孟云偉　潘曉東　方　青

(1.同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室　上海　201804；

2.招商局重慶交通科研設(shè)計(jì)院有限公司　重慶　400067；　3.廈門(mén)市建設(shè)局　廈門(mén)　301004)

高速公路交通事故威脅程度預(yù)警評(píng)價(jià)模型

孟云偉1，2潘曉東2方青3

(1.同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室上海201804；

2.招商局重慶交通科研設(shè)計(jì)院有限公司重慶400067；3.廈門(mén)市建設(shè)局廈門(mén)301004)

摘要為了評(píng)價(jià)高速公路交通事故對(duì)交通運(yùn)行安全的影響程度，基于二級(jí)模糊綜合評(píng)判法，構(gòu)建了高速公路交通事故威脅程度預(yù)警指標(biāo)體系模型。其中包含評(píng)價(jià)指標(biāo)及預(yù)警等級(jí)。將這一模型運(yùn)用到一起交通事故實(shí)例的研究中，分析各指標(biāo)對(duì)交通運(yùn)行的威脅程度，根據(jù)模型的計(jì)算方法和最大隸屬原則，確定了事故威脅程度的預(yù)警等級(jí)。

關(guān)鍵詞高速公路交通事故預(yù)警模糊綜合評(píng)價(jià)

交通事故對(duì)高速公路運(yùn)行安全的影響主要表現(xiàn)在二次事故風(fēng)險(xiǎn)增加和服務(wù)水平降低2個(gè)方面。在事故發(fā)生后，通過(guò)對(duì)交通事故威脅程度的預(yù)警，交通管理者可以根據(jù)威脅程度的預(yù)警等級(jí)啟動(dòng)相應(yīng)的救援響應(yīng)程序，進(jìn)行應(yīng)急管理；交通出行者則根據(jù)接收到的預(yù)警信息，調(diào)整駕駛行為或出行策略，從而降低二次事故的風(fēng)險(xiǎn)，并減少出行延誤。

在道路交通事故預(yù)警系統(tǒng)研究實(shí)踐方面，西方發(fā)達(dá)國(guó)家起步較早，現(xiàn)在也處于領(lǐng)先水平[1-4]。他們把在ITS方面的研究成果應(yīng)用于高速公路的日常管理中，建立起先進(jìn)完善的高速公路預(yù)警管理系統(tǒng)和惡劣天氣預(yù)警系統(tǒng)，以及對(duì)在線(xiàn)位移監(jiān)控和預(yù)警的系統(tǒng)，這些系統(tǒng)能夠?qū)Ω咚俟纷陨砗椭苓叚h(huán)境進(jìn)行實(shí)時(shí)的檢測(cè)和預(yù)警，并且已經(jīng)在工程實(shí)踐中得到了成功應(yīng)用。

陳曉冬[5]從預(yù)警管理的基礎(chǔ)理論和系統(tǒng)構(gòu)建的關(guān)鍵技術(shù)2個(gè)方面對(duì)基于交通流理論的高速公路安全預(yù)警系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行了研究和論述，主要內(nèi)容包括高速公路安全預(yù)警系統(tǒng)設(shè)計(jì)、高速公路信息采集與數(shù)據(jù)管理技術(shù)、交通流特性與運(yùn)營(yíng)安全的相關(guān)性分析以及基于交通流壓縮性理論的交通狀態(tài)預(yù)判別算法研究。黑桂芳[6]針對(duì)跨海大橋在不良天氣下對(duì)交通造成的影響，采用預(yù)警預(yù)控的方法，對(duì)不良天氣條件下跨海大橋預(yù)警管

理系統(tǒng)進(jìn)行了研究，提高了跨海大橋的安全運(yùn)營(yíng)效率。呂斌[7]等研究了高速公路養(yǎng)護(hù)維修作業(yè)區(qū)的事故規(guī)律及事故危險(xiǎn)因素，建立了作業(yè)區(qū)危險(xiǎn)因素體系。

