溫惠英,吳亞平,漆巍巍

(華南理工大學(xué) 土木與交通學(xué)院， 廣東 廣州 510641)

山區(qū)公路事故黑點(diǎn)鑒別及其成因分析模型

溫惠英,吳亞平,漆巍巍

(華南理工大學(xué) 土木與交通學(xué)院， 廣東 廣州 510641)

鑒于山區(qū)公路交通事故黑點(diǎn)成因的多樣性，在定義山區(qū)公路事故黑點(diǎn)和動(dòng)態(tài)非定長劃分事故黑點(diǎn)鑒別路段的基礎(chǔ)上，建立基于當(dāng)量事故數(shù)的鑒別指標(biāo)法的山區(qū)公路事故黑點(diǎn)鑒別模型，根據(jù)計(jì)算結(jié)果將事故黑點(diǎn)進(jìn)行黑度劃分并作相應(yīng)描述。然后，運(yùn)用粗糙集理論對(duì)各種不利因素進(jìn)行辨析，從而判斷事故黑點(diǎn)形成的主次因素，并利用層次分析法的判斷矩陣量化山區(qū)公路事故黑點(diǎn)主要成因的各指標(biāo)權(quán)重，對(duì)權(quán)重較大的指標(biāo)進(jìn)行優(yōu)先治理，實(shí)現(xiàn)改善效益最大化，從而有效提高山區(qū)公路的行車安全性。

交通運(yùn)輸工程；山區(qū)公路；事故黑點(diǎn)；動(dòng)態(tài)路段劃分；粗糙集理論；層次分析法

0 引 言

由于受地形條件限制，山區(qū)公路沿溪臨崖路段多、急彎縱坡比例大、道路線形多變、隧道橋梁較多、防護(hù)設(shè)施匱乏，加之山區(qū)氣候環(huán)境多變，雨雪、大霧天氣較為常見，致使道路交通事故頻發(fā)，存在群死群傷的重特大惡性事故隱患。山區(qū)公路交通事故的發(fā)生是由人、車、路、環(huán)境等多種因素相互作用失調(diào)引發(fā)的結(jié)果。預(yù)防山區(qū)公路交通事故的首要任務(wù)是鑒別道路交通事故黑點(diǎn)，分析事故黑點(diǎn)的主要成因。目前，國外對(duì)道路交通事故黑點(diǎn)的定義不盡相同，國內(nèi)關(guān)于道路交通事故黑點(diǎn)尚無統(tǒng)一的定義[1]。結(jié)合山區(qū)公路的特點(diǎn)，山區(qū)公路事故黑點(diǎn)可定義為按照設(shè)定的路段劃分方法，某路段在計(jì)量周期內(nèi)發(fā)生含人員傷亡事故次數(shù)明顯高于其他路段或超過一定的閾值時(shí)，則該路段可視為山區(qū)公路事故黑點(diǎn)[1]。

