基于云模型的避险车道位置选择*

孟云伟

(重庆交通大学交通运输学院 重庆 400074)

基于云模型的避险车道位置选择*

孟云伟

(重庆交通大学交通运输学院 重庆 400074)

针对运营期山区高速公路设置避险车道时遇到的位置模糊性和随机性的特点，提出了云计算模型方法，选取事故指标、线形指标、运行车速指标及地形指标作为采集的数据，结合指标权重，使用正向正态云生成器构建了云模型.云模型可考虑避险车道位置设置的不确定性，以具体隶属度值的形式准确地计算出了拟设位置的优先顺序.在交通管理、建设部门增设避险车道进行位置选择时，云模型计算方法可作为决策参考，尤其是工程投资受限时.

运营山区高速公路;避险车道;设置位置;云模型;评价指标

0 引 言

避险车道是在行车道外侧增设的、供制动失效车辆驶离、减速停车、自救的专用车道[1].载重汽车在长大下坡路段行驶时，驾驶人需要长时间的持续制动，因刹车轮毂的构造，频繁制动引起的热量有在轮毂内部聚集无法及时排出的风险，从而造成制动性能的热衰减直至制动失效，这对行车安全极为不利[2].我国的山地、丘陵、高原等起伏地形的山区占到陆地面积的2/3，山区高速公路在前期的规划、设计、建设阶段，受地形条件、投资等因素的制约，有时不得已而使用长大纵坡或连续纵坡的组合，而在相应路段却未同时设置避险车道，这样的建设环境的安全隐患在后期的运营阶段就暴露出来，主要表现为载重汽车制动失效事故的多发，产生严重的社会影响.在对运营高速公路的交通事故进行分析的前提下，合理增设避险车道是提升容错能力、保障交通安全的重要途经.

针对避险车道本身的设计，师恒周[3]分析了失控车辆的事故率、坡长、坡度、车型比例、日交通量等因素，用实例计算了长下坡路段的安全距离，超过该距离值时，应该设置避险车道.在对避险车道具体设计时，需要线形、引入段及偏角、制动床的长度及坡度、坡床集料、末端设计等因素[4].郭鑫等[5]对影响避险车道安全的指标进行了评价，指出制动床长度的作用最大.宋灿灿等[6]利用驾驶模拟仿真平台，提出驶出角度宜在5°～12.5°，引道的长度根据驶出角度确定.李超等[7]综合考虑了事故数、伤亡人数、直接经济损失、单位路段最大车速差和制动鼓温度的因素，提出了基于中心点的三角白化权函数评估模型，对长下坡路段进行分类筛选，根据综合聚类系数，来确定全线范围内避险车道设置的紧迫程度.杨轶等[8]根据载重汽车在长大下坡路段的运行速度、制动器的温度曲线，确定了避险车道的选址位置.刘小勇等[9-10]则对车辆制动失效的位置进行了预测，在失效位置后进入避险车道前的路段的范围进行了研究，避险车道的设计应考虑与这个范围的合理衔接.陈友谅等[11]总结了工程经验法、事故率法、坡率严重度分级系统三种设置避险车道位置的方法，指出应综合考虑车速突变、刹车毂温度骤升、事故频发及建设条件这四个方面的因素.胡艺馨等[12]用聚类分析法，选择了制动器温度、平曲线半径、大货车失控事故率、地形条件及沿线构造物这四大类指标来建立评价体系，用来对避险车道的位置进行选择.

以上的研究均意识到了避险车道的设置应与所在公路的地形、线形、交通量等指标相适应，但针对运营山区高速公路的研究不多.对于运营的山区高速公路而言，避险车道的设置的前提是已发的冲出路外的事故数据，根据这些指标，可以得知设置位置的大体范围，而不再需要对全路段搜索判别.同时，在长大下坡路段载重汽车制动失效后，直到驾驶人完全失去操控能力，是有一个距离范围的，在此范围内，驾驶人期望有避险车道可以为之提供减速、自救的功能，而适宜设置避险车道的位置受到地形条件、线形指标、构造物、工程造价等条件的制约，这些指标具有随机性的特点，同时由于指标在测量时，会受到人为的干扰，导致某一处位置可设亦可不设的结果，因此也具有模糊性的特点.本研究使用云计算模型，同时考虑运营期山区高速公路避险车道位置选择的随机、模糊的特点，将避险车道设置位置的指标作为云成员，建立各指标隶属于位置适宜性的云模型，从而确定合理的设置位置.

1 评价指标的选取

1.1 事故指标

事故指标可以用载重汽车冲出路外位置之前500 m范围内的事故严重程度来表示，不同的事故类型对应相应的后果，这里参照事故代价法[13]，根据我国山区高速公路交管部门对交通事故后果严重性的统计方法，提出适用于避险车道设置的山区高速公路事故代价指标.

S=lg (A+10B+100C)

(1)

式中：A为在冲出路外造成的事故中的轻伤人数；B为重伤人数；K为死亡人数.

