多分辨率视角下危险品事故风险评估方法*

刘文龙 戢晓峰 ▲

（1.昆明理工大学交通工程学院 昆明 650504；2.云南省现代物流工程研究中心 昆明 650500）

0 引 言

危险品事故风险是指具有易燃、易爆、有强烈腐蚀性和放射性危险的物品在生产，以及运输环节中，显露在人、交通和环境中并对周围存在潜在威胁。在危险品运输中，公路运输长期占据主导地位，且危险品公路运输具有数量大、种类多，点多线长、分散流动且高危的特点。因此，建立危险品多分辨率事故风险评估模型，对防控危险品事故具有重要的实用价值。

近年来，危险品运输及其事故风险问题逐步成为研究热点。如Akgün 等[1]通过分析事故造成死亡人数，构建了危险品运输事故风险的评估方法。Fabiano等[2]识别出危险品运输过程中易燃易爆的特殊场景，提出考虑到个人风险和社会风险的风险分析方法。Erkut 等[3]基于传统的风险模型，利用运筹学理论提出了度量路径风险的多种方法。Lozano等[4]通过对城市危险品运输事故的分析，识别出城市内发生危险品运输事故发显性环境。Verma 等[5]研究铁路运输中危险气体的不同类别和体积造成的最大人口暴露量，建立了1 种人口暴露的风险评估方法。Kang 等[6]考虑到不同危险品特征，探究不同类型的危险品区域风险。杨婷等[7]应用N-K 模型分析系统耦合风险，通过计算系统耦合风险,从源头上预防危险货物运输事故发生。贺宇千等[8]采用相对暴露量计算不同驾驶群体的事故风险值。魏福禄等[9]通过TR 模型测算出危险品在运输过程中的危险值，并结合风险价值理论建立危险品运输路径风险价值评估模型。马晓丽等[10]基于有序Logit 模型等建立了危险货物运输路线的综合风险评价模型，获取各路段的风险等级。马欣[11]构建了危险货物铁路运输网络，利用复杂网络方法识别危险货物运输的整体风险。魏航等[12-13]从人口风险、环境风险和财产风险3 个方面标定了有害物品的运输风险。毕军等[14]建立了运输风险、运输成本的计算模型及运输路线优化的多目标决策模型，以优化有害废物运输路径。种鹏云等[15-16]则通过复杂网络理论，探究危险品道路运输网络拓扑特性；并基于决策者的风险偏好，对路径优化问题建立决策模型，致力于优化危险道路运输网络。吕冀文等[17]从事故率估计和事故后果模拟分析2 个维度，分析了危险化学品运输风险，完善了危险化学品运输风险分析方法。

综上所述，国内外专家学者基于不同视角，利用多种方法，针对危险品风险评估和危险品路径优化等问题作出了多样探究。但以往研究多关注于路径优化或单一视角的风险评估，未能从危险品仓储、生产和运输等多重视角探索危险品事故风险，更缺乏基于实际运单数据的实证研究。而危险品在仓储和生产过程中对城市的安全隐患较大，以城市视角评估危险品事故风险，识别事故风险较高的区域，也是城市危险品安全防控和应急力量布置的关键一环；且危险品运输风险的科学评估是开展危险品路径优化等探究的关键基础，以单一维度的传统风险评估方法并不能满足实际需要。当前，随着交通安全管理与危险品运输的严峻形势，迫切需要科学评估危险品公路运输的事故风险，从而在整体上优化危险品运输组织与安全管理。鉴于此，本文针对危险品公路运输的风险控制问题，以评估危险品公路运输事故风险为目标，以城市、路径双重视角，危险品数量、事故风险2 个维度构建了危险品事故风险的多分辨率评估模型，利用海量的危险品电子运单数据结合空间分析技术，获取危险品事故风险高的区域及路径。

1 危险品事故风险评估模型

1.1 模型构建思路

在交通运输安全领域中，“两客一危”一直备受关注，其中危险品运输安全问题也是广大学者研究热点。综合现有研究，对危险品运输进行路网优化和最优路径选择是降低危险品运输事故风险的有效途径，其关键基础是对危险品运输路径进行风险评估。但由于影响危险品运输事故风险的因素较多，单一指标已不能满足评估危险品运输事故风险的需求，如何以多维度评估危险品运输事故风险是1 个亟须解决的问题。基于此，笔者结合实际运单数据，选取危险品事故风险多个显性指标相互验证、多维评估危险品事故风险，为进一步研究危险品路径优化研究打下基础。

