張文會，李德才，羅文文

(東北林業(yè)大學交通學院，哈爾濱150040)

1 引 言

交通事故發(fā)生后，事故路段的交通特性隨之改變，事故車輛、現(xiàn)場人員、散落物及通過車輛構成一個復雜、危險的交通環(huán)境.若事故現(xiàn)場處置不規(guī)范或者通過車輛駕駛員判斷失誤，將會導致二次交通事故，對交通警察等事故現(xiàn)場處理人員的人身安全帶來嚴重的威脅.我國頒布多項法規(guī)，規(guī)范了交通警察的著裝和裝備、事故現(xiàn)場保護措施及安全標志設置，具有可操作性，但缺乏一定的理論基礎，而且提出的主動防護措施和裝備對車速較快的高速公路事故現(xiàn)場并不完全實用.因此，從現(xiàn)場人員、通過車輛、道路特征和管理手段等綜合角度開展事故現(xiàn)場安全評價研究，對保護事故現(xiàn)場處理人員的人身安全，提出科學合理的二次交通事故預防對策具有重要的現(xiàn)實意義.

國外學者主要從事故現(xiàn)場快速識別及快速處置的角度展開研究，通過研發(fā)先進的交通事故監(jiān)測和誘導設備［1，2］，同時將設備系統(tǒng)化和網絡化［3，4］，縮短了交通事故現(xiàn)場的存在時間，減少了交通事故的影響范圍，對預防二次交通事故的發(fā)生起到了積極的作用.但所研發(fā)的系統(tǒng)和設備都是以檢測器提供的數(shù)據為基礎，對檢測器的可靠性要求較高.此外，對于事故發(fā)生后交通流突變也展開研究［5］，基于流體力學理論建立了數(shù)學模型［6］，模型邊界條件不斷外延，應用范圍也從高速公路交通事故拓展到城市道路交通事件，從供應性交通擁擠到需求性交通擁擠［7］.國內也多見交通事件快速識別模型［8，9］，并有事故現(xiàn)場安全性評價方法［10］.由于交通事故發(fā)生的隨機性和不確定性，傳統(tǒng)的評價模型并不適用.基于熵權的屬性識別模型是運用熵值法將主觀和客觀結合起來，充分利用已有信息，以確定權重，使評價結果更加合理，在很多領域已有應用［11-13］.本文將熵值法和屬性識別模型相結合，建立基于熵權的屬性識別模型，利用該模型評價交通事故現(xiàn)場的安全性.

2 基于熵權的屬性識別模型

目前，在交通安全領域，對評價指標體系研究中賦權方法主要有層次分析法、綜合指數(shù)法、專家評分法、集值統(tǒng)計法及灰色關聯(lián)分析法等，這些方法在一定的應用領域能夠滿足精度要求，但均存在主觀性較強、忽略因素間關聯(lián)程度等缺陷.熵值法充分利用信息熵這一理論工具，根據各項指標值的差異程度，計算出各指標的權重，為多指標綜合評判提供依據.熵值法是一種客觀賦權法，這種方法避免了人為因素帶來的偏差，并且在眾多客觀賦權法中是一種計算較為簡單的方法.

基于熵權的屬性識別模型是利用熵值法計算屬性識別模型中各指標的權重，其基本建模流程為:建立屬性空間矩陣、熵值法確定指標權重、屬性測度計算、評價方案排序.

2.1 屬性空間矩陣

在研究對象空間X中取n個方案x1，x2，…，xn，對每個方案要測量m個指標I1，I2，…，Im，第i個方案xi的第j個指標Ij的測量值為xij，因此，第i個方案xi可以表示為一個向量xi=(xi1，xi2，…，xin)，1≤i≤n.設F為X上某類屬性空間，(C1，C2，…，CK)為屬性空間F的分割，且滿足C1≤C2≤…≤CK，指標Ij的分類標準已知，寫成分類屬性空間矩陣為

2.2 熵值法

信息熵可用來度量m個指標的信息效用值，因此利用熵值法計算各指標的權重，其本質就是利用該指標信息的效用值來計算，效用值越高，其對評價的重要性越大，這種確定權值的方法可以避免主觀因素的影響，計算步驟如下:

(1)構建n個方案m個評價指標的判斷矩陣R=(xij)nm(i=1，2，…，n;j=1，2，…，m).