目前，國內(nèi)外研究人員在道路事故黑點(diǎn)方面的研究取得了一定的成果。胡新民等[2]針對(duì)道路黑點(diǎn)識(shí)別方法、黑點(diǎn)成因改善措施，運(yùn)用質(zhì)量控制法識(shí)別路網(wǎng)中事故多發(fā)路段，經(jīng)驗(yàn)-鑒別指數(shù)法識(shí)別道路事故多發(fā)點(diǎn)(段)，以及提出黑點(diǎn)改善優(yōu)先排序方法。過秀成等[3]采用改進(jìn)的事故頻率法選取了江蘇、安徽兩省部分二級(jí)以上公路事故黑點(diǎn)，運(yùn)用事故數(shù)及致死事故率2個(gè)指標(biāo)對(duì)事故黑點(diǎn)數(shù)據(jù)進(jìn)行公路交通事故黑點(diǎn)總體特征分析。楊軫等[4]為改善雙指數(shù)函數(shù)y=a×ebx+c×edx在累計(jì)頻率曲線擬合和事故黑點(diǎn)鑒別時(shí)存在的問題，提出雙曲正切函數(shù)y=a+b×tanh(cx+cd)，以提高黑點(diǎn)鑒別效果。盧佩瑩等[5]基于地理信息系統(tǒng)以及熱區(qū)基本模型,依據(jù)一定優(yōu)先權(quán)對(duì)道路網(wǎng)進(jìn)行合并以獲取道路基本單元，模擬了交通事故空間分布，并采用Monte Carlo法定義各道路單元交通事故閾值。A.GREGORIADES等[6]提出基于貝葉斯網(wǎng)絡(luò)事故風(fēng)險(xiǎn)量化指標(biāo)的事故黑點(diǎn)鑒別法，將貝葉斯網(wǎng)絡(luò)與基于動(dòng)態(tài)交通分配的模擬器、用于傳輸算法的可視化交互系統(tǒng)(VISTAS)相結(jié)合用于評(píng)價(jià)事故危險(xiǎn)指標(biāo)。S.WASHINGTON等[7]提出了結(jié)合只有財(cái)產(chǎn)損失(PDO)事故的等價(jià)計(jì)算和分位數(shù)回歸技術(shù)確定交通網(wǎng)絡(luò)的事故黑點(diǎn)，運(yùn)用等效PDO事故的分位數(shù)回歸方法識(shí)別黑點(diǎn)集，向社會(huì)反映真實(shí)的成本，同時(shí)減少PDO和較小受傷事故的漏報(bào)，克服了傳統(tǒng)負(fù)二項(xiàng)回歸模型在處理相關(guān)問題時(shí)的局限性。

筆者在定義山區(qū)公路事故黑點(diǎn)和劃分事故黑點(diǎn)鑒別路段的基礎(chǔ)上，建立基于當(dāng)量事故數(shù)的鑒別指標(biāo)法的山區(qū)公路事故黑點(diǎn)鑒別模型，并運(yùn)用粗糙集理論對(duì)事故黑點(diǎn)成因進(jìn)行分析與篩選。然后，利用層次分析法的判斷矩陣量化主要成因的各指標(biāo)權(quán)重，對(duì)權(quán)重較大的事故黑點(diǎn)成因指標(biāo)進(jìn)行優(yōu)先治理，從而有效提高山區(qū)公路事故多發(fā)路段的行車安全性。

1 山區(qū)公路事故黑點(diǎn)鑒別模型及其黑度劃分

1.1 山區(qū)公路事故黑點(diǎn)鑒別路段動(dòng)態(tài)非定長劃分

道路交通事故黑點(diǎn)鑒別路段劃分方法分為定長劃分和非定長劃分。定長劃分法雖然簡化了鑒別對(duì)象，使事故黑點(diǎn)鑒定具有良好的操作性，但是很可能造成事故特別集中的路段劃分到不同的鑒別路段中，而將事故發(fā)生頻數(shù)相差很大的相鄰路段劃分到同一固定路段使得事故黑點(diǎn)鑒別的準(zhǔn)確性大大降低[8]。所以，筆者采用動(dòng)態(tài)非定長劃分方法，此劃分方法的指標(biāo)有最小路段分段長度、單位路段延續(xù)長度、最大路段分段長度。根據(jù)挪威、英國等國家對(duì)事故黑點(diǎn)的定義，筆者將最小路段分段長度設(shè)定為100 m。為方便事故黑點(diǎn)的排查，將單位路段延續(xù)長度設(shè)定為100 m。依據(jù)公安部2001年出臺(tái)的《全面排查道路交通事故多發(fā)點(diǎn)段工作方案》對(duì)交通事故多發(fā)點(diǎn)的鑒別標(biāo)準(zhǔn)規(guī)定，將最大路段分段長度設(shè)定為500 m。具體劃分流程如圖1。

圖1 動(dòng)態(tài)非定長路段劃分方法技術(shù)路線Fig.1 Technical path of diving method for dynamic non-fixed long road section

1.2 山區(qū)公路事故黑點(diǎn)鑒別模型

目前，常見的道路交通事故黑點(diǎn)的鑒別方法主要有絕對(duì)值法、矩陣法、概率論-數(shù)理統(tǒng)計(jì)方法(包括質(zhì)量控制法和累計(jì)頻率曲線法)、系數(shù)法等。各種方法所考慮的側(cè)重點(diǎn)不盡相同，而且在實(shí)際應(yīng)用中各自存在不同的局限性，可能會(huì)使鑒別結(jié)果的精確度降低。考慮山區(qū)公路事故黑點(diǎn)的特征，筆者采用基于當(dāng)量事故數(shù)的鑒別指標(biāo)法進(jìn)行事故黑點(diǎn)鑒別。