危险品主要在仓储、生产和运输过程中，对城市、路径以及周围环境造成潜在威胁，危险品公路运输路径风险示意图见图1。而危险品在城市和路径上分布范围较广，对危险品的行业管理带来诸多困难，所以需要厘清危险品在城市和路径上的分布规律。同时，通过危险品事故风险评估，识别高风险区域和路径，是危险品事故防控和应急处置的关键所在。而以往研究多聚焦于运输状态下的危险品风险研究，鲜有考虑到城市危险品事故风险。因此，为探究危险品仓储、运输等状态下的事故风险，应从区域和路径双重视角着手，挖掘危险品分布规律，评估危险品事故风险。

图1 危险品公路运输路径风险示意图Fig.1 Road transport route risk diagram of dangerous goods

根据危险品不同的物化特性，可将危险品分为爆炸品、压缩气体、易燃气体、易燃固体、氧化物有机过氧化物、有毒物质、放射性物质、腐蚀品，以及杂类危险品共9 类。每类危险品的物化特性各异，所以每一类危险品的存储、运输方式不同，不同类型危险品的风险特征和应急管理措施也不相同。因此，不仅要评估危险品总量事故风险，还要针对不同类型的危险品分类评估事故风险。

综上所述，本文基于现有研究分析：①危险品事故风险评估是危险品路网优化和路径选择的基础；②单一维度测度不能满足危险品事故风险评估要求；③危险品分布规律是危险品风险管控的基础；④鲜有针对仓储、生产状态下的危险品事故风险进行评估。通过危险品事故风险影响因素分析：①危险品数量影响；②城市危险品事故特征；③路径危险品事故特征；④不同类型危险品物化特性决定不同防控方式。构建危险品多分辨率事故风险评估模型：从城市、路径双重视角着手，考虑到不同类型危险品物化特性，挖掘危险品分布规律，从危险品数量和事故风险多维度评估危险品事故风险。

1.2 变量选取

传统风险评估模型是以事故严重程度和事故发生概率为自变量，进行事故风险评估。而危险品事故具有事故概率小，严重程度高等特征，若以传统风险评估模型进行测算，会产生较大误差，造成事故风险评估不准确。现有研究表明，危险品数量的大小与发生事故概率有直接关联，危险品数量越多，发生事故的概率越大[18]。因此，选取危险品数量作为评估危险品事故风险的条件之一。

综上，通过借鉴可拓学物元评价法，充分考虑城市事故风险和路径事故风险的影响因子，将危险品事故风险转化为定量的数学模型。其中，选取危险品数量、城市面积和人口数作为危险品城市事故风险评估模型的自变量；选取危险品数量、路径长度和行驶时间作为危险品路径事故风险评估模型的自变量，构建危险品城市和路径事故风险的评价模型。

1.3 模型构建

根据上述变量选取，通过测算研究区域内城市与路径危险品数量，评估城市与路径危险品事故风险，构建危险品事故风险多分辨率评估模型，具体模型如下。

1.3.1 城市危险品数量计算

城市是危险品仓储和生产的主要风险区，本文以县域为研究尺度获取危险品县域总量，即在某一县域中处于仓储和加工状态下的危险品总量。通过提取各县域的危险品生成量、需求量，获取危险品县域总量；县域危险品数量越大，对县域中居民的人身与财产潜在威胁也越大，县域危险品数量也是评估危险品县域事故风险的重要指标之一。计算公式见式（1）～（3）。

式中：Ui为县域i的县域危险品总量，t；Oi和Di分别为县域i的危险品生成总量和需求总量，t；Uij为从县域i流向县域j的危险品公路运输量，t；Uji为从县域j流向县域i的危险品公路运输量，t。

1.3.2 路径危险品公路运量计算

危险品事故风险主要集中在运输路径上，且危险品以公路运输为主，因此沿途各级公路及周围环境是危险品运输主要风险区。在公路运输的过程中危险品运输车辆如遇事故，往往比普通车辆事故造成更加严重的后果；危险品公路运输量越大，对运输路径及其周围环境的潜在威胁也随之增大。本文以最短路径为运输路线获取危险品公路运输量。危险品公路运输车辆具有半程载货，半程放空的运输特征，即危险品运输为去程载货、返程放空或去程空车、返程载货2 种，本文聚焦危险品事故风险研究，只提取危险品载货的路程为研究对象。危险品路径运输量也是评估路径事故风险的重要指标之一，计算公式见式（4）。

式中：Sij为2县域危险品公路路径运输量，t。

1.3.3 危险品事故风险评估模型

为从县域和路径双重视角评估危险品事故风险，多维度测度危险品的县域事故风险和路径事故风险。通过借鉴经典风险评估模型，充分考虑危险品事故风险的影响因子，构建了危险品县域事故风险和路径事故风险评估模型。