(2)將判斷矩陣歸一化處理，得到歸一化判斷矩陣B

式中 xmax、xmin分別為同指標下不同方案中最滿意者和最不滿意者(越大越滿意、越小越不滿意).

(3)根據熵的定義，n個方案m個評價指標的熵為

其中

為使lnfij有意義，一般需要假定當fij=0時，fijlnfij=0.但當fij=1，fijlnfij也等于零，這顯然不切合實際，與熵的含義相悖，故需對fij加以修正，將其定義為

(4)計算評價指標的熵權W

2.3 屬性測度

記第i個方案的第j個指標值具有屬性xij的屬性測度為uijk=u(xij∈CK).假設aj1≤aj2≤aj3，則對任一方案 i(i=1，2，…，n)

當xij≤aj1時

當xij≥aj3時

當 aj，l≤ xij≤ aj，l+1時

即比較方案xi的屬性測度uxi(CK)=u(xi∈CK).由指標權重可計算出各方案的屬性測度

2.4 評價結果

計算各擬定方案的分數(shù)，對方案進行排序根據屬性識別理論，屬性集CK之間有強弱的關系，可以用屬性集的分數(shù)表示這種關系，強屬性集的分數(shù)比弱屬性集的分數(shù)要大.設屬性集CK的分數(shù)為nk，當C1＜C2＜C3時，有n1＜n2＜n3.于是，各比較方案的分數(shù)為

由于C1、C2、C3的重要性是等間隔上升的，因此式(8)中nk=k.

運用評分準則，qxi＞qxj，說明方案xi比xj強.將擬定方案按上述方法進行比較和排序，qxi愈大，則方案愈優(yōu);反之亦然.

3 交通事故現(xiàn)場安全性評價

3.1 評價指標體系

根據交通事故現(xiàn)場路段的交通特征，遵循針對性、可行性、可比性和獨立性等原則，對交通事故現(xiàn)場安全性評價指標進行了初步篩選，考慮各評價指標之間的關聯(lián)，建立評價指標體系，如表1所示.

表1 交通事故現(xiàn)場安全性評價指標體系Table 1 Evaluation index system of traffic accident scenes safety

為了獲得事故現(xiàn)場處置方案的指標值，按照不同的分類標準，將上述指標分別分為統(tǒng)計型指標和計量型指標、成本型指標和效益型指標，如表2所示.

統(tǒng)計型指標值可根據歷史統(tǒng)計資料，并參閱相關法規(guī)獲得;計量型指標可通過實際度量獲得，與事故現(xiàn)場所在的時間和空間屬性有關.

某高速公路設計時速為100 km/h，統(tǒng)計數(shù)據表明，超速、疲勞等違章駕駛員比例為6.4%，大型車比例為20%，對2012年的一起交通事故進行統(tǒng)計型指標和計量型指標測算，如表3中方案一的實測值所示.按照參考文獻［10］的分級標準及屬性指標的無量綱化處理方法，得到各指標的實測值和無量綱值，如表3中方案一的無量綱值.為了比較方案之間的優(yōu)劣，設計了方案二、方案三和方案四.

表2 指標分類Table 2 Index classification

3.2 安全性評價

根據四個事故現(xiàn)場處置方案的指標值，令C1={不安全}，C2={一般安全}，C3={安全}，利用式(1)構造評價標準

表3 交通事故現(xiàn)場安全性指標值Table 3 Safety index value of traffic accident scenes

根據表3中四個事故現(xiàn)場處置方案的指標值，利用式(6)計算單指標屬性測度矩陣，并將各評價指標的無量綱值按式(2)進行歸一化處理，得到判斷矩陣如下:

由式(3)計算各指標的熵

由式(5)計算各指標的權重Wj

由式(7)計算綜合屬性測度評價矩陣為

由式(8)計算各方案分數(shù)及排序結果，如表4所示.

表4 各方案評價結果及排序Table 4 Evaluation result and ranking

由綜合屬性測度評價矩陣可見，方案一的事故現(xiàn)場處置方案不安全，方案二的事故現(xiàn)場處置方案安全，方案三的事故現(xiàn)場處置方案一般安全，方案四的事故現(xiàn)場處置方案不安全.由表4可見，方案二為事故現(xiàn)場的最優(yōu)處置方案，安全性最高.利用屬性識別模型進行事故現(xiàn)場處置方案的安全評價，不僅可以進行事故現(xiàn)場處置方案安全性分級，也可進行各方案之間的比較.

