張曉博 劉朝峰 杜麗衡 賈慧 王子銘

摘要 為科學(xué)評(píng)價(jià)安徽省道路交通安全狀況，基于交通事故次數(shù)、事故死亡人數(shù)與相關(guān)社會(huì)經(jīng)濟(jì)因素構(gòu)建了10億元GDP死亡率、百公里道路死亡率、萬(wàn)車死亡率、10萬(wàn)人口死亡率和平均每起事故死亡人數(shù)等5個(gè)道路交通安全評(píng)價(jià)指標(biāo)。首先利用傳統(tǒng)灰色關(guān)聯(lián)法分析相關(guān)致因要素對(duì)各項(xiàng)交通安全指標(biāo)的影響程度，得出人口因素和社會(huì)經(jīng)濟(jì)因素是主導(dǎo)因素。然后將模糊層次分析法和熵值法相結(jié)合確定各指標(biāo)的權(quán)重，建立改進(jìn)的灰色關(guān)聯(lián)綜合評(píng)價(jià)模型，并對(duì)安徽省交通安全水平進(jìn)行綜合評(píng)價(jià)。結(jié)果表明，安徽省交通安全水平在不斷改善，但10億元GDP死亡率和萬(wàn)車死亡率仍然偏高。與傳統(tǒng)關(guān)聯(lián)法相比，改進(jìn)的灰色關(guān)聯(lián)法更準(zhǔn)確，具有更好的適用性，為道路交通安全治理提供決策依據(jù)。

關(guān) 鍵 詞 交通安全評(píng)價(jià);熵值法;模糊層次分析法;改進(jìn)灰色關(guān)聯(lián)法;安徽省

中圖分類號(hào) U492.8? ? ?文獻(xiàn)標(biāo)志碼 A

Abstract In order to scientifically evaluate the regional road traffic safety situation of Anhui Province， five relative evaluation indicators including mortality per billion GDP， mortality per hundred kilometer road， mortality per 10 thousand vehicles， mortality per 100 thousand people and mortality per traffic accident were constructed based on the number of traffic accidents， the number of accident deaths and related socio-economic factors. Firstly， the influence degree of related factors on traffic safety index was analysed by using the Grey correlation method， and it is concluded that demographic factors and socio-economic factors are the leading factors. Then， the fuzzy analytic hierarchy process and entropy method were combined to determine the weight of each index， and the improved grey correlation comprehension evaluation model was used to evaluate the road traffic safety of Anhui Province. The result shows that traffic safety in Anhui Province is improving. However， the mortality per billion GDP and mortality per 10 thousand vehicles are still high， and the improved model has higher accuracy and applicability， which also provides decision rationale for traffic safety management.

Key words traffic safety evaluation; entropy method; fuzzy analytic hierarchy process; improved grey correlation method; Anhui Province

0 引言

近年來(lái)，隨著我國(guó)機(jī)動(dòng)化程度的發(fā)展和城市化進(jìn)程的加快，交通事故的頻發(fā)、交通擁擠的加劇、環(huán)境污染的惡化和能源消耗的過度等問題變得日益加重。據(jù)統(tǒng)計(jì)，每天由于道路交通事故而死亡的人數(shù)多達(dá)3 000 人，占全球每天死亡人數(shù)的2.1%，除了死亡，每年由于道路交通事故受傷的人數(shù)也多達(dá)幾千萬(wàn)人。道路交通傷害已成為全球疾病和傷害負(fù)擔(dān)的第九大原因[1]。我國(guó)城市現(xiàn)行道路交通情況復(fù)雜，混合交通嚴(yán)重、自行車比例過大和交通管理不足等特點(diǎn)使得現(xiàn)階段的交通安全形勢(shì)仍然十分嚴(yán)峻。因此，科學(xué)地分析主要相關(guān)因素與交通事故的關(guān)系，客觀地評(píng)價(jià)不同時(shí)期內(nèi)道路的安全水平，對(duì)預(yù)防和減少道路交通事故、提高道路交通安全水平有重要的意義。