按事故的嚴(yán)重程度劃分，事故可分為特大事故、重大事故、一般事故和輕微事故，為了精確地鑒別山區(qū)公路事故黑點(diǎn)，須將事故的嚴(yán)重程度加以考慮。為此，通過賦予受傷及死亡事故一定的權(quán)值來計(jì)算當(dāng)量事故數(shù)[9]，其基本公式為

N=K1F+K2J1+K3J2+R

(1)

式中：N為當(dāng)量總事故次數(shù)，次；F為死亡事故中的死亡人數(shù)，人；J1為事故中受輕傷人數(shù)，人；J2為事故中受重傷人數(shù)，人；R為統(tǒng)計(jì)時(shí)間段內(nèi)發(fā)生的事故次數(shù)，次；K1，K2，K3分別為死亡、受輕傷、受重傷事故的權(quán)重，取K1=2.0，K2=1.2，K3=1.5。

建立山區(qū)公路事故黑點(diǎn)鑒別模型時(shí)，引入平均日交通量作為鑒別指數(shù)，事故率作為評(píng)價(jià)事故黑點(diǎn)的指標(biāo)[2]，劃分的事故黑點(diǎn)鑒別路段的鑒別公式如式(2)、式(3)：

(2)

(3)

1.3 山區(qū)公路事故黑點(diǎn)黑度劃分

為更好地描述山區(qū)公路事故黑點(diǎn)的危險(xiǎn)程度，依據(jù)多條山區(qū)公路事故黑點(diǎn)的鑒別結(jié)果，引入事故黑點(diǎn)黑度并對(duì)山區(qū)公路事故黑點(diǎn)黑度進(jìn)行了劃分。事故黑點(diǎn)黑度即某一鑒別事故黑點(diǎn)的危險(xiǎn)程度。山區(qū)公路事故黑點(diǎn)黑度劃分如表1。

表1 山區(qū)公路事故黑點(diǎn)黑度劃分及描述Table 1 Division and corresponding description for blackness of accident black spots of mountainous highway

2 山區(qū)公路事故黑點(diǎn)成因分析

2.1 基于粗糙集理論的事故黑點(diǎn)成因分析

在鑒別山區(qū)公路事故黑點(diǎn)的基礎(chǔ)上，為治理事故黑點(diǎn)，必須對(duì)各種不利因素進(jìn)行辨析，從而判別事故黑點(diǎn)形成的主次因素。針對(duì)山區(qū)公路事故黑點(diǎn)的主要成因，采取相應(yīng)的治理和改善措施，有效提高山區(qū)公路事故多發(fā)路段的行車安全性?；谝酝鶎?duì)道路事故黑點(diǎn)成因分析的研究成果[10-12]，運(yùn)用粗糙集理論對(duì)山區(qū)公路事故黑點(diǎn)進(jìn)行成因分析。

根據(jù)粗糙集理論中計(jì)算條件屬性子集關(guān)于決策屬性集的重要性的基本原理，提出山區(qū)公路事故黑點(diǎn)成因分析的模型與算法。在應(yīng)用粗糙集理論的決策表時(shí)，往往需要度量決策屬性對(duì)條件屬性的依賴度[13]。關(guān)于D的C正域的大小POSC(D)在一定程度上反映了屬性C對(duì)屬性D的支持度，所以定義：

(4)

稱k為條件屬性集C對(duì)決策屬性集D的支持度。特別地，條件屬性a對(duì)決策屬性集D的重要性定義為：

δCD({a})=kC(D)-kC-{a}(D)

(5)

根據(jù)上述事故黑點(diǎn)鑒別模型對(duì)某山區(qū)公路進(jìn)行事故黑點(diǎn)鑒別，以此山區(qū)公路8個(gè)事故黑點(diǎn)的事故資料和鑒別結(jié)果構(gòu)造決策表，如表2。

表2 山區(qū)公路事故黑點(diǎn)成因分析決策Table 1 Analysis of the accident-prone black sport formation inmountainous highway