1.2 线形指标

载重汽车制动失效后，在长大下坡路段行驶，进入避险车道的方向与高速公路主线之间的夹角，可以用来反映进入避险车道的适宜性，较小的角度时，驾驶人可以顺畅进入，反之进入避险车道的难度将增大.假设夹角超过10°时，驾驶人操作困难，不易进入避险车道，线形指标L为

L=90°-α

(2)

式中：α为避险车道中线与高速公路主线间的夹角.

1.3 运行速度指标

运行速度指标选择运行速度与设计速度的差值v85-vd来表达，其中v85是在自由流的交通状态下小汽车在运行速度累计分布曲线上第85位百分点的速度值，认为该值不小于设计速度，可以通过高速公路上的固定测速仪或现场测量地点速度获得该值，vd是高速公路的设计速度值.该指标表征载重汽车在长大下坡路段的运行速度状态，该值越大，表明实际车速越大，发生制动失效而需进入避险车道的概率也越大.一般认为运行速度与设计速度的差值超过20 km/h后，原设计与实际的适应性较差，易发交通事故；同时在小于20 km/h的范围内，进行细分，可具体表征研究运行速度与设计速度的协调程度.

1.4 地形指标

设置避险车道的位置也受到地形条件的制约，避险车道应具有稳定的自然承载体，这与其能发挥实际功效有直接联系.地形指标用地面线的起伏程度T表征，可表示为

T=90°-β

(3)

式中：β为坡脚线与水平线的夹角.

山区高速公路的地形条件对于失控车辆的事故后果严重性具有重要的影响，失控车辆可借助平坦地形实现降低车速直至停车的目的，是设置避险车道的良好位置，而陡峭的地形则不具备这样的自然条件，为此，根据实际建设中对地面线起伏程度的表达特点，将地形指标进行了详细划分.

综合考虑以上指标，将避险车道位置设置的适宜程度分为四个等级，即可不设I、可设II、应设III、急需设置IV.评价指标的分类见表1.

表1 避险车道位置设置适宜性评价指标分类标准

2 云计算模型的建立

2.1 云计算特征值

在云计算模型中，概念的整体特性可以用期望Ex、熵En、超熵He这三个云的数字特征来表示[14].利用这三个特征值，借助Matlab可以生成云模型进行计算.进行避险车道位置适宜性评价时，将每一个指标的稳定性级别作为一个自然语言的概念，根据各评价指标标准集生成对应等级的云数字特征.

在表1中，各个评价指标均有上下边界，形如V[Xmin，Xmax]，因此其云数字特征为

(4)

式中：Xmin为指标的下界；Xmax为指标的上界；k为常数，根据指标的模糊程度选取.在本研究的云模型中，避险车道位置适宜性评价的云数字特征值见表2.

表2 避险车道位置适宜性云模型中的数字特征值

表2中a、b、c和d分别为指标所属适宜性等级的边界值.如在事故指标中，属于I，II，III，IV这四个等级的区间分别为(0,1]，(1,1.3]，(1.3,2]，(2,2.3].经表2中的计算，可得到事故指标属于I级适应性的云数字特征为(0,0.38,0.01).

2.2 模型的建立

本研究中，选用的云计算模型即为正向正态云模型，其中n=1 000，即每个指标在每个适宜性等级中均有1 000个云滴参与计算.根据计算方法，采用表1～2中的参数值，分别生成属于各隶属度的事故指标、线形指标、运行速度指标、地形指标的云模型，见图1.

图1 各评价指标的云计算模型

由图1可知，针对某一具体指标，隶属于不同等级适应性的范围不同，这与指标的取值有密切关系.同时，对指标的具体取值，可能位于不同的隶属度中，这体现了单一指标的模糊性，模型的计算本身又具有随机性，这种模糊、随机的特点，与避险车道位置选择的特征很好地吻合.

在评判避险车道位置时，还需要对各评价指标进行权重计算，这里采用了专业人员打分的方法来得到权重值，事故指标、线形指标、运行速度指标、地形指标的权重值分别为0.15，0.25，0.15，0.45，这些权重值在具体实例中与指标值对应的隶属度相乘，再进入云计算模型中，可用于对避险车道位置适宜性的评价.这里需要说明的是，对评价指标的权重值的判定，主要是针对运营期的山区高速公路，山区高速公路进入运营阶段后，一项重要手段是采用交通工程设施对车辆进行限速；而山区高速公路的主要特点体现在线形指标、地形指标方面，为此，在对四个指标进行权重计算时，认为线形指标、地形指标的值较大，对具体项目，也可根据其特点，重新计算权重值.

3 实例分析

3.1 数据的采集

重庆某山区高速公路在通车时，未设置避险车道，经过多年的运营，在多处路段出现了载重汽车冲出路外的严重交通事故，在何处设置避险车道是困扰公路维护管理部门的难题.为了对避险车道的位置提出科学合理的建议，收集到该公路四处拟选位置的事故指标、线形指标、运行车速指标及地形指标数据，其中事故指标从交通管理部门的事故调查资料中得到，线形指标根据竣工图文件中得到，运行车速指标结合现场地点测速、设计文件获得，地形指标由现场工程测量数据得到，收集的数据见表3.

