基于可拓学的事故路段风险等级识别模型

张文会，马 俊，罗文文，李德才，李 卓

(1.东北林业大学 交通学院，黑龙江 哈尔滨 150040；2.北京交通运输职业学院 汽车工程系，北京 102618)

基于可拓学的事故路段风险等级识别模型

张文会1，马 俊1，罗文文1，李德才1，李 卓2

(1.东北林业大学 交通学院，黑龙江 哈尔滨 150040；2.北京交通运输职业学院 汽车工程系，北京 102618)

为了揭示事故路段行车风险等级变化特征，将事故现场的形成至解除过程划分为出警、现场安全设施设置、现场勘查和救援及安全设施解除4个序列时段，选取交通流量、信息发布、现场处置、速度管理和驾驶员反应5个风险度量指标，采用乘积标度法确定指标权重，基于物元、可拓集合论和关联函数确定事故路段风险经典域、节域和待评物元，建立事故路段风险等级识别模型。以某双向四车道高速公路事故现场为例，应用该模型确定各时段的风险等级，即第一时段为极度危险，第二时段为中度危险，第三时段为基本安全，第四时段为轻度危险。研究结果表明：评价结果客观，所建模型可用于事故路段风险等级识别，得到的风险时变特征为风险识别和风险管控提供理论参考。

交通运输工程；事故路段；风险识别；可拓学

0 引 言

高速公路发生重特大交通事故，事故现场的存在时间较长。交通警察需要达到事故现场，采集现场信息；必要的情况下，消防和医护人员也要来到现场，进行安全救援。事故现场的存在导致路段可通行宽度变窄，交通参数突变，增加行车风险。因此，驾驶人应提前感知事故信息，调整车辆的运动状态，以避免与事故车辆或现场人员发生碰撞，发生二次事故。事故现场具有时间和空间属性，一些风险因素动态变化，不同时段通过现场的驾驶人感知的行车风险就有差别。

国外学者对事故路段行车风险的研究主要从交通事件快速识别以及快速反应[1]，仿真模拟事故现场的事故概率[2]等方面展开研究，从而达到降低事故路段风险，加强事故现场管理控制的目的。国内学者对事故路段的研究有事故现场的安全性综合评价[3]，交通事件的影响范围[4-5]，交通事件持续时间预测[6-7]等，也有关于作业区行车风险仿真模型的研究[8]。综上所述，目前国内和国外对于事故路段风险的研究多为事故路段整体风险的研究以及尽可能减少事故现场存在的时间，对于研究事故路段行车风险随时间的动态变化过程，确定各时段的风险等级的研究尚不多见。

笔者基于事故现场的时间属性，将事故现场的存在时间分为出警、现场安全设施设置、现场勘察和救援以及现场安全设施解除4个时段，采用可拓学理论建立事故路段行车风险等级评定模型，描述风险时间分布特征。

1 事故现场时段划分与行车风险因素

1.1 时段划分

1)出警时段T1：是指从事故发生到交通警察到达事故现场的一段时间。此时段由于事故信息并未发布，或者发布不够广泛，且缺乏必要的事故现场的安全处置与管理措施。

2)安全设施设置时段T2：是指从交通警察到达至安全设施设置完毕的一段时间。在该时段，事故信息已经发布，事故现场开始安全处置，交通流量较上一时段要小，通过车辆驾驶员较为谨慎。

3)现场勘察和救援时段T3：设施设置完毕后，交通警察等有关人员对现场进行勘查和救援，该时段已有现场安全措施，因此通过车辆速度较慢，驾驶员获得事故信息后更加谨慎。

4)安全设施解除时段T4：现场勘查和救援结束后，事故现场解除，交通恢复，该时段内现场安全设施逐渐撤除。

1.2 风险因素

确定影响事故路段行车风险因素为交通流量、信息发布、现场处置、速度管理以及驾驶员反应，见表1。

表1 事故路段行车风险关键因素

2 可拓学理论模型

2.1 物 元

可拓学[9-10]以物元为逻辑细胞，用有序三元组R={N，c，v}来描述。其中：N表示事物；c表示事物特征的名称；v表示事物N关于c取得的量值；v=c(N)反映事物的质和量的关系。如果事物N有多个特征，则有：

(1)

2.2 经典域、节域和待评物元

待评指标的经典域为：

(2)

式中：Moj为评价等级；j为等级数量；ci为评价指标，i=1,2，…，n；voji=|aoji，boji|为Moj关于ci的量值范围。

待评指标的节域为：

(3)

