基于云模型的城市占道施工区交通安全风险评价方法

闫 硕

(中国人民公安大学 交通管理学院， 北京 100038)

0 引言

随着我国城市机动化的快速发展，汽车保有量逐年提升，对城市道路造成了很大压力，城市道路的改扩建及修缮与养护施工项目日益增多. 道路施工时，在占据或封闭部分道路情形下，会改变原有交通流的速度及方向等. 同时对该施工路段的通行能力及服务水平等产生影响，使得道路的通行环境更加复杂，易出现拥堵、机非混行等状况，产生大量的交通冲突，存在道路交通安全事故的风险. 因此，对交通安全风险进行评价，有针对性地采取预防措施，对保障施工区路段交通安全具有重要指导作用.

目前对于城市道路施工安全风险的研究主要基于交通组织与仿真技术. 戴忧华等[1]采用微观交通流仿真技术对道路施工区域进行交通仿真，引入等效跟驰距离FDE评价城市道路施工期间的交通安全水平. 金宏雷等[2]基于道路施工安全的系统工程观点，在分析道路施工工程中各种易发事故的基础上，运用模糊综合评价方法对道路施工工程的现场安全状况进行综合性评价. 巩建国等[3]在分析城市道路占道施工交通管理的基础上，为了提高占道施工的交通运行安全与效率水平，对占道施工的交通流管理进行了精细化设计. 罗强[4]利用微观交通仿真软件VISSIM建立不同类型城市道路施工区域在不同限速值的仿真模型，用交通冲突数量指标对道路施工区域安全性进行分析评价.

灰色关联度分析、熵权法及模糊数学等常用的综合评价方法由于大多为定性推理，且较为单一，易受主观因素的影响，难以体现评价系统本身存在的复杂性与不确定性. 云模型是在随机理论和模糊理论的基础上，结合多种隶属函数而产生的模型[5]，可反映模糊性与随机性的关联性，具有更强的适用性及描述不确定性的能力，能更好地处理风险评价问题[6]. 因此，本文运用组合赋权的方法，构建基于云模型的交通安全风险评价模型，并将模型应用于郑州市地铁7号线占道施工区的交通安全风险评价中.

1 云模型及其评价原理

1.1 云模型定义

设X为某一系统的论域，C表示系统中的模糊集合.对于系统中的任意元素x∈X，均存在具有稳定倾向的随机数u(x)，则称u(x)为元素x隶属于模糊集合C的水平隶属度[7].u(x)在论域X上的分布被称作云，每一个x称为一个云滴(drop).云的形状可反映出概念的模糊性和随机性.

1.2 数字特征

云的特性用数字特征来表示，分别包括期望Ex、熵En及超熵He[7].期望即云的评价值，表征云的定性概念，熵以及超熵表征云的随机性与模糊性.某一样本点Xz的云模型数字特征计算过程如下.(其中S2为样本方差)

(1)

(2)

(3)

1.3 云发生器

云发生器[8]包括正向云发生器和逆向云发生器，是云模型中的两种算法.正向云发生器可将定性转换为定量，而逆向云发生器与之相反.

图1 正向、逆向云发生器

1.4 评价步骤

云模型可实现定性与定量的互相转换及对目标的不确定性进行描述，反映随机性与模糊性的关联，优势在于一定程度上能克服评价的主观性，提高评价的可信度.其评价步骤如下：

1)计算云数字特征.运用云逆向发生器算法对样本进行处理，计算得出样本的云数字特征.

2)确定云模型标尺并构建标准云.将论域划分评价等级，利用云模型标尺运行正向云发生器算法生成标准云图.

3)运行正向云发生器算法，根据所得评价目标的云数字特征，计算隶属度，绘制评价云图.

4)评价云图与标准云相比较得出评价目标所属评价等级.并根据云模型数字特征中期望值越低，则风险越高的原则，对各个指标的安全风险进行评估.

2 施工区交通安全风险评价模型的构建

2.1 施工区交通安全风险评价指标体系的建立

在现场调研和深入分析城市道路占道施工区主要影响因素的基础上，经参考《道路交通标志标线》《城市道路施工作业交通组织规范》及《公路交通安全设施设计规范》等现行规范和标准[9-11]，吸收当前专家学者对于城市道路交通安全、道路作业区安全影响分析等研究成果[12-13]，运用专家调查法，并结合城市道路交通安全风险评价指标体系现状[15]，建立如下城市道路占道施工区交通安全风险评价指标体系.其中包含5个1级指标：交通、道路、人为、环境及管理、施工.22个2级指标：车流密度、行程车速、交通组成等.

