任一瑋， 劉星良*， 劉瑜， 張子乾

(重慶交通大學交通運輸學院， 重慶 400074; 2.貴州省遵義市播州區(qū)交通運輸局， 遵義 563100)

截至2020年底，中國農(nóng)村公路總里程達438.2萬km，占公路總里程的84.3%，等級公路比例達到95%以上[1]，但農(nóng)村公路建設依舊存在著道路等級較低，道路環(huán)境復雜、養(yǎng)護意識欠缺、交通安全設施匱乏等問題，讓許多農(nóng)村公路成為了事故多發(fā)的“重災區(qū)”，具有事故總量大、死亡率高、重特大事故時有發(fā)生的鮮明特點，因此山區(qū)農(nóng)村公路交通安全引起了相關(guān)部門和專家學者的高度重視。根據(jù)中國交通事故統(tǒng)計分析結(jié)果可知，發(fā)生在交叉口的事故數(shù)約為總事故數(shù)的30%，發(fā)生在山區(qū)農(nóng)村公路交叉口路段的事故占據(jù)事故總數(shù)的11%[2]。由于山區(qū)農(nóng)村公路交叉口范圍與面積較小、建養(yǎng)資金緊缺等現(xiàn)實問題，大量交叉口并無信號控制，有些位于相對偏遠的山區(qū)農(nóng)村公路交叉口甚至成為無信號、無標志、無標線的“三無”交叉口，機非混行現(xiàn)象嚴重，具有重大安全隱患。因此，針對風險隱患提出可靠的安全風險評估模型，具有一定程度的實踐價值。

當前，研究學者主要針對城市道路信號交叉口交通安全風險進行了改善與評估研究。Yao等[3]運用改進社會力模型，考慮行人屈服準則，分析了城市干道交叉口安全風險；Vuong等[4]提出基于信息熵和層次分析法，利用交通沖突和云模型構(gòu)建混合交通條件下交叉口安全評價模型；Nopadon等[5]提出基于視頻的交通沖突分析構(gòu)建評價交叉口碰撞風險模型；趙曉華等[6]提出一種基于導航數(shù)據(jù)的進口道風險與交叉口相關(guān)屬性間量化關(guān)系的挖掘方法,從而實現(xiàn)交叉口進口道風險的評估與診斷?；谝陨涎芯堪l(fā)現(xiàn)，國內(nèi)外學者對城市干道交叉口普遍采用模型定量、實際狀況定性的手段來評估風險隱患，對定量研究不足的山區(qū)農(nóng)村公路無信號交叉口安全評估具有指導價值，但仍存在不足。一是定性評估方面，常采用的專家打分法具有一定局限性。山區(qū)農(nóng)村公路與城市道路交叉口風險隱患特征不盡相同，其環(huán)境復雜，事故種類多樣，往往伴隨一定偶發(fā)性，專家人員很難短時間內(nèi)對道路構(gòu)成成分、事故致因、安全影響因素做出有效判斷，且評估人員群體較為單一，數(shù)量較少，缺少多角度、多方面的綜合因素分析，存在有偏估計的可能。二是定量評估方面，國內(nèi)外學者提出了基于灰云模型、沖突極值模型、交通沖突理論等分析方法對城市干道交叉口進行安全評價，但以上方法對于數(shù)據(jù)匱乏的山區(qū)農(nóng)村無信號交叉口難以實現(xiàn)。

基于此，現(xiàn)基于熵權(quán)逼近理想解排序法(technique for order preference by similarity to an ideal solution，TOPSIS)法對山區(qū)農(nóng)村無信號交叉口安全風險進行建模，說明特征指標選取原因及標準，通過多群體問詢的調(diào)查方法，改善原有方法定性評價的不足，得出客觀的風險矩陣，從而計算不同風險指標熵權(quán)，運用加權(quán)廣義馬氏距離與歐式距離貼近度的比較，給出最優(yōu)綜合得分，提出基于山區(qū)數(shù)據(jù)匱乏環(huán)境下無信號交叉口安全風險的評估模型，最終根據(jù)風險隱患的分析結(jié)果從而給出相應的解決方案。

