交通运输研究 >

2023 , Vol. 9 >Issue 1: 105 - 114

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2023.01.011

基于改进D-S的高速公路改扩建交通安全风险评估模型

  • 高明生 , 1 ,
  • 吴忠广 , 2 ,
  • 张振虎 3 ,
  • 田万利 2 ,
  • 朱强 3
展开
  • 1.江苏省交通工程建设局，江苏 南京 210004
  • 2.交通运输部科学研究院 标准与计量研究中心，北京 100013
  • 3.北京科技大学 土木与资源工程学院，北京 100083
吴忠广（1984—），男，河北沧州人，博士，高级工程师，研究方向为交通运输标准化。E-mail:

第一作者：高明生（1963—），男，江苏南京人，教授级高级工程师，研究方向为公路工程建设管理。E-mail:

收稿日期: 2022-09-02

  网络出版日期: 2023-03-08

基金资助

江苏省交通工程建设局科技项目（2021（平广扩）055；2021（平广扩）243

收起

Traffic Safety Risk Assessment Model for Expressway Reconstruction and Expansion Based on Improved D-S Evidence Theory

  • GAO Ming-sheng , 1 ,
  • WU Zhong-guang , 2 ,
  • ZHANG Zhen-hu 3 ,
  • TIAN Wan-li 2 ,
  • Zhu Qiang 3
Expand
  • 1. Jiangsu Provincial Transportation Engineering Construction Bureau, Nanjing 210004, China
  • 2. Research Center for Standards and Metrology, China Academy of Transportation Sciences, Beijing 100013, China
  • 3. School of Civil and Resource Engineering, University of Science &Technology Beijing, Beijing 100083, China

Received date: 2022-09-02

  Online published: 2023-03-08

Fold

摘要

为提高高速公路改扩建工程交通安全风险评估结果的确定性和准确性，建立了基于改进D-S证据理论的相关风险评估模型。首先建立包含24个影响因素的三层级评估指标体系；然后利用云模型（Cloud Model, CM）求出定性指标的基本信度赋值（Basic Probability Assignment, BPA），利用高斯隶属度函数求出定量指标BPA；接着，通过层次分析法确定各评估指标的权重，进而对各指标BPA进行加权；利用D-S证据理论融合加权后的BPA，归一化处理后得到改扩建工程交通安全风险状态评估结果。最后，为验证模型的准确性，选取沪陕高速公路平潮至广陵段高速公路改扩建工程作为实例进行交通安全风险评估。评估结果显示，实例工程的低风险水平隶属度最大，为0.6615，表明该实例总体处于低风险水平，与现有资料和现实情况吻合。同时发现，基于CM、AHP及D-S证据理论的评估模型对各评估指标进行量化、加权、融合后所得到的风险等级隶属度和不确定性有所区别，能更均衡地表示风险的隶属度，量化后的安全风险状态评估结果具有更好的准确性，解决了指标体系中模糊定性指标难以量化表征及指标差异化权重赋值的难题。

关键词： 交通安全; 改扩建工程; 风险评估; 层次分析; 云模型; D-S证据理论

本文引用格式

高明生 , 吴忠广 , 张振虎 , 田万利 , 朱强 . 基于改进D-S的高速公路改扩建交通安全风险评估模型[J]. 交通运输研究, 2023 , 9(1) : 105 -114 . DOI: 10.16503/j.cnki.2095-9931.2023.01.011

Abstract

In order to improve the certainty and accuracy of traffic safety risk assessment results of expressway reconstruction and expansion project, a related risk assessment model based on improved D-S evidence theory was established. Firstly, a three-level evaluation index system including 24 influencing factors was established. Secondly, the Basic Probability Assignment (BPA) of the qualitative index was calculated using Cloud Model (CM), and the BPA of quantitative index was calculated using Gaussian membership function. The weight of each evaluation index was determined by the Analytic Hierarchy Process (AHP), and BPA was weighted for each index. D-S evidence theory was used to integrate the weighted BPA, and the normalized treatment was used to obtain the traffic safety risk state assessment results of the reconstruction and expansion project. Finally, in order to verify the accuracy of the model, the highway reconstruction and expansion project of Pingchao to Guangling section of Shanghai-Shaanxi Expressway was selected as an example to evaluate the traffic safety risk. The evaluation results showed that the membership degree of low risk level was 0.6615 and was the largest, indicating that the case was at the low risk level, which is consistent with the existing information and reality. The result also showed that the risk level membership and uncertainty obtained by the evaluation model based on CM, AHP and D-S evidence theory after quantization, weighting and fusion of each evaluation index were different, which could represent the risk membership more balanced, and the security risk status evaluation results after quantization had better accuracy. The difficulty of quantifying the fuzzy qualitative index and assigning different weights to the index system was solved.

