一種高速公路隧道行車風(fēng)險安全狀態(tài)評估方法

夏嘉偉

摘要 為解決高速公路隧道行車風(fēng)險安全評估過程中具有的隨機性和模糊性，提高對公路隧道的運營安全風(fēng)險管理水平，文章采用模糊層次法和云模型評估高速公路隧道運營安全的風(fēng)險等級。首先利用模糊層次法確定影響高速公路隧道運營安全的風(fēng)險因素，其中考慮到行車安全中所具有的模糊性，利用云模型定量與定性之間的轉(zhuǎn)換關(guān)系，通過云模型定量評價風(fēng)險等級情況，最后在此基礎(chǔ)上，對隧道運行的安全性進行了評價，并對其進行了定性和定量分析。結(jié)果表明，文章提出的評價指標(biāo)能很好地反映出企業(yè)的風(fēng)險水平，與企業(yè)的實際情況相吻合。

關(guān)鍵詞 高速公路隧道；行車風(fēng)險；結(jié)構(gòu)層次法；云模型；高速公路；風(fēng)險評估

中圖分類號 U458.1文獻標(biāo)識碼 A文章編號 2096-8949（2023）09-0016-04

0 引言

近幾年，我國公路隧道的總里程數(shù)迅速增加，但其事故仍未能得到有效控制。高速公路隧道重大事故頻發(fā)，給高速公路隧道行車安全帶來了巨大挑戰(zhàn)。據(jù)有關(guān)數(shù)據(jù)顯示，在我國高速公路上，隧道型道路交通事故占36.5%[1]。近年來，我國高速公路隧道頻繁發(fā)生重大交通事故，對其安全運行提出了嚴峻的考驗。高速公路隧道行車安全評估對隧道運營監(jiān)測系統(tǒng)的推廣具有積極作用。目前，國內(nèi)外采用DS證據(jù)理論[2]、灰色關(guān)聯(lián)度分析[3]、故障樹分析[4]等評價方法，研究隧道運營安全性和可靠性對其影響的調(diào)查具有一定的參考價值。然而，在進行這樣的評估時，通常會涉及模糊性和專家評估的隨機性，需要特別注意。其模糊性和隨機性導(dǎo)致了隧道運營管理系統(tǒng)難以推廣。

對于影響隧道行車安全的風(fēng)險因子的權(quán)重計算是風(fēng)險評估的第一個難點，考慮其評價過程中的隨機性與模糊性，為了確定風(fēng)險因素的權(quán)重值，可以采用結(jié)合定性和定量方法的層次分析法[5]。同時，考慮到云模型[6]可用于研究定量和定性之間的轉(zhuǎn)換，可以將評估過程中的隨機變量和模糊變量轉(zhuǎn)換為定性解決?；谏鲜鰞?yōu)點，可以使用層次分析法和云模型對隧道行車風(fēng)險進行評估，并建立高速公路隧道行車風(fēng)險安全評估體系。層次分析法用于確定風(fēng)險評估變量，云模型則用于生成云滴分布的風(fēng)險評估等級。

1 隧道評價指標(biāo)體系的建立

指標(biāo)在選取的時候?qū)⒉捎枚恐笜?biāo)為主、定性指標(biāo)為輔的基本原則，并結(jié)合定性指標(biāo)的方法來選擇評價指標(biāo)。在構(gòu)建隧道交通安全性評價系統(tǒng)時，采用層次分析法對安全體系進行細分，影響高速公路隧道行車安全的主要因素分為交通流因素、駕駛員因素、隧道因素以及其他因素[7-9]，具體構(gòu)建評價指標(biāo)體系為K={K1， K2， K3， K4}，具體如表1所示。

對上述因素進行量化，按照如表2所示的計算規(guī)則對各影響因素進行定量分析。

表2中，Qi——隧道的高峰小時交通流量（pcu/h）；Ri——隧道車流的飽和通行能力；n——去除小汽車的車種類數(shù)；Pi——第i種車占比；ls——隧道曲線段長度；lq——隧道全線長度。上述專家打分取值為1～100分，取值越高則認為程度越高。通過表2的計算方法，可以建立判別矩陣，其中j=15，共計15個指標(biāo)，其中部分指標(biāo)通過專家打分獲得。