在此決策表中：

C={道路線形(C1)，大型車比例高(C2)，道路交通設(shè)施不完善(C3)}

D={事故黑點(diǎn)黑度}

U/{C1}={{x1,x3,x6,x8},{x2,x5,x7},{x4}}

U/{C2}={{x1,x2,x5,x6,x7},{x3,x4,x8}}

U/{C3}={{x1,x3,x4,x6,x7,x8},{x2,x5}}

U/C={{x1},{x2,x5},{x3,x8},{x4},{x6},{x7}}

U/D={{x1,x5},{x2,x4,x7},{x3,x6,x8}}

POSC(D)={x1,x3,x4,x6,x7,x8}

k=kC(D)=3/4，即決策屬性集C對(duì)決策屬性集,D的支持度為3/4，進(jìn)一步考慮各條件屬性關(guān)于決策屬性的重要性。

U/(C-{C1})={{x1,x6,x7},{x2,x5},{x3,x4,x8}}

U/(C-{C2})={{x1,x3,x6,x8},{x2,x5},{x4},{x7}}

U/(C-{C3})={{x1,x6},{x2,x5,x7},{x3,x8},{x4}}

POSC-{C1}(D)=?

POSC-{C2}(D)={x4,x7}

POSC-{C3}(D)={x3,x4,x8}

kC-{C1}(D)=0

根據(jù)計(jì)算結(jié)果可以判定：此山區(qū)公路事故黑點(diǎn)最主要成因?yàn)榈缆肪€形不良；其次為交通組成因素(大型車比例較高)；再次為道路交通設(shè)施不完善，如交通標(biāo)志缺乏、損毀、設(shè)置不當(dāng)?shù)取Ｆ渲?，山區(qū)公路的大型車比例一般不進(jìn)行人為控制，道路交通標(biāo)志可以很快得到完善。由于山區(qū)公路其復(fù)雜的地形條件、施工量及費(fèi)用的問題，不良道路線形較難得到全面改善。所以在有限的資金條件下，為達(dá)到改善效益最大化，應(yīng)優(yōu)先選擇危險(xiǎn)度較大的線形加以改善，而不良的道路線形包括長大下坡、長直線接小半徑平曲線、不良豎曲線、連續(xù)急彎組合、急彎與陡坡組合、斷背曲線組合等多種線形。因此，筆者提出基于層次分析法的判斷矩陣來量化主要成因的各指標(biāo)權(quán)重。

2.2 判斷矩陣主要成因各指標(biāo)權(quán)重的量化

經(jīng)由上述介紹，筆者建立基于層次分析法的判斷矩陣模型來量化山區(qū)公路事故黑點(diǎn)主要成因的各指標(biāo)權(quán)重，得到表3中的判斷矩陣。并利用方根法得出各指標(biāo)的權(quán)重(表3中，長大下坡C1、長直線接小半徑平曲線C2、不良豎曲線C3、連續(xù)急彎C4、急彎與陡坡組合C5、斷背曲線組合路段C6)。

表3 主要成因的各指標(biāo)判斷矩陣及權(quán)重Table 3 Judgment matrix and weight of indexes of main formation

不良道路線形的各指標(biāo)權(quán)重排序結(jié)果為急彎與陡坡組合C5、長大下坡C1、連續(xù)急彎C4、不良豎曲線C3、長直線接小半徑平曲線C2、斷背曲線組合路段C6，危險(xiǎn)度排序由高到低。所以在有限的資金條件下，為達(dá)到改善效益最大化，優(yōu)先選擇危險(xiǎn)度較大的線形加以改善，危險(xiǎn)度相對(duì)較低線形采用設(shè)置線性誘導(dǎo)標(biāo)志和警告標(biāo)志、路側(cè)護(hù)欄等方式提高行車安全性。在此，以急彎與陡坡組合為例進(jìn)行改善。

車輛在陡坡行駛時(shí)都采取制動(dòng)措施，由于大型車、小型車速度差較大，遇上急彎容易發(fā)生追尾或碰撞事故。同時(shí)，由于陡坡下坡時(shí)車速過快，遇到急彎時(shí)車輛容易沖出車道[14]。因此，應(yīng)改造急彎路段，增大平曲線半徑，設(shè)計(jì)在彎道處的超高，提升此處線形的順適性；在急彎與陡坡組合路側(cè)設(shè)置警告標(biāo)志和線形誘導(dǎo)標(biāo)志，誘導(dǎo)駕駛員的駕駛行為。為了防止車輛下陡坡時(shí)沖出車道，可在陡坡端部設(shè)置緊急避險(xiǎn)車道。