Key words： traffic safety; reconstruction and expansion project; risk assessment; Analytic Hierarchy Process(AHP); Cloud Model(CM); D-S evidence theory

0 引言

随着我国高速公路交通量的逐年增长，部分已建高速公路已不能满足交通需求，高速公路改扩建工程越来越多[1-2]。高速公路改扩建工程通常边通车边施工，交通运营和改扩建施工相互交叉影响，导致交通安全事故呈“易发、频发、多发”特点[3-4]，交通安全管理形势严峻。因此，对高速公路改扩建工程进行科学全面的风险评估，对于有效降低改扩建工程交通安全事故的发生率和事故损失具有重要意义[5]。
高速公路改扩建工程交通安全风险评估是一个复杂的过程，与正常运营的高速公路相比，除受交通流、通行环境等因素影响外，还受施工内业、交通组织、工程特点等多方面的影响。现有研究主要利用数学模型等方法对改扩建工程施工作业控制区的交通安全影响因素进行分析，如Theofilatos[6]利用回归模型发现道路曲率、交通管制、天气条件、交通流等因素对事故发生具有显著影响。研究表明，风险因素对交通安全的影响是复杂且相互关联的，如YANG等[7]利用层次分析法（Analytical Hierarchy Process，AHP）改进了APRIORI的关联规则挖掘算法，杨洋[8]提出一种基于改进Wodmi-Apriori关联规则的挖掘算法，基于以上算法的研究均揭示了交通事故致因和风险之间复杂的关联关系。不过，由于高速公路改扩建工程交通安全影响因素具有一定的不确定性和模糊性，导致以数据为基础的风险评估方法对相关因素的解释性较差，存在不完全适用的缺陷，因此诸如D-S证据理论等处理模糊数据的方法逐渐得以应用。D-S证据理论因具有处理不确定性和多源信息的优点，被广泛应用于隧道、尾矿、地震等领域的安全风险评估[9]。同时，针对D-S证据理论存在评估结果模糊性较高的缺陷，部分学者将模糊物元与蒙特卡罗模拟[10-11]、集成云模型[12]、K值聚类分析[13]、模糊子集[14]、层次分析法与熵权法[15]等引入D-S证据理论中进行融合，以更好地降低评估结果的不确定性和模糊性。
交通安全风险评估数据多源，影响因素具有高度的模糊性和不确定性，且各影响因素对交通安全的影响程度不尽相同，造成以数据为基础的风险评估方法不能完全适用于高速公路改扩建工程交通安全风险评估。虽然基于D-S理论的系列改进方法在很多领域得以应用，并一定程度上弥补了数据方法的不足，但仍存在定性指标模糊性量化不足、定性指标与定量指标权重确定不合理等问题，在进行高速公路改扩建工程交通安全风险评估时，方法的适用性和准确性仍显不足。因此，为提高改扩建工程交通安全风险评估的准确性，本文将首先基于改扩建工程的特点，建立交通安全风险评估指标体系，并根据指标体系的特点，结合现有评价模型的不足，将云模型（Cloud Model，CM）、AHP及D-S证据理论进行融合，构建适用于高速公路改扩建工程的交通安全风险评估方法，最后选取案例对所建方法的确定性和准确性进行验证和分析。