在獲取已經(jīng)計算出的判別矩陣后，雖然沒有對判斷情況有嚴格的和一些特殊的要求，但為了避免出現(xiàn)不合理的或者不需要的判斷值，需要對已經(jīng)構(gòu)建的判別矩陣進行一些操作，例如常用的一致性檢驗。以下是一致性檢驗的計算方法。

（1）歸一化特征向量：，其中。

（2）最大特征根：。

（3）一致性校驗：。

通過使用Kappa系數(shù)檢驗，可以校驗n階判斷矩陣的一致性。如果計算得到的系數(shù)小于0.1，則當(dāng)前得到的判斷矩陣通過一致性校驗，可以計算出該判斷矩陣的最大特征向量，同時進行歸一化處理，以獲得需要的風(fēng)險因子的權(quán)重值。如果計算得到的系數(shù)大于0.1，則需要重新計算和查看之前判斷矩陣的元素值，直至系數(shù)小于0.1通過一致性校驗。其中，當(dāng)判斷矩陣的階數(shù)小于等于9時，可以參考表3中的RI值[11]。

在對影響隧道運營安全的風(fēng)險因素集合K明確的前提下，建立出一個評判標(biāo)準(zhǔn)集合V={v1， v2， v3， …， vm}，并對其進行定性概念定量體現(xiàn)，將風(fēng)險因素映射到評判標(biāo)準(zhǔn)上：，從而獲得風(fēng)險隸屬度矩陣：，將每個風(fēng)險因子分配一個權(quán)值，并在此基礎(chǔ)上計算相應(yīng)的云數(shù)字特征，從而得到權(quán)重因子向量A。

2 云模型定義及數(shù)字特征

期望值Ex、熵值En、超熵值He在云模型中用作數(shù)字特征，以此來表示定性概念，期望值Ex是對其對應(yīng)定性知識中的信息中心值的一種表現(xiàn)方式。熵值En則是用來對定性概念中的一些模糊特性的一種衡量方式，反映了在論域空間中，其能被概念接受的那部分云滴的取值范圍。超熵值He是熵的一種，主要反映了隸屬于定性概念的數(shù)值的相應(yīng)隨機程度，同時也間接反映了其云的厚度。如圖1所示，該圖為一個簡單常見的一維正態(tài)云模型（Ex=18，En=2，He=0.2），其云滴數(shù)為1 500個，縱坐標(biāo)為其云滴對其定性概念的確定度μ，表示了當(dāng)前云滴對其概念的確定度。

基于云模型的分類，包括一維、二維、半云和正態(tài)云模型等多個類別。 該文主要選用的是一維正態(tài)云的模型進行相應(yīng)的定量描繪，得到相應(yīng)的云數(shù)字特征Ci＝{Ex， En， He}，并與標(biāo)準(zhǔn)的隧道運營風(fēng)險等級的云模型進行比較，并輸出最終評估結(jié)果（如圖2所示）。

相應(yīng)地有一維逆向云發(fā)生器與一維正向云發(fā)生器算法如表4和表5所示。

通過正向云發(fā)生器算法可將云數(shù)字特征生成對應(yīng)的標(biāo)尺云，可實現(xiàn)對隧道行車風(fēng)險安全的狀態(tài)評價。

3 實例分析驗證

3.1 安全風(fēng)險評估

該文對隧道行車風(fēng)險安全評價等級[13-14]參照表6標(biāo)準(zhǔn)劃分等級，共分為5級，風(fēng)險因素的5個評語集如表6所示。

根據(jù)參考文獻[15]有下雨時刻的隧道入口路段的對應(yīng)云數(shù)字特征（Ex=37.32，En=7.55，He=0.89），以及隧道行車風(fēng)險安全評價等級各對應(yīng)標(biāo)尺云參數(shù)表如表7。

