论文部分内容阅读
摘 要：道路交通是由人、车、路、环境等要素组成的复杂系统，系统失衡造就会发生交通事故。为了客观公正的辨识出事故易发路段，基于道路条件对城市道路交通安全影响因素进行综合分析，提出了一种基于道路条件影响因素的权重模型，基于逆向云模型的思想，建立了多因素危险路段组合方式及发生交通事故的概率，提出了一种基于道路条件危险路段组合的识别方法。方法应用结果表明，基于道路事故数据统计分析计算各道路条件危险组合的识别方法，能客观地描述出事故易发路段，为道路安全隐患治理奠定基础。
关键词：道路条件;熵权法;逆向云模型;事故易发路段
中图分类号：U491.31 文献标识码：A
0 引言
道路交通事故易发路段的辨识是提高道路交通安全性的重要内容之一，辨识结果的准确性也会影响事故多发点治理的效率和准确性。采用有效的辨识方法对事故易发路段进行归纳和整理，有针对性的提出解决措施，对减少交通事故发生概率，降低事故严重程度具有重要意义。
道路交通系统是由人、车、路、环境等要素组成的复杂系统，一旦驾驶人、车辆及道路条件等因素之间的耦合失调，极易发生道路交通事故。综合分析交通事故发生的因素，可以归纳为主观因素和客观因素两大类，主观因素主要包括人的因素，客观因素主要包括车辆、道路交通环境因素。有关数据统计分析，由于道路条件引起的交通事故约占17%[1]，由此可见，道路作为车辆行驶的基本条件，对交通安全的影响不能忽视。
关于道路交通安全影响因素方面研究，国内外主要基于单因素理论、多因素理论和系统致因理论三个方面分析[2]道路交通事故成因，主要采用贝叶斯网络[3]、Apriori算法[4]进行研究，并且大多数基于管理层面制定预防措施，对事故内在致因分析较少。在交通事故的分析中，对人的因素研究较多，忽视了道路因素对交通安全的影响，所以在统计交通事故中道路及其环境因素造成的事故往往被忽略。
交通事故易发路段识别方面：国内外主要的研究方法有直接分析和间接分析两类[5]，直接分析法包括专家经验法、事故率系数法、多元线性回归法、泊松回归分析法等;间接分析法有速度法、交通冲突法等。虽然分析方法简单易行，都能通过不同的角度识别事故易发路段，但分析中容易忽略一些关键要素，使鉴别结果的准确性降低。
1 道路条件影响因素指标
分析影响城市道路交通安全的因素，需充分考虑各类影响因素引发交通事故的可能性和引发事故的严重程度，根据道路交通的现状，从交通工程理论分析可知，交通事故的发生是与特定路段的道路交通条件密切相关的。本文主要研究道路客观条件对交通安全的影响，建立道路交通事故易发路段影响因素权重指标体系，该指标体系由7个一级指标和50个二级指标构成。
2 影响因素权重计算
熵权法的基本思路是可以根据指标变异性的大小来确定客觀权重[6]，可以有效地降低层次分析法中主观因素的干扰，充分利用数据客观的得出各道路条件因素的权重。
2.1 数据标准化处理
假设有m个评价指标，n个评价对象，得到的原始矩阵如下：
对矩阵进行标准化处理，得到标准化矩阵为：
表示第j个评价相对于第i个评价指标的标准值，此处采用极小值法对数据做标准化处理。
2.2 熵值计算
对于第j个影响因素，利用该影响因素下的数据列计算该影响因素的熵值：
2.3 计算偏差度
对于确定的第j个影响因素，如果该因素对道路交通安全的影响程度越小，则该影响因素下的数据列越接近完全无序状态，熵值越大，该影响因素的偏差度越小。
2.4 权重计算
对偏差度进行归一化处理后得到的数值即为每个影响因素的权重，它反映了该影响因素对道路交通安全的影响程度的大小。
现以某城市2017年交通事故分类统计数据为基础，对各数据归一化处理。
取，利用熵计算模型计算每个影响因素的熵值，根据熵值计算每个影响因素的偏差度，对偏差度进行归一化处理，从而得到每个影响因素的权重如表1所示。
3 事故易发路段辨识分析
由于交通安全具有模糊性，不是所有指标都能直接得到，且有的指标很难定量确定出各参数的值。云模型以某个指标的语言值为基础，表示某个定性概念与定量关系之间的模糊关系的转化[7]。云模型能实现指标从模糊性及随机性转换为风险特征的不确定性。
本节将利用逆向云发生器实现从定量到定性的映射，它可以将精确的数据转换为数字特征表示的概念。基于实际数据通过逆向云发生器计算后，得到单风险因素的云模型及其数字特征。将样本点输入逆向云发生器[8]，经一系类算法演算后，输出数字特征。算法过程如下：
针对交通安全的模糊性特征，采用专家打分法来获得样本数据，通过云发生器的计算，便能得到各风险因素的云模型。根据相关文献研究，道路交通安全等级表评分取值如下表所示。