1 评估指标体系构建

为对改扩建工程交通组织的实施效果进行准确判断和分析，客观评估现场安全状态，需建立科学的高速公路改扩建工程交通安全风险评估指标体系。相对于正常运营的高速公路，高速公路改扩建工程因交通与施工相互干扰，是一个相对复杂的系统，其安全影响因素较多且不同因素既独立又相互关联，除交通流自身影响因素外，由于施工作业而造成的通行环境改变、安全防护设施防护效能改变等同样容易引发事故。
借鉴国内外交通安全风险评估的相关研究成果及高速公路改扩建工程交通组织领域专家的意见，参考《公路项目安全性评价规范》（JTG B05—2015）[16]、《道路交通标志和标线》（GB 5768.3—2009）[17]和《公路养护安全作业规程》（JTG H30—2015）[18]等标准规范，并结合当前我国高速公路改扩建工程交通组织实施现状，按照科学性、可操作性及规范性原则，本文基于阶梯层次结构设计交通安全风险评估指标体系。将各评估因素按照层次模型进行分层，选取关键性指标构建多层次、多方面的交通安全风险评估指标体系，具体包括1个目标、6个准则和24个影响因素，如图1所示。
图1 高速公路改扩建工程交通安全状态评估指标体系
根据图1，为从不同侧面评估高速公路改扩建工程交通安全风险状况，准则层选取对交通安全管理和风险具有重要影响的6个方面，即工程特点、内业管理、服务水平、周边环境、交通组织、现场防护。其中，工程特点主要从改扩建工程本身相关因素出发，在对应的因素层中，改扩建形式 C 1为定性指标，路段长度 C 2和交通量 C 3为定量指标；内业管理主要考虑改扩建工程实施期间相关机构、人员和制度等方面的建设情况，在对应的因素层中，交通组织机构 C 4、应急预案 C 5、信息发布 C 6、安全知识培训 C 7和现场安全管理 C 8均为定性指标；服务水平主要考虑道路自身条件，在对应的因素层中，路网服务水平 C 9、运行速度协调性 C 10为定量指标，交通冲突 C 11为定性指标；周边环境中，气候和地质条件直接影响行车安全，在对应的因素层中，不良地质 C 12为定量指标，气候条件 C 13为定性指标；交通组织是改扩建工程交通安全管理的重要内容，在对应的因素层中，工作区长度布设 C 14、路网分流方案 C 16、危化品运输 C 17、路网分流交通标志 C 18、路网分流交通标线 C 19等为定性指标，交通组成 C 15和车辆限速方案 C 20为定量指标；现场防护设施主要考虑相关临时交通安全设施设置对交通安全的影响，在对应的因素层中，隔离防护设施 C 21、视线诱导设施 C 22、警示设施 C 23和临时防护设施维护 C 24均为定性指标。

2 基于改进D-S的评估模型构建

2.1 模型构建思路

高速公路改扩建工程交通安全风险评估是一个不确定性与模糊性的多源问题，主要表现在风险评估指标体系中存在大量模糊性较强的定性指标，通常需要通过专家打分、问卷调查等方式进行量化表征。由于受专家自身因素的影响，造成相关指标的评判标准和打分存在差异。
D-S证据理论能将不确定、不完整、不清晰的证据进行融合，并将不确定和未知区分开。在D-S证据理论中，所有可能出现的结果构成识别框架 Θ，且 Θ中所有元素两两互斥[19]。若式（1）成立，则称 m : 2 Θ → [ 0,1 ]（ 2 Θ表示 Θ的幂集，即 Θ为所有子集所构成的集合） Θ上的基本信度赋值（Basic Probability Assignment, BPA），也称mass函数。
m ( ∅ ) = 0， ∑ A ⊆ Θ m ( A ) = 1
式（1）中： ∅表示空集， m ( ∅ )表示空集事件的mass函数； A为框架 Θ中的事件； m ( A )表示事件 A的mass函数。
在信息论中，D-S证据理论已被证明是处理多源信息融合的有效工具，但由于定性指标BPA是模糊的[20]且各指标的权重相同，导致其不能完全适用于高速公路改扩建工程交通安全风险评估。为此，首先利用CM求出定性指标BPA，利用高斯隶属度函数求出定量指标BPA；然后运用AHP方法对各指标BPA进行赋权；最后通过D-S证据理论融合赋权后的指标BPA，重新归一化后得到改扩建工程交通安全风险评估值，具体流程如图2所示[21]。
图2 信息融合评估模型流程图