以上對(duì)于交通事故風(fēng)險(xiǎn)預(yù)警和威脅程度預(yù)警的研究，主要是從微觀行車(chē)安全的角度出發(fā)，相關(guān)的成果相對(duì)較少。

1　高速公路交通事故威脅程度預(yù)警指標(biāo)體系的建立

1.1預(yù)警指標(biāo)體系的建立

根據(jù)交通事故對(duì)安全運(yùn)行的影響，可以確定預(yù)警指標(biāo)體系構(gòu)建的原則為：在特定時(shí)間、地點(diǎn)、路域環(huán)境下，具有不同事故特征的交通事故發(fā)生后，進(jìn)行所需資源的調(diào)度，從而快速有效地處理現(xiàn)場(chǎng)、維持臨時(shí)通行或交通中斷直至恢復(fù)正常通行。對(duì)高速公路交通事故威脅程度的影響因素主要包括事故嚴(yán)重程度、事發(fā)環(huán)境特征、事故影響程度和應(yīng)急救援難度4個(gè)方面。

在遵循科學(xué)性、系統(tǒng)性、可比性和可操作性的原則下，根據(jù)威脅程度影響因素的分析，結(jié)合專(zhuān)家的建議，構(gòu)建了高速公路交通事故威脅程度預(yù)警指標(biāo)體系，見(jiàn)圖1。

圖1　高速公路交通事故威脅程度預(yù)警指標(biāo)體系

1.2預(yù)警指標(biāo)評(píng)級(jí)標(biāo)準(zhǔn)的劃分

將高速公路交通事故威脅程度分為4個(gè)預(yù)警等級(jí)：IV級(jí)、III級(jí)、II級(jí)、I級(jí)，對(duì)應(yīng)的威脅程度分別為較小、一般、較大和很大；對(duì)應(yīng)的預(yù)警信號(hào)分別是藍(lán)色、黃色、橙色和紅色。

1.3預(yù)警指標(biāo)評(píng)分標(biāo)準(zhǔn)體系的建立

高速公路交通事故威脅程度預(yù)警指標(biāo)涉及面較廣，并且有些指標(biāo)難以客觀準(zhǔn)確地量化，因此在威脅程度預(yù)警評(píng)價(jià)過(guò)程中，需要結(jié)合實(shí)際情況對(duì)各個(gè)指標(biāo)進(jìn)行評(píng)估?；趶V泛的高速公路交通事故資料和處理記錄調(diào)研，結(jié)合專(zhuān)家意見(jiàn)咨詢(xún)，以單向4車(chē)道的高速公路為例，給出了各項(xiàng)預(yù)警指標(biāo)的評(píng)分標(biāo)準(zhǔn)，見(jiàn)表1。

表1　高速公路交通事故威脅程度預(yù)警指標(biāo)評(píng)分標(biāo)準(zhǔn)

2　二級(jí)模糊綜合評(píng)判法在交通事故威脅程度預(yù)警評(píng)價(jià)中的應(yīng)用

2.1模糊綜合評(píng)價(jià)原理分析

模糊綜合評(píng)價(jià)法是對(duì)諸多因素的多種方式、多種組合進(jìn)行評(píng)價(jià)，這種評(píng)價(jià)是多因素、多目標(biāo)的評(píng)價(jià)，能夠較好地處理多因素、模糊性及主觀判斷的有效性等問(wèn)題。模糊綜合評(píng)價(jià)基本原理如下。

假設(shè)指標(biāo)集為X={x1，x2，…，xn}，評(píng)語(yǔ)集為Y=(y1，y2，…yn)，從指標(biāo)集到評(píng)語(yǔ)集的模糊關(guān)系R表示對(duì)各單項(xiàng)指標(biāo)xi做出各種評(píng)語(yǔ)的可能性，W={w1，w2，…,wn}表示各評(píng)價(jià)指標(biāo)在評(píng)價(jià)中的重要性。評(píng)價(jià)的結(jié)果是模糊集B={b1，b2，…,bn，}，它表示做出各種評(píng)語(yǔ)的隸屬度。