表3 采集的各评价指标值

由表3可知，四处备选位置的事故指标、线形指标、运行车速指标、地形指标都各有差异，难以根据单一指标进行决策，但避险车道的设置位置应有优先顺序，尤其是在工程投资受限时.这里根据云计算模型来选择设置避险车道的位置.

3.2 云模型计算

将各指标的取值，分别代入不同等级的隶属度的表达式中，得到分属于四个等级的确定度，之后各确定度值与对应的权重值相乘再求和，可得分属于四个等级的隶属度.在每一个拟设位置，选取隶属度最大值对应的适宜性等级，将其认定为该拟设位置的适宜性等级.拟设位置的云模型计算结果见表4～7.

表4 拟设位置A评价结果

由表4～7可知，拟设位置A的适宜度属于I级，隶属度为0.381 3；拟设位置B属于II级，隶属度为0.409 8；拟设位置C属于II级，隶属度为0.833 6；拟设位置D属于II级，隶属度为0.463 8.拟设位置B、C与D属于同一等级，但C的隶属度值最大，因此，认为拟设位置C应优先考虑设置避险车道.

表5 拟设位置B评价结果

表6 拟设位置C评价结果

表7 拟设位置D评价结果

4 结 束 语

针对运营期山区高速公路设置避险车道位置的模糊性与随机性难题，提出了云计算模型的方法.根据模型的需要，选用了事故指标、线形指标、运行车速指标、地形指标这四个参数，建立了完整的评价模型，并用实例进行了方法的应用.该方法可以确定避险车道设置位置的优先等级，在优先等级相同时，仍可通过隶属度值的大小来进行详细比较.云计算模型中的指标可根据具体的工程需要进行扩充，并修改相应的权重值.提出的计算方法精确度高，可用于交通管理部门在运营期山区高速公路增设避险车道时的位置遴选，尤其是在工程资金受限时.

[1] 中建标公路委员会.公路工程技术标准:JTG B01-2014[S].北京：人民交通出版社，2004.

[2] 张国彬.公路长下坡路段避险车道设置位置的影响因素[J].交通世界,2015,11(17):130-131.

[3] 师恒周.公路长下坡路段避险车道设置位置分析[J].中外公路,2013,33(3):335-339.

[4] 孟志豪.山区高速公路避险车道设计方法[J].公路交通科技(应用技术版),2016,11(5):304-306.

[5] 郭鑫，徐阳，刘明文，等.长大下坡路段避险车道安全评价研究[J].中国安全科学学报,2014,24(4):152-158.

[6] 宋灿灿,郭忠印,蔺琳.紧急避险车道驶出角度及引道长度设置[J].同济大学学报(自然科学版),2016,44(4):587-592.

[7] 李超，王玉兰，王长中.公路避险车道灰色定位评估模型[J].长安大学学报(自然科学版),2012,32(5):39-44.

[8] 杨轶，袁泉，刘兴茂.山区高速公路长大下坡避险车道选址研究[J].北方交通,2015,37(3):60-64.

[9] 刘小勇，李迎春.基于失控车辆安全性的避险车道设置方法[J].中外公路,2013,33(6):330-332.

[10] 韩红.长大下坡路段避险车道设置方法探讨[J].公路与汽运,2015,30(5):73-75.

[11] 陈友谅,肖宁.高速公路避险车道设置综述[J].公路交通技术,2009,24(3):150-153.

[12] 胡艺馨.避险车道选址评估指标选取研究[J].物流工程与管理,2015,37(10):141-142.

[13] GRANT G，SCHULT Z, KORDEL T, et al. Relationship between access management and other physical roadway characteristics and safety[J]. Journal of Transportation Engineering,2010,136(2):141-148.

[14] 李德毅，杜鹢.不确定性人工智能[M].北京：国防工业出版社，2005.

Location Selection of Evacuation Lane Based on Cloud Model

MENGYunwei

(CollegeofTrafficandTransportation,ChongqingJiaotongUniversity,Chongqing400074,China)

In order to solve the difficulties such as fuzzy and random characteristics for evacuation lane location of mountainous expressway operation, the cloud computing model was proposed. The indices of accident, alignment, operation speed and topographic were chosen as evaluation indices. Combining with the index weight, the cloud model was established with positive normal cloud generator. The cloud model considered the uncertainty of location and accurately calculated the priorities of the proposed location in the form of specific membership value In the location choice of adding evacuation lane for the traffic management and construction departments, the cloud model calculation method can be used as a decision-making reference for location evaluation, especially when construction investment is limited.

mountainous expressway operation; evacuation lane; location set; cloud model; evaluation index

U491.5

10.3963/j.issn.2095-3844.2017.05.003

2017-08-12

孟云伟(1980—)：男，博士，国家注册土木(岩土)工程师，高级工程师，主要研究领域为道路工程、交通工程

*国家科技支撑计划项目(2015BAK09B00，2015BAK09B01,2015BAK09B02)、重庆市科学技术委员会项目(cstc2014yykfb30001,cstc2014jcsf30001,cstc2015shmszx30007)资助