目前國(guó)內(nèi)外對(duì)于道路交通安全評(píng)價(jià)研究分為2部分。

1）對(duì)于道路交通安全評(píng)價(jià)指標(biāo)的研究。道路交通安全評(píng)價(jià)指標(biāo)分為2類，第1類是絕對(duì)指標(biāo)，即交通事故次數(shù)、交通事故死亡人數(shù)、交通事故受傷人數(shù)和交通事故引起的直接經(jīng)濟(jì)損失等[2]。這種方法簡(jiǎn)單易行且對(duì)比明顯，人們比較容易理解。但在不同的時(shí)間下，不同區(qū)域的經(jīng)濟(jì)發(fā)展和道路狀況不同，且各項(xiàng)指標(biāo)相差懸殊，因此沒有可比性;第2類是相對(duì)指標(biāo)，即根據(jù)四項(xiàng)絕對(duì)指標(biāo)，考慮人口、GDP、汽車保有量等因素后進(jìn)行對(duì)比計(jì)算后得到的。較為廣泛使用的有萬(wàn)車死亡率、10萬(wàn)人口死亡率、致死率和億車公里死亡率等[3]。相對(duì)指標(biāo)綜合了許多道路交通指標(biāo)，利用相對(duì)指標(biāo)進(jìn)行交通安全評(píng)價(jià)，可進(jìn)行不同時(shí)間不同區(qū)域的縱、橫向?qū)Ρ?，可深入地分析交通安全狀況的變化程度、影響因素對(duì)比、事故強(qiáng)度等。

2）對(duì)于道路交通安全評(píng)價(jià)方法的研究。選取主要的控制指標(biāo)，運(yùn)用多屬性綜合評(píng)價(jià)方法進(jìn)行評(píng)估，如主成分分析法[4]、神經(jīng)網(wǎng)絡(luò)法[5]、物元可拓法[6]、模糊聚類算法[7]等引入交通事故的評(píng)價(jià)中。目前這兩部分的研究在很大程度上提高了道路交通安全評(píng)估的準(zhǔn)確性，但是也存在著評(píng)價(jià)指標(biāo)不完善、計(jì)算量大、數(shù)學(xué)方法不合理和主觀性較強(qiáng)等問題。

灰色關(guān)聯(lián)法是根據(jù)序列曲線幾何形狀的相似程度來(lái)判斷其聯(lián)系是否緊密。曲線越接近，相應(yīng)序列關(guān)聯(lián)度就越大，反之就越小。其計(jì)算過程簡(jiǎn)單、可靠性強(qiáng)、且對(duì)樣本無(wú)嚴(yán)格要求等諸多優(yōu)點(diǎn)而被廣泛應(yīng)用。道路交通安全系統(tǒng)是一個(gè)典型的灰色系統(tǒng)，可應(yīng)用灰色系統(tǒng)理論進(jìn)行研究。本文在眾多學(xué)者研究成果的基礎(chǔ)上，以安徽省2004-2011年社會(huì)經(jīng)濟(jì)數(shù)據(jù)為樣本數(shù)據(jù)，計(jì)算各項(xiàng)主要影響因素與各個(gè)道路交通安全評(píng)價(jià)指標(biāo)的關(guān)聯(lián)度，客觀評(píng)價(jià)交通事故發(fā)生的主控因素，并采用改進(jìn)的灰色關(guān)聯(lián)法進(jìn)行道路交通安全評(píng)價(jià)。以期進(jìn)一步明確安徽省道路交通交通事故發(fā)生、發(fā)展規(guī)律，并為改善安徽省道路交通整體安全水平提供有益的建議和幫助。