2.2 BPA的计算

2.2.1 定性指标BPA计算

CM是在模糊数学和概率论的基础上提出的一种用于处理不确定性数据的模型，该模型利用云生成算法实现定性与定量数据之间的映射[19]。CM的表达式为 C = ( E x ,   E n ,   H e )，其中期望值 E x为定性概念的特征值，在云图中反映为云滴的分布中心；熵 E n为定性概念的不确定性度量；超熵 H e反映云滴的凝聚程度[22]。云生成算法又称“云发生器”，包括正向云发生器和逆向云发生器。本文采用正向云发生器，通过数字特征生成一定数量的数据云点，从而将定性指标以定量方式进行表征[23]。
高速公路改扩建工程交通安全风险评估过程涉及多个定性指标 C i ( i = 1 ,   2 , … ,   N )，每个指标可进一步划分为不同的风险状态 A j ( j = 1 ,   2 , … ,   M )，其中 N为指标数量， M为风险状态数量。
每个指标的风险状态可表示为特定的双重限制区间 [ x i j ( L ) ,   x i j ( R ) ] ( i = 1 ,   2 , … ,   N ; j = 1 ,   2 , … ,   M )。从双重限制区间 [ x i j ( L ) , x i j ( R ) ]到正常云模型的转换可通过式（2）实现。
E x i j = x i j L + x i j R 2 E n i j = x i j R - x i j L 6 H e i j = s  
式（2）中： E x i j是第 j个区间的正态云对第 i个指标的期望值； E n i j是第 j个区间的正态云对第 i个指标的熵； H e i j是第 j个区间的正态云对第 i个指标的超熵； s是0~ E n i j的常数，用于说明指标在区间识别中存在的不确定性，可以根据指标模糊程度调整； x i j ( L )为指标区间下限； x i j ( R )为指标区间上限。
在CM框架里，定性指标的BPA可通过相关性进行表征，而相关性通过计算指标 C i的实际值 x i与第 j个风险状态 A j之间的相对隶属度得到，见式（3）：
m i ( A j ) = e x p - x i - E x i j 2 2 E n i j 2
式（3）中： m i ( A j )为指标 C i对风险状态 A j的BPA； x i ( i = 1 ,   2 , ⋯ ,   N )为指标 C i的实际输入值。

2.2.2 定量指标BPA计算

利用mass函数将定量指标的输入证据转化为风险等级的BPA。首先，根据专家经验或以往研究成果确定指标的风险等级区间；然后，根据指标区间，使用高斯隶属度函数建立mass函数，确定BPA。假设指标 C i的风险等级 A j的区间为 [ x i j ( L ) ,   x i j ( R ) ]，则第 i个指标的第 j个风险等级的mass函数见式（4）：
f i j ( x i ) = - x i - a i j b i j 2
式（4）中： f i j ( x i )为 x i属于第 j个状态 A j的隶属度； a i j, b i j均为mass函数的构造常数，对应的计算公式分别为式（5）和式（6）：
a i j = x i j ( L ) + x i j ( R ) 2
b i j = x i j ( R ) - x i j ( L ) 1.665
将所得各定量指标证据对应于各风险等级的隶属度BPA，见式（7）：
m i ( A j ) = f i j ( x i ) m i ( Θ ) = 1 - ∑ i = 1 N m i ( A j )
式（7）中： m i ( A j )为第 i个指标 C i对 j个状态 A j的BPA； m i ( Θ )表示BPA的不确定性。

2.3 BPA权重计算

2.3.1 利用AHP方法计算指标相对权重

（1）判断矩阵构造
两两比较同一层次中各因素，经相关领域专家评价后，根据相互间的重要程度，通过1~9标度法将判断定量化，并分别构造各自的判断矩阵。其中，目标层-准则层的判断矩阵 B见式（8）：
B = B 11       …       B 1 N ⋮                         ⋮ B N 1       …     B N N  
式（8）中： B i j为第 i个指标相对第 j个指标的重要程度，取1~9的整数或其倒数；i, j=1, 2,…, N。
（2）相对权重计算
计算判断矩阵中每行元素的几何平均值 w i ¯，然后对其进行归一化处理得到相对权重 w i，见式（9）和式（10）：
w - i = ∏ j = 1 n B i j n         i = 1 ,   2 , ⋯ ,   n
w i = w - i ∑ i = 1 n w - i
式（9）和（10）中： n为判断矩阵的阶数。
（3）一致性检验
因判断矩阵赋值具有一定的主观性，故通过一致性检验来检验权重向量的可靠性。首先，通过式（11）计算判断矩阵的最大特征值 λ m a x，然后利用式（12）计算判断矩阵的一致性指标 C I。
λ m a x = ∑ i = 1 n A w i n w i
C I = λ m a x - n n - 1
式（11）中：A=(A1, A2, …, AM )；w=(w1, w2, …, wn )。
若 C I / R I < 0.1，则判断矩阵符合要求，否则应对判断矩阵做相应调整，重新计算。其中， R I为随机一致性指标，其取值如表1所示。当所有判断矩阵符合要求时，即可计算各层次指标的权重。
表1 随机一致性指标 R I取值表
n 1 2 3 4 5 6 7 8 9
R I 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45

