王 征，陶 健，王文君

(山西省交通科學研究院，山西 太原 030006)

0 引 言

隨著人們生活水平的不斷提高，?；吩絹碓脚c人們生活息息相關。?；肪哂懈g性、毒性、易燃性等危害特性，在運輸過程中一旦發(fā)生泄漏事故，會對人員和環(huán)境造成極其嚴重的損害，加之其運輸的動態(tài)特性，被稱之為“流動的炸彈”。為更好地預防和控制運輸動態(tài)風險，有必要對?；返缆愤\輸過程帶來的風險進行評估和分析。

國內學者對?；返缆愤\輸風險進行了大量研究，通過對事故數據統(tǒng)計和事故原因分析，獲取了事故影響時空特征和基礎事故概率，并不斷完善運輸風險的研究框架和內容。近年來，隨著3G技術快速發(fā)展及研究工作細化，3G技術在危險貨物運輸風險分析過程中得到快速發(fā)展，可對運輸過程的關鍵風險指標如車速、連續(xù)駕駛時間等進行動態(tài)預警[1-3]。同時，學界不斷探索動態(tài)因素對危險貨物運輸過程中的風險影響。魏航等[4]通過引入時變理論分析了時變因素對人口暴露量的影響；賀政剛等[5]分析了時變條件對危險貨物運輸事故概率影響。這些研究成果極大提高了危險貨物運輸的風險防控和管理水平。

但已有研究成果因數據條件限制，缺乏對現有預警系統(tǒng)數據用于分析動態(tài)運輸風險研究的挖掘。危險貨物運輸過程中，動態(tài)交通流特征是集運輸時間、道路特征、車速等動態(tài)特征的綜合，可作為影響運輸風險的關鍵動態(tài)參數。筆者利用所采集的車速和車輛位置等數據，基于運輸動態(tài)參數、城市快速交通流特征和運輸風險這3者相關性，建立了城市快速道路危險貨物運輸動態(tài)風險評價模型，旨在提高風險評估準確性，實現動態(tài)風險智能評估，滿足風險評價和進行風險動態(tài)預警，還可輔助人工監(jiān)控運輸風險，利于強化監(jiān)控效果，提高城市道路危化品運輸風險安全管理水平。

1 風險影響和影響因素

1.1 泄漏事故概率

危險貨物泄漏事故概率是?；愤\輸風險評價研究內容之一。對?；愤\輸事故統(tǒng)計表明：?；愤\輸過程中的泄漏原因有交通事故和非交通事故兩方面。通常交通事故與道路條件、交通條件、車速、運輸時間、天氣等因素有關。

美國20世紀80年代后期的數據統(tǒng)計發(fā)現：非交通事故所引發(fā)道路危險貨物運輸泄漏是交通事故的1.93倍[6]。我國現階段交通環(huán)境、運輸企業(yè)管理等現狀與美國該時期的情況類似[7]。在缺乏我國非交通事故與交通事故引發(fā)道路危險貨物運輸泄漏數比值的情況下，筆者采用美國這一時期的統(tǒng)計值。對城市快速道路，基于現有動態(tài)監(jiān)控參數條件，動態(tài)考慮了車速和交通狀況對事故概率的影響。因此，綜合考慮不同因素對事故概率影響并進行修正，泄漏事故發(fā)生概率如式(1)：

(1)

式中：p(l)為路段l運輸過程發(fā)生泄漏事故的概率；pinc(l)為路段l運輸過程發(fā)生交通事故的概率；κ為非交通事故與交通事故而引發(fā)泄漏事故的比值，K=1.93；prel(l)為路段l運輸過程中因交通事故而導致泄漏的概率；Ki為交通事故概率修正因子i修正系數。

1.2 事故后果

危險貨物事故后果是危化品運輸風險評價另一方面的主要研究內容。危險貨物在運輸過程中一旦發(fā)生泄漏事故，所產生的毒性、爆炸及燃燒等傷害會對道路上人員及道路兩側一定范圍人員產生風險。因此，人員暴露數量是衡量道路危險貨物運輸事故后果嚴重程度的重要指標。暴露人員量與暴露區(qū)域范圍和暴露區(qū)域人員密度相關。道路運輸事故影響范圍主要由運輸貨物類別和運輸量共同決定。風險影響區(qū)域中暴露人員密度具有路上人員密度流動快、路下人員密度相對穩(wěn)定等特點。為便于計算，根據人員密度差別，將人員劃分為路上人員和路下人員，并將人員密集場所人員獨立計算。因此，這里將評估路上、路下和人員密集區(qū)域暴露人員作為城市道路危險貨物運輸風險評估重點研究對象。