式中：Mp为节域对象，即为评价等级的全体；vpi=|api，bpi|为节域对象关于ci的量值范围，即节域。

将待评指标用物元表示，则得到待评物元为：

(4)

2.3 关联度

根据距的定义，计算各指标对应的点到经典域的距离ρ(vi，voji)和其到节域的距离ρ(vi，vpi)，分别为：

(5)

(6)

则关联函数为：

则待评对象Ro关于等级Mj的关联度Kj(M)为：

(8)

式中：ωi为评价指标的权重分配系数。

若满足：

(9)

则评定评价对象M属于jo级。

2.4 乘积标度法

3 事故路段风险等级评价

3.1 风险指标经典域、节域以及待评物元

结合风险因素的特点和专家意见，参照文献[11]对安全因素分级标准，将风险因素分为5级：M={M1，M2，M3，M4，M5}={基本安全，轻度危险、中度危险、重度危险、极度危险}，见表2。

表2 风险因素分级标准

笔者以双向四车道高速公路基本路段发生的交通事故为例，通过调查得到某事故路段的5个指标，得到4个时段各因素情况，见表3。

表3 某事故路段行车风险因素值

参照文献[3]中指标无量纲化的方法，对表2和表3的因素无量纲化处理，见表4和表5。

表4 风险因素分级标准无量纲化

表5 行车风险因素实际值无量纲化

该事故路段行车风险指标S1(交通流量)的可拓学的经典域为：

同理：可算出Ro2，Ro3，Ro4，Ro5。

节域根据事故路段行车风险因素的取值范围而定，一般是评价等级的全体，即为：

T1时段事故路段行车风险可拓学待评物元为：

同理，可算出Ro2，Ro3，Ro4。

3.2 待评物元关联度计算

采用乘积标度法确定风险因素的权重，见表6。

表6 风险因素的权重

则根据式(5)～式(8)计算待评事故路段4个时段行车风险等级的综合关联度，见表7。

表7 关联度计算结果

根据式(9)可知：

由此可知，事故现场4个时段的行车风险等级分别为极度危险M5、中度危险M3、基本安全M1以及轻度危险M2。

在5个风险因素中，S1(交通流量)在T1时段的值影响其在T2，T3，T4时段的值，且具有不确定性。当S1∈{600，700，800，900，1 100,1 200}时，利用该模型重新计算4个时段内风险等级，结果相同。

4 结 论

发生交通事故后，从事故现场形成到解除的时间过程中，事故路段的行车风险等级随着时间的推移而改变。将事故路段进行时段划分，采用可拓学理论建立行车风险等级评价模型，结合双向四车道高速公路发生的交通事故现场，定量分析了各个时段的行车风险等级，得到的主要结论如下：

1)将事故路段划分为出警、现场安全设施设置、现场勘查和救援及安全设施解除4个时段，并选取事故现场交通流量、信息发布、现场处置、速度管理和驾驶员反应5个风险度量指标作为风险等级识别模型的评价指标。

2)基于物元、可拓集合论和关联函数确定事故路段风险经典域、节域和待评物元，建立事故路段风险等级识别模型。

3)以某双向四车道高速公路事故现场为例，应用上述可拓学模型确定各时段的风险等级。应用结果说明，出警时段为极度危险，现场安全设施设置时段为中度危险，现场勘查和救援时段为基本安全，安全设施解除时段为轻度危险。

[1] BENJAMIN A C,RAMACHANDRAN M.Distributed surveillance on freeways emphasizing incident detection and verification [J].TransportationResearchPartA:PolicyandPractice,2007,41(8):750-767.

[2] YASER E H.A fuzzy-based system for incident detection in urban street networks [J].TransportationResearchPartC:EmergingTechnologies,2007,15(2):69-95.

[3] 张文会,邓红星,王宪彬,等.交通事故现场安全性综合评价[J].交通运输系统工程与信息,2010,10(3):105-109. ZHANG Wenhui,DENG Hongxing,WANG Xianbin,et al.Comprehensive safety evaluation for traffic accident scene [J].JournalofTransportationSystemsEngineeringandInformationTechnology,2010,10(3):105-109.

[4] 曹志远,郭忠印,张起森,等.高速公路重大交通事故时空影响范围研究[J].公路工程,2011,36(6):55-58. CAO Zhiyuan,GUO Zhongyin,ZHANG Qisen,et al.Research on time and spatial extent of terrible traffic accidents on highway [J].HighwayEngineering,2011,36(6):55-58.