1 道路交通安全評(píng)價(jià)指標(biāo)體系的選取

張令杰[8]提出道路交通安全評(píng)價(jià)指標(biāo)一般應(yīng)具有相關(guān)性原則、可比性原則、可靠性原則、代表性原則，和可操作性原則。其中，相關(guān)性原則是指所選定的因素必須能夠真實(shí)的反映各省市的道路交通狀況?？杀刃栽瓌t是指所選擇的指標(biāo)在各對(duì)象中有統(tǒng)一的定義和計(jì)量標(biāo)準(zhǔn)?？煽啃栽瓌t是指道指標(biāo)的數(shù)據(jù)來(lái)源必須可靠。代表性原則是指道路交通安全指標(biāo)能夠很好地反映道路交通狀況某個(gè)方面的情況?？刹僮餍栽瓌t是指要測(cè)定的指標(biāo)易于得到、統(tǒng)計(jì)和計(jì)算，有良好的可操作性。

交通事故統(tǒng)計(jì)中，事故次數(shù)、受傷人數(shù)和直接經(jīng)濟(jì)損失等指標(biāo)，容易在統(tǒng)計(jì)時(shí)被遺漏或出現(xiàn)偏差，導(dǎo)致統(tǒng)計(jì)結(jié)果的真實(shí)性下降。而涉及人員死亡的交通事故歷來(lái)受到國(guó)家和各地區(qū)的高度重視，死亡人數(shù)的統(tǒng)計(jì)結(jié)果更為準(zhǔn)確。因此，結(jié)合指標(biāo)選取原則和安徽省道路交通安全統(tǒng)計(jì)實(shí)際情況，根據(jù)安徽省歷年年鑒和相關(guān)統(tǒng)計(jì)資料獲得2004—2011年道路交通死亡人數(shù)、交通事故數(shù)、GDP X6（10億元）、人口X7（萬(wàn)人）、公路里程X8（百公里）和民用汽車保有量X9（萬(wàn)輛）等原始數(shù)據(jù)。以死亡人數(shù)為主，選取10億元GDP死亡率 X1（人·（10億元）- 1）、百公里道路死亡率X2（人·（100 km）- 1）、萬(wàn)車死亡率X3（人·萬(wàn)車- 1）、10萬(wàn)人口死亡率X4（人·（10萬(wàn)人）- 1）和平均每起事故死亡人數(shù) X5（人·起- 1）共 5個(gè)相對(duì)指標(biāo)構(gòu)成安徽省道路交通安全評(píng)價(jià)的指標(biāo)體系。其中，10億元GDP死亡率 X1利用交通事故死亡人數(shù)與地區(qū)生產(chǎn)總值的比值來(lái)反映社會(huì)經(jīng)濟(jì)發(fā)展的交通事故成本;百公里道路死亡率X2利用交通事故死亡人數(shù)與公路和城市道路之和計(jì)算的比值來(lái)反映交通事故的空間分布密度;萬(wàn)車死亡率X3利用交通事故死亡人數(shù)與地區(qū)機(jī)動(dòng)車保有量的比值來(lái)反映區(qū)域內(nèi)車輛發(fā)生交通事故的概率;10萬(wàn)人口死亡率X4利用交通事故死亡人數(shù)與地區(qū)常住人口的比值來(lái)反映當(dāng)?shù)鼐用裨庥鼋煌ㄊ鹿实娘L(fēng)險(xiǎn)程度;平均每起事故死亡人數(shù)X5利用交通事故死亡人數(shù)與總事故數(shù)的比值來(lái)反映區(qū)域內(nèi)每起交通事故后果的嚴(yán)重程度[9]。

2 改進(jìn)灰色關(guān)聯(lián)模型

2.1 改進(jìn)灰色關(guān)聯(lián)模型概述

傳統(tǒng)灰色關(guān)聯(lián)分析法的問題在于平均關(guān)聯(lián)度未考慮序列中各指標(biāo)的權(quán)重，可能導(dǎo)致結(jié)論錯(cuò)誤，而且如果關(guān)聯(lián)系數(shù)總和不變，則不論各點(diǎn)的關(guān)聯(lián)系數(shù)如何波動(dòng)，平均關(guān)聯(lián)度不會(huì)發(fā)生變化，這顯然不合常理[10]。

