朱金業(yè)

【摘 要】本文結(jié)合國內(nèi)外交通運(yùn)輸危險(xiǎn)性評(píng)估理論的研究現(xiàn)狀，總結(jié)及介紹現(xiàn)有的交通運(yùn)輸危險(xiǎn)性評(píng)估方法。同時(shí)，本文對(duì)現(xiàn)有的交通運(yùn)輸危險(xiǎn)性評(píng)估方法進(jìn)行分析優(yōu)缺點(diǎn)，并以此為基礎(chǔ)，結(jié)合不同交通方式的特點(diǎn)，分析交通運(yùn)輸危險(xiǎn)性評(píng)估研究的發(fā)展方向。

【關(guān)鍵詞】交通運(yùn)輸；危險(xiǎn)性；評(píng)估方法

0 概述

隨著世界經(jīng)濟(jì)一體化的發(fā)展，人們對(duì)交通運(yùn)輸?shù)男枨笱杆僭鲩L，但相應(yīng)交通輔助設(shè)施的缺失使得交通運(yùn)輸?shù)奈ｋU(xiǎn)性不斷上升。為此，長期以來人們對(duì)如何確保安全不斷進(jìn)行分析與研究工作。從20 世紀(jì)30 年代其， 西方一些國家就開始對(duì)交通運(yùn)輸?shù)奈ｋU(xiǎn)性進(jìn)行分析。其后，經(jīng)過數(shù)十年的發(fā)展，形成了目前的運(yùn)輸危險(xiǎn)性評(píng)估理論及評(píng)估方法體系。

交通運(yùn)輸危險(xiǎn)性評(píng)估方法主要可以分為兩種，即統(tǒng)計(jì)法和分析法。統(tǒng)計(jì)法是指通過搜集相關(guān)的交通運(yùn)輸事故的信息，從而分析某一具體路段、河段、空域、鐵路的事故發(fā)生概率、死亡人數(shù)、財(cái)產(chǎn)損失、社會(huì)影響等各項(xiàng)事故損失。而分析法主要通過分析一個(gè)或一系列事故，對(duì)事故的成因或交通運(yùn)輸工具的薄弱點(diǎn)進(jìn)行分析，從而減少事故發(fā)生的概率。[1-2]

1 統(tǒng)計(jì)法

1.1 絕對(duì)指數(shù)法

在計(jì)算交通運(yùn)輸事故的損失時(shí)，一般將事故損失劃分為4個(gè)指標(biāo)，即：交通事故的發(fā)生次數(shù)、交通事故導(dǎo)致的死亡人數(shù)、因交通事故而受傷（可以分輕傷和重傷） 的人數(shù)、交通事故導(dǎo)致的直接經(jīng)濟(jì)損失（一般按規(guī)定折算成相應(yīng)的貨幣單位）。[3-4]

因這四項(xiàng)指數(shù)相互獨(dú)立，無參照比較值， 所以稱稱為絕對(duì)指標(biāo)。對(duì)這四項(xiàng)指標(biāo)進(jìn)行比較分析的方法稱為絕對(duì)指標(biāo)法。

1.2 事故率法

所謂事故率系數(shù)是指不同的路段上發(fā)生事故的概率。目前常用的有人口事故率、車輛事故率、運(yùn)行事故率。但人口事故率、車輛事故率都只能反映交通安全的一個(gè)側(cè)面，帶有片面性。運(yùn)行事故率相對(duì)較為科學(xué)，但目前難以及時(shí)掌握交通營運(yùn)量，因此運(yùn)行事故率難以準(zhǔn)確計(jì)算。[5]

1.3 事故強(qiáng)度分析法

事故強(qiáng)度分析法是絕對(duì)指標(biāo)法和事故率法的結(jié)合。由于絕對(duì)指標(biāo)法只分析4個(gè)絕對(duì)指標(biāo)，忽視了交通量、行駛距離等因素。因此，該方法在評(píng)價(jià)4個(gè)絕對(duì)指標(biāo)時(shí)加入了對(duì)應(yīng)的參照值，提高其科學(xué)性。[6]

1.4 模型法

模型法是目前使用最為廣泛的方法之一，早在1949年，倫敦大學(xué)R.J，Smeed建立了Smeed模型[7-8]，該模型構(gòu)建了機(jī)動(dòng)車保有量、人口與道路交通事故死亡人數(shù)的關(guān)系模型。此后，世界各國建立了各種對(duì)交通事故死亡率、交通流量、交通行為等各項(xiàng)交通參數(shù)的模型。[9-10]