1 山區(qū)無信號交叉口安全風險特征指標體系構(gòu)建

建立無信號交叉口風險模型的科學、合理性決定了事故分析、改善結(jié)果的可靠性與準確性。在安全特性、實地勘察的基礎之上，圍繞著事故多發(fā)路段進行了道路安全分析與調(diào)研，根據(jù)事故路段最典型、普遍的風險特征，篩選并總結(jié)出9個最為影響山區(qū)無信號交叉口安全的風險特征指標。

(1)平均日交通量(average daily traffic，ADT)。該指標可衡量山區(qū)農(nóng)村無信號交叉口設施的需求，用來評價現(xiàn)狀交通量與道路通行能力的相互適應性，從而確定是否需要增加路面寬度、車道條數(shù)或使用其他改善措施來增加通行能力，是無信號交叉口安全隱患的重要影響因素。

(2)速度標準差。在事故統(tǒng)計中發(fā)現(xiàn)，車速平均值越高，速度的離散程度越大，事故發(fā)生的概率越大[7]。對于農(nóng)村山區(qū)無信號交叉口而言，汽車通過交叉口時速度的穩(wěn)定性，對事故的發(fā)生有顯著影響。根據(jù)調(diào)查發(fā)現(xiàn)，通過山區(qū)農(nóng)村公路無信號交叉口的車輛速度差異大，在遇緊急事件時，快車容易從后方追尾前車或與兩側(cè)路口駛出車輛發(fā)生嚴重橫向碰撞，造成財產(chǎn)損失與人員傷亡，故選取速度標準差作為特征指標。

(3)路權(quán)分配比。機動車與非機動車混行是山區(qū)農(nóng)村公路無信號交叉口的典型問題，附近村民橫穿道路或駕駛農(nóng)耕車輛與機動車搶行的現(xiàn)象頻繁，路權(quán)的分配不合理嚴重影響交叉口交通安全，這種混合交通類型需要作為參數(shù)進行評定。

(4)支路縱坡坡度。支路縱坡坡度較大，此類長大下坡路段容易造成車輛車速過快，從而高速通過無信號交叉口，視距范圍縮小，反應距離增大，具有風險隱患。其原因大都由于道路建設資金不足，通過減少填挖量的方法節(jié)約成本，導致有些支路縱坡坡度超過了10%的限制，帶來嚴重安全隱患。

(5)線形設計。在接入無信號交叉口的干路上，設有陡彎、急坡或是長直線線形的無信號交叉口事故率明顯上升。其中陡彎、急坡導致支路與干路交叉的角度與支路平曲線半徑過小，車輛的駕駛穩(wěn)定性受到強烈干擾[8]；長直線線形無疑會導致車輛速度過快、駕駛員視覺疲勞等不良影響，故選取線形設計為特征指標。

(6)視距情況。視距目的是保障行車的安全性，視距不良取決于設計速度與平面線形、縱斷面線形等，無信號交叉口對以上指標的忽視，使得其會車視距無法滿足停車視距的兩倍以上，路段每公里視距受限次數(shù)大大提高，造成視線有效距離遠小于停車視距的現(xiàn)象，從而增加了因避險不及時導致的交通事故[9]。如表1所示。

表1 視距受限次數(shù)與事故數(shù)關(guān)系

(7)標志標線狀況。由于山區(qū)特殊的氣候環(huán)境因素，無信號交叉口交通標志標線腐蝕、褪色等現(xiàn)象嚴重，有些交通標志標牌歪斜，對駕駛?cè)藛T的約束與導向作用削弱。在一些與急彎、連續(xù)下坡相連接的交叉路口，缺少交通標志給予駕駛?cè)说缆沸畔⒁约霸O置指路標志距離不合理的現(xiàn)象都會導致駕駛?cè)朔磻患皶r，故將交通標志標線的完整與合理程度設為特征指標。