图2 占道施工区交通安全风险评价指标体系

2.2 指标权重的计算

赋权方式可分为主、客观2种方式.主观赋权出自个人经验，具有较强的主观性，客观赋权是根据指标的数据特征确立权重，能一定程度上平衡主观赋权的影响与误差.由于后续对施工区交通安全风险评价指标及其数据的处理中，包含了主观及客观因素，故权重的确立需充分结合主客观，因此，本文采用将主客观进行组合的方式来计算权重.组合权重为：

ρi=uρsi+(1-u)ρti

(4)

式中，i=1，2，…，n，n为指标数；u为常数，为平衡主客观权重所占比例，取0.5；ρsi为主观权重；ρti为客观权重.

从系统角度出发，采用简洁实用的层次分析法(AHP)[16]计算主观权重，其步骤参考文献[16]，限于篇幅不再详述.根据样本量的大小，考虑计算难度与可靠性，采用灰色关联度分析[17]确定客观权重，步骤如下：

1) 确定母序列.将最重要的指标数据列为母序列，参考序列常记为X0(k)，k=1，2，…，n.

2) 确定子序列.将其余序列列为子序列，记为Xi(k),其中i=1，2，…，n-1.

3) 归一化.为降低数值差异，便于后续分析，将数据归于某一相近范围内，采用离差标准化公式，将样本数据线性变换，归一化于区间[0，1]内.其函数为：

(5)

4) 计算子序列指标数据关于母序列指标数据的关联系数，式(6)如下：

ξ(k)=

(6)

式中φ为分辨系数，一般取0.5.

5) 计算子序列关于母序列的关联度.

(7)

6) 计算权重.

(8)

2.3 施工区交通安全风险评价模型

运用式(1)～(3)计算各二级指标的云数字特征：E′xi,E′ni,H′ei.则各一级指标对应的云数字特征为：

(9)

(10)

(11)

式中ρ′i为各二级指标的组合权重.

评价目标的云数字特征为：

(12)

(13)

(14)

运用Matlab对评价目标的数字特征进行处理，处理过程中采用正向云算法计算隶属度，即得到施工区交通安全风险评价云：

(15)

2.4 云模型标尺的确定

综合施工安全风险与交通运输安全风险的等级划分标准，将施工区交通安全风险分为5个级别：低风险、一般风险、中等风险、重大风险和特大风险. 令论域为[0,1]，并基于相关文献[18-19]将论域划分为5个评价等级，生成施工区交通安全风险评价指标的云模型标尺，分别为低风险(1，0.103 1，0.013 0)，一般风险(0.691，0.064，0.008)，中等风险(0.500，0.039，0.005)，重大风险(0.309，0.064，0.008)，特大风险(0，0.103 1，0.013 0).

3 案例

3.1 案例背景材料

本文选择的评价目标为河南省郑州市地铁7号线的一处施工区域交通安全风险. 该施工区域位于郑州市金水区农业路(东西走向)与文化路(南北走向)交叉口南侧，主要作业区在文化路东西两侧. 文化路原路宽21 m，车道宽度为15 m，车道设置为双向四车道，设有中心隔离护栏.

文化路为郑州市主干道之一，且该施工区域靠近道路交叉口，附近有4所学校以及若干居民区，行人和非机动车出行需求较大. 地铁开挖施工后文化路东侧被占据人行道、非机动车道及部分机动车道，文化路西侧被占据人行道及大部分非机动车道并设有警示牌. 施工后的车道设置为双向两车道，双向交通流的运行空间被压缩，未设置中心隔离护栏，施工区域边缘设有铁质围挡. 该处道路的路况良好，地势较为平坦，道路两侧的照明设施未设置完备，夜间照明条件一般. 该区域交通未设专人疏导，各类机动车、非机动车与行人混合通行，交通环境复杂.

3.2 模型的应用过程

3.2.1 评价指标权重的计算

经现场考察得到郑州地铁7号线金水区施工段(农业路与文化路交叉口南两侧)占道施工区安全风险评价指标数据，并邀请5位专家进行评分，构建得到各一级指标的判断矩阵，见表1. 根据层次分析法(AHP)得到各指标对应的主观权重，其对应的客观权重由灰色关联度分析得到，并利用上文的组合权重式(4)得到各级指标组合权重. 其结果见表2、表3.