1.5 小結(jié)

在各類統(tǒng)計(jì)學(xué)方法中，模型法是最有效地表現(xiàn)方式。它能客觀的展現(xiàn)各種方法的具體結(jié)果，并能夠?qū)δ骋惶囟▍^(qū)域交通運(yùn)輸?shù)奈ｋU(xiǎn)性進(jìn)行預(yù)測。同時(shí)，利用模型法可以在多種事故成因之間進(jìn)行橫向比較，對(duì)事故成因與事故發(fā)生概率、事故強(qiáng)度之間的關(guān)系進(jìn)行定性分析。因此，目前人們?cè)趯?duì)交通運(yùn)輸危險(xiǎn)性進(jìn)行宏觀分析時(shí)往往使用模型法。

2 分析法

2.1 統(tǒng)計(jì)圖表分析法

統(tǒng)計(jì)圖表分析法包括比重圖、趨勢圖、直方圖、圓圖、排列圖等。該方法可以直觀的展示各事故成因與事故總量之間的關(guān)系，但由于其難以得出精確的結(jié)論，一般用于對(duì)事故的成因進(jìn)行定性分析。[11]

2.2 因果分析圖

因果分析圖也稱魚骨圖。交通運(yùn)輸?shù)陌踩允墙煌ㄟ\(yùn)輸參與者、載運(yùn)工具、運(yùn)行路線等多方面因素綜合作用的結(jié)果。當(dāng)分析交通事故發(fā)生的原因時(shí)，利用因果分析圖可以將各種可能的事故原因進(jìn)行歸納分析，用簡明的文字和線條表示出來。

利用因果分析圖分析交通安全問題，可以使復(fù)雜的原因系統(tǒng)化、條塊化，并且表示方式直觀、邏輯性強(qiáng)、因果關(guān)系明確，便于理清問題的主要原因。

但由于因果分析圖對(duì)事故的原因分析過于詳細(xì)，一般只適用于對(duì)單一事故的分析，無法對(duì)多個(gè)事故進(jìn)行統(tǒng)籌分析，得出事故的一般規(guī)律。

2.3 事件樹分析

事件樹分析是從一個(gè)初始事件開始，按順序分析事件發(fā)展過程中各個(gè)環(huán)節(jié)成功或失敗的過程和結(jié)果。它是一種時(shí)序邏輯的事故分析方法，它以一個(gè)事件為起點(diǎn)，按照事故的發(fā)展順序，分步進(jìn)行分析，每一事件的后續(xù)事件只能取完全對(duì)立的兩種狀態(tài)（成功或失?。?，逐步向結(jié)果方面發(fā)展，直達(dá)達(dá)到事故發(fā)生或事故不可能發(fā)生。（圖2）[12]

利用事件樹分析可以方便、明確的預(yù)測事故及不安全因素，估計(jì)事故的可能后果，并尋求預(yù)防手段和方法。

但由于事件樹分析按時(shí)間順序?qū)κ鹿蔬M(jìn)行分析，而在實(shí)際情況中，不同的成因?qū)κ鹿视型坏燃?jí)的影響，而事件樹分析只能對(duì)不同影響等級(jí)的成因進(jìn)行分析。同時(shí)，由于事件樹分析將成因分為兩極點(diǎn)，難以衡量環(huán)境等多極化因素對(duì)事故的影響。

2.4 事故樹分析

事故樹分析是一種基于事件樹分析的改進(jìn)方法，該方法把系統(tǒng)可能發(fā)生的某種事故與導(dǎo)致事故發(fā)生的各種原因之間的邏輯關(guān)系用一種類似于事故樹的方式進(jìn)行分析。通過對(duì)事故樹定性與定量分析，找出事故發(fā)生的主要原因，以達(dá)到預(yù)測與預(yù)防事故發(fā)生的目的。[13-14]事故樹分析法可以圍繞特定的事故作層層深入分析，清晰的顯示系統(tǒng)各內(nèi)在事件之間的聯(lián)系，并指出單元故障與系統(tǒng)事故之間的邏輯關(guān)系，便于找出系統(tǒng)的薄弱環(huán)節(jié)。