1）县域事故风险。一段时间内县域危险品总量与县域单位面积人口数的乘积，县域单位面积人口数为该县域行政区域内人口总数与总行政区域面积的比值。笔者重点对比危险品在县域内仓储、加工状态下的事故风险，在评估县域事故风险中，暂不考虑县域过境运输的危险品事故风险。

式中：Pi为县域i的危险品事故风险，10 kt·万人/km2；Mi为县域i的人口数，万人；Ni为县域i的面积，km2。

2）从路径运输总长度和运输总时间2 个维度评估路径事故风险。其中，路径运输总长度为路径运输量与路径长度的乘积，路径长度为2 个县域实际运距；路径运输总时间为2 个县域间运输时间与运输次数的乘积，运输时间为2 个县域运距与车辆平均速度的比值。

式中：Qij为县域i至县域j的危险品公路最短路径运输长度，Mt·km；Lij为县域i至县域j的最短路径的运距，km；Tij为县域i至县域j的危险品最短路径运输时间，h；v为运输车辆平均速度，km/h；e为运输次数。

2 实例分析

2.1 数据来源与处理

2.1.1 数据来源

为了验证前文提出的危险品事故风险的多分辨率评估方法，提取某区域2018年危险品公路运输电子运单数据，通过字段筛选，去除字段不全数据，保留501 092 条有效数据，数据涵盖研究区域所有县（市、区），具体内容包括运单编号、货物类型、装货地点、卸货地点、货物规格、货物数量、货物单位等字段，实例测算危险品事故风险。

2.1.2 数据处理

数据处理过程中，对数据进行初步处理、县域危险品数量及县域间运输联系划分、危险品县域和路径事故风险计算。数据处理流程见图2。

2.2 危险品分布特征

2.2.1 危险品县域分布特征

研究区域中各县域的县域危险品总量的空间分布见图3。通过县域危险品总量提取方法，可以准确识别出各个县域危险品总量；从整体上看，研究区域中各县域之间危险品总量具有较大差异，且危险品总量较高的县域集中在中心区域。

图2 数据处理流程图Fig.2 Data processing flow chart

图3 研究区域县域危险品总量Fig.3 The total of dangerous goods in county area was studied

由于各县域经济发展状况、危险品资源分布的差异以及对不同种类的危险品需求不同，致使不同种类危险品在研究区域中不同县域之间形成运输网络，通过分析危险品运输网络流入、流出的地理分布特征，能更好的识别出基于地理分布特征所形成的危险品运输网络。运用式（1）～（2），识别出研究区域流入、流出危险品种类的县域分布情况，见图4和图5。通过对二者的地域分布特征对比分析，可以得到以下结论。

图5 流入危险品种类的空间分布Fig.5 Spatial distribution of incoming dangerous goods

1）从整体上分析，9 类危险品运输网络县域节点呈现出“供少需多”的格局。在流出危险品种类的空间分布中，危险品主要流出的县域在地域上呈散点分布；在流入危险品种类的空间分布中，流入危险品的县域地理分布较广，且危险品主要流入的县域在地域上呈现较强的集聚性，可以看出大多数县域对危险品有较大的需求。

2）从不同危险品种类流动分析，第三类、第八类危险品呈现出高需求特征，运输联系密切。各类危险品在不同县域之间的运输联系，反映出各县域之间对各类危险品的供需关系。

针对9 种类型危险品的仓储、管理和应急措施的不同，提取研究区域中各县域的各类县域危险品总量，并利用GIS空间核密度分析技术，分析各类危险品集聚性见图6。从整体上看，各类危险品的集聚县域具有明显的空间分异特征。其中，第三类危险品总量最高，占总量25.74%，覆盖在100%的县域（见图6（c））；第八类危险品总量第二，占总量23.04%，覆盖65.6%的县域（见图6（g））；第六类危险品总量最低，占总量0.06%，覆盖6.4%的县域（见图6（f））。（注：该研究区域无第七类危险品）

2.2.2 危险品公路运输联系特征

通过对9 类危险品公路运输路径总量的提取，并利用GIS 空间分析技术对结果进行可视化处理，获取研究区域的各类危险品公路运输联系，有助于优化危险品运输组织，为危险品运输规划与管理提供理论基础。本文以危险品空间运输联系进行分析，结果见图7。从整体上看，该区域较多危险品运输联系紧密且较为集中，并呈现出以中心区为核心，向四周发散的运输联系特征。另外，由于危险品公路运输的特殊性，多数县域与临近县域取得运输联系；且危险品公路运输联系呈现“近少远多”的特征，危险品短途路径运输量较少，而运距较远的路径运输量均较大，在一定程度上减少了危险品路径运输量。根据获取的区域危险品运输联系特征，可合理统筹和规划县域间各类危险品公路运输路径，以降低危险品公路运输路径事故风险。