針對(duì)上述的問題，在灰色關(guān)聯(lián)分析中采用組合賦權(quán)法，即引入模糊層次分析法與熵值法，分別作為主觀賦權(quán)法與客觀賦權(quán)法的代表方法來(lái)計(jì)算指標(biāo)權(quán)重，盡可能吸收資深專家經(jīng)驗(yàn)的同時(shí)，又結(jié)合客觀賦權(quán)法的優(yōu)勢(shì)，綜合判斷各指標(biāo)的重要程度。

2.2 灰色關(guān)聯(lián)分析法計(jì)算步驟

2.2.1 交通安全指標(biāo)與影響因素分析所用的傳統(tǒng)灰關(guān)聯(lián)模型

1）數(shù)列選取

這一部分重點(diǎn)研究GDP、人口、民用車擁有量及公路里程數(shù)與10億元GDP死亡率、百公里道路死亡率、萬(wàn)車死亡率、10萬(wàn)人口死亡率和平均每起事故死亡人數(shù)之間的關(guān)系。因此，以上述5個(gè)道路交通安全評(píng)價(jià)指標(biāo)作為參考序列，以GDP、人口、民用車擁有量及公路里程作為4個(gè)比較序列，組成關(guān)聯(lián)序列，即A={Xt， X6， X7 X，8， X9}，設(shè)參考序列Xt={xt （k）|k=1，2，…，m;t=1，2，…5}，比較序列Xj={xj （k）|k=1，2，…，m;t=1，2，…5}，其中m為時(shí)間個(gè)數(shù)。

2）數(shù)據(jù)標(biāo)準(zhǔn)化處理

采用初值化對(duì)數(shù)據(jù)進(jìn)行處理，即

式中：k=1，2，…m，m為所選時(shí)間個(gè)數(shù);t、j為安全指標(biāo)個(gè)數(shù)和因子個(gè)數(shù)。

3）絕對(duì)差序列

4）關(guān)聯(lián)系數(shù)

式中：[Δmin，Δmax]為所有絕對(duì)差序列的最小值、最大值;ρ為分辨系數(shù)，它的取值范圍為[0，1]，當(dāng)ρ≤0.645時(shí)達(dá)到最佳分辨率，一般取為0. 5。

5）關(guān)聯(lián)度

關(guān)聯(lián)度是關(guān)聯(lián)系數(shù)的平均值，即

2.2.2 交通安全評(píng)價(jià)的改進(jìn)灰關(guān)聯(lián)模型

1）數(shù)列選取

以5個(gè)道路交通安全評(píng)價(jià)指標(biāo)組成關(guān)聯(lián)數(shù)列，即[X={X1，X2，X3，X4，X5}]={10億元GDP死亡率、百公里道路死亡率、萬(wàn)車死亡率、10萬(wàn)人口死亡率、平均每起事故死亡人數(shù)}。由于5個(gè)指標(biāo)都是極小型，因此參考數(shù)列取每個(gè)指標(biāo)所在列的最小值，設(shè)為[Xo={xoj|j=1，2，L，5}]，比較序列為不同年份各個(gè)指標(biāo)的值。所以關(guān)聯(lián)度越大，該年的道路交通安全越好。

2）數(shù)據(jù)標(biāo)準(zhǔn)化處理

對(duì)矩陣A進(jìn)行線性比例變換法標(biāo)準(zhǔn)化處理，得到矩陣[Y={y1，y2，y3，y4，y5}]。其中，正向指標(biāo)：

負(fù)向指標(biāo)：

式中：[max xoj，minxoj]分別指[xij]所在列的最大值、最小值。因?yàn)閄1～X5都是越小越好，因此采用公式（6）對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行歸一化處理得到

3）計(jì)算關(guān)聯(lián)系數(shù)

計(jì)算出序列差[Δij，maxΔij，minΔij]以及關(guān)聯(lián)系數(shù)，方法同式（2）和式（3）。

4）計(jì)算第 j 個(gè)指標(biāo)的熵值

式中，k是與m有關(guān)的常量，[k=1/ln m]，[0≤ej≤1]。

5）計(jì)算第 j 個(gè)指標(biāo)的差異系數(shù)