事故樹分析能夠有效的解決事件樹分析法中存在的種種問題，但事故樹分析主要依靠人對(duì)事故進(jìn)行分析，難以避免人的主觀因素的影響。

2.5 故障模式及影響分析

該方法由可靠性工程發(fā)展而來，主要分析系統(tǒng)中各子系統(tǒng)及元件可能發(fā)生的各種故障模式，查明各種類型故障對(duì)鄰近子系統(tǒng)或元件的影響及其最終對(duì)系統(tǒng)的影響，從而提出預(yù)防或改進(jìn)措施，提高系統(tǒng)的可靠性和安全性。

該方法從載運(yùn)工具這一要素對(duì)交通運(yùn)輸?shù)奈ｋU(xiǎn)性進(jìn)行評(píng)價(jià)，雖然局限性較強(qiáng)，但該方法是評(píng)價(jià)人、機(jī)、環(huán)、管中，機(jī)械要素最有效的方法。

2.6 危險(xiǎn)性預(yù)先分析

危險(xiǎn)性預(yù)先分析是一種定性分析系統(tǒng)危險(xiǎn)因素和危險(xiǎn)程度的方法。主要用于交通線路、港、站、樞紐等新系統(tǒng)的設(shè)計(jì)、已有系統(tǒng)的改造方案制定階段，對(duì)系統(tǒng)存在的危險(xiǎn)類型、來源、出現(xiàn)條件、事故后果以及有關(guān)措施進(jìn)行分析，提出改進(jìn)意見。

這也是目前最熱門的交通運(yùn)輸危險(xiǎn)性評(píng)估方法。

2.6.1 主成分分析法

該方法旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)（即主成分），其中每個(gè)主成分都能夠反映原始變量的大部分信息，且所含信息互不重復(fù)。這種方法在引進(jìn)多方面變量的同時(shí)將復(fù)雜因素歸結(jié)為幾個(gè)主成分，使問題簡單化，同時(shí)得到的結(jié)果更加科學(xué)有效的數(shù)據(jù)信息。[15]

但該方法僅適用于對(duì)交通運(yùn)輸?shù)奈ｋU(xiǎn)性進(jìn)行初次研究，各個(gè)成因?qū)煌ㄟ\(yùn)輸?shù)奈ｋU(xiǎn)性任需采用其他方法進(jìn)行分析。

2.6.2 神經(jīng)網(wǎng)絡(luò)法

大量神經(jīng)元之間的協(xié)同作用和通過學(xué)習(xí)的方法解決問題是人工神經(jīng)網(wǎng)絡(luò)的重要特征。人工神經(jīng)網(wǎng)絡(luò)是模仿生物神經(jīng)網(wǎng)絡(luò)功能所建立的一種經(jīng)驗(yàn)?zāi)Ｐ?，輸入和輸出之間的變換關(guān)系一般是非線性的。該方法首先根據(jù)輸入的信息建立神經(jīng)元，通過學(xué)習(xí)規(guī)則或自組織等過程建立相應(yīng)的非線性數(shù)學(xué)模型，并不斷進(jìn)行修正，使輸出結(jié)果與實(shí)際值之間差距不斷縮小。（圖3）

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

利用神經(jīng)網(wǎng)絡(luò)法可以得到一個(gè)對(duì)某一個(gè)或多個(gè)事故成因相對(duì)精確的預(yù)測模型，可以作為對(duì)交通環(huán)境及管理措施進(jìn)行改進(jìn)的依據(jù)。同時(shí)，神經(jīng)網(wǎng)絡(luò)法有很好的適應(yīng)性，即當(dāng)樣本數(shù)據(jù)中存在誤差時(shí)，利用該方法可以消除誤差的影響。[16-17]

但神經(jīng)網(wǎng)絡(luò)法依然存在一定不足。首先，在利用神經(jīng)網(wǎng)絡(luò)的分析事故成因?qū)煌ㄟ\(yùn)輸危險(xiǎn)性的影響時(shí)，需要先講各輸入?yún)?shù)數(shù)值化，而數(shù)值化的往往需要人為確定。其次，神經(jīng)網(wǎng)絡(luò)法需要大量的數(shù)據(jù)作為支撐，只有在數(shù)據(jù)量足夠的情況下，神經(jīng)網(wǎng)絡(luò)法才能得到較為準(zhǔn)確的結(jié)論。[18]