1.2.1 路上人員暴露量確定

路上人員主要為各種交通參與者，包括車內司乘人員、路上行人和非機動車參與者。筆者的研究主要針對城市快速道路，其道路參與者主要為車內司乘人員，故城市道路上暴露人員數量與交通密度、車輛人員平均承載系數、車道數和風險影響區(qū)域有關。對道路上傷害區(qū)域，因其人員為線性分布，因此將車輛前后傷害半徑r范圍內雙向各車道作為傷害區(qū)域。故路上人員暴露量如式(2)：

(2)

式中：Son為路上人員暴露量，人；r為風險影響半徑，km；n為車輛當前行駛道路的雙向車道數；θ為車輛平均承載系數，人/輛；ki為車道i上的車輛密度，veh/km。

1.2.2 路下和密集區(qū)人員暴露量確定

路下暴露人口由道路兩側暴露區(qū)域內的人口密度來決定，路下暴露區(qū)域為除道路暴露區(qū)域部分的危險貨物事故影響區(qū)域。路下人口密度一般取該城市平均人口密度，由于城市快速道路兩側分布著人口密集區(qū)，如醫(yī)院、學校、商場、集市、生活區(qū)等，這會影響暴露區(qū)域人口密度，需將該部分人口獨立計算；同時因處于建筑物中人員受建筑物保護，故引入人員出現在室外系數和室內人員受影響概率系數。人員密集區(qū)人員出現在室外比例取值為20%，室內人員受影響概率取值為20%[8]。路下及密集區(qū)人員暴露量如式(3)：

Soff=(r2-2rbn)ρ+∑p(i)[λ+(1-λ)δ]

(3)

式中：Soff為道路下密集區(qū)人員暴露量，人；p(i)為影響區(qū)域兩側密集區(qū)i的人員數量，人；b為車行道寬度，km；λ為密集區(qū)人員出現在室外的比例；δ為室內人員受影響概率；ρ為路下平均人口密度，人/km2。

2 動態(tài)參數對風險影響

2.1 交通流量對事故概率影響

交通流量與交通密度和車速密切相關。車速影響通過影響駕駛員駕駛而對事故產生影響，車輛間的影響導致車速離散對事故影響較大[9]，同時交通流還因人們出行規(guī)律具有時變特性。因此復雜多變的交通流對交通事故具有綜合影響特性，對事故影響較為顯著。國內學者建立了實時交通流狀態(tài)下的高速公路交通事故泊松分布預測模型，研究表明：高速公路交通流狀態(tài)參數對交通事故影響最明顯[10]。通過研究實時交通流對事故概率影響可提高對運輸風險評估的準確性。

根據現有研究表明：不同交通流狀態(tài)其服務水平和事故相對數量不同，其相互關系如圖1[11]。交通流分為自由流、穩(wěn)定流、不穩(wěn)定流、飽和流和阻塞流。

圖1 交通流與事故數的相關性Fig. 1 The correlation between traffic flow and traffic accidents

當交通流狀態(tài)處于自由流時，車流密度較小，平均車速較高，尤其是營運車輛為確保運輸效率會保持較高運行車速；此時交通流量較小，最高不超過800輛/h，對事故影響相對較低。隨著交通流量進一步增加，車流密度隨之提高，車速逐漸下降，交通流趨于穩(wěn)定，交通流處于穩(wěn)定流狀態(tài)，此時車輛密度和車速成線性關系，交通量逐漸增加。當穩(wěn)定流前期，車輛行駛順暢，相互影響較小，交通量低于1 000輛/h，該交通流狀態(tài)對事故影響與自由流接近。當交通量進一步增加，交通密度繼續(xù)增加，車流更為穩(wěn)定，交通流處于穩(wěn)定流中期區(qū)段時，由圖1可知，該交通流量下對事故的影響增加。當交通量隨交通密度進一步增加，交通流處于穩(wěn)定流后期，車速繼續(xù)下降，車輛之間干涉更為明顯，交通流量對事故影響更加顯著增加。當交通密度進一步增加到車輛間距大大減小、不能超車時，將形成飽和交通流，交通量接近最大值通行能力，交通流開始不穩(wěn)定，車流平均速度繼續(xù)下降，交通量對事故影響達到最大。當交通密度繼續(xù)增加，交通出現擁堵，車輛只能尾隨前車緩慢前行，交通流量因車速降低而下降，這時事故發(fā)生概率迅速下降且事故危害很小。

基于上述分析，結合交通流對事故概率影響權重研究[12]，筆者建立如表1的城市快速道路各交通量對應運輸事故概率影響系數。

表1 城市快速道路各交通量對應運輸事故概率修正系數Table 1 Correction coefficient of transportation accident probabilityunder different traffic flow of urban freeway