在得到第n层风险指标云模型后，运用虚拟云理论综合云算法将第n层各个单因素的评估云综合起来，得到第n-1层指标的云模型，计算过程如下：
风险要素对整个城市道路交通风险的功效函数为：
表示用层次分析法得到的各要素的权重值。
m个风险要素构成的耦合度模型为：
根据相关学科对耦合状态的划分可知，当时，为低耦合;当时，为中耦合;时，为强耦合。
根据安全耦合风险测度模型和耦合度模型可知，对于不同的风险点，R值越大，风险就越大，就越容易引发交通事故。
4 结语
本文基于道路条件分析交通事故影响因素，根据可获得的历史数据，采用熵权法确定各影响因素的权重;再运用逆向云模型，建立不同道路环境组合下发生交通事故的概率模型。交通事故易发路段的鉴别可以为事故预防提供有力的依据，从而有针对性地采取治理措施，可以从根本上减少道路交通事故的发生。
参考文献：
[1]EDUARDO A VASCONCELLOS. Reassessing traffic accidents in developing countries[J].Transport Policy，1996，4（02）：263-269.
[2]孙平，宋瑞，王海霞.我国道路交通事故成因分析及预防对策[J].安全与环境工程，2007，14（02）：97-100.
[3]Mbakwe A C，Saka A，Choi K，et al. Alternative method of highway traffic safety analysis for developing countries using Delphitechnique and Bayesian network[J].Accident Analysis & Prevention，2016，93（01）：135-146.
[4]王丹，胡尧，吴楠，等.城市道路交通安全影响因素分析[J].贵州大学学报（自然科学版），2018，35（02）：14-21.
[5]李爱军，思玮，肖曼.交通事故易发路段的识别及速度控制[J].交通标准化，2012，37（09）：135-137.
[6]李元年.基于熵理论的指标体系区分度测算与权重设计[D].南京航空航天大学，2008.
[7]王威，田杰，马东辉，等.基于云模型的城市防震减灾能力综合评估方法[J].北京工业大学学报，2010，36（06）：764-770.
[8]王芳.基于云模型的高校教师满意度综合评价[J].技术与创新管理，2009，30（05）：636-639.
关键词：道路条件;熵权法;逆向云模型;事故易发路段
中图分类号：U491.31 文献标识码：A
0 引言
道路交通事故易发路段的辨识是提高道路交通安全性的重要内容之一，辨识结果的准确性也会影响事故多发点治理的效率和准确性。采用有效的辨识方法对事故易发路段进行归纳和整理，有针对性的提出解决措施，对减少交通事故发生概率，降低事故严重程度具有重要意义。
道路交通系统是由人、车、路、环境等要素组成的复杂系统，一旦驾驶人、车辆及道路条件等因素之间的耦合失调，极易发生道路交通事故。综合分析交通事故发生的因素，可以归纳为主观因素和客观因素两大类，主观因素主要包括人的因素，客观因素主要包括车辆、道路交通环境因素。有关数据统计分析，由于道路条件引起的交通事故约占17%[1]，由此可见，道路作为车辆行驶的基本条件，对交通安全的影响不能忽视。
关于道路交通安全影响因素方面研究，国内外主要基于单因素理论、多因素理论和系统致因理论三个方面分析[2]道路交通事故成因，主要采用贝叶斯网络[3]、Apriori算法[4]进行研究，并且大多数基于管理层面制定预防措施，对事故内在致因分析较少。在交通事故的分析中，对人的因素研究较多，忽视了道路因素对交通安全的影响，所以在统计交通事故中道路及其环境因素造成的事故往往被忽略。
交通事故易发路段识别方面：国内外主要的研究方法有直接分析和间接分析两类[5]，直接分析法包括专家经验法、事故率系数法、多元线性回归法、泊松回归分析法等;间接分析法有速度法、交通冲突法等。虽然分析方法简单易行，都能通过不同的角度识别事故易发路段，但分析中容易忽略一些关键要素，使鉴别结果的准确性降低。
1 道路条件影响因素指标
分析影响城市道路交通安全的因素，需充分考虑各类影响因素引发交通事故的可能性和引发事故的严重程度，根据道路交通的现状，从交通工程理论分析可知，交通事故的发生是与特定路段的道路交通条件密切相关的。本文主要研究道路客观条件对交通安全的影响，建立道路交通事故易发路段影响因素权重指标体系，该指标体系由7个一级指标和50个二级指标构成。
