技術(shù)，致力于解決傳統(tǒng)運(yùn)輸企業(yè)在交通安全方面的主要問(wèn)題，不僅有助于保障駕駛員的生命財(cái)產(chǎn)安全，還能為企業(yè)的可持續(xù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)

[1]陳艷艷，李向楠，孫智源，等.基于Logistics回歸的道路交通事故影響因素辨識(shí)方法[J].交通科技與經(jīng)濟(jì)， 2018（5）：1-5+11.

[2]陳荔，李聰穎，詹立，等．城市道路交通事故形態(tài)影響因素分析與預(yù)測(cè)[J].長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022（4）：98-107.

[3]央美，田華，達(dá)瓦澤仁，等.那曲市公路交通事故不良天氣高影響路段及其氣象因素分析[J].氣象與環(huán)境學(xué)報(bào)， 2023（2）：100-106.

[4]王希琳.基于Logistic回歸的交通事故嚴(yán)重性的影響因素分析[J].科學(xué)技術(shù)創(chuàng)新， 2022（7）：53-56.

[5]Cai X， Lu J J， Xing Y， et al. Analyzing Driving Risks of Roadway Traffic Under Adverse Weather Conditions： In case of Rain Day[J]. Procedia-social and Behavioral Sciences， 2013（96）： 2563-2571.

[6]陳昭明，徐文遠(yuǎn)，曲悠揚(yáng)，等.基于混合Logit模型的高速公路交通事故嚴(yán)重程度分析[J].交通信息與安全， 2019（3）：42-50.

[7]胡驥，閆章存，盧小釗，等.基于有序Logit與Probit模型的交通事故嚴(yán)重性影響因素分析[J].安全與環(huán)境學(xué)報(bào)， 2018（3）：836-843.

[8]張麗霞，劉濤，潘福全，等.駕駛員因素對(duì)道路交通事故指標(biāo)的影響分析[J].中國(guó)安全科學(xué)學(xué)報(bào)， 2014（5）：78-84.

[9]任英，彭紅星.中國(guó)交通事故傷亡人數(shù)影響因素的實(shí)證分析[J].預(yù)測(cè)， 2013（3）：1-7.

收稿日期：2024-07-29

作者簡(jiǎn)介：劉茂豪（1978—），男，本科，工程師，研究方向：交通數(shù)據(jù)庫(kù)。