胥 文， 謝長(zhǎng)江， 石臣鵬

(四川警察學(xué)院道路交通管理系， 四川瀘州 646000)

0 引言

酒駕違法人數(shù)近年來仍然有較大數(shù)量增長(zhǎng)，酒駕違法現(xiàn)象層出不窮，對(duì)我國人民的人身和財(cái)產(chǎn)安全造成極大的威脅，在我國公安機(jī)關(guān)交通管理部門多方面的管理舉措之下，酒駕違法行為存在屢治屢犯的常態(tài)化現(xiàn)象。

目前有關(guān)酒駕管理的理論研究和相關(guān)文獻(xiàn)資料并不多，大多數(shù)研究還停留在酒駕和刑罰之間的聯(lián)系和酒駕對(duì)駕車行為的影響等[1]。張偉提出在道路上設(shè)置臨時(shí)執(zhí)法卡點(diǎn)，選址時(shí)應(yīng)該考慮到車速限制、交通流量、執(zhí)法效果和成本等因素[2]。對(duì)于酒駕盤查卡點(diǎn)的選址問題，國內(nèi)外研究均存在較大的空白。選址問題一直以來都是國內(nèi)外多個(gè)領(lǐng)域的熱門研究問題，如公共服務(wù)設(shè)施(醫(yī)療衛(wèi)生、教育、文化)、物流配送中心選址[3]、應(yīng)急設(shè)施選址(消防站、危險(xiǎn)品倉儲(chǔ)中心、災(zāi)害救援點(diǎn))、快遞服務(wù)網(wǎng)點(diǎn)[4]等領(lǐng)域。針對(duì)選址問題的經(jīng)典算法主要有4種：(1)傳統(tǒng)選址問題通常采用啟發(fā)式算法，保證求解過程的有效搜索；(2)把選址問題這類非線性規(guī)劃問題，進(jìn)行整數(shù)規(guī)劃求解，運(yùn)算時(shí)間過長(zhǎng)且難以求出最優(yōu)解；(3)基于主觀判斷的定性研究，采用層次分析或者模糊綜合評(píng)判，結(jié)果多會(huì)受限于專家的知識(shí)經(jīng)驗(yàn)。而現(xiàn)有針對(duì)城市酒駕管理對(duì)策和查處過程中卡點(diǎn)選址的研究主要是定性研究，沒有針對(duì)其影響因素的定量決策結(jié)果。為了使發(fā)生在網(wǎng)絡(luò)中任意路段的酒駕違法行為得到精準(zhǔn)高效的查處和響應(yīng)，應(yīng)該從宏觀路網(wǎng)層面考慮酒駕違法行為查處盤查卡點(diǎn)的選址問題。因此對(duì)于酒駕盤查卡點(diǎn)的宏觀選取應(yīng)做到：選擇城市道路網(wǎng)絡(luò)主干道；選擇在晚間就餐后時(shí)間點(diǎn)路網(wǎng)中的流量熱點(diǎn)路段；選擇對(duì)城市道路網(wǎng)絡(luò)高覆蓋性的主要連接路段重要節(jié)點(diǎn)。本文針對(duì)酒駕違法行為查處卡點(diǎn)選址研究，主要考慮對(duì)城市道路網(wǎng)絡(luò)的宏觀選取，將城市路網(wǎng)中的交通流量作為唯一的選址決策因素，增強(qiáng)其在選址問題中的實(shí)用性?；趶?fù)雜網(wǎng)絡(luò)聚類算法的路段聚集度分析，研究城市交通網(wǎng)絡(luò)中的路段車流聚集度，辨識(shí)網(wǎng)絡(luò)中關(guān)鍵車流聚集路段，從而在酒駕違法行為查處盤查卡點(diǎn)選址規(guī)劃時(shí)重點(diǎn)考慮關(guān)鍵路段節(jié)點(diǎn)，使整個(gè)設(shè)卡查處酒駕違法行為的效率和準(zhǔn)確性得到提高。