(8)視線誘導設施。視線誘導設施的目的主要是提升駕駛員視認程度，但山區(qū)農(nóng)村公路無信號交叉口普遍未設置視線誘導設施，對于夜間、大霧或雨雪等極端天氣下行車的駕駛?cè)司邆湟欢L險。

(9)安全防護設施。山區(qū)農(nóng)村公路路側(cè)防護設施需要根據(jù)環(huán)境變化、道路線形、防護工程等條件進行選用。針對山區(qū)農(nóng)村公路無信號交叉口的安全防護設施問題主要是路側(cè)護欄端頭處缺少有效的防護，從而存在車輛失控撞擊端頭的風險。

針對上述9種不同性質(zhì)的特征指標，依據(jù)其引發(fā)事故風險的內(nèi)在聯(lián)系，歸納了3種影響山區(qū)無信號交叉口交通事故發(fā)生的關(guān)鍵性上位要素，分別是交通特性類風險、山區(qū)農(nóng)村道路條件類風險、交通安全設施類風險?？紤]到指標的可實現(xiàn)性與邏輯層次性，最終建立山區(qū)農(nóng)村無信號交叉口風險模型，包括3個一級指標和9個二級指標，如圖1所示。

圖1 山區(qū)農(nóng)村無信號交叉口風險評估模型Fig.1 Risk assessment model of unsignalized rural intersections in mountainous areas

2 基于加權(quán)廣義馬氏距離的熵權(quán)TOPSIS法無信號交叉口模型構(gòu)建

2.1 熵權(quán)TOPSIS模型

熵權(quán)TOPSIS法是一種可以客觀反映模型指標離散程度以及其重要性的方法，從而減少人為主觀因素對結(jié)果的影響。其主要目的是評價對象與最優(yōu)目標值的遠近，通過信息熵確定指標權(quán)重，指標信息熵值越小，其相應的效用值就會越大，權(quán)重占比也就越大。其次，通過對熵權(quán)TOPSIS法進行改進，使用加權(quán)廣義馬氏距離代替歐式距離表示更為準確的加權(quán)距離，得出各方案與最優(yōu)方案的貼近程度，最終進行綜合評價。

2.1.1 構(gòu)建標準矩陣并歸一化

根據(jù)調(diào)查對安全風險數(shù)據(jù)進行標準化處理。設定m個對象，n個風險指標。其初始矩陣F可用式(1)表示。

(1)

式(1)中：fij為原始安全風險，取1～5，5分為極大風險，1分為安全。

然后對指標進行歸一化處理，且因風險指標均為負屬性指標，故采用最大最小歸一化方法，計算公式如式(2)所示。

(2)

此時得到歸一化后的矩陣為

(3)

2.1.2 求解各指標信息熵

根據(jù)信息熵的定義求解各指標信息熵，計算公式如式(4)所示。

(4)

2.1.3 確定各指標熵權(quán)

各指標熵權(quán)計算公式如式(5)所示。

(5)

計算所有指標熵權(quán)，得出指標權(quán)重的行向量Q=(q1,q2,…,qn)。此時，所得出的權(quán)重可直接用于計算加權(quán)安全風險值，運用優(yōu)劣解距離TOPSIS法對安全風險進行綜合評估。TOPSIS法能充分利用原始數(shù)據(jù)的信息，精確地反映各個方案間的不同，將不同屬性的各個指標綜合為具有代表性的單一指標，從而方便排序，得出最優(yōu)的方案[10]。

2.1.4 原始數(shù)據(jù)正向化

由于選取的調(diào)查方案中安全風險指標均為負向指標，又稱極小型指標，也稱成本型指標，其數(shù)值越小，實際道路安全性越高，為了統(tǒng)一計算與方便比較，一般將極小型指標、中間型指標、區(qū)間型指標全部轉(zhuǎn)化為極大型指標，這個過程稱為正向化，計算公式如式(6)所示。

aij=max(f1j,f1j,…,fmj)-fij

(6)

經(jīng)過上述處理，得到正向化后的矩陣為

(7)