4 研究結論

道路交通事故現(xiàn)場安全性評價屬于事故現(xiàn)場處理后的評價內容，評價結果為提出合理的事故現(xiàn)場處置方法，預防二次事故的發(fā)生提供重要的理論依據.本文建立了基于熵權的交通事故現(xiàn)場安全屬性識別模型，評價典型高速公路交通事故現(xiàn)場的安全性.評價結果證明該模型可以用來對交通事故現(xiàn)場的安全性進行評價，且結果合理.從計算方法看，基于熵權的屬性識別模型減少了權重確定的主觀性和優(yōu)選方法的復雜性，避免了模型優(yōu)選結果為局部最優(yōu)解的可能性，評價結果更為客觀、合理.

［1］John N Ivan.Neural-net work representations for arterial street incident detection data fusion ［J］.Transportation Research Part C，1997(5):245-254.

［2］Jiuh Biing Sheu，Stephen G.A new methodology for incidentdetection and characterization on surface streets ［J］. TRB， NationalResearch Council，Washington，1998(6):315-335.

［3］Yaser E Hawas.A fuzzy-based system for incident detection in urban street networks［J］.Transportation Research Part C，2007(15):69-95.

［4］Dipti Srinivasan，Ruey Long Cheu，Young Peng Poh，et al.Development of an intelligent technique for traffic network incident detection［J］.Engineering Applications of Artificial Intelligence，2000(13):311-322.

［5］G F Newell.A simplified theory of kinematic waves in highway traffic［J］.Transportation Research B，1993，27B(4):281-287.

［6］Lawson T，Lovell D，Daganzo C.Using the input output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck［J］.Transportation Research Record TRB，National Research Council，1997:125-131.

［7］Liping Fu.An adaptive model for real time estimation of overflow queues on congested arterials［C］//Intelligent Transportation Systems Conference Proceedings，2001:219-226.

［8］姜桂艷，溫慧敏，楊兆升.高速公路交通事件自動檢測系統(tǒng)與算法設計［J］.交通運輸工程學報，2001，1(1):77-81.［JIANG G Y，WEN H M，YANG Z S.Design of freeway automatic incident detection system and algorithm［J］.Journal of Traffic and Transportation Engineering，2001，1(1):77-81.］

［9］樊小紅，荊便順.基于遺傳算法的交通事件檢測［J］.長安大學學報:自然科學版，2005，25(4):70-72.［FAN X H，JIN B S.Freeway automatic incident detection with genetic algorithm［J］.Journal of Chang’an University(Natural Science Edit ion)，2005，25(4):70-72.］

［10］張文會，鄧紅星，王憲彬，等.交通事故現(xiàn)場安全性綜合評價［J］.交通運輸系統(tǒng)工程與信息，2010，10(3):105-109.［ZHANG W H，DENG H X，WANG X B，et al.Comprehensive safety evaluation for traffic accident scene［J］.Journal of Transportation Systems Engineering and Information Technology，2010，10(3):105-109.］

［11］楊凈，張江山.基于熵權的屬性識別模型在城市軌道線網方案評價中的應用［J］.環(huán)境科學與管理，2009，34(8):164-168.［YANG J，ZHANG J S.Appiication of attribute recognition model based on coefficientofentropy to comp rehensive valuation of urban rail transit network［J］.EnvironmentalScience and Management，2009，34(8):164-168.］

［12］薛劍光，周健，史秀志，等.基于熵權屬性識別模型的巖體可爆性分級評價［J］.中南大學學報(自然科學版)，2010，41(1):251-255.［XUE J G，ZHOU J，SHI X Z，et al.Assessment of classification for rock mass blastability based on entropy coefficient of attribute recognition model［J］.Journal of CentralSouth University (Science and Technology)，2010，41(1):251-255.］

［13］趙新好，姚安林.基于熵權屬性識別理論的管道第三方破壞可能性研究［J］.中國安全科學學報，2011，21(4):71-77.［ZHAO X H，YAO A L.Study on possibility of pipeline third-party damage based on entropy coefficient of attribute recognition theory［J］.China Safety Science Journal，2011，21(4):71-77.］