[5] 童世鑫,丛浩哲,陈雨人.高速公路交通事件清除时间模糊逻辑预测模型[J].重庆交通大学学报(自然科学版),2011,30(1):85-88. TONG Shixin,CONG Haozhe,CHEN Yuren.Fuzzy logic prediction model for clearance time of freeway traffic incidents [J].JournalofChongqingJiaotongUniversity(NaturalScience),2011,30(1):85-88.

[6] 赵小强,李瑞敏.城市快速路交通事故持续时间预测[J].公路工程, 2010,35(1):42-44. ZHAO Xiaoqiang,LI Ruimin.Incident duration models of urban expressway [J].HighwayEngineering,2010,35(1):42-44.

[7] 姬杨蓓蓓,张小宁,孙立军.交通事件持续时间预测及参数标定[J].重庆交通大学学报(自然科学版),2010,29(4):613-615. JIYANG Beibei,ZHANG Xiaoning,SUN Lijun.Traffic incident duration time prediction model and parameters calibration [J].JournalofChongqingJiaotongUniversity(NaturalScience),2010,29(4):613-615.

[8] 吴彪,许洪国,戴彤焱,等.高速公路作业区行车风险仿真评价模型[J].交通运输系统工程与信息,2013,13(3):151-156. WU Biao,XU Hongguo,DAI Tongyan,et al.Simulation evaluation model on driving risk of expressway work zone [J].JournalofTransportationSystemsEngineeringandInformationTechnology,2013,13(3):151-156.

[9] 蔡文,杨春燕,林伟初.可拓工程方法[M].北京:科学技术出版社,1997. CAI Wen,YANG Chunyan,LIN Weichu.ExtensionEngineeringMethod[M].Beijing:Science and Technology Press,1997.

[10] 何金平,廖文来,施玉群.基于可拓学的大坝安全综合评价方法[J].武汉大学学报(工学版),2008,41(2):42-45. HE Jinpin,LIAO Wenlai,SHI Yuqun.Comprehensive assessment method of dam safety based on extenics theory [J].EngineeringJournalofWuhanUniversity,2008,41(2):42-45.

[11] 国威,潘晓东,蒋曙豪.基于相对差异函数的隧道群交通安全评价[J].同济大学学报(自然科学版),2013,41(1):101-105. GUO Wei,PAN Xiaodong,JIANG Shuhao.Relative difference function-based traffic safety assessment of tunnel groups [J].JournalofTongjiUniversity(NaturalScience),2013,41(1):101-105.

Identification Model for Risk Level of Traffic Accident Section Based on Extension Science

ZHANG Wenhui1, MA Jun1, LUO Wenwen1, LI Decai1, LI Zhuo2

(1. School of Traffic, Northeast Forestry University, Harbin 150040, Heilongjiang,P.R.China; 2. Department of Automobile Engineering, Beijing Vocational College of Transportation, Beijing 102618,P.R.China)

In order to reveal the variation characteristics of risk level of traffic accident section, the process of formation and removal of accident scene was divided into four periods, which included the police responding period, the scene safety facilities setting period, the scene exploration and rescue period as well as the safety facilities removing period. 5 risk measurement indexes were selected, including the traffic flow, the information dissemination, the scene disposal, the speed management and the drivers’ response, and the weight of the indexes was determined by the product scale method. Based on the theory of matter-element, extension set and correlation function, the classical domain, joint domain and the matter-element to be evaluated of traffic accident section were determined, and the identification model of risk level of traffic accident section was established. Taking a four-lane highway accident scene for example, the proposed model was used to determine the risk level of each period, and there were four periods. The first period was extremely dangerous, the second one was moderately dangerous, the third one was basically safe and the last one was slightly dangerous. The results show that the evaluation result is objective and the established model can be used to identify the risk level of traffic accident section; the time-varying characteristics of risk obtained can provide theoretical reference for risk identification and control.

traffic and transportation engineering; traffic accident section; risk identification; extension science

2014-10-13；

2015-01-08

中央高校基本科研业务费专项资金项目(DL12BB16)；黑龙江省哲学社会科学研究规划项目(14B015)

张文会(1978—)，男，黑龙江哈尔滨人，副教授，博士，主要从事交通运输安全方面的研究。E-mail：55065469@qq.com。

李德才(1978—)，男，黑龙江哈尔滨人，讲师，硕士，主要从事交通运输工具安全运行研究。E-mail：rayear@163.com。

10.3969/j.issn.1674-0696.2016.01.21

U491.3

A

1674-0696(2016)01-107-04