2 影响因素权重计算
熵权法的基本思路是可以根据指标变异性的大小来确定客觀权重[6]，可以有效地降低层次分析法中主观因素的干扰，充分利用数据客观的得出各道路条件因素的权重。
2.1 数据标准化处理
假设有m个评价指标，n个评价对象，得到的原始矩阵如下：
对矩阵进行标准化处理，得到标准化矩阵为：
表示第j个评价相对于第i个评价指标的标准值，此处采用极小值法对数据做标准化处理。
2.2 熵值计算
对于第j个影响因素，利用该影响因素下的数据列计算该影响因素的熵值：
2.3 计算偏差度
对于确定的第j个影响因素，如果该因素对道路交通安全的影响程度越小，则该影响因素下的数据列越接近完全无序状态，熵值越大，该影响因素的偏差度越小。
2.4 权重计算
对偏差度进行归一化处理后得到的数值即为每个影响因素的权重，它反映了该影响因素对道路交通安全的影响程度的大小。
现以某城市2017年交通事故分类统计数据为基础，对各数据归一化处理。
取，利用熵计算模型计算每个影响因素的熵值，根据熵值计算每个影响因素的偏差度，对偏差度进行归一化处理，从而得到每个影响因素的权重如表1所示。
3 事故易发路段辨识分析
由于交通安全具有模糊性，不是所有指标都能直接得到，且有的指标很难定量确定出各参数的值。云模型以某个指标的语言值为基础，表示某个定性概念与定量关系之间的模糊关系的转化[7]。云模型能实现指标从模糊性及随机性转换为风险特征的不确定性。
本节将利用逆向云发生器实现从定量到定性的映射，它可以将精确的数据转换为数字特征表示的概念。基于实际数据通过逆向云发生器计算后，得到单风险因素的云模型及其数字特征。将样本点输入逆向云发生器[8]，经一系类算法演算后，输出数字特征。算法过程如下：
针对交通安全的模糊性特征，采用专家打分法来获得样本数据，通过云发生器的计算，便能得到各风险因素的云模型。根据相关文献研究，道路交通安全等级表评分取值如下表所示。
在得到第n层风险指标云模型后，运用虚拟云理论综合云算法将第n层各个单因素的评估云综合起来，得到第n-1层指标的云模型，计算过程如下：
风险要素对整个城市道路交通风险的功效函数为：
表示用层次分析法得到的各要素的权重值。
m个风险要素构成的耦合度模型为：
根据相关学科对耦合状态的划分可知，当时，为低耦合;当时，为中耦合;时，为强耦合。
根据安全耦合风险测度模型和耦合度模型可知，对于不同的风险点，R值越大，风险就越大，就越容易引发交通事故。
4 结语
本文基于道路条件分析交通事故影响因素，根据可获得的历史数据，采用熵权法确定各影响因素的权重;再运用逆向云模型，建立不同道路环境组合下发生交通事故的概率模型。交通事故易发路段的鉴别可以为事故预防提供有力的依据，从而有针对性地采取治理措施，可以从根本上减少道路交通事故的发生。
参考文献：
[1]EDUARDO A VASCONCELLOS. Reassessing traffic accidents in developing countries[J].Transport Policy，1996，4（02）：263-269.
[2]孙平，宋瑞，王海霞.我国道路交通事故成因分析及预防对策[J].安全与环境工程，2007，14（02）：97-100.
[3]Mbakwe A C，Saka A，Choi K，et al. Alternative method of highway traffic safety analysis for developing countries using Delphitechnique and Bayesian network[J].Accident Analysis & Prevention，2016，93（01）：135-146.
[4]王丹，胡尧，吴楠，等.城市道路交通安全影响因素分析[J].贵州大学学报（自然科学版），2018，35（02）：14-21.
[5]李爱军，思玮，肖曼.交通事故易发路段的识别及速度控制[J].交通标准化，2012，37（09）：135-137.
[6]李元年.基于熵理论的指标体系区分度测算与权重设计[D].南京航空航天大学，2008.
[7]王威，田杰，马东辉，等.基于云模型的城市防震减灾能力综合评估方法[J].北京工业大学学报，2010，36（06）：764-770.
[8]王芳.基于云模型的高校教师满意度综合评价[J].技术与创新管理，2009，30（05）：636-639.