(1)

模糊綜合評(píng)價(jià)模型示意圖見(jiàn)圖2，在交通事故威脅程度預(yù)警指標(biāo)體系中，X表示發(fā)生的交通事故的各項(xiàng)特征指標(biāo)，首先按表1所示內(nèi)容對(duì)其進(jìn)行評(píng)分，之后X經(jīng)過(guò)模糊關(guān)系R，并與權(quán)重值W結(jié)合，最終輸出的結(jié)果是預(yù)警等級(jí)，進(jìn)而發(fā)布對(duì)應(yīng)的預(yù)警信號(hào)。

圖2模糊綜合評(píng)價(jià)模型示意圖

2.2二級(jí)模糊綜合評(píng)判法的應(yīng)用

考慮到高速公路交通事故威脅程度預(yù)警指標(biāo)具有多層次和模糊性的特點(diǎn)，將二級(jí)模糊綜合評(píng)判法應(yīng)用于交通事故威脅程度預(yù)警評(píng)價(jià)過(guò)程當(dāng)中，具體方法如下。

2.2.1因素集和評(píng)語(yǔ)集的建立

因素集是評(píng)價(jià)對(duì)象各個(gè)評(píng)價(jià)指標(biāo)所組成的集合。其中，評(píng)價(jià)對(duì)象一級(jí)指標(biāo)為U={u1，u2，…，um}，m=4，分別為事故嚴(yán)重程度、事發(fā)環(huán)境特征、事故影響程度和應(yīng)急救援難度。二級(jí)指標(biāo)為u={ui1，ui2，…uin}，i=1,2,3,4分別對(duì)應(yīng)一級(jí)指標(biāo)所包含的詳細(xì)指標(biāo)，見(jiàn)圖1。

評(píng)語(yǔ)集V={v1，v2，…vp)，IV級(jí)、III級(jí)、II級(jí)、I級(jí)}，p=4，分別對(duì)應(yīng)的交通事故威脅程度為藍(lán)色預(yù)警、黃色預(yù)警、橙色預(yù)警和紅色預(yù)警。

2.2.2指標(biāo)權(quán)重的確定

本研究利用層次分析法來(lái)確定各個(gè)威脅程度預(yù)警指標(biāo)的權(quán)重。根據(jù)專(zhuān)家打分結(jié)果，借助Matlab軟件工具進(jìn)行運(yùn)算，可得U-Ui，U1-U1i，U2-U2i，U3-U3i，U4-U4i判斷矩陣，以及計(jì)算結(jié)果見(jiàn)表2～6。

表2　U-Ui判斷矩陣及計(jì)算結(jié)果

表3　U1-U1i判斷矩陣及計(jì)算結(jié)果

表4　U2-U2i判斷矩陣及計(jì)算結(jié)果

表5　U3-U3i判斷矩陣及計(jì)算結(jié)果

表6　U4-U4i判斷矩陣及計(jì)算結(jié)果

根據(jù)以上的計(jì)算結(jié)果，可得各項(xiàng)交通事故威脅程度預(yù)警指標(biāo)的權(quán)重分配見(jiàn)表7。

表7　層次分析法指標(biāo)權(quán)重計(jì)算結(jié)果

2.2.3隸屬函數(shù)的確定

選擇半梯形與梯形隸屬函數(shù)來(lái)確定各個(gè)評(píng)價(jià)指標(biāo)的隸屬度函數(shù)。

r1～r4分別為各項(xiàng)預(yù)警指標(biāo)相對(duì)于評(píng)語(yǔ)集IV級(jí)至I級(jí)的隸屬函數(shù)，x為被評(píng)價(jià)對(duì)象的指標(biāo)值，則半梯形與梯形隸屬函數(shù)式和函數(shù)圖像如式(2)和圖3所示。各指標(biāo)的隸屬度可根據(jù)下列線(xiàn)性方程構(gòu)造的隸屬函數(shù)求解，見(jiàn)表8。