6）利用熵值法得到的指標(biāo)權(quán)重[β={β1，β2，β3，β4，β5}]，其中

7）利用模糊層次分析法得到的指標(biāo)權(quán)重

層次分析法是一種簡(jiǎn)潔、實(shí)用和系統(tǒng)的好方法，在已有的交通安全評(píng)價(jià)中被廣泛使用。但由于傳統(tǒng)的1～9標(biāo)度法主觀性太強(qiáng)，使判斷結(jié)果可能出現(xiàn)差錯(cuò)。0.1～0.9標(biāo)度法，繼承了1～9標(biāo)度法的優(yōu)點(diǎn)，同時(shí)解決了一致性檢驗(yàn)不合格的問題，從專家學(xué)者的判斷角度出發(fā)，更符合人們的思維邏輯方式。具體計(jì)算過程與1～9標(biāo)度法相同，限于篇幅原因，此處不詳細(xì)介紹具體算法，各評(píng)價(jià)指標(biāo)的值和含義見表1。

在實(shí)際決策分析中，由于所研究的問題的復(fù)雜性和人們認(rèn)識(shí)上可能產(chǎn)生的片面性，使構(gòu)造出的判斷矩陣往往不具有一致性，這時(shí)可進(jìn)行調(diào)整。

第1步，確定一個(gè)有把握的，重要性分值較精確的元素。

第2步，用其所在的行元素分別減去各行對(duì)應(yīng)的元素，若得出減去某行各個(gè)對(duì)應(yīng)元素的差為常數(shù)，則該行不需要進(jìn)行調(diào)整;否則，需要進(jìn)行調(diào)整，直至差為常數(shù)，每行如此[11]。最終得出各個(gè)指標(biāo)的權(quán)重[α={α1，α2，α3，α4，α5}]。

8）指標(biāo)組合權(quán)重

為了準(zhǔn)確反映各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重，用模糊層次分析法對(duì)各指標(biāo)給出主觀賦權(quán)，并與熵值法給出的客觀權(quán)重相結(jié)合，最終確定各指標(biāo)的權(quán)重。為了放大指標(biāo)之間的重要度差異，采用組合賦權(quán)形式，即

9）計(jì)算改進(jìn)的灰色關(guān)聯(lián)度

3 實(shí)例分析

根據(jù)安徽省歷年年鑒和相關(guān)統(tǒng)計(jì)資料，本文選取安徽省2004—2011年道路交通死亡人數(shù)、交通事故數(shù)、GDP X6（10億元）、人口X7（萬(wàn)人）、公路里程X8（百公里）和民用汽車保有量X9（萬(wàn)輛）等原始數(shù)據(jù)，通過計(jì)算得到10億元GDP死亡率 X1（人·（10億元）- 1）、百公里道路死亡率X2（人·（100 km）- 1）、萬(wàn)車死亡率X3（人·萬(wàn)車- 1）、10萬(wàn)人口死亡率X4（人·（10萬(wàn)人）- 1）和平均每起事故死亡人數(shù) X5（人·起- 1）共 5個(gè)相對(duì)指標(biāo)，構(gòu)成了安徽省道路交通安全評(píng)價(jià)的指標(biāo)體系。

3.1 交通安全指標(biāo)與影響因素分析所用的傳統(tǒng)灰關(guān)聯(lián)模型

3.1.1 標(biāo)準(zhǔn)化處理

上述各項(xiàng)指標(biāo)和影響因子經(jīng)過初值化處理的值見表2。

3.1.2 計(jì)算綜合關(guān)聯(lián)度

按公式（2）求參考序列與比較序列的絕對(duì)差，按公式（3）計(jì)算關(guān)聯(lián)系數(shù)，按公式（4）求得各項(xiàng)交通安全指標(biāo)與影響因子的綜合關(guān)聯(lián)度，綜合關(guān)聯(lián)度如下：

3.1.3 結(jié)果分析

根據(jù)式（13）可知：

對(duì)于10億元GDP死亡率 X1，關(guān)聯(lián)度排序?yàn)椋篬X7>X6>X8>X9]，即對(duì)于道路交通10億元GDP死亡率來(lái)說，影響最顯著的是人口數(shù)量的增長(zhǎng)，然后是GDP的增長(zhǎng)、公路里程的增長(zhǎng)和民用汽車保有量的增長(zhǎng)。