1 酒駕違法行為盤查設(shè)卡概述

1.1 酒駕查處卡點(diǎn)設(shè)置的原則

根據(jù)酒駕違法行為查處時(shí)盤查卡點(diǎn)的選址原則，首先是要制定多種應(yīng)變方案，對(duì)于執(zhí)勤點(diǎn)位設(shè)置和人員做好任務(wù)分配。在道路上開展酒駕盤查設(shè)卡執(zhí)勤執(zhí)法過程中，需要在確保安全的前提下，明確人員的合理站位，完成對(duì)有限警力條件的最大化利用，設(shè)置預(yù)警區(qū)的觀察組、警戒區(qū)的檢查組和攔截組、處置區(qū)的阻車增援組和機(jī)動(dòng)組，確保在崗警力能夠迅速響應(yīng)，協(xié)同作戰(zhàn)[5-6]。

而由于酒駕違法行為事件發(fā)生的地點(diǎn)不確定性，酒駕違法行為可能發(fā)生在城市道路交通網(wǎng)絡(luò)線網(wǎng)內(nèi)的任意一個(gè)路段，為了使發(fā)生在網(wǎng)絡(luò)中任意路段的酒駕違法行為得到精準(zhǔn)高效的查處和響應(yīng)，應(yīng)該從宏觀路網(wǎng)層面考慮酒駕違法行為查處卡點(diǎn)的選址問題，因此對(duì)于酒駕盤查卡點(diǎn)的宏觀選取的原則應(yīng)做到，選擇城市道路網(wǎng)絡(luò)主干道；選擇在晚間就餐后時(shí)間點(diǎn)、車流量大的路網(wǎng)車流量熱點(diǎn)路段；選擇對(duì)城市道路網(wǎng)絡(luò)高覆蓋性的主要連接路段重要節(jié)點(diǎn)。

1.2 酒駕盤查卡點(diǎn)識(shí)別

本文通過對(duì)路段的有效劃分獲得路網(wǎng)中流量監(jiān)測(cè)的備選節(jié)點(diǎn)，在此基礎(chǔ)上，對(duì)路網(wǎng)節(jié)點(diǎn)的重要度指標(biāo)進(jìn)行合理分析，為下一步的酒駕違法行為查處盤查卡點(diǎn)分級(jí)、分類提供支撐，實(shí)現(xiàn)路網(wǎng)中重要監(jiān)測(cè)點(diǎn)的指標(biāo)識(shí)別新模式。達(dá)到構(gòu)建酒駕查處中對(duì)于重要盤查卡點(diǎn)重要度識(shí)別數(shù)學(xué)模型的目的。

1.2.1 路網(wǎng)抽象與模型構(gòu)建

根據(jù)城市道路網(wǎng)絡(luò)酒駕違法行為查處盤查卡點(diǎn)選址的特點(diǎn)和原則，以及酒駕違法行為查處工作的需求與目標(biāo)，構(gòu)建出適用于選址規(guī)劃需求的城市道路網(wǎng)絡(luò)酒駕違法行為查處盤查卡點(diǎn)的選址模型。本文基于復(fù)雜網(wǎng)絡(luò)的L-space空間模型，將城市路網(wǎng)交通網(wǎng)絡(luò)中所有車流OD起訖點(diǎn)抽象為節(jié)點(diǎn)的集合，車站之間的聯(lián)系抽象為節(jié)點(diǎn)之間的連接邊的集合，于是構(gòu)建交通網(wǎng)絡(luò)有向圖G(V，E)，其中V是車流OD起訖點(diǎn)集合，E是車流OD起訖點(diǎn)之間連接路段的集合，基于此分析識(shí)別城市道路交通網(wǎng)絡(luò)車流量高聚集性的路段，以此設(shè)置酒駕違法行為查處盤查卡點(diǎn)。

1.2.2 車流高聚集路段的評(píng)估指標(biāo)構(gòu)建

本文引入客流聚集指數(shù)對(duì)路網(wǎng)內(nèi)車流量聚集的路段進(jìn)行評(píng)估[7]?？土骶奂笖?shù)(concentration index of passenger Flow，簡(jiǎn)稱CPF指數(shù))，定義為一定時(shí)段內(nèi)通過一個(gè)車站或者路段的客流占全網(wǎng)客流百分比的平方和，如公式(1)所示。