式(7)中：aij為正向風險值。

由于對各指標都采用風險值的方法衡量，所以量綱相同，直接將所得正向風險矩陣進行標準化處理，公式如式(8)所示。

(8)

經(jīng)過計算，得

B=[B1,B2,B3,…,Bm]T

(9)

2.1.5 計算加權(quán)距離

首先，需要確定正負理想解，正理想解是B矩陣每列元素中的最大值所組成的向量。負理想解同理，即

(10)

其次，計算加權(quán)距離。一般計算距離時，采用歐式距離進行運算，其代表在m維空間中兩個點的真實距離，但是歐式距離將方案中不同指標之間的差別同等看待，這一點在無信號交叉口安全風險預測模型中稍有不妥，對于風險預測模型中不同屬性指標應考慮到其內(nèi)部各種特性之間的聯(lián)系，比如速度與視距、坡度、線形等都具有潛在關(guān)系，所以，選擇加權(quán)馬氏距離公式作為歐式距離的優(yōu)化加權(quán)距離計算公式[11]。

(11)

2.1.6 計算貼近度

計算各無信號交叉口對于理想解的貼近程度Di，計算公式為

(12)

至此完成熵權(quán)TOPSIS法全部步驟，對其結(jié)果進行評分，評分數(shù)值越大，無信號交叉口安全性越強。

2.2 基于多群體用路者的調(diào)查問卷分析

基于上述模型分析，現(xiàn)選取重慶市銅梁區(qū)多條農(nóng)村公路進行調(diào)研，發(fā)現(xiàn)多數(shù)山區(qū)公路交通事故與主干路無信號交叉口、機耕道接入口安全風險有關(guān)，故選取路段S302銅梁城區(qū)至侶俸段某分流道路進行細化研究。其全長8.5 km，共有54個交叉口和機耕道接入口，其中53個均為無信號交叉口，交通安全事故多發(fā)。選取具備典型安全問題的8個無信號交叉口進一步分析，為消除專家主觀評分的缺陷，提出多群體問詢法，步驟如下。

步驟1確定打分人群與人數(shù)，如表2所示。打分總?cè)藬?shù)為30～50人，專家占比約40%，駕駛員與附近村民約占60%。

步驟2確定調(diào)查范圍。通過對道路以及無信號交叉口行人與非機動車問詢發(fā)現(xiàn)，使用道路的村民大多聚集在道路周邊0.5～3 km范圍以內(nèi)，故對此范圍內(nèi)常使用道路的村民與駕駛員進行無信號交叉口安全風險問詢。

步驟3設計與分發(fā)調(diào)查問卷。針對不同人群的調(diào)查問卷設計7個主觀題目，7個題目主要與特征風險指標對應[式(5)～式(12)]，考慮到社會背景、文化程度等因素，對不同人群問詢的側(cè)重點不同，專家的問卷設計是基于專業(yè)素養(yǎng)的針對性評價，問詢語言較為專業(yè)；對駕駛?cè)说膯柧碓O計是基于《公安部道路交通安全研究中心》駕駛?cè)祟愋偷闹饔^評價，問詢語言貼近生活[12]；對附近村民的問卷設計是基于農(nóng)村公路無信號交叉口實際交通安全問題的廣泛評價，問詢語言樸實，易于理解。

表2 打分人群劃分及特點

最終，通過對三類人群的問詢，基于測速、監(jiān)控、實地調(diào)查問卷的方法對無信號交叉口風險要素統(tǒng)計分析，并得到三類人群的評分數(shù)據(jù)，共計收集調(diào)查問卷96份，有效問卷94份。