2.6.3 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)可以視作事件樹分析法與神經(jīng)網(wǎng)絡(luò)的結(jié)合，其本質(zhì)上是基于概率推理的數(shù)學(xué)模型，通過一些變量的信息來獲取其他的概率信息，該方法可以有效解決不定性和不完整性，它對(duì)解決復(fù)雜系統(tǒng)不確定性和關(guān)聯(lián)性引起的故障有很大的優(yōu)勢。[19]

但是，由于貝葉斯網(wǎng)絡(luò)是一種概率型數(shù)學(xué)模型，其初始事件的概率需要人為確定。同時(shí)，目前的貝葉斯網(wǎng)絡(luò)由于計(jì)算的復(fù)雜性，對(duì)事件成因的數(shù)量有著嚴(yán)格的要求，在分析事故時(shí)有一定的局限性。

2.6.4 層次分析法

該方法是美國運(yùn)籌學(xué)家T.L.Saaty于20世紀(jì)70年代中期提出的，是一種將難于定量化的復(fù)雜問題，逐層分解為一系列可定量化的簡單問題，從而進(jìn)行較簡單求解的數(shù)學(xué)方法，其核心是各要素間兩兩對(duì)比重要度。

該方法將定性方法與定量方法有機(jī)地結(jié)合起來，使復(fù)雜的系統(tǒng)分解，能將人們的思維過程數(shù)學(xué)化、系統(tǒng)化。同時(shí)，該方法能把多目標(biāo)、多準(zhǔn)則又難以全部量化處理的決策問題化為多層次單目標(biāo)問題，通過兩兩比較確定同一層次元素相對(duì)上一層次元素的數(shù)量關(guān)系后，最后進(jìn)行簡單的數(shù)學(xué)運(yùn)算。所得結(jié)果簡單明確，易于了解。[20-21]

但該方法完全依賴個(gè)人經(jīng)驗(yàn)，不同人群對(duì)同一個(gè)系統(tǒng)可能會(huì)產(chǎn)生較大的偏差。同時(shí)，該方法只能得出定性的結(jié)論，不能得到定量的結(jié)果。

2.6.5 模糊理論

該方法是借助模糊數(shù)學(xué)的一些概念，對(duì)實(shí)際的綜合評(píng)價(jià)問題提供一些評(píng)價(jià)的方法。具體地說，模糊綜合評(píng)價(jià)就是以模糊數(shù)學(xué)為基礎(chǔ)，應(yīng)用模糊關(guān)系合成的原理，將一些邊界不清、不易定量的因素定量化，從多個(gè)因素對(duì)被評(píng)價(jià)事物隸屬等級(jí)狀況進(jìn)行綜合性評(píng)價(jià)。最終根據(jù)所給的條件，給每個(gè)對(duì)象賦予一個(gè)非負(fù)實(shí)數(shù)評(píng)判指標(biāo)。[22]

該方法可以較為貼切的描述人類的思維習(xí)慣，可以完美的展現(xiàn)人們對(duì)某一事故成因與事故之間的居提聯(lián)系。但該方法任不能脫離人為因素的干擾，由于不同人的思考方式不同，得出的結(jié)論也會(huì)不同。

2.6.6 灰色理論

灰色系統(tǒng)理論是我國著名學(xué)者鄧聚龍教授于1982年提出的。它的研究對(duì)象是“部分信息已知，部分信息未知”的“貧信息”不確定性系統(tǒng)，它通過對(duì)部分已知信息的生成、開發(fā)實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界的確切描述和認(rèn)識(shí)。其基本思想是根據(jù)序列曲線幾何形狀的相似程度來判斷其聯(lián)系是否緊密，曲線越接近，相應(yīng)序列之間的關(guān)聯(lián)度就越大，反之就越小。[23]

利用該方法的最大優(yōu)點(diǎn)是對(duì)數(shù)據(jù)的要求相對(duì)較弱，同時(shí)能去除交通環(huán)境中的某些隨機(jī)、弱相關(guān)因素。但該方法計(jì)算相對(duì)復(fù)雜，當(dāng)變量超過一定個(gè)數(shù)時(shí)，計(jì)算量十分巨大。

2.6.7 數(shù)據(jù)包絡(luò)法

該方法是著名運(yùn)籌學(xué)家A.Charnes和W.W.Copper等學(xué)者以“相對(duì)效率”概念為基礎(chǔ)，根據(jù)多指標(biāo)投入和多指標(biāo)產(chǎn)出對(duì)相同類型的單位，進(jìn)行相對(duì)有效性或效益評(píng)價(jià)的一種新的系統(tǒng)分析方法。它是處理多目標(biāo)決策問題的方法。[24]

