论文部分内容阅读
摘要：根据公路隧道健康安全评价的非线性及小样本检测的特点,耦合支持向量机解决小样本、非线性及高维模式识别特有的优势，提出基于支持向量机的非线性综合评判方法,并在此理论基础上构建公路隧道隧道安全评价体系。通过专家评议法确定评价指标的权值，再运用模糊层次方法对公路隧道运营安全评价体系进行单因素评价和整体综合评价，并确定其安全等级。工程实践证明该法的简便、实用、准确，可为公路隧道安全运营管理提供理论参考。
关键词：支持向量机;公路隧道;运营;健康安全评价
Abstract: According to the characteristics of nonlinear safety of highway tunnel health evaluation and the small sample detection, coupling support vector machine to solve the small sample, nonlinear and high dimensional pattern recognition of unique advantages, the proposed nonlinear comprehensive evaluation method based on support vector machine, and based on this theory, constructing the system of safety evaluation of highway tunnel. The determination of evaluation index weight through the expert evaluation method, and then use fuzzy AHP method of single factor evaluation and comprehensive evaluation of highway tunnel operation safety evaluation system, and to determine the level of security. Engineering practice shows that the method is simple, practical, accurate, can provide a theoretical reference for the safety management of highway tunnel.
Key words: support vector machine; highway tunnel; operation; health and safety evaluation
中图分类号：U415 文献标识码：文章编号：
1 引言：
随着经济和高速公路飞速的发展，我国公路隧道取得了辉煌的成就，在世界上隧道工程数量最多、条件最复杂、技術发展最迅速。截至2009年底，我国已建公路隧道6139处，长达394.2万延米[1]。公路隧道里程数量大，隧道工程环境差，技术与管理人员缺乏以及隧道工程安全风险认识的不充分，是隧道工程运营阶段安全事故频发的主要原因，给国家和人民带来重大损失[2]。我国对公路隧道进行安全评价方面的研究主要集中在隧道施工安全评估方面，或是运营阶段通风、照明、消防等一些子系统的研究[3]，而公路隧道综合的安全评价的实践与研究还比较少，基本处于发展阶段[4]。对于如何及时、精准、有效地评价公路隧道的运营健康安全性能成为交通管理和隧道运营部门普遍重视的热点课题。
2.公路隧道运营健康安全评价体系
指标体系的确立是健康安全评价的基础和关键，故需从系统工程的角度出发，综合考虑运营阶段中的各个危险因子，全面而综合地建立公路隧道运营健康安全综合评价指标体系。评价体系的建立遵循三个原则：严密性的原则，即构建的公路隧道健康安全运营评价体系要求严格准确，要能够全面及客观地反映运营阶段公路隧道的安全实况。少而精的原则，要求评价指标数量不必过于繁冗，减少同级评价指标的相关性，另一方面要求同一指标的表达方式要斟酌，优化选择。重点突出的原则，各评价指标在公路隧道健康安全评价中的作用及地位不同，需要抓住主要矛盾，在评价体系中罗列主要评价指标，并赋予相应的权重值。
公路隧道运营健康安全评价指标体系是对公路隧道运营中的安全管理、隧道结构、交通环境、机电设施系统4个一级指标和19个二级评价指标进行评价，其框架如图1所示
图1公路隧道运营健康安全评价体系
3. 支持向量机评价原理