(1)

式中，N表示路網(wǎng)內(nèi)的路段總數(shù)，fi為一定時(shí)段內(nèi)經(jīng)過路段i的所有客流量，為同一時(shí)段內(nèi)使用軌道交通網(wǎng)絡(luò)的乘客總量。當(dāng)所有客流被一個(gè)路段壟斷的力度越大時(shí)，(fi/F)2越大；當(dāng)所有車站規(guī)模相同時(shí)，各路段(fi/F)2接近相等，所以當(dāng)CPFi數(shù)值越大時(shí)，表明道路網(wǎng)絡(luò)的差異程度越高，客流量在該路段內(nèi)聚集越集中，等價(jià)于車流量在該路段內(nèi)聚集越集中，引出車流量聚集指數(shù)。

2 路網(wǎng)車流加載條件下基于復(fù)雜網(wǎng)絡(luò)聚類的酒駕盤查卡點(diǎn)選取

2.1 路網(wǎng)車流量分配方法

計(jì)算城市道路網(wǎng)絡(luò)中的路段車流聚集指數(shù)，首先要計(jì)算路段車流量，所以要對(duì)路網(wǎng)車流量進(jìn)行交通量分配，交通量分配就是將已經(jīng)預(yù)測(cè)出的OD需求量按照一定的準(zhǔn)則分配到路網(wǎng)中的各條路段上，求出各條路段上的交通流量。Beckmann采用數(shù)學(xué)形式描述Wardrop平衡狀態(tài)[8]，如公式(2)所示。

(2)

(3)

約束條件：

本文基于用戶均衡和系統(tǒng)最優(yōu)原則對(duì)路網(wǎng)內(nèi)車流量進(jìn)行分配，然后得到路段流量。在對(duì)城市道路網(wǎng)絡(luò)進(jìn)行客流分配后，得到路網(wǎng)內(nèi)每個(gè)路段的車流量，最后計(jì)算車流聚集指數(shù)，以車流聚集指數(shù)最高的路段節(jié)點(diǎn)為酒駕違法行為查處盤查卡點(diǎn)。

2.2 算法選取

Frank-Wolfe算法在每個(gè)起終點(diǎn)對(duì)之間，反復(fù)在最短路徑上使用“全有全無”加載方法，不要求太大的存儲(chǔ)容量，能將求解非線性規(guī)劃問題轉(zhuǎn)化為求解一系列的線性規(guī)劃問題，而且各線性規(guī)劃具有相同的約束條件[10]。

以下為Frank-Wolfe算法求解步驟。

3 酒駕查處卡點(diǎn)選址實(shí)證分析

本文以某城市道路交通路網(wǎng)的酒駕違法行為查處盤查卡點(diǎn)選址決策為案例，對(duì)本文提出的引入車流量加載條件下，基于復(fù)雜網(wǎng)絡(luò)聚類算法的酒駕違法行為查處盤查卡點(diǎn)選址模型和方法進(jìn)行綜合研究，以檢驗(yàn)?zāi)Ｐ?、算法的有效性?/p>

3.1 實(shí)例描述

由于道路網(wǎng)絡(luò)的巨系統(tǒng)特性，結(jié)合本文理論研究實(shí)際，本文以某市三環(huán)內(nèi)交通網(wǎng)絡(luò)為例，驗(yàn)證本文所提選址方法。由于計(jì)算能力所限，研究整個(gè)三環(huán)內(nèi)道路網(wǎng)絡(luò)問題規(guī)模過于龐大，本文選取某市三環(huán)內(nèi)城區(qū)的21個(gè)區(qū)域，區(qū)域間路段共有62條(區(qū)分上下行)，每個(gè)區(qū)域作為一個(gè)OD車流量發(fā)生點(diǎn)，設(shè)定21組OD間的車流需求量，將該城區(qū)道路交通線網(wǎng)映射為網(wǎng)絡(luò)圖，即將該城區(qū)道路交通線網(wǎng)的元素與無向圖的元素對(duì)應(yīng)起來，實(shí)際線網(wǎng)對(duì)應(yīng)著無向網(wǎng)絡(luò)圖G=(V,E)中的21個(gè)區(qū)域、42條路段，如圖1所示。路段在映射為網(wǎng)絡(luò)圖的邊，每個(gè)區(qū)域映射為網(wǎng)絡(luò)圖的節(jié)點(diǎn)，相鄰兩點(diǎn)間的路段長(zhǎng)度采用最短距離表示。