在減少交通運(yùn)輸危險(xiǎn)性時(shí)，為了使改進(jìn)過程具有較好的效益，一般會(huì)使用這種方法。一般而言，改善效益最高的危險(xiǎn)成因即主要危險(xiǎn)源。

但利用該方法進(jìn)行評(píng)價(jià)時(shí)，有時(shí)會(huì)出現(xiàn)兩種方法效果較近的結(jié)果，此時(shí)需要根據(jù)相關(guān)專家的經(jīng)驗(yàn)對(duì)其進(jìn)行排序。

3 小結(jié)

本文總結(jié)了目前使用的大多數(shù)交通運(yùn)輸危險(xiǎn)性評(píng)估方法。但在實(shí)際應(yīng)用中由于不同交通運(yùn)輸方式的特點(diǎn)不同，其所對(duì)應(yīng)的評(píng)估方式也各有不同。

對(duì)于公路交通而言，其交通量較大，交通沖突十分明顯，交通事故的發(fā)生十分頻繁。因此，在分析公路交通危險(xiǎn)性時(shí)，上述方法幾乎完全適用。也正是因?yàn)楣方煌ǖ奈ｋU(xiǎn)性分析理論和方式較為完善，目前主流的研究方向?yàn)榫唧w分析某一特定的公路交通因素對(duì)公路交通危險(xiǎn)性的影響。[25]

管道運(yùn)輸、鐵路運(yùn)輸[26]、航空運(yùn)輸[27]相對(duì)交通量較少，僅在某些特殊節(jié)點(diǎn)上存在交通沖突，而這種沖突可以依靠合理的管理手段消除，因此對(duì)這三類交通運(yùn)輸方式進(jìn)行危險(xiǎn)性分析時(shí)，往往會(huì)對(duì)具體事故的成因進(jìn)行分析。因此，故障樹分析、模糊理論、故障模式及影響分析等方式常用于這三類交通方式。

水上運(yùn)輸最為特殊，首先，在內(nèi)河及各個(gè)主要航路上，交通流十分龐大，交通沖突十分平凡；然而由于船舶及船載貨物的價(jià)值相對(duì)較大，各管理階層對(duì)水上交通管理十分重視，因此水上交通事故的發(fā)生概率較低。因此，目前在分析水上交通危險(xiǎn)時(shí)陷入了一個(gè)兩難的境地。如果只對(duì)單一事故進(jìn)行分析，就難以得出事故發(fā)生于演化的規(guī)律；而對(duì)事故進(jìn)行統(tǒng)籌分析，則缺少足夠的數(shù)據(jù)支持。雖然利用多年數(shù)據(jù)可以對(duì)事故進(jìn)行統(tǒng)籌分析，但不同年份的管理、環(huán)境、船舶條件相差巨大，進(jìn)行統(tǒng)籌分析時(shí)需要較為復(fù)雜的預(yù)先處理工作。因此，目前水上交通危險(xiǎn)評(píng)價(jià)的主要研究方向，并非對(duì)事故本身或者事故演化規(guī)律進(jìn)行研究，而應(yīng)尋找一種適用于水上交通環(huán)境的評(píng)價(jià)方式。

【參考文獻(xiàn)】

[1]S Oppe. Development of traffic and traffic safety： Global trends and incidental fluctuations [J].Accident Analysis & Prevention， 1991， 23（23）：413-22.

[2]馬社強(qiáng). 區(qū)域道路交通安全評(píng)價(jià)的理論與方法[D]. 北京交通大學(xué)， 2012.

[3]Minderhoud M M， Bovy P H L. Extended time-to-collision measures for road traffic safety assessment[J]. Accident Analysis & Prevention， 2001，33（1）：89-97.

[4]INCIDENT MANAGEMENT ： SUCCESSFUL PRACTICES：A CROSS-CUTTING STUDY：IMPROVING MOBILITY AND SAVING LIVES[J].2000.（下轉(zhuǎn)第134頁）

（上接第155頁）

[5]Tiwari G，Mohan D， Fazio J. Conflict analysis for prediction of fatal crash locations in mixed traffic streams[J]. Accident Analysis & Prevention， 1998， 30（2）：207-215.

[6]Traynor T L. The impact of state level behavioral regulations on traffic fatality rates.[J]. Journal of Safety Research， 2009， 40（6）：421-6.