支持向量机(Support Vector Machine, SVM)是由统计学习理论发展起来的学习机器。它是基于结构风险最小化原理而不同于基于经验风险最小化原理的神经网络方法，根据小样本信息在模型的复杂性和学习能力之间寻优，适合小样本情况下机器的学习，克服了工程应用中广泛存在的典型负类数据不足的问题。SVM多分类器模型，用于对公路隧道运营健康安全评价，与人工神经网络技术相比，它能有效提高诊断的准确性和效率[5-7]。
假设训练样本集，，，=1,2…m，n为样本维数，m为样本数。
（1）
式中为权值向量，为分类阀值，Rn为训练样本空间。
求解最优分类面就是对给定的训练样本，找到权值与阀值的最优值，满足下式：
（2）
利用Lagrange优化方法可以将最优分类面问题转化为对偶问题，即在（3）式与（4）式
（3）
（4）
约束条件下，通过求解（5）式
（5）
求得对应的最优和阀值，其中为每个样本对应的Lagrange乘子。当0对应的样本决定分类结果，则这些样本成为支持向量，得到最优分类函数：
（6）
对于线性不可分问题，可通过非线性变换转化为某个高维空间中的线性问题，再变换空间最优分类平面。在满足Mercer条件下采用适当的内积函数K(xi，xj)变换到高维空间，此时目标函数转为：
（7）
相应的分类函数则为
（8）
运用支持向量机进行安全等级评价的基本原理是将输入向量映射到一个特征空间，再在特征空间中寻找最佳线性分界线，支持向量机的训练过程就是全局寻优。基于支持向量机对公路虽得到运营的健康安全进行评价，即是对隧道样本进行训练，然后对待评价公路隧道进行健康安全等级分类。
4 工程实例
公路隧道健康安全评价是一个高度非线性问题，解决这类复杂问题最好的方法就是采用非线性的手段进行研究。支持向量机具有严格的理论基础，并结合VC维理论，引入结构风险最小化原则，具有很好的推广能力，使其通过有限样本的学习，便能较理想的反映出输入因素与输出结果之间的复杂映射关系。公路隧道健康安全评价问题的实质就是要建立公路隧道健康安全性能影响因素与健康安全等级之间的映射关系，故采用支持向量机来解决公路隧道健康安全评价问题是适合的。
以福建某14个公路隧道的检查结果为研究对象。子系统的评价结果是根据各评价因素逐一打分得到的，最大分以1.0记，由子系统的参数结果，利用综合模糊评价法得出公路隧道运营系统的健康安全状态评价水平，系统安全状态以等级表示，共分为4级：1等为优秀级，2等为良好级，3等为安全级，4等为警示级。以其中10个公路隧道的评价结果作为训练样本，数据见表1，另4个作测试样本。选用径向基核函数，函数宽度=0.4，取惩罚参数C=1000，类权因子=1.5(i负类)，=1.0(i正类)。在MATLAB上编程可得出训练样本安全等级如表1所示：
表1 公路隧道安全评价训练等级表
用测试样本对训练好的SVM分类器进行测试，结果见表2，可见SVM多分类器对其他4个公路隧道的健康安全评价与综合模糊评价法完全一致。为了检查本方法的性能，设计一个BP人工神经网络分类器，输入层神经元为4，分别对应4个子评价系统，输出层神经元为4，分别对应公路隧道的4种安全状态，隐含层节点数取为19。用相同的样本在同样配置的计算机上进行训练和测试，可得出表2，由表2可知：支持向量机与模糊评价及神经网络法所得结果相同，但其求解更快捷方便。
表2测试样本及结果
5 结论
支持向量机方法专门针对小样本情况，将实际问题通过非线性变换映射到高维的特征空间，对样本的特征有更好的识别能力。利用支持向量机方法构建公路隧道健康安全多层次分类评价模型，实现对公路隧道运营4种安全状态智能评判，与人工神经网络法相比，它具有分类能力强、决策计算量小、训练速度快、需要样本数量少、容易操作等优点。实例分析显示它可以提高煤矿安全评价的可靠性和效率，具有一定的推广应用价值。
参考文献：
[1]關宝树. 隧道工程维修管理要点集[M].北京: 人民交通出版社, 2004.
[2]交通运输部综合规划司.中国公路水路交通行业发展统计公报[R].北京:中华人民共和国交通运输部.2009.
[3]韩直, 白云.公路隧道安全评价指标体系与方法[J]. 公路交通技术,2008,6.
[4]刘辉. 公路隧道施工安全评价指标体系的研究[J]. 工业安全与环保, 2006,8.
[5] 王志辉, 舒服华. 改进的支持向量机在煤矿安全评价系统中的应用J] .矿业安全与环保，2007,34（2）：82-87.
[6] 刘勇健,李彰明,杨雪强. 岩质边坡稳定性评价的粗糙集-支持向量机方法 [ J] . 工程地质学报, 2009, 17 (3):322-328.