图6 各类危险品县域总量核密度Fig.6 All kinds of dangerous goods county total kernel density

2.3 危险品县域与路径事故风险评估

2.3.1 危险品县域事故风险

通过对研究区域县域事故风险进行测算，并识别出高事故风险县域集聚区，对县域事故风险进行核密度分析，见图8。研究区域各县域的危险品事故风险具有明显的空间分异特征，整体呈现出东高西低的特征，超过区域危险品县域事故风险平均值的仅有13个县域，占比10.4%，可以发现该区域的危险品县域事故风险呈现显著的空间分异。其中，在研究区域中有9.26%的人口和1.03%的地区处于危险品高风险区、2.50%的人口和1.15%的地区处于较高事故风险区、12.36%的人口和6.37%的地区处于一般事故风险区。通过危险品县域事故风险评估，对识别出危险品集中区域进行重点监控，且适当布设应急救援队伍；加强危险货物事故应急演练，对不同类型的危险品做好相应有效的应急管理措施，可切实提高危险品县域事故风险防控水平。

图7 各类危险品运输联系Fig.7 All kinds of dangerous goods exposed transport links

图8 县域事故风险Fig.8 County accident risk

2.3.2 危险品公路运输路径事故风险

危险品公路运输路径事故风险是危险品在公路运输路径上可能发生事故的概率，与运输路径长度和运输时间相关。因此，路径事故风险从路径运输长度和路径运输时间2 个维度评估。排名前20危险品路径运输量较大，累计占比45%，因此选取运输量前20的危险品公路运输路径为例分析，测算各条路径的危险品事故风险，见图9。

图9 路径事故风险Top20Fig.9 Path accident risk Top20

事故风险第一的路径运输长度为24.10 Mt·km，路径运输时间3 593.28 h；事故风险第二的路径运输长度为19.86 Mt·km，路径运输时间为929.9 h。通过空间分析技术，以最短路径对前20条路径进行路网匹配，对路段事故风险进行叠加分析，可以发现：危险品公路运输事故风险具有较强的集聚特征，如集聚排名第一的路段事故风险值为76.92 Mt·km，运输量前20条路径有9条经过该路段，致使该路段事故风险极高；排名第二的路段事故风险值为 53.36 Mt·km，运输量前 20 条路径有 6 条经过该路段，致使该路段事故风险较高。且县域事故风险与路径事故风险有较强的关联性，高事故风险的县域之间产生高事故风险路径，如该研究区域的高事故风险路径都是高事故风险县域之间的运输路径。

针对危险品公路运输量和事故风险高的路径，应该对危险品公路运输沿线特别是隧道、水源保护地、景区等自然环境敏感区域，加强运输车辆监测，并合理设置应急救援站点；对事故风险极高的路段可以考虑开辟专用车道或专业线路。

2.4 实例结论分析

1）通过实例验证，评估出研究区域县域和路径事故风险，证明该模型的可行性。

2）该方法体系对比于单一视角的危险品运输风险评估方法发现，该模型以多视角对危险品进行风险评估，更加全面的测度出危险品处于仓储、运输等不同状态下的事故风险，可为危险品县域和路径风险防控提供科学的理论基础。

3）现有研究多侧重于利用算法模拟和仿真对危险品运输进行路网优化[9]和最优路径选择[19]，该方法以危险品数量、事故风险多维度评估危险品县域和路径事故风险，可为路网优化和路径选择提供更加科学的理论基础，并通过实际数据测算与仿真模拟研究形成互补。

3 结束语

1）本文以区域宏观风险与路径事故风险的视角下评估危险品事故风险为着眼点，从危险品总量、事故风险2个维度建立了危险品事故风险多分辨率识别方法，为危险品运输组织与安全管理提供理论基础。

2）构建危险品县域事故风险和路径事故风险评估模型，同时提取某地的危险品公路运输电子运单数据，揭示该区域危险品各县域流入、流出的地理分布特征、危险品总量及9 类分量的县域和路径危险品分布特征，并识别出高事故风险的县域和路径。

3）为科学应对危险品事故风险，针对危险品公路运输事故风险高的县域和路径，从危险品不同类型及敏感区域的角度，对危险品运输管理和应急处置提出相应对策。

4）本文在县域事故风险评估中，由于数据局限性，未考虑到县域过境运输风险。对危险品运输路径进行全路网匹配，并将危险品县域过境风险考虑进县域事故风险中，将是下一阶段的研究方向。