3 結(jié) 論

1)在山區(qū)公路事故黑點(diǎn)鑒別路段劃分時(shí)，采用動(dòng)態(tài)的非定長劃分方法，使事故黑點(diǎn)鑒定具有良好的操作性，提高了事故黑點(diǎn)鑒定的準(zhǔn)確性。

2)基于當(dāng)量事故數(shù)的鑒別指數(shù)法考慮了事故的嚴(yán)重程度，避免了簡單地以事故數(shù)作為鑒別參數(shù)而造成的黑點(diǎn)鑒別效果不精確的問題。為更好地描述山區(qū)公路事故黑點(diǎn)的危險(xiǎn)程度，引入事故黑點(diǎn)黑度并對(duì)山區(qū)公路事故黑點(diǎn)進(jìn)行黑度劃分。

3)為治理事故黑點(diǎn)，運(yùn)用粗糙集理論對(duì)各種不利因素進(jìn)行辨析。事故黑點(diǎn)的最主要成因?yàn)榈缆肪€形不良；其次為交通組成因素；再次為道路交通設(shè)施不完善。提出基于層次分析法的判斷矩陣來量化主要成因的各指標(biāo)權(quán)重，以優(yōu)先選擇危險(xiǎn)度較大的線形加以改善，達(dá)到改善效益最大化。

4)目前，在山區(qū)公路事故黑點(diǎn)鑒別、成因分析和防治技術(shù)方面的研究尚未形成統(tǒng)一的標(biāo)準(zhǔn)和體系，因此對(duì)于更為完善的鑒別方法和防治技術(shù)還需進(jìn)一步深入地研究。

[1] 李亭.山區(qū)高等級(jí)公路黑點(diǎn)段鑒別及安全性評(píng)價(jià)研究[D].長春：吉林大學(xué)，2008.LITing. Research on the Black-Spots Identification and Safety Evaluation of High-Level Highway in Mountains[D].Changchun:JilinUniversity, 2008.

[2] 胡新民，劉濤，張?zhí)烊A，等.道路黑點(diǎn)識(shí)別與改善[J].交通運(yùn)輸工程學(xué)報(bào)，2004,4(1):106-109. HU Xinmin, LIU Tao, ZHANG Tianhua, et al. Highway black spot recognition and improvement[J].JournalofTrafficandTransportationEngineering, 2004,4(1): 106-109.

[3] 過秀成，盛玉剛，潘昭宇，等.公路交通事故黑點(diǎn)總體特征分析[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007,37(5)：930-933. GUO Xiucheng, SHENG Yugang, PAN Zhaoyu, et al. Analysis of general characteristics for highway traffic accident black-spots[J].JournalofSoutheastUniversity(NaturalScienceEdition), 2007, 37(5):930-933.

[4] 楊軫，唐瑩，方守恩.雙曲正切函數(shù)在事故黑點(diǎn)鑒別中的應(yīng)用[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2011,43(10)：143-148. YANG Zhen, TANG Ying, FANG Shouen. Application of hyperbolictangent function for accident prone location identification[J].JournalofHarbinInstituteofTechnology, 2011,43(10):143-148.

[5] 盧佩瑩，姚申君，吳健平，等.基于GIS的道路熱區(qū)鑒別方法[J].交通運(yùn)輸工程學(xué)報(bào)，2011,11(4)：97-102. LU Peiying, YAO Shenjun, WU Jianping, et al. Identification method of road hot zone based on GIS[J].JournalofTrafficandTransportationEngineering, 2011,11(4):97-102.

[6] GREGORIADES A, MOUSKOS K C. Black spots identification through a bayesian networks quantification of accident risk index[J].TransportationResearchPartC(EmergingTechnologies), 2013,28: 28-43.

[7] WASHINGTON S, HAQUE M M, OH J,et al. Applying quantile regression for modeling equivalent property damage only crashes to identify accident blackspots[J].AccidentAnalysisandPrevention, 2014，66: 136-146.

