基于组合赋权的灰聚类方法在交通安全评价中的应用

2022-03-26杨文涛

山东交通科技 2022年1期

杨文涛

（中国人民公安大学，北京 100038）

引言

道路交通安全与人民的生命安全息息相关，随着我国汽车保有量的逐步上升，交通事故已严重威胁人民生命健康。仅2019 年，我国统计道路交通事故1 247.3 万起，同比增长221.7 万起，上升21.6%。其中造成62 763 人死亡、256 101 人受伤，直接财产损失13.5 亿元[1]。因此，进行道路安全评价，及时发现安全隐患，在道路的改善、优化及减少交通事故发生等方面，将发挥重大作用。

灰色聚类评价方法从主客观相结合的角度出发，对在评价过程中除主要因素外的其余因素进行弱化，并对评价对象或指标进行分类，通过进行已知信息处理，来达到对交通安全进行评价的目的。

在对道路交通安全评价时所选用的评价指标含义及其数量存在较大差距，并且影响道路交通安全的因素有很多。在进行安全评价时，不可能将所有信息收集完全，因此，要利用灰色的概念，将一部分模糊不清的因素排除，通过对已知信息的再加工，将评价对象确定在某一灰度内，并通过组合赋权[2]的方法对其中的灰度聚类系数进行修正，使结果更加全面、准确，进而评价道路交通安全。

1 评价方法

1.1 基于组合赋权的灰色聚类评价方法原理

灰色系统理论是以“部分信息已知，部分信息未知的“小样本”“贫信息”不确定性系统为研究对象，着重研究“外延明确、内涵不明确”的对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为的正确认识和评价[3]。

灰色聚类评价是通过白化权函数进行区间划分，并对各区间分类定义，从而实现对评价对象的分级归类。组合赋权是将主观赋权和客观赋权相结合，使主观因素具有较大程度的标准性和客观性。

1.2 基于组合赋权的灰色聚类评价方法步骤

组合赋权-灰色聚类评价方法首先要建立评价指标和标准，在相关数据的支撑下，将指标赋予更加严谨的权数值，从而确定对象的聚类值，最后进行聚类分析。

1.2.1 确定评价指标

避免选用单一指标或者各种指标的简单重复罗列，应选择能综合反应该评价对象的指标；应选择重要程度有明显区分的指标，避免在评价时难以定义量化；保证选择的指标都符合我国国情及实际情况。

1.2.2 确定评价标准

评价标准的确定决定着结果的精确性以及准确性，因此，要尽可能地在数据的支撑下，保证结果的科学准确。

1.2.3 建立原始样本矩阵D0

原始样本矩阵是把各评价对象相应的评价指标在矩阵中表示出来。评价指标、评价对象分别用j、i表示，数量分别为m、n。

1.2.4 原始样本矩阵的无量纲化处理

处理矩阵时由于各评价指标的数据相差较大，关联性不强，为方便后续进行计算比较，需要无量纲化处理。在熵权法中，对样本矩阵进行标准化时应遵循指标的正负相关性。当指标值与结果呈现正相关性时，即指标值越大，结果越优。rij为第i 个评价对象在第j 项评价指标处的标准值，则：

当指标值与结果呈现负相关时，即指标值越小，结果越优，则：

1.2.5 确定白化权函数

白化权函数是描述一个灰数在其取值范围内不同数值的“偏爱”程度。白化权函数反映了人们在主观上掌握的该灰数信息，而灰数的灰度则是对该灰数的灰程度测定，反应的是其信息量大小[4]。

1.2.6 确定各评价指标的组合权重

组合权重的确定，分为三部分，首先对各个指标进行主观赋权，一般采用层次分析法，然后再进行客观赋权，一般采用熵权法。最后通过组合赋权，确定权重，一般采用线性加权和熵值修正G1[5]两种方法进行。

1.2.7 基于组合赋权的修正折算系数

式中：Ujt—第j 项评价指标将评价对象归类于第t 种灰度的修正折算系数；Ajt—第j 项评价指标归属于第t 种灰度的特征值[4]；wj—第j 项评价指标的权重。