表1 1级指标的判断矩阵

3.2.2 交通安全风险的评价过程

运用逆向云发生器算法，计算得到该占道施工区交通安全风险评价指标的云数字特征. 首先将指标的原始数据归一化，并根据处理后的数据及各公式计算22个2级指标的云数字特征，其次计算5个

表2 1级指标组合权重表

表3 2级指标组合权重表

1级指标对应的云数字特征，结果见表3. 运用式(12)～(14)计算得到评价目标的云数字特征为(0.479 3，0.392 5，0.122 8). 根据计算得出的评价目标的云数字特征以及云模型标尺，运用MATLAB软件计算隶属度，分别绘制标尺云及施工区交通安全风险评价云.

绘制结果如图3所示. 实点为标尺云，星号为评价云. 云滴集中分布的评价值区间为[0.4,0.6]，且集中于评价值0.479 3附近，而该区间代表风险等级为中等风险，则说明该处占道施工区的交通安全风险为中等，整体处于重大风险与中等风险之间.

3.3 交通安全风险评价结果的分析

通过云模型的运用，得到2级指标道路、人为、环境及管理、交通以及施工的评价值大概在区间[0.4,0.6]中. 说明其风险等级属于一般与中等之间，倾向于中等风险.

按照云模型数字特征中期望值越低，则风险越高的原则，通过分析该道路施工区域相关指标的期望值发现，该处占道施工区的施工现场管理、气候条件、施工位置、施工类型、施工人员安全意识、安全防护设施等指标期望值分别为：0.346 2、0.315 2、0.322 4、0.306 7、0.363 2、0.384 1，相对于其他2级指标，它们的期望值更接近于0.3，风险值偏高，接近于重大风险. 由于该处施工区域临近交叉口且在学校附近，交通流较大，各种类型的社会车辆施工混合通行，施工部门应当加强对施工的现场管理，做好安全保障措施，加强引导和教育施工人员，要对施工区域的隔离设施、安全防护进行进一步完善，避免出现隔离设施不完备，设施防撞等级不够等产生危险事故，对行人等产生威胁. 此外该区域的施工为一定深度的地铁明挖，对路基路面及周围建筑物的地基会产生一定的影响，且该区域内居住人口较多，因此进行明挖前要充分评估道路及周围建筑物的安全状况和稳固水平，降低发生路面坍塌或建筑倾斜的事故风险. 此外还要在施工建设前，做好交通调查与施工规划，咨询相关专家确定适宜的施工位置，该施工区域处在交通流较大的闹市区，施工位置的选择尤为重要，目前状况下要做好交通控制与交通组织、引导，减少冲突点，缩小冲突区，防止对交通安全产生较大影响，降低发生交通安全事故的风险.

4 结束语

城市道路占道施工区对城市交通的安全运行具有很大影响，是道路交通安全管理的重要内容. 本文对城市占道施工区交通安全风险评价方法进行了研究：

1)综合考虑施工区域内的交通运行特性，结合道路交通安全评价体系现状，合理选取交通、道路、人为、环境及管理、施工5个1级评价指标，以及车流密度、行程车速、道路线型、排水设施等22个2级评价指标，全面反映施工区域内的交通现状，以此建立施工区交通安全风险评价体系.

2)在充分考虑专家意见的基础上，为平衡主观赋权的影响与误差，将主、客观赋权进行组合，充分反映各指标的真实状况.

3)权重的确立受专家个人经验影响，具有随机性与模糊性，传统的数学评价方法不能很好地应对定性与定量之间的互相转换，在评价过程中可能存在误差. 将云模型与组合赋权相结合，对施工区交通安全风险评价中的不确定性有更加准确的表达，通过对评价目标进行云图绘制，直观表明其风险状况.

表4 各级指标云数字特征

图3 施工区交通安全风险评价云

4)运用该模型体系能直观准确地观测到城市道路施工区的安全风险状况，可针对性的对施工区交通安全影响较大的因素进行整改，减少城市道路施工带来的交通安全隐患，降低施工区域交通事故的发生概率，并为城市道路建设施工中的风险评定、风险预防、风险应对提供一些方向.