對(duì)于百公里道路死亡率X2，關(guān)聯(lián)度排序?yàn)椋篬X7>X6=X8>X9]，即對(duì)于百公里道路死亡率來(lái)說，影響最顯著的是人口數(shù)量的增長(zhǎng)，然后是GDP和公路里程的增長(zhǎng)，最后是民用汽車保有量的增長(zhǎng)。

對(duì)于萬(wàn)車死亡率X3，關(guān)聯(lián)度排序?yàn)椋篬X7>X6>X8>X9]，即對(duì)于萬(wàn)車死亡率來(lái)說，影響最顯著的是人口數(shù)量的增長(zhǎng)，然后是GDP的增長(zhǎng)、公路里程的增長(zhǎng)和民用汽車保有量的增長(zhǎng)。

對(duì)于10萬(wàn)人口死亡率X4，關(guān)聯(lián)度排序?yàn)椋篬X7>X6>X8>X9]，即對(duì)于10萬(wàn)人口死亡率來(lái)說，影響最顯著的是人口數(shù)量的增長(zhǎng)，然后是GDP的增長(zhǎng)、公路里程的增長(zhǎng)和民用汽車保有量的增長(zhǎng)。

對(duì)于平均每起事故死亡人數(shù) X5，關(guān)聯(lián)度排序?yàn)椋篬X7>X6>X8>X9]，即對(duì)于平均每起事故死亡人數(shù)來(lái)說，影響最顯著的是人口數(shù)量的增長(zhǎng)，然后是GDP的增長(zhǎng)、公路里程的增長(zhǎng)和民用汽車保有量的增長(zhǎng)。

此外，由[t=15γt7=4.11]>[t=15γt6=3.31]>[t=15γt8=3.27]>[t=15γt9=3.14]，可知[X7>X6>X8>X9]，即人口數(shù)X7和GDP X6是影響交通安全的主要因素，其次是公路里程X8，最后是民用汽車保有量X9。分析認(rèn)為：隨著人口數(shù)量的增加，參與道路交通的人均數(shù)量隨之增多，在道路交通危險(xiǎn)情況下的暴露機(jī)會(huì)也相應(yīng)增多，使得事故的發(fā)生量增多;而經(jīng)濟(jì)的發(fā)展必然帶動(dòng)人們的出行和物資的流通，隨著交通運(yùn)輸次數(shù)和范圍的擴(kuò)張，交通沖突和交通事故也會(huì)相應(yīng)增加。因此，對(duì)道路交通事故的控制和改善要從多方面入手，加強(qiáng)民眾的交通安全教育，嚴(yán)格規(guī)范交通參與者特別是機(jī)動(dòng)車駕駛員的交通行為，合理調(diào)整交通網(wǎng)空間布局，適當(dāng)提高道路等級(jí)，對(duì)機(jī)動(dòng)車保有量實(shí)行一定的控制，嚴(yán)防超速、超載、酒后駕駛和疲勞駕駛等各類違章、違法行為，才能較好地提高道路交通安全水平。

3.2 交通安全評(píng)價(jià)的改進(jìn)灰關(guān)聯(lián)模型

對(duì)比安徽省道路交通各項(xiàng)安全指標(biāo)的實(shí)際情況后，發(fā)現(xiàn)2011年的各項(xiàng)指標(biāo)值最小，因此以2011年的指標(biāo)為參考序列，其余年份的各項(xiàng)指標(biāo)序列為比較序列，關(guān)聯(lián)度越大，則交通安全指數(shù)越高。根據(jù)公式（6）得到處理后的標(biāo)準(zhǔn)化數(shù)據(jù)，見表3。

3.2.1 計(jì)算各項(xiàng)指標(biāo)的權(quán)重

根據(jù)公式（7）和公式（8）計(jì)算各項(xiàng)指標(biāo)的熵值，熵值為：e = {0.928 3，0.961 6，0.912 5，0.989 1，0.989 0}。