2.3.2 指标BPA权重赋值

若各评估指标具有相同权重则显然与实际不符。因此，在运用AHP方法得到各指标相对权重后，通过式（13）为每个指标的 m i ( A j )赋予相对权重 w i。
m i ( ∅ ) ~ = 0 m i ( A j ) ~ = w i m i ( A j ) m i ( Θ ) ~ = 1 - w i [ 1 - m i ( Θ ) ]
式（13）中： m i ( ∅ ) ~为加权后的mass函数； m i ( A j ) ~为加权后的BPA； m i ( Θ ) ~为加权后BPA的不确定性。

2.4 基于D-S的信息融合

根据D-S证据融合规则[24]，将加权后的证据进行融合，即：
m ( A ) = 0 A = ∅ ∑ A i ⋂ B j = A m 1 ( A i ) m 2 ( A j ) 1 - K A ≠ ∅
式（14）中： K = ∑ A i ⋂ B j = ∅ m 1 ( A i ) m 2 ( A j )为冲突项； m 1 ( A i )和 m 2 ( A j )分别为同一识别框架上的两个mass函数。
当多个证据融合时，D-S规则满足结合律和交换律。由于通过式（14）将D-S证据理论和AHP结合后，会使不确定度 m i ( Θ )的反直观结果可能性增加，故需要将 m ( A )重新归一化，从而获得最终的评估结果。

2.5 风险等级划分

结合高速公路改扩建工程的特点，将指标风险状态划分为低风险、较低风险、中等风险、较高风险、高风险五个等级，即A=(A1, A2, A3, A4, A5)，如表2所示。
表2 交通安全水平等级定义
等级 评语集 等级定义
A 1 低风险 风险可以忽略，不需要采取控制措施
A 2 较低风险 风险只有在两个条件下才存在：风险降低条件不可行；经济性不允许
A 3 中等风险 风险是不期望的，需加强监督管理
A 4 较高风险 风险是不期望的，必须将风险控制在合理范围内
A 5 高风险 风险是不可接受的，必须对风险实施一定的改进控制措施
高速公路改扩建工程交通安全风险评估指标体系中，定量指标的风险等级划分范围如表3所示；定性指标的风险等级取值范围为[0,1]，基于黄金分割的云生成方法，生成定性指标的风险等级划分范围云数字特征，如表4所示，各风险等级评估状态云图如图3所示[25]。
表3 定量指标风险等级划分
评价等级 A 1 A 2 A 3 A 4 A 5
路段长度/km (0,50] (50,75] (75,100] (100,125] (125,150]
交通量×104
/（pcu·d-1）		 (0,3] (3,3.5] (3.5,4] (4,4.5] (4.5,5]
路网服务水平
（路网四级服务水平路段占比）（%）		 (0,5] (5,15] (15,25] (25,35] (35,100]
运行速度协调性
/（km·h-1）		 (0,10] (10,15] (15,20] (20,25] (25,50]
不良地质（%） (0,10] (10,20] (20,30] (30,50] (50,80]
交通组成
（大型车占比）（%）		 (0,6] (6,12] (12,18] (18,24] (24,50]
车辆限速方案
/（km·h-1）		 (0,65] (65,70] (70,75] (75,80] (80,90]
表4 交通安全风险评估定性指标云数字特征（云评估集）
评价等级 云模型 x轴范围
低风险 A 1 [1, 0.103, 0.0131] [1, 0.691]
较低风险 A 2 [0.691, 0.064, 0.0081] [0.883, 0.499]
中等风险 A 3 [0.5, 0.031, 0.005] [0.593, 0.407]
较高风险 A 4 [0.309, 0.064, 0.0081] [0.501, 0.117]
高风险 A 5 [0, 0.103, 0.013] [0.309, 0]
图3 交通安全定性指标各等级对应的评估状态云图