2.3 實踐驗證

對所獲得數(shù)據(jù)采用熵權(quán)TOPSIS法分步驟處理。首先，對8個無信號交叉口收集的94份問卷中9個二級指標按照專家、駕駛員、附近村民分別求出算術(shù)平均數(shù)，之后根據(jù)專家評價意見40%、駕駛?cè)?0%、附近村民30%的權(quán)重計算每個指標的最終加權(quán)平均數(shù)，得到表3；將表3轉(zhuǎn)化為矩陣，代入式(2)、式(4)、式(5)中，得到8個無信號交叉口安全風險指標的信息熵和熵權(quán)，如圖2所示。通過圖2得出，線形設計、視距、支路縱坡坡度3個指標權(quán)重占比較大，說明以上指標對山區(qū)農(nóng)村公路無信號交叉口的安全影響程度相對較高，山區(qū)農(nóng)村公路交叉口進口道線形存在風險隱患問題較為突出，安全風險不確定性大，如陡坡、急彎、長直線等常見線形問題。線形不良的同時往往會存在“連鎖反應”，經(jīng)常引發(fā)交叉口視距問題，尤其是在農(nóng)村公路無信號交叉口車速較快、支路坡度較陡、路側(cè)環(huán)境對視線遮擋嚴重的現(xiàn)實情況下，線形、視距、坡度三者之間形成了交融復雜的安全風險關(guān)系，本文模型將復雜關(guān)系量化，對危害無信號交叉口安全的風險指標權(quán)重進行排序，從而指導后續(xù)重點安全風險改善工程。通過式(6)和式(8)，得到標準化、正向化處理后的正向安全風險指標。得出標準正向安全風險指標的矩陣后，通過式(10)判別出正、負理想解。采用加權(quán)廣義馬氏距離，用MATLAB計算出協(xié)方差偽逆矩陣Σ+。最終，將偽逆矩陣代入式(11)計算加權(quán)廣義馬氏距離，最后通過式(12)得到加權(quán)廣義馬氏距離與歐式距離關(guān)于理想解的貼近度，給出綜合得分，如圖3所示。

表3 風險指標評分表Table 3 Risk index evaluation table

圖2 風險指標信息熵與熵權(quán)Fig.2 Information entropy and entropy weight of risk indicators

圖3 加權(quán)廣義馬氏距離與歐式距離貼近度的綜合得分Fig.3 Comprehensive score of closeness degree between weighted generalized Mahalanobis distance and Euclidean distance

依據(jù)圖3，可直觀看出兩種方法對安全風險的預測重疊面積較大，趨勢接近，說明方法擬合度較高。相同點有無信號交叉口6對理想解的貼近度為最低，表明兩種距離都預測其安全風險為同類無信號交叉口中的最高。交叉口2對理想解的貼近度最高，交叉口4與交叉口5分別位于第三位與第五位，僅交叉口1、3、7、8通過兩種距離求法所獲總分排序不同，但總體排序相差不大，說明本文方法具有一定科學性、可行性。

2.4 對比分析

采用加權(quán)廣義馬氏距離與傳統(tǒng)歐式距離貼近度綜合得分做對比的方式，求出的無信號交叉口安全風險評估指標數(shù)值，如圖3所示。兩種距離計算方法同時得出交叉口6、1、4為風險最高的3個無信號交叉口，交叉口2為風險最低的無信號交叉口，說明不同計算方法下模型對于總體風險極值的評估具有準確性，對無信號交叉口風險大小的綜合排序具有科學性，結(jié)合實際工程調(diào)研，發(fā)現(xiàn)模型對無信號交叉口風險的綜合評估與事故數(shù)據(jù)和專家論證結(jié)論基本一致，充分說明了本文模型的有效性。

2.5 改善措施

將數(shù)據(jù)分析結(jié)果與實際調(diào)研情況進行匹配，發(fā)現(xiàn)無信號交叉口6處確實存在較大安全風險，其于兩月內(nèi)發(fā)生3起交通事故，造成8人受傷，以附近村民非機動車或農(nóng)耕車輛與道路主線汽車發(fā)生碰撞的事故形式為主，如表4所示。