[8] 李梅.高速公路安全服務(wù)水平分級(jí)方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2011. LI Mei.StudyonFreewayTrafficSafetyLevelofServiceClassificationMethod[D]. Harbin: Harbin Institute of Technology, 2011.

[9] 張長生，馬榮國.山區(qū)高速公路交通事故分析及多發(fā)路段鑒別[J].長安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010,30(6)：76-80. ZHANG Changsheng, MA Rongguo. Identification method of traffic accident black spots on mountain freeway[J].JournalofChang’anUniversity(NaturalScienceEdition), 2010,30(6):76-80.

[10] 潘昭宇,過秀成，盛玉剛，等.灰色關(guān)聯(lián)分析法在公路交通事故黑點(diǎn)成因分析中的應(yīng)用[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2008,6(3)：96-101. PAN Zhaoyu, GUO Xiucheng, SHENG Yugang, et al. Cause analysis on the formation of the highway traffic black-spot with the gray association degree method[J].JournalofTransportationEngineeringandInformation, 2008,6(3):96-101.

[11] 姚智勝，邵春福，龍德璐.基于粗糙集理論的路段交通事故多發(fā)點(diǎn)成因分析[J].中國安全科學(xué)學(xué)報(bào)，2005,15(12)：107-109. YAO Zhisheng, SHAO Chunfu, LONG Delu. Cause analysis of traffic accidents on road black spots based on rough set theory[J].ChinaSafetyScienceJournal, 2005,15(12):107-109.

[12] 張鵬,張靖,劉玉增，等.粗集在交通事故黑點(diǎn)成因分析中的應(yīng)用[J].電子科技大學(xué)學(xué)報(bào)，2007,36(2)：267-270. ZHANG Peng, ZHANG Jin, LIU Yuzeng, et al. Rough set application in the analysis of formulation cause of traffic black-spot[J].JournalofUniversityofElectronicScienceandTechnologyofChina, 2007,36(2):267-270.

[13] 張文修，吳偉志，梁吉業(yè),等.粗糙集理論與方法[M].北京：科學(xué)出版社，2001. ZHANG Wenxiu, WU Weizhi, LIANG Jiye, et al.RoughSetTheoryandMethod[M]. Beijing: Science Press,2001.

[14] 掲強(qiáng).高速公路交通事故黑點(diǎn)安全改善決策優(yōu)化研究[D].廣州：華南理工大學(xué)，2014. JIE Qiang.ResearchontheDecision-makingOptimizationofHighwayAccidentBlack-spotSafetyImprovement[D].Guangzhou: South China University of Technology,2014.

Models of Identification and Formulation Cause Analysis on Accident Black Spots of Mountainous Highway

WEN Huiying, WU Yaping, QI Weiwei

(School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510641, Guangdong, P.R.China)

Considering the complex formation causes of accident black spots of mountainous highway, based on defining accident black spots and dividing identified road sections dynamically, the identification model on accident black spots of mountainous highway was built. The model was based on the number of equivalent accidents. According to calculation results, blackness of accident black spots was divided and defined accordingly. Then, the rough set theory was used to analyze various unfavorable factors so as to diagnose the primary and secondary formation causes of accident black spots. And the judgment matrix of AHP was adopted to quantify each index weight of main cause. Furthermore, in order to get best improvement, the greater indexes, weights should be treated in priority. Thus, driving safety of mountainous highway can be improved effectively.

traffic and transportation engineering; mountainous highway; accident black spots; dynamic division for road sections; the rough set theory; AHP

10.3969/j.issn.1674-0696.2016.04.27

2015-04-30；

2015-07-15

國家自然科學(xué)基金項(xiàng)目(51378222)；廣東省省級(jí)科技計(jì)劃項(xiàng)目(2013B010401009)；廣東省交通運(yùn)輸廳科技項(xiàng)目(科技-2013-04-010)

溫惠英(1965—)，女，教授，博士生導(dǎo)師，主要從事交通運(yùn)輸規(guī)劃與管理、交通安全方面的研究。E-mail:hywen@scut.edu.cn。

U491.3

A

1674-0696(2016)04-137-04