根據(jù)公式（9）計(jì)算各項(xiàng)指標(biāo)的差異性系數(shù)，差異性系數(shù)為：h = {0.071 7，0.038 4，0.087 5，0.010 95，0.010 96}。

根據(jù)公式（10）計(jì)算各項(xiàng)指標(biāo)的熵權(quán)重，熵值法計(jì)算的權(quán)重為：β = {0.205 0，0.199 0，0.207 8，0.010 95，0.010 96}。

根據(jù)各位專家的經(jīng)驗(yàn)運(yùn)用模糊層次分析法可得出主觀賦權(quán)法的權(quán)重，模糊層次分析法計(jì)算的權(quán)重為：α = {0.201，0.196，0.215，0.21，0.178}，2種方法得出的權(quán)重對(duì)比后，發(fā)現(xiàn)專家的權(quán)重符合實(shí)際情況且對(duì)客觀的數(shù)據(jù)進(jìn)行了一定的修正。

根據(jù)公式（11）計(jì)算各項(xiàng)指標(biāo)的組合賦權(quán)值，組合權(quán)重為w = {0.205 8，0.194 9，0.223 1，0.203 6，0.172 6}。

3.2.2 計(jì)算改進(jìn)灰關(guān)聯(lián)法的交通安全評(píng)價(jià)

根據(jù)公式（2）、公式（3）和公式（12）計(jì)算出標(biāo)準(zhǔn)化后不同年份各項(xiàng)指標(biāo)與2011年各項(xiàng)指標(biāo)的絕對(duì)差值、關(guān)聯(lián)系數(shù)和加權(quán)關(guān)聯(lián)度，計(jì)算出的關(guān)聯(lián)度見表4。

3.2.3 結(jié)果分析

1）對(duì)權(quán)重分析可知，[X3>X1>X4>X2>X5]，即道路交通安全各項(xiàng)指標(biāo)的重要程度依次為：萬(wàn)車死亡率X3>10億元GDP死亡率 X1>10萬(wàn)人口死亡率X4>百公里道路死亡率X2。通過上面計(jì)算的權(quán)重分析，發(fā)現(xiàn)安徽省萬(wàn)車死亡率最高。建議對(duì)車輛、相關(guān)人員實(shí)行嚴(yán)格管理，對(duì)車輛進(jìn)行定期檢查，保證其可靠性，對(duì)車檢不合格的車輛嚴(yán)禁上路;同時(shí)加強(qiáng)對(duì)駕駛員的安全教育和技能培訓(xùn)，集中各種交通違法行為，建設(shè)高素質(zhì)的高速公路交通管理隊(duì)伍，使交通管理機(jī)構(gòu)建設(shè)達(dá)到正規(guī)化、專業(yè)化和現(xiàn)代化。

2）對(duì)交通安全指標(biāo)的灰色關(guān)聯(lián)度分析，可知大體上安徽省2004—2011年的交通安全狀況越來(lái)越好，且無(wú)論是用傳統(tǒng)關(guān)聯(lián)法還是改進(jìn)的灰關(guān)聯(lián)法計(jì)算出來(lái)的歷年道路交通安全水平，其排序都一樣。但改進(jìn)的灰關(guān)聯(lián)法考慮了各項(xiàng)指標(biāo)的重要程度，所得結(jié)果更科學(xué)，更有說服力，能更好的反映安徽省道路交通安全狀況。

3）在所選年段，對(duì)比全國(guó)各項(xiàng)指標(biāo)平均值后發(fā)現(xiàn)，安徽省的萬(wàn)車死亡率和10億元GDP死亡率大部分比全國(guó)該指標(biāo)平均值高。表明安徽省道路交通安全狀況仍不容樂觀，需要從人、車、路組成的動(dòng)態(tài)系統(tǒng)中針對(duì)每一項(xiàng)因素開展專門的治理計(jì)劃，交通安全水平才會(huì)提高。