經(jīng)過調(diào)查分析，事故主要致因為線形不良，主路匯入無信號交叉口前約有1 km長直線形，導致車輛普遍超速。主干路駕駛員視距受到兩旁山丘影響，對支路的有效視野范圍變窄，視距不良問題突出，且主路與無信號交叉口銜接的支路縱坡坡度趨近于10%，車輛駛?cè)虢徊婵跁r車速難以控制，同時，在進入無信號交叉口前800 m，主路上無任何限速標識標牌、減速標識標牌和其他標識標牌，僅在交叉口前10 m處設置十字路口標識。標牌位置設置不合理，不僅沒有給予駕駛員反應時間，還會遮擋駕駛員對交叉口支路駛出車輛距離的判斷，在夜晚或雨霧的環(huán)境下，視距不良的問題更為嚴重。最終，調(diào)查分析后發(fā)現(xiàn)事故指標熵權(quán)排序與事故主要致因排序基本相同，間接證明了模型的實踐可行性。無信號交叉口6現(xiàn)場勘察如圖4所示。

平面路段長直線在道路建設階段應采用線形靈活組合的方式避免發(fā)生，可與大半徑凹形豎曲線組合，在實際工程改善時，常用來限制線形不良帶來的負面影響[13]。為控制速度，對縱坡較大的無信號交叉口支路鋪設20 m減速震蕩標線，以使下坡車輛降速，主路雙向車道鋪設50 m減速震蕩標線，強制降低主路車輛行駛速度；為改善視距，在主路的交叉路口，安裝視距不良預警系統(tǒng)，如圖5所示，通過LED顯示屏警示主路與支路車輛，前方來車，減速慢行，規(guī)避支路口車輛交匯時存在的高風險駕駛行為，對駕駛員進行提示與視線誘導，從而讓駕駛員謹慎駕駛；為改善交通標志對駕駛員的信息傳遞效果，將十字路口標志后移20 m，并在主路雙向車道上安裝40 km/h限速標志，2個爆閃燈，2塊慢行標志，內(nèi)容為“前方路口，減速慢行”，更直觀地提醒駕駛員減速。綜合處置如圖6所示。

表4 銅梁區(qū)省道302線某分流路交通事故統(tǒng)計表

圖4 無信號交叉口6處現(xiàn)場勘察實景Fig.4 Real scene of field investigation at No.6 signal-free intersections

圖5 十字交叉口綜合處置示意圖Fig.5 Comprehensive disposal diagram of intersections

3 結(jié)論

山區(qū)農(nóng)村公路無信號交叉口通常被視為農(nóng)村道路事故黑點，也是山區(qū)農(nóng)村公路交通安全的痛點與難點問題，在這一區(qū)域交通事故總量大，重大事故常有發(fā)生。建立了山區(qū)農(nóng)村公路無信號交叉口安全風險評估模型，為定量研究山區(qū)農(nóng)村無信號交叉口安全風險隱患提供了新思路。

(1)在查閱大量相關(guān)文獻、實地調(diào)研、問卷調(diào)查的基礎之上，綜合考慮了中國山區(qū)農(nóng)村無信號交叉口的普遍性安全風險與安全隱患，考慮到健全農(nóng)村公路無信號交叉口的保護與安全防治手段，以此為目標建立了山區(qū)農(nóng)村公路無信號交叉口安全風險評估模型，其中包括3個一級指標和9個二級指標。

(2)創(chuàng)建了基于評價體系的多渠道、多元化、多群體的問詢方法，獲取客觀真實的交叉口安全風險指標數(shù)據(jù)，建立了基于熵權(quán)TOPSIS的山區(qū)農(nóng)村公路無信號交叉口安全風險模型，避免了數(shù)據(jù)的主觀性，能很好地判斷不同指標的綜合影響程度，使特征指標權(quán)重的判定更加科學與方便。

(3)通過對比歐式距離與廣義馬氏距離得出的貼近值，檢驗了自身模型的準確性，并與實際工程相結(jié)合，對綜合得分較低、安全風險大的無信號交叉口逐個分析，發(fā)現(xiàn)主要致因排序與風險指標熵權(quán)排序基本相同，從而驗證了模型的實踐可行性，并對安全風險隱患提出了改善措施和解決思路，保障了山區(qū)農(nóng)村無信號交叉口的行車安全。

圖6 十字交叉口綜合處置效果圖Fig.6 Effect diagram of comprehensive disposal at intersection