(2)

圖3　梯形和半梯形隸屬度函數(shù)示意圖

因此可得模糊隸屬度矩陣如下。

(3)

式中：Ri為第i個(gè)一級(jí)指標(biāo)的模糊隸屬度矩陣；rij-k為該一級(jí)指標(biāo)中的第j個(gè)二級(jí)指標(biāo)相對(duì)于第k個(gè)預(yù)警等級(jí)的隸屬度。

2.2.4判斷矩陣的確定

(1) 一級(jí)模糊綜合評(píng)判。即對(duì)待評(píng)對(duì)象各個(gè)一級(jí)指標(biāo)分別進(jìn)行綜合評(píng)價(jià)，一級(jí)模糊綜合評(píng)價(jià)集。

(4)

式中：bik為待評(píng)對(duì)象第i個(gè)一級(jí)指標(biāo)相對(duì)于第k個(gè)預(yù)警等級(jí)的隸屬度。

(2) 二級(jí)模糊綜合評(píng)判。即對(duì)待評(píng)對(duì)象整體進(jìn)行綜合評(píng)價(jià)，二級(jí)模糊綜合評(píng)價(jià)集。

(5)

式中：bk為待評(píng)對(duì)象整體相對(duì)于第k個(gè)預(yù)警等級(jí)的隸屬度。

2.2.5評(píng)價(jià)結(jié)果的確定

通過(guò)隸屬度向量B=(b1,b2,…,bp)，根據(jù)最大隸屬度原則，可以確定待評(píng)對(duì)象整體的威脅程度預(yù)警等級(jí)。以上的分析過(guò)程可通過(guò)流程圖進(jìn)行表示，見(jiàn)圖4。

圖4二級(jí)模糊綜合評(píng)判法流程圖

3　實(shí)例分析

高速公路交通事故案例：2011年8月17日凌晨5時(shí)5分，滬杭高速公路杭州方向樁號(hào)K119+300處發(fā)生一起交通事故，一輛物流車(chē)追尾撞上了一輛罐裝車(chē)。物流車(chē)副駕駛座上的男子當(dāng)場(chǎng)死亡，司機(jī)受輕傷。事故發(fā)生后，物流車(chē)整個(gè)車(chē)頭完全凹陷，嚴(yán)重變形，罐裝車(chē)損傷相對(duì)較小，車(chē)上人員受輕傷。

交通事故發(fā)生時(shí)的背景條件：滬杭高速公路為雙向8車(chē)道，年均日交通流量為9萬(wàn)輛/d左右，高峰期日交通流量達(dá)到11萬(wàn)輛/d左右。事發(fā)位置為普通路段，占據(jù)外側(cè)2個(gè)車(chē)道，通行能力受到一定影響。由于事發(fā)時(shí)間為凌晨，為交通量平峰時(shí)段，交通量相對(duì)較小。事發(fā)時(shí)天氣狀況一般，有霧，能見(jiàn)度較低，路面干燥。需要公安管理部門(mén)、消防、路政、醫(yī)療等部門(mén)全力配合，進(jìn)行應(yīng)急救援工作。

基于二級(jí)模糊綜合評(píng)判法，首先根據(jù)已經(jīng)建立的預(yù)警指標(biāo)體系，對(duì)預(yù)警指標(biāo)進(jìn)行評(píng)分、權(quán)重分配，之后根據(jù)公式(2)，得到模糊評(píng)判矩陣R1，R2，R3，R4如下。

(6)

進(jìn)一步做一級(jí)、二級(jí)模糊評(píng)判，其中，一級(jí)模糊評(píng)判為

二級(jí)模糊評(píng)判為

根據(jù)最大隸屬原則，可知該高速公路交通事故威脅程度屬于II級(jí)(威脅程度較大)，因此在交通事故發(fā)生后，發(fā)布橙色預(yù)警。

4　結(jié)語(yǔ)