3 实例分析

3.1 实例选取与指标赋值

沪陕高速公路平潮至广陵段（简称“平广段”）全长48.966km，于2021年开始实施改扩建施工。由于其在江北串联起各条过江通道，交通流量较高，改扩建施工期间交通安全管理形式严峻。因此，以平广段为例，对本文所建评估指标体系和改进的D-S方法在改扩建工程交通安全风险评估应用中的确定性和准确性进行验证。根据构建的交通安全风险评估指标体系，采用专家打分方法对定性指标进行打分，定量指标取案例实际数据，最终得24个指标值如表5所示。
表5 平广段改扩建工程（ C 1~ C 24）指标值
指标 参数值 指标 参数值 指标 参数值 指标 参数值
C 1 0.7 C 7 0.75 C 13 0.6 C 19 0.8
C 2 48.966 C 8 0.85 C 14 0.7 C 20 60
C 3 23796 C 9 6 C 15 25.5 C 21 0.85
C 4 0.8 C 10 9 C 16 0.7 C 22 0.85
C 5 0.85 C 11 0.65 C 17 0.75 C 23 0.9
C 6 0.8 C 12 3.5 C 18 0.8 C 24 0.9

3.2 指标权重计算

首先，根据表2的评价标准对因素层各指标进行打分，得到因素层24个指标的评价向量R=(31, 49, 26, 24, 26, 23, 22, 36, 38, 32, 23, 24, 16, 26, 19, 33, 30, 24, 22, 20, 21, 30, 20, 26)。然后，根据2.3.1节中的权重确定方法，通过咨询交通领域相关专家，分别建立目标层与准则层、准则层与因素层的判断矩阵，得到各准则层和因素层评估指标的权重，通过一致性检验后，得到各评估指标的最终权重，如表6所示。
表6 交通安全状态指标体系及权重
目标层 准则层 因素层 因素层权重 准则层
权重
高
速
公
路
改
扩
建
工
程
交
通
安
全
风
险
评
估
指
标
体
系		 工程特点 B 1 改扩建形式 C 1 0.220 4 0.013 8
路段长度 C 2 0.153 0 0.009 6
交通量 C 3 0.626 6 0.039 2
内业管理 B 2 交通组织机构 C 4 0.263 5 0.049 2
应急预案 C 5 0.169 2 0.031 6
信息发布 C 6 0.079 3 0.014 8
安全知识培训 C 7 0.117 7 0.022 0
现场安全管理 C 8 0.370 3 0.069 2
服务水平 B 3 路网服务水平 C 9 0.196 4 0.016 7
运行速度协调性 C 10 0.311 2 0.026 5
交通冲突 C 11 0.492 4 0.041 9
周边环境 B 4 不良地质 C 12 0.333 3 0.093 2
气候条件 C 13 0.666 7 0.046 6
交通组织 B 5 工作区长度布设 C 14 0.065 0 0.019 9
交通组成 C 15 0.073 4 0.022 5
路网分流方案 C 16 0.132 3 0.040 5
危化品运输 C 17 0.095 7 0.029 3
路网分流交通标志 C 18 0.198 4 0.060 8
路网分流交通标线 C 19 0.272 4 0.083 4
车辆限速方案 C 20 0.162 9 0.049 9
现场防护 B 6 隔离防护设施 C 21 0.482 2 0.105 8
视线诱导设施 C 22 0.184 2 0.040 4
警示设施 C 23 0.228 3 0.050 1
临时防护设施维护 C 24 0.105 3 0.023 1
因素层24个评估指标组合权重分布如图4所示。从图中可以看出，平广段不良地质、路网分流交通标线及隔离防护设施这3个指标对改扩建工程的交通安全影响程度最大，在进行风险管理和管控措施制定时应重点关注。
图4 因素层指标权重分布图