[7]Akgüng r A P， Doan E. An application of modified Smeed， adapted Andreassen and artificial neural network accident models to three metropolitan cities of Turkey[J]. Scientific Research & Essays， 2009， 4（9）：906-913.

[8]賈守鎮(zhèn)， 李兆鵬， 陳思源，等. 關(guān)于 Smeed 模型的適用性探討[J]. 長安大學(xué)學(xué)報(bào)：自然科學(xué)版， 1998（S1）：136-139.

[9]Abbas K A. Traffic safety assessment and development of predictive models for accidents on rural roads in Egypt[J]. Accident Analysis & Prevention， 2004， 36（2）：149-63.

[10]Cova T J， Johnson J P. A network flow model for lane-based evacuation routing[J]. Transportation Research Part A Policy & Practice， 2003， 37（7）：579-604.

[11]Al-Ghamdi A S. Analysis of traffic accidents at urban intersections in Riyadh[J]. Accident； analysis and prevention， 2003， 35（5）：717-24.

[12]Laureshyn A， se Svensson， Hydén C. Evaluation of traffic safety， based on micro-level behavioural data： Theoretical framework and first implementation[J]. Accident； analysis and prevention， 2010， 42（6）：1637-46.

[13]Abellán J， López G， O a J D. Analysis of traffic accident severity using Decision Rules via Decision Trees[J]. Expert Systems with Applications， 2013， 40（15）：6047-6054.

[14]Liu P， Yang L， Gao Z， et al. Fault tree analysis combined with quantitative analysis for high-speed railway accidents[J]. Safety Science， 2015， 79：344-357.

[15]Saha P， Roy N， Mukherjee D， et al. Application of Principal Component Analysis for Outlier Detection in Heterogeneous Traffic Data [J]. Procedia Computer Science， 2016， 83：107-114.

[16]Gastaldi M， Gecchele G， Rossi R. Estimation of Annual Average Daily Traffic from one-week traffic counts. A combined ANN-Fuzzy approach[J]. Transportation Research Part C Emerging Technologies， 2014， 47， part 1：86-99.

[17]鄧寶， 宋瑞. 基于BP神經(jīng)網(wǎng)絡(luò)的安全評(píng)價(jià)方法研究[J]. 安全與環(huán)境工程， 2005， 12（2）：61-64.

[18]Tan G Z， Deng Q Q， Tian Z， et al. A Dish Parallel BP for Traffic Flow Forecasting[C]// International Conference on Computational Intelligence and Security. 2007：546-549.

[19]Persaud B， Lan B， Lyon C， et al. Comparison of empirical Bayes and full Bayes approaches for before–after road safety evaluations[J]. Accident； analysis and prevention， 2010， 42（1）：38-43.

[20]Xi J， Zhao Z， Li W， et al. A Traffic Accident Causation Analysis Method Based on AHP-Apriori[J]. Procedia Engineering， 2016， 137：680-687.

[21]宋祥波， 肖貴平， 賈明濤. 基于層次分析法的機(jī)車行車安全評(píng)價(jià)研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)， 2006， 2（6）：86-89.

[22]Lower M， Magott J， Skorupski J. Analysis of Air Traffic Incidents using event trees with fuzzy probabilities[J]. Fuzzy Sets & Systems， 2016， 293：50-79.

[23]Anton Bezuglov， Gurcan Comert. Short-term freeway traffic parameter prediction： Application of grey system theory models[J]. Expert Systems with Applications， 2016：284–292.

[24]Shen Y， Hermans E， Brijs T， et al. Road safety risk evaluation and target setting using data envelopment analysis and its extensions.[J]. Accident； analysis and prevention， 2012， 48（48）：430-41.

[25]Lund I O， Rundmo T. Cross-cultural comparisons of traffic safety， risk perception， attitudes and behaviour[J]. Safety Science， 2009， 47（4）：547-553.

[26]Bubbico R， Maschio G， Mazzarotta B， et al. Risk management of road and rail transport of hazardous materials in Sicily[J]. Journal of Loss Prevention in the Process Industries， 2006， 19（1）：32-38.

[27]Alam S， Lokan C， Aldis G， et al. Systemic identification of airspace collision risk tipping points using an evolutionary multi-objective scenario-based methodology[J]. Transportation Research Part C Emerging Technologies， 2013， 35（9）：57-84.

[責(zé)任編輯：朱麗娜]