對(duì)高速公路交通事故威脅程度的影響因素進(jìn)行了系統(tǒng)和詳細(xì)的分析，建立了高速公路交通事故威脅程度預(yù)警指標(biāo)體系，并結(jié)合資料調(diào)研和專(zhuān)家意見(jiàn)，確定了各項(xiàng)預(yù)警指標(biāo)的評(píng)估標(biāo)準(zhǔn)，構(gòu)建了基于二級(jí)模糊綜合評(píng)判方法的高速公路交通事故威脅程度預(yù)警評(píng)價(jià)模型，并結(jié)合計(jì)算實(shí)例進(jìn)行了分析和驗(yàn)證。

參考文獻(xiàn)

[1]GREEM D，LIU J，REICH J. A computationally-efficient collision early warning system for vehicle, speed, and bicyclists[C]. ITS World Congress 2008.

[2]JAMSON A H, LAI C H,OLIVER M J. Carsten. Potential benefits of an adaptive forward collision warning system[J]. Transportation Research Part C,2008,16(4):471-484.

[3]Yoshiyuki Matsumoto,Wako.Warning system for vehicle:US，5,594,412[P].1997-01-14.

[4]Marcel boschung, Schmitten. Early ice-warning device:US,4,222,044[P].1980-09-09.

[5]陳曉冬.基于交通流理論的高速公路安全預(yù)警系統(tǒng)關(guān)鍵技術(shù)研究[D].長(zhǎng)春：吉林大學(xué)，2011.

[6]黑桂芳.不良天氣條件下跨海大橋安全運(yùn)營(yíng)系統(tǒng)研究[D].西安：長(zhǎng)安大學(xué)，2011.

[7]呂斌,李林波,吳兵.高速公路養(yǎng)護(hù)維修作業(yè)區(qū)危險(xiǎn)因素分析[J].交通科技,2014(6):88-91.

Evaluation and early-warning Model of Accident Threat Level on Expressway

MengYunwei1,2，PanXiaodong2，F(xiàn)angQing3

(1.The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, Shanghai 201804, China；

2. China Merchants Chongqing Communications Research & Design Institute Co., Ltd., Chongqing 400067, China；

3. Xiamen Construction Bureau, Xiamen 301004, China)

Abstract： The occurrence of accident in expressway could threaten traffic operation safety. In order to evaluate the threat level of accident in expressway , secondary fuzzy comprehensive evaluation method was applied to build expressway accident early-warning index system model. Evaluation index and early-warning class were included in the model. It was used in an accident study, and accident index threat level to traffic operation was analyzed. According to calculation and maximum membership principle, the early-warning class of accident threaten was determined.

Key words: expressway； traffic accident； early-warning； fuzzy comprehensive evaluation

收稿日期：2015-04-10

AVideoRecognitionfortheAbnormalStateofVehicleinHighwayTunnel

Lu Sibo1,LiMing2,ChenXiaojia1,PengSuyue2,ShenZufu2

(1.SchoolofTransportation，WuhanUniversityofTechnology,Wuhan430063,China;

2.Shao-GanExpresswayAdministrationCenter，GuangdongNan-YueTransportationInvestmentCo.Ltd,Shaoguan512500)

Abstract：As a special location on the highway, the security of tunnel is paid more attention than the other area. In this paper, from the traffic safety management in highway tunnel we first analyzed the various abnormal states of the traffic in tunnels among all the states. The stopping car was the most harmful status to the safety in the tunnel. Research then focused on the video recognition method of the abnormal stopping car in highway tunnel. In order to enhance recognition capacity of vehicle, image texture, geometric, and edge features were extracted in video sequences and these features were combined into a new feature method . The combined feature method was input into BP neural network as the base classifier and the strong classifier was obtained by integrating BP neural networks under the Adaboost framework. A testing in a real tunnel was performed to verity the effectiveness of the method. Results show that the presented model has a satisfactory recognition effect for the abmormal state of the stopping car.

Key words:video recognition; feature fusion； abnormal state of vehicle ; highway tunnel; test verification

DOI10.3963/j.issn.1671-7570.2015.04.045