1.2.8 确定各灰度的聚类值

式中：Git—评价对象综合各项评价指标对于各灰度的聚类值；fjt(dij)—第j 项评价指标归属于第t 种灰度的白化权函数在某一白化值的权数取值[4]。

1.2.9 对各评价对象进行聚类分析

选出各个评价对象在各灰类中的聚类值的最大值。

2 道路交通安全评价案例

2.1 案例背景

以山东省5 个较为典型的市区作为研究对象，分别是A 市、B 市、C 市、D 市和E 市。基于调研数据，分析5 个市区在2019 年内的交通事故数、死亡人数、受伤人数及直接财产损失[1]等数据，采用组合赋权-灰色聚类评价方法，进行道路交通安全评价，并分析评价结果。

2.2 组合赋权-灰色聚类评价方法的运用

2.2.1 评价指标的确定

通常评价道路安全的指标有事故起数、死亡人数、受伤人数、直接财产损失、交通安全教育、安全措施和设施的评价等。虽然影响因素较多，但由于死亡和受伤无论对于个人还是社会来讲，危害是很大的。结合我国道路交通事故统计年报的数据记录，最终确定评价指标为事故起数、死亡人数、受伤人数和直接财产损失。

2.2.2 评价标准的确定

为排除主观因素的影响，保证结果的科学性、可靠性。通过绘制累计百分率曲线，拟定不同的百分率所对应的数值来确定灰类特征值。评价等级确定四级灰类。选取80%、60%、40%、20%四个累计百分率特征点分别确定优、良、中、差值。累计百分率对应的点Aij代表指标i 的特征值。评价标准见表1。

表1 评价标准

由于各项指标的数据都不相同并且变化的范围比较大，因此，为了方便比较研究，对其指标数据进行无量纲处理。经处理的数据在0～1 范围内变化。将5 个指标下的各个数据进行无量纲化处理并进行数据累加，描点画出曲线，再通过4 个累计百分率特征点确定相对应的特征值。

2.2.3 建立原始样本矩阵

数据样本来源于2020 年由公安部交通管理局发布的道路交通事故统计年报。

2.2.4 样本矩阵无量纲处理

利用无量纲化后的数据绘制百分率曲线，并确定灰类特征值。灰类特征值见表2。

表2 灰类特征值

2.2.5 确定白化权函数

第j 项评价指标从属各灰度的白化权函数见图1～图4。

图1 第j 项指标属优类的白化权函数

图2 第j 项指标属良类的白化权函数

图3 第j 项指标属中类的白化权函数

图4 第j 项指标属差类的白化权函数

根据各项评价指标从属各灰度的白化权函数，确定相应的表达式：

2.2.6 确定各评价指标的组合权重

首先通过层次分析法得出各评价指标的重要程度排序，见表3；通过一致性检验得出的权重为［0.292 0.067 0.151 0.491］T；然后通过熵权法得到评价指标的权重为［0.712 5 0.657 5 0.667 2 0.721 5］T；最后运用熵值修正G1 法，对前两者所求得的指标权重进行组合，最终确定各个评价指标权重为［0.520 0.410 0.324 0.245］T。

表3 各评价指标的重要程度

2.2.7 基于组合赋权的修正折算系数

获得各评价指标对于各灰度的修正折算系数，见表4。

表4 各评价指标对于各灰度的修正折算系数

2.2.8 确定各灰度的聚类值

按公式（8）可得结果见表5。

表5 聚类评估值

2.2.9 对各评价对象进行聚类分析

对山东省A～E 5 个市的道路交通安全状况进行聚类，可得：G11=0.539，G22=0.719，G33=0.471，G44=0.294 3，G54=0.750。

2.2.10 评价结果的聚类分析

通过对各评价对象分析可得，在2019 年度道路交通安全状况A 市为优，B 市为良，C 市为中，E 和D 市为差。（1）在A 市中，优性成分占比为48%，良性成分占比36%，中性成分占比16%，没有差性成分。（2）在B 市中，占比最多的是良性成分为34%，优性、中性和差性成分分别占比16%、23%和27%。（3）D 市的差性成分占比较高，为55%，优、良、中性成分占比分别为13%、17%、15%。（4）在C 市中，优、良、中性成分占比分别为14%、31%、55%，无差性成分。（5）E 市中差性成分占比较高，为51%，良、中性成分占比为18%、31%，无优性成分。因此，5 市的道路交通安全状况从优至差依次：A 市、B 市、C 市、E 市、D 市。

2.2.11 结果分析