2.2 交通流對暴露人口量影響

人口暴露量與事故影響區(qū)域人口暴露密度有關。相對封閉的城市快速道路的人口主要來源于機動車司乘人員，因此道路交通密度成為影響暴露人口量的關鍵因素。

交通流特征研究表明：交通密度與區(qū)間平均車速密切相關。目前速度-密度模型主要分為兩類：單段函數和多段函數。較為典型的單段函數模型研究成果有：針對中密度Greenshields研究的線性模型，針對小交通密度時Greenberg研究的對數模型和針對小交通流Underwood提出的指數模型。典型多段函數有Edie型等，其函數模型如表2。其中：k為交通密度，v為平均車速，kj為阻塞交通密度，vm為車流達到通行能力車速，vf為自由流車速。近年來，國內學者針對越來越容易獲取的城市道路交通流特征數據進行了大量研究[13-15]，一致認為多段式速度-密度模型更符合城市道路交通特征。

表2 典型交通流速度-密度模型Table 2 Typical traffic flow speed-density model

基于國內城市快速道路交通流研究成果，根據各交通流狀態(tài)適應速度與密度函數不同，將交通流狀況分為3段：交通密度較小的自由流狀態(tài)、交通密度適中的穩(wěn)定流狀態(tài)、包含不穩(wěn)定流和飽和流交通大密度狀態(tài)。阻塞交通流車速接近于0時不考慮該狀態(tài)。

2.2.1 自由流狀態(tài)

該狀態(tài)下，交通密度處于較小范圍，交通量較小，車輛之間不受影響，駕駛員以期望車速行駛，駕駛員可根據習慣和出行目的選擇車速，駕駛行為分為習慣傾向型和高速傾向型[16]。對營運車輛而言，一般追求高效的運輸效率，會盡量保持較大車速。該交通流區(qū)間速度與密度之間相關性不強。當車輛行駛車速達到自由流狀態(tài)下針對城市快速道路統(tǒng)計平均車速以上時，判斷為自由流狀態(tài)。此時交通密度較小，其密度取值為該狀態(tài)下交通密度下限臨界值k1。在自由流狀態(tài)下，當速度在較高車速范圍時，密度取常數，關系如式(4)：

k=k1(v1

(4)

式中：v1為城市快速路自由流車速下限，km/h；k1為自由流狀態(tài)下最大密度，輛/(km·ln)。

2.2.2 穩(wěn)定流狀態(tài)

當處于穩(wěn)定流狀態(tài)時，交通量隨交通密度增加而增加，車速因車輛間相互作用穩(wěn)定下降。交通密度越大，車輛間相互作用越明顯，車速下降也越大。此時，交通密度與車速成線性關系。根據數據統(tǒng)計，確定該交通流狀態(tài)下限臨界交通密度為k2，所對應的平均車速為v2。該交通狀態(tài)下車速與交通密度關系如式(5)：

(5)

式中：vf為線性模型下的自由流車速，km/h；kj為線性模型下的阻塞交通密度，輛/(km·ln)。

2.2.3 大密度狀態(tài)

當交通密度進一步增加，交通密度處于大密度范圍，交通流趨于不穩(wěn)定，并逐漸接近飽和狀態(tài)，車輛隨時可能出現擁堵停車，車速下降速度緩慢，速度與密度關系更符合指數關系，如式(6)：

(6)

式中：vf為指數模型下的自由流車速，km/h；km為指數模型達到最大時的交通密度，輛/(km·ln)。

2.3 風險影響參數確定

根據我國城市快速路交通流數據和相關研究結果，確定城市快速路交通流模型參數取值。為便于數據采集和計算，筆者使用實時采集的運輸車輛車速代替道路區(qū)間車速。

當交通流處于自由流狀態(tài)時，由于營運車輛駕駛員多傾向于高速駕駛，故自由流下限車速v1=70 km/h，即當運輸車輛車速到達70 km/h及以上時，判定當前交通流處于自由流。則交通密度取自由流狀態(tài)下限值10輛/(km·ln)。該交通流狀態(tài)的交通量低于800輛/h。

當交通流處于穩(wěn)定流狀態(tài)時，該交通流狀態(tài)密度上下臨界值分別為10、40輛/(km·ln)，則自由車速為80 km/h，阻塞密度為91輛/(km·ln)[17]，對應的車速范圍下限為45 km/h。在該狀態(tài)下，根據交通流量和交通速度-密度函數關系Q=kv，可分別確定不同交通量對應車速。當交通量為1 000時，對應速度為66 km/h；當車速大于66 km/h時，事故概率修正系數取值為0.8。當交通量在1 000～1 500輛/h，車速為56～66 km/h時，事故修正系數為1；當交通量在1 500～1 800輛/h，車速在45～56 km/h時，事故修正系數為1.6。