4 結(jié)論

1）交通事故統(tǒng)計(jì)數(shù)據(jù)少、事故成因既有確定性因素，又有非確定性因素，比較復(fù)雜，是一個(gè)典型的灰色系統(tǒng)，可以運(yùn)用改進(jìn)的灰色關(guān)聯(lián)法分析交通事故規(guī)律。

2）選取國(guó)家或某地區(qū)的GDP、人口數(shù)、公路里程和汽車保有量作為交通安全的影響因子，根據(jù)原始數(shù)據(jù)構(gòu)造出10億元GDP死亡率、百公里道路死亡率、萬(wàn)車死亡率、10萬(wàn)人口死亡率和平均每起事故死亡人數(shù)作為交通安全評(píng)價(jià)指標(biāo)，可以很好的評(píng)價(jià)各個(gè)影響因子對(duì)不同指標(biāo)的影響程度和該地區(qū)歷年的交通安全狀況，計(jì)算得知人口數(shù)和GDP是影響安徽省交通安全的主要因素。

3）采用熵值法與模糊層次分析法相結(jié)合的組合賦權(quán)法，既可以吸收專家的經(jīng)驗(yàn)，又可以利用客觀數(shù)據(jù)，從而有重點(diǎn)性地制定專項(xiàng)改善方案，來(lái)提高本地區(qū)的道路交通安全水平。

4）根據(jù)改進(jìn)的灰色關(guān)聯(lián)法計(jì)算出安徽省道路交通安全狀況在不斷改善，而10億元GDP死亡率和萬(wàn)車死亡率的權(quán)重不僅最大，而且遠(yuǎn)超全國(guó)平均水平。因此，針對(duì)交通事故系統(tǒng)，全方面制定各項(xiàng)專治措施，尤其是強(qiáng)化道路參與者安全意識(shí)和優(yōu)化道路結(jié)構(gòu)，對(duì)提高道路交通安全有重要意義。

參考文獻(xiàn)：

[1]? ? 張劭楠. 城市道路交通安全評(píng)價(jià)及其影響因素分析[D]. 蘭州：蘭州交通大學(xué)，2016.

[2]? ? 姜晴. 城市道路交通安全的交通條件分析研究[D]. 西安：長(zhǎng)安大學(xué)，2008.

[3]? ? 劉強(qiáng)，陸化普，張永波，等. 我國(guó)道路交通事故特征分析與對(duì)策研究[J]. 中國(guó)安全科學(xué)學(xué)報(bào)，2006，16（6）：123-128，145.

[4]? ? 汪篤彪. 道路交通安全評(píng)價(jià)綜述[J]. 智能城市，2017，3（4）：136.

[5]? ? 曹英浩，山岐. 基于BP神經(jīng)網(wǎng)絡(luò)的交通黑點(diǎn)形成規(guī)律[J]. 黑龍江科技信息，2017（7）：85.

[6]? ? 黃鈴嵐. 山地城市綠色交通評(píng)價(jià)研究[D]. 重慶：重慶交通大學(xué)，2014.

[7]? ? 周小勇，寧建標(biāo)，張兵，等. 基于外部環(huán)境因素影響的高速公路交通事故聚類分析[J]. 公路與汽運(yùn)，2017（4）：36-39.

[8]? ? 張令杰. 基于模糊聚類算法的道路交通安全狀況研究[D]. 北京：北京交通大學(xué)，2012.

[9]? ? 王洪明. 我國(guó)區(qū)域道路交通安全形勢(shì)對(duì)比與影響因素分析[J]. 中國(guó)安全科學(xué)學(xué)報(bào)，2010，20（6）：140-145.

[10]? 黃曉麗，劉耀龍，段錦，等. 基于灰色關(guān)聯(lián)及模糊綜合評(píng)價(jià)法的道路交通安全風(fēng)險(xiǎn)評(píng)價(jià)[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2017，47（7）：208-215.

[11]? 張吉軍. 模糊層次分析法（FAHP）[J]. 模糊系統(tǒng)與數(shù)學(xué)，2000，14（2）：80-88.

[責(zé)任編輯 楊 屹]