3.3 BPA计算与证据融合

以准则层指标工程特点 B 1为例，进行BPA计算与证据融合。首先，将表5中指标 C 1, C 2, C 3作为依据，通过式（2）~式（7）分别求出 C 1, C 2, C 3的BPA，结果见表7。然后，根据式（13）对表7中的BPA赋予权重，再根据式（14）将 C 1, C 2, C 3融合，得到融合结果 T，如表8所示。从表7和表8可以看出，经过加权后各指标的BPA均发生一定变化，且各指标的不确定性得到了较大改进。同时，相较于加权与融合前，融合后各指标的隶属度和不确定性有所区别，能更均衡地表示风险的隶属度。
表7 各指标的BPA
指标 B 1各指标的BPA
m ( A 1 ) m ( A 2 ) m ( A 3 ) m ( A 4 ) m ( A 5 ) m ( Θ )
C 1 0.001 2 0.983 5 0.000 0 0.000 0 0.000 0 0.015 3
C 2 0.528 9 0.443 8 0.001 4 0.000 0 0.000 0 0.025 9
C 3 0.788 0 0.000 2 0.000 0 0.000 0 0.000 0 0.211 8
表8 各指标BPA加权及融合值
指标 B 1各指标加权后BPA
m ( A 1 ) m ( A 2 ) m ( A 3 ) m ( A 4 ) m ( A 5 ) m ( Θ )
C 1 0.000 3 0.216 8 0.000 0 0.000 0 0.000 0 0.783 0
C 2 0.080 9 0.067 9 0.000 2 0.000 0 0.000 0 0.851 0
C 3 0.493 7 0.000 1 0.000 0 0.000 0 0.000 0 0.506 1
T 0.386 3 0.054 7 0.000 0 0.000 0 0.000 0 0.558 9
同理，可以得到其他因素层指标的融合结果。

3.4 评估结果分析

根据因素层指标的融合结果，再将准则层指标作为证据体，融合得到实例的交通安全风险状况。结果表明，该实例交通安全风险等级隶属度向量为（0.6615, 0.3339, 0.0002, 0, 0.0044）。根据表2定义的交通安全水平等级，可知平广段交通安全状态为低风险的概率为0.661 5，处于较低风险的概率为0.333 9，这表明该路段交通安全总体处于较高水平。结合表5中相关影响因素的取值进行分析，该实例的施工状况和车辆通行状况较好，具体表现在改扩建工程作业控制区形式划分较为合理、内业管理水平较高、路段服务水平较为合理、交通组织设计合理、现场安全防护设施设置较为全面、可行。从评估结果看，该工程仍存在一定的问题，可结合实际情况进一步采取经济合理、切实可行的交通安全管理措施，如建设单位应根据评估结果有针对性地制定改进计划，尤其应该注意合理设置路段长度，以及采取提高路网服务水平、改善现场安全管理水平、注意不良地质、合理设置路网分流交通标线与隔离防护设施等措施，实现各方面交通安全管理均衡化和安全保障效果的最大化。
量化后的评估结果与实例的《施工安全技术评价报告》《施工交通组织风险评估报告》等资料给出的结论及该项目施工开展1.5年内未发生过较大及以上交通安全事故的交通安全现状相吻合，这表明所建模型结果具有较高的准确性，据此可有针对性地提出交通安全管理改进措施。

4 结语

本文基于高速公路改扩建工程的特点，构建了包括1个目标层、6个准则层和24个因素层的交通安全风险评估指标体系，提出了一种将CM、AHP与D-S证据理论相结合的多源数据融合方法，并通过实例对所建评估指标体系和评估模型的确定性和准确性进行了验证。结果表明，本文所构建的方法在进行高速公路改扩建交通安全评价时具有较高的确定性和准确性，解决了传统方法指标体系中模糊定性指标难以量化表征及指标差异化权重赋值的难题。需要指出的是，本文采用的AHP方法对指标权重赋值时易受专家经验的影响，导致权重仍然缺乏一定的客观性。后续研究中将搜集更多案例数据，利用数据方法对各指标权重进行客观赋权。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李娟, 张宇, 吴忠广, 等. 高速公路改扩建工程施工安全标准化发展现状及对策建议[J]. 交通世界, 2020(2):236-240.

[2]
RATANAVARAHA V, SUANGKA S. Impacts of accident severity factors and loss values of crashes on expressways in Thailand[J]. IATSS Research, 2014, 37(2): 130-136.

[3]
田万利, 吴忠广, 李娟, 等. 基于动态风险饱和度的高速公路交通安全分析[J]. 交通信息与安全, 2021, 39(5):12-18,42.

[4]
DINH D D, VŨ N H, MCILROY R C, et al. Effect of attitudes towards traffic safety and risk perceptions on pedestrian behaviors in Vietnam[J]. IATSS Research, 2020, 44(3): 238-247.