當交通流處于大密度狀態(tài)時，自由流車速取值為110 km/h，最佳交通密度為47輛/(km·ln)[18]，則最佳車速為40 km/h。根據函數關系，當交通密度達到47時，交通量最大為1 900左右。當車速為40～45 km/h時，事故率修正系數取值1.8；當車速低于40 km/h時，修正系數取值為1。

不同交通流狀態(tài)下的函數參數擬合值和不同修正系數對應的車速范圍分別如表3、4。

表3 不同交通流狀態(tài)下的函數參數取值Table 3 Value of function parameter under differenttraffic flow status

表4 修正系數對應的車速范圍Table 4 The correction coefficient for different speed range

3 動態(tài)風險模型

車輛在城市快速道路運輸過程中，車輛終端采集車輛速度和位置信息，實時計算每次信息采集過程中路上暴露人員風險作為動態(tài)運輸風險，該風險為泄漏事故概率和暴露人員量乘積。故危險貨物運輸人員暴露風險如式(7)：

Ri=p(l)L(Son+Soff)

(7)

式中：Ri為第i次數據采集時的動態(tài)運輸風險；L為第i次數據采集時的汽車行駛路程，km；p(l)為車輛行駛于第l條道路下發(fā)生泄漏事故概率，起/106(veh·km)。

將式(1)～(3)代入式(7)，得式(8)：

(8)

為便于計算，筆者假設雙向及每車道交通量分布均勻一致，同時將人員密集區(qū)人員出現在室外比例λ和室內人員受影響概率δ取值帶入，則式(8)可細化為式(9)：

2rbn)ρ+0.36∑p(i)]

(9)

4 算例分析

筆者以一輛LPG危險貨物罐車在城市快速道路運輸過程的運輸風險動態(tài)評價為例進行分析。車輛行駛在城市快速道路，該道路為雙向6車道，限速為80 km/h，車行道寬度設為0.03 km，該城市路下平均人口密度為400人/km2，途徑兩處人口密集區(qū)人口為300人，每輛車司乘人員設為2人，車輛信息采集時間步長為30 s。

LPG暴露區(qū)域半徑依據道路危險貨物種類與事故潛在影響范圍取值為0.8 km。城市道路多車道道路危險貨物運輸事故概率pinc(l)和條件泄漏概率prel(l)取值見表5，分別為7.75起/106(veh·km)和0.062，事故概率修正主要考慮交通量修正。假設天氣條件良好，不考慮天氣因素對運輸風險影響[19,20]。在運輸過程中，分別評估10次運輸風險，在不同動態(tài)車速條件下，人員暴露風險及相關參數如表6。

表5 城市道路不同參數對應事故概率Table 5 Accident probability corresponding to different parameters ofurban roadways

表6 不同動態(tài)條件下的運輸風險Table 6 Transportation risks under different dynamic conditions

相同采集時間步長條件下，由于車速不同、行駛里程不同，對交通事故概率影響也不同。同時，不同車速條件表征交通密度和交通量不同，對交通事故概率和道路上人口暴露量影響也不同。另外，當途徑人員密集區(qū)時，暴露人數量有所增加，對風險影響較為明顯。

由表6可見：隨著速度降低，運輸風險逐漸增加，當交通平均車速為40 km/h時，運輸風險最大，因此該交通條件下需加強監(jiān)控。當車速因車流密度增加而進一步降低后，運輸風險開始顯著降低。筆者引入動態(tài)車速參數，可顯著提高運輸風險評估精確性。

5 結 論

筆者通過分析和實例計算，可得出以下結論：

1)根據危險貨物運輸風險評價內容和現有道路運輸動態(tài)監(jiān)控參數，基于車速和城市道路交通流特征，建立了城市快速路危險貨物運輸風險實時評價模型。筆者重點研究了交通量對交通事故概率的影響和交通密度對路上人員暴露量的影響，確定了各模型參數取值。通過實例驗證表明：該模型可顯著提高運輸風險評估精確性；可實現基于現有危險貨物監(jiān)管平臺數據的采集；可對運輸風險進行實時預警，加強風險監(jiān)管力度。

2)筆者下一步研究重點應借助電子地圖，將敏感環(huán)境納入風險評估范圍；同時進一步分析不同事故暮景影響區(qū)域和劃分事故影響區(qū)域的傷害程度。