[7] 赵洪波, 冯夏庭. 支持向量机函数拟合在边坡稳定性估计中的应用[J]. 岩石力学与工程学报, 2003, 22(2): 241~245.
关键词：支持向量机;公路隧道;运营;健康安全评价
Abstract: According to the characteristics of nonlinear safety of highway tunnel health evaluation and the small sample detection, coupling support vector machine to solve the small sample, nonlinear and high dimensional pattern recognition of unique advantages, the proposed nonlinear comprehensive evaluation method based on support vector machine, and based on this theory, constructing the system of safety evaluation of highway tunnel. The determination of evaluation index weight through the expert evaluation method, and then use fuzzy AHP method of single factor evaluation and comprehensive evaluation of highway tunnel operation safety evaluation system, and to determine the level of security. Engineering practice shows that the method is simple, practical, accurate, can provide a theoretical reference for the safety management of highway tunnel.
Key words: support vector machine; highway tunnel; operation; health and safety evaluation
中图分类号：U415 文献标识码：文章编号：
1 引言：
随着经济和高速公路飞速的发展，我国公路隧道取得了辉煌的成就，在世界上隧道工程数量最多、条件最复杂、技術发展最迅速。截至2009年底，我国已建公路隧道6139处，长达394.2万延米[1]。公路隧道里程数量大，隧道工程环境差，技术与管理人员缺乏以及隧道工程安全风险认识的不充分，是隧道工程运营阶段安全事故频发的主要原因，给国家和人民带来重大损失[2]。我国对公路隧道进行安全评价方面的研究主要集中在隧道施工安全评估方面，或是运营阶段通风、照明、消防等一些子系统的研究[3]，而公路隧道综合的安全评价的实践与研究还比较少，基本处于发展阶段[4]。对于如何及时、精准、有效地评价公路隧道的运营健康安全性能成为交通管理和隧道运营部门普遍重视的热点课题。
2.公路隧道运营健康安全评价体系
指标体系的确立是健康安全评价的基础和关键，故需从系统工程的角度出发，综合考虑运营阶段中的各个危险因子，全面而综合地建立公路隧道运营健康安全综合评价指标体系。评价体系的建立遵循三个原则：严密性的原则，即构建的公路隧道健康安全运营评价体系要求严格准确，要能够全面及客观地反映运营阶段公路隧道的安全实况。少而精的原则，要求评价指标数量不必过于繁冗，减少同级评价指标的相关性，另一方面要求同一指标的表达方式要斟酌，优化选择。重点突出的原则，各评价指标在公路隧道健康安全评价中的作用及地位不同，需要抓住主要矛盾，在评价体系中罗列主要评价指标，并赋予相应的权重值。
公路隧道运营健康安全评价指标体系是对公路隧道运营中的安全管理、隧道结构、交通环境、机电设施系统4个一级指标和19个二级评价指标进行评价，其框架如图1所示
图1公路隧道运营健康安全评价体系
3. 支持向量机评价原理
支持向量机(Support Vector Machine, SVM)是由统计学习理论发展起来的学习机器。它是基于结构风险最小化原理而不同于基于经验风险最小化原理的神经网络方法，根据小样本信息在模型的复杂性和学习能力之间寻优，适合小样本情况下机器的学习，克服了工程应用中广泛存在的典型负类数据不足的问题。SVM多分类器模型，用于对公路隧道运营健康安全评价，与人工神经网络技术相比，它能有效提高诊断的准确性和效率[5-7]。