圖1 某市城區(qū)三環(huán)內(nèi)主要區(qū)域間路網(wǎng)示意圖

考慮到城市道路交通網(wǎng)絡(luò)路段車流聚集指數(shù)計(jì)算的客流數(shù)據(jù)需求，本文采用如下數(shù)據(jù)作為本文的城市道路交通網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)，表1表示該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時(shí)段的車流量需求，表示兩個(gè)區(qū)域間的車流量需求。通過這項(xiàng)數(shù)據(jù)可以完成道路網(wǎng)絡(luò)車流量分配，進(jìn)一步計(jì)算路段車流量聚集指數(shù)。

表1 某市城區(qū)三環(huán)內(nèi)路網(wǎng)主要區(qū)域間酒駕違法行為查處時(shí)段車流量需求

3.2 道路網(wǎng)絡(luò)車流配流

通過某市道路網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)和該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時(shí)段的車流量需求，首先完成在酒駕違法行為查處時(shí)段的道路網(wǎng)絡(luò)車流量分配，計(jì)算城市道路網(wǎng)絡(luò)中的路段車流量聚集指數(shù)。本文使用Frank-Wolfe算法對(duì)該城區(qū)路網(wǎng)主要區(qū)域間在酒駕違法行為查處時(shí)段的車流量需求進(jìn)行分配。某市城區(qū)路網(wǎng)主要區(qū)域間酒駕違法行為查處時(shí)段各路段車流量分配結(jié)果，如表2所示。

表2 某市城區(qū)路網(wǎng)主要區(qū)域間酒駕查處時(shí)段各路段車流量分配結(jié)果

3.3 道路網(wǎng)絡(luò)車流聚集性分析

根據(jù)該城區(qū)路網(wǎng)主要區(qū)域間酒駕違法行為查處時(shí)段各路段車流量分配結(jié)果，計(jì)算各路段車流聚集指數(shù)并降序排列。計(jì)算結(jié)果前8名，結(jié)果如表3所示。

因此，如果公安機(jī)關(guān)交通管理部門決定設(shè)置8個(gè)酒駕盤查卡點(diǎn)，根據(jù)表3車流量聚集指數(shù)結(jié)果降序排列，這8組警力盤查卡點(diǎn)將分別安排在槐樹店—成都東站、成都東站—東大路、駟馬橋—槐樹店、人民北路—騾馬市、火車北站—駟馬橋、駟馬橋—火車北站、火車北站—西南交大、西南交大—一品天下這8個(gè)路段，如圖2所示。

圖2 基于車流量聚集指數(shù)的酒駕盤查卡點(diǎn)選址

表3 某市城區(qū)路網(wǎng)主要區(qū)域間酒駕查處時(shí)段各路段車流量聚集指數(shù)

4 結(jié)論與展望

本文針對(duì)酒駕違法行為查處卡點(diǎn)選址規(guī)劃中存在的問題，區(qū)別于以往按照專家知識(shí)經(jīng)驗(yàn)選取的定性方法。主要考慮對(duì)城市道路網(wǎng)絡(luò)的宏觀選取，將城市路網(wǎng)中的交通流量作為唯一的選址決策因素。對(duì)城市路網(wǎng)中路段的流量大小和重要程度進(jìn)行定量分析，采用復(fù)雜網(wǎng)絡(luò)理論分析在車流加載的條件下，識(shí)別出城市道路交通網(wǎng)絡(luò)中車流量最大的路段，作為酒駕盤查設(shè)卡選址的參考依據(jù)，為酒駕盤查卡點(diǎn)設(shè)卡選址奠定理論與應(yīng)用基礎(chǔ)。同時(shí)由于酒駕違法行為查處時(shí)的各種不確定因素，因此會(huì)造成不可避免的擁堵情況，此問題屬于論文后續(xù)的研究方向。