[5]
DAMANI J, VEDAGIRI P. Safety of motorized two wheelers in mixed traffic conditions: Literature review of risk factors[J]. Journal of Traffic and Transportation Engineering, 2021, 8(1): 35-56.

[6]
THEOFILATOS A. Incorporating real-time traffic and weather data to explore road accident likelihood and severity in urban arterials[J]. Journal of Safety Research, 2017, 61: 9-21.

[7]
YANG Y, YUAN Z Z, SUN D Y, et al. Analysis of the factors influencing highway crash risk in different regional types based on improved apriority algorithm[J]. Advances in Transportation Studies, 2019, 49(3): 165-178.

[8]
杨洋. 考虑区域类型差异的高速公路事故风险识别与交通安全评价研究[D]. 北京: 北京交通大学, 2020.

[9]
宋英华, 吴昊, 刘丹, 等. 基于D-S证据理论的地震应急救援群决策[J]. 中国安全科学学报, 2020, 30(5):163-168.

[10]
ZHANG L M, WU X G, ZHU H, et al. Perceiving safety risk of buildings adjacent to tunneling excavation: An information fusion approach[J]. Automation in Construction, 2017, 73: 88-101.

[11]
ZHANG L, DING L, WU X G, et al. An improved Dempster-Shafer approach to construction safety risk perception[J]. Knowledge-Based Systems, 2017, 132: 30-46.

[12]
WU X G, DUAN J, ZHANG L M, et al. A hybrid information fusion approach to safety risk perception using sensor data under uncertainty[J]. Stochastic Environmental Research and Risk Assessment, 2018, 32(1): 105-122.

[13]
CHEN W Y, ZHANG L M. Resilience assessment of regional areas against earthquakes using multi-source information fusion[J]. Reliability Engineering & System Safety, 2021, 215: 107833.

[14]
陈红, 甘佐贤, 谢羲, 等. 基于信息熵与D-S证据理论的交通安全风险评估[J]. 安全与环境学报, 2014, 14(4):100-105.

[15]
陈宁, 谢旺. 基于组合赋权D-S证据理论的易流态化货物海运风险研究[J]. 安全与环境学报, 2022, 22(2):623-633.

[16]
华杰工程咨询有限公司. 公路项目安全性评价规范:JTG B05—2015[S]. 北京: 人民交通出版社股份有限公司, 2015.

[17]
交通运输部公路科学研究所. 道路交通标志和标线:GB 5768.3—2009[S]. 北京: 中国标准出版社, 2010.

[18]
交通运输部公路科学研究院. 公路养护安全作业规程:JTG H30—2015[S]. 北京: 人民交通出版社股份有限公司, 2015.

[19]
赵平, 裴晓丽, 薛剑. 基于信息融合的建筑施工安全预警管理研究[J]. 中国安全科学学报, 2009, 19(10):106-110,179.

[20]
XU P D, DENG Y, SU X Y, et al. A new method to determine basic probability assignment from training data[J]. Knowledge-Based Systems, 2013, 46:69-80.

[21]
吴贤国, 覃亚伟, 沈梅芳, 等. 基于云推理的运营隧道结构健康安全风险评价研究[J]. 中国安全科学学报, 2017, 27(2):133-138.

[22]
ZHANG L M, WU X G, CHEN Q Q, et al. Developing a cloud model-based risk assessment methodology for tunnel-induced damage to existing pipelines[J]. Stochastic Environmental Research and Risk Assessment, 2015, 29(2): 513-526.

[23]
田睿, 孟海东, 陈世江, 等. RF-AHP-云模型下岩爆烈度分级预测模型[J]. 中国安全科学学报, 2020, 30(7):166-172.

[24]
MI J H, LI Y F, PENG W W, et al. Reliability analysis of complex multi-state system with common cause failure based on evidential networks[J]. Reliability Engineering & System Safety, 2018, 174: 71-81.

[25]
王景春, 王大鹏. 基于云D-S证据理论的山区高速公路路段风险评判[J]. 科学技术与工程, 2019, 19(23):286-291.

Options
文章导航

/

〈 〉

版权所有 © 《交通运输研究》编辑部　
京公网安备 11010102003417号    京ICP备17006742号-3
地址：北京市朝阳区北土城东路11号北京书院办公楼　邮编：100029
电话：010-58278983 Email：jtysyj@vip.163.com
本系统由北京玛格泰克科技发展有限公司设计开发