假设训练样本集，，，=1,2…m，n为样本维数，m为样本数。
（1）
式中为权值向量，为分类阀值，Rn为训练样本空间。
求解最优分类面就是对给定的训练样本，找到权值与阀值的最优值，满足下式：
（2）
利用Lagrange优化方法可以将最优分类面问题转化为对偶问题，即在（3）式与（4）式
（3）
（4）
约束条件下，通过求解（5）式
（5）
求得对应的最优和阀值，其中为每个样本对应的Lagrange乘子。当0对应的样本决定分类结果，则这些样本成为支持向量，得到最优分类函数：
（6）
对于线性不可分问题，可通过非线性变换转化为某个高维空间中的线性问题，再变换空间最优分类平面。在满足Mercer条件下采用适当的内积函数K(xi，xj)变换到高维空间，此时目标函数转为：
（7）
相应的分类函数则为
（8）
运用支持向量机进行安全等级评价的基本原理是将输入向量映射到一个特征空间，再在特征空间中寻找最佳线性分界线，支持向量机的训练过程就是全局寻优。基于支持向量机对公路虽得到运营的健康安全进行评价，即是对隧道样本进行训练，然后对待评价公路隧道进行健康安全等级分类。
4 工程实例
公路隧道健康安全评价是一个高度非线性问题，解决这类复杂问题最好的方法就是采用非线性的手段进行研究。支持向量机具有严格的理论基础，并结合VC维理论，引入结构风险最小化原则，具有很好的推广能力，使其通过有限样本的学习，便能较理想的反映出输入因素与输出结果之间的复杂映射关系。公路隧道健康安全评价问题的实质就是要建立公路隧道健康安全性能影响因素与健康安全等级之间的映射关系，故采用支持向量机来解决公路隧道健康安全评价问题是适合的。
以福建某14个公路隧道的检查结果为研究对象。子系统的评价结果是根据各评价因素逐一打分得到的，最大分以1.0记，由子系统的参数结果，利用综合模糊评价法得出公路隧道运营系统的健康安全状态评价水平，系统安全状态以等级表示，共分为4级：1等为优秀级，2等为良好级，3等为安全级，4等为警示级。以其中10个公路隧道的评价结果作为训练样本，数据见表1，另4个作测试样本。选用径向基核函数，函数宽度=0.4，取惩罚参数C=1000，类权因子=1.5(i负类)，=1.0(i正类)。在MATLAB上编程可得出训练样本安全等级如表1所示：
表1 公路隧道安全评价训练等级表
用测试样本对训练好的SVM分类器进行测试，结果见表2，可见SVM多分类器对其他4个公路隧道的健康安全评价与综合模糊评价法完全一致。为了检查本方法的性能，设计一个BP人工神经网络分类器，输入层神经元为4，分别对应4个子评价系统，输出层神经元为4，分别对应公路隧道的4种安全状态，隐含层节点数取为19。用相同的样本在同样配置的计算机上进行训练和测试，可得出表2，由表2可知：支持向量机与模糊评价及神经网络法所得结果相同，但其求解更快捷方便。
表2测试样本及结果
5 结论
支持向量机方法专门针对小样本情况，将实际问题通过非线性变换映射到高维的特征空间，对样本的特征有更好的识别能力。利用支持向量机方法构建公路隧道健康安全多层次分类评价模型，实现对公路隧道运营4种安全状态智能评判，与人工神经网络法相比，它具有分类能力强、决策计算量小、训练速度快、需要样本数量少、容易操作等优点。实例分析显示它可以提高煤矿安全评价的可靠性和效率，具有一定的推广应用价值。
参考文献：
[1]關宝树. 隧道工程维修管理要点集[M].北京: 人民交通出版社, 2004.
[2]交通运输部综合规划司.中国公路水路交通行业发展统计公报[R].北京:中华人民共和国交通运输部.2009.
[3]韩直, 白云.公路隧道安全评价指标体系与方法[J]. 公路交通技术,2008,6.
[4]刘辉. 公路隧道施工安全评价指标体系的研究[J]. 工业安全与环保, 2006,8.
[5] 王志辉, 舒服华. 改进的支持向量机在煤矿安全评价系统中的应用J] .矿业安全与环保，2007,34（2）：82-87.
[6] 刘勇健,李彰明,杨雪强. 岩质边坡稳定性评价的粗糙集-支持向量机方法 [ J] . 工程地质学报, 2009, 17 (3):322-328.
[7] 赵洪波, 冯夏庭. 支持向量机函数拟合在边坡稳定性估计中的应用[J]. 岩石力学与工程学报, 2003, 22(2): 241~245.