利用一維正向云發(fā)生器生成到各等級云模型與待評價的隧道路段的云模型的標(biāo)尺云，在此基礎(chǔ)上，通過在不同標(biāo)準(zhǔn)云計算方法下，生成5個風(fēng)險等級的評語集云圖，以及實際對應(yīng)待評價路段的標(biāo)尺云，如附圖3、4所示。

3.2 結(jié)果分析

如附圖3所示，附圖3中從左往右依次呈現(xiàn)為風(fēng)險遞增狀態(tài)，第一個云圖及左邊空白區(qū)域在該方法中被認為是非常安全狀態(tài)；附圖3中最后一個云圖及空白區(qū)域被認為是極度危險狀態(tài)。由附圖3、4可以看出，隧道運營風(fēng)險評估等級中，幾種評價狀態(tài)都較為穩(wěn)定，其中待評價路段所生成的標(biāo)尺云的云滴主要集中在安全與輕度危險所生成的標(biāo)尺云附近，且主要偏向安全一邊，經(jīng)過評估，隧道行車的安全風(fēng)險評估結(jié)果合理可接受，無需采取措施，而這也與實際的行車情況相符合，從而深刻證明了該方法的正確性和有效性。

4 結(jié)語

在分析考慮影響隧道安全行車風(fēng)險因素的基礎(chǔ)上并運用層次分析法和云模型，評估了高速公路隧道運營的安全狀態(tài)，提供了一種分類評估方法，一定程度上為隧道安全管理及其他領(lǐng)域的安全管理提供了一定的參考價值。

參考文獻

[1]趙飛， 李洋洋， 韓暉. 基于交通事故數(shù)據(jù)的高速公路隧道路段安全性分析[J]. 北方交通， 2021（11）： 83-86.

[2]廖仕超， 王薇， 徐志勝. 基于證據(jù)理論的長大公路隧道火災(zāi)風(fēng)險評價模型[J]. 鐵道科學(xué)與工程學(xué)報， 2010（6）： 80-85.

[3]張國喜， 李曉鐘. 基于灰色關(guān)聯(lián)故障樹的運營期隧道病害風(fēng)險研究[J]. 工程管理學(xué)報， 2016（1）： 77-81.

[4]陳武威， 楊仲元. 基于故障樹分析法的隧道滲漏水風(fēng)險分析[J]. 公路與汽運， 2012（6）： 211-215.

[5]謝輝. 層次分析法在智慧公路要素評定中的應(yīng)用[J]. 公路交通科技（應(yīng)用技術(shù)版）， 2019（5）： 291-293.

[6]李德毅， 劉常昱， 杜鹢， 等. 不確定性人工智能[J]. 軟件學(xué)報， 2004（11）： 1583-1594.

[7]周成. 基于不同限速標(biāo)準(zhǔn)的特長隧道行車安全分析[J]. 科學(xué)技術(shù)創(chuàng)新， 2020（24）： 47-48.

[8]張維麟， 張琳林， 潘曉東. 高速公路過江隧道入口段局部線形安全風(fēng)險分析[J]. 交通與運輸， 2021（1）： 16-20.

[9]毛延波. 忠信莊隧道洞內(nèi)排水涵洞行車安全分析[J]. 山西建筑， 2015（10）： 176-177.

[10]朱洪洲， 廖亦源. 瀝青路面抗滑性能研究現(xiàn)狀[J]. 公路， 2018（1）： 35-46.

[11]陳悅?cè)A， 黃剛. 基于改進的粗糙集與AHP法的組合權(quán)重確定方法[J]. 測控技術(shù)， 2017（6）： 132-135+141.

[12]劉常昱， 馮芒， 戴曉軍， 等. 基于云X信息的逆向云新算法[J]. 系統(tǒng)仿真學(xué)報， 2004（11）： 2417-2420.

[13]譚澤斌. 基于可拓云模型的隧道交通安全評價研究[D]. 武漢：華中科技大學(xué)， 2019.

[14]岳林博. 公路隧道安全等級評價研究[D]. 西安：長安大學(xué)， 2012.

[15]蔣春桃. 山區(qū)高速公路特殊路段行車風(fēng)險評價及改善措施研究[D]. 重慶：重慶交通大學(xué)， 2021.