基于熵權(quán)的交通事故現(xiàn)場安全屬性識別模型

張文會，李德才，羅文文

(東北林業(yè)大學(xué)交通學(xué)院，哈爾濱150040)

1 引 言

交通事故發(fā)生后，事故路段的交通特性隨之改變，事故車輛、現(xiàn)場人員、散落物及通過車輛構(gòu)成一個復(fù)雜、危險的交通環(huán)境.若事故現(xiàn)場處置不規(guī)范或者通過車輛駕駛員判斷失誤，將會導(dǎo)致二次交通事故，對交通警察等事故現(xiàn)場處理人員的人身安全帶來嚴(yán)重的威脅.我國頒布多項法規(guī)，規(guī)范了交通警察的著裝和裝備、事故現(xiàn)場保護(hù)措施及安全標(biāo)志設(shè)置，具有可操作性，但缺乏一定的理論基礎(chǔ)，而且提出的主動防護(hù)措施和裝備對車速較快的高速公路事故現(xiàn)場并不完全實(shí)用.因此，從現(xiàn)場人員、通過車輛、道路特征和管理手段等綜合角度開展事故現(xiàn)場安全評價研究，對保護(hù)事故現(xiàn)場處理人員的人身安全，提出科學(xué)合理的二次交通事故預(yù)防對策具有重要的現(xiàn)實(shí)意義.

國外學(xué)者主要從事故現(xiàn)場快速識別及快速處置的角度展開研究，通過研發(fā)先進(jìn)的交通事故監(jiān)測和誘導(dǎo)設(shè)備［1，2］，同時將設(shè)備系統(tǒng)化和網(wǎng)絡(luò)化［3，4］，縮短了交通事故現(xiàn)場的存在時間，減少了交通事故的影響范圍，對預(yù)防二次交通事故的發(fā)生起到了積極的作用.但所研發(fā)的系統(tǒng)和設(shè)備都是以檢測器提供的數(shù)據(jù)為基礎(chǔ)，對檢測器的可靠性要求較高.此外，對于事故發(fā)生后交通流突變也展開研究［5］，基于流體力學(xué)理論建立了數(shù)學(xué)模型［6］，模型邊界條件不斷外延，應(yīng)用范圍也從高速公路交通事故拓展到城市道路交通事件，從供應(yīng)性交通擁擠到需求性交通擁擠［7］.國內(nèi)也多見交通事件快速識別模型［8，9］，并有事故現(xiàn)場安全性評價方法［10］.由于交通事故發(fā)生的隨機(jī)性和不確定性，傳統(tǒng)的評價模型并不適用.基于熵權(quán)的屬性識別模型是運(yùn)用熵值法將主觀和客觀結(jié)合起來，充分利用已有信息，以確定權(quán)重，使評價結(jié)果更加合理，在很多領(lǐng)域已有應(yīng)用［11-13］.本文將熵值法和屬性識別模型相結(jié)合，建立基于熵權(quán)的屬性識別模型，利用該模型評價交通事故現(xiàn)場的安全性.

2 基于熵權(quán)的屬性識別模型

目前，在交通安全領(lǐng)域，對評價指標(biāo)體系研究中賦權(quán)方法主要有層次分析法、綜合指數(shù)法、專家評分法、集值統(tǒng)計法及灰色關(guān)聯(lián)分析法等，這些方法在一定的應(yīng)用領(lǐng)域能夠滿足精度要求，但均存在主觀性較強(qiáng)、忽略因素間關(guān)聯(lián)程度等缺陷.熵值法充分利用信息熵這一理論工具，根據(jù)各項指標(biāo)值的差異程度，計算出各指標(biāo)的權(quán)重，為多指標(biāo)綜合評判提供依據(jù).熵值法是一種客觀賦權(quán)法，這種方法避免了人為因素帶來的偏差，并且在眾多客觀賦權(quán)法中是一種計算較為簡單的方法.

基于熵權(quán)的屬性識別模型是利用熵值法計算屬性識別模型中各指標(biāo)的權(quán)重，其基本建模流程為:建立屬性空間矩陣、熵值法確定指標(biāo)權(quán)重、屬性測度計算、評價方案排序.

2.1 屬性空間矩陣

在研究對象空間X中取n個方案x1，x2，…，xn，對每個方案要測量m個指標(biāo)I1，I2，…，Im，第i個方案xi的第j個指標(biāo)Ij的測量值為xij，因此，第i個方案xi可以表示為一個向量xi=(xi1，xi2，…，xin)，1≤i≤n.設(shè)F為X上某類屬性空間，(C1，C2，…，CK)為屬性空間F的分割，且滿足C1≤C2≤…≤CK，指標(biāo)Ij的分類標(biāo)準(zhǔn)已知，寫成分類屬性空間矩陣為

2.2 熵值法

信息熵可用來度量m個指標(biāo)的信息效用值，因此利用熵值法計算各指標(biāo)的權(quán)重，其本質(zhì)就是利用該指標(biāo)信息的效用值來計算，效用值越高，其對評價的重要性越大，這種確定權(quán)值的方法可以避免主觀因素的影響，計算步驟如下:

(1)構(gòu)建n個方案m個評價指標(biāo)的判斷矩陣R=(xij)nm(i=1，2，…，n;j=1，2，…，m).

(2)將判斷矩陣歸一化處理，得到歸一化判斷矩陣B

式中 xmax、xmin分別為同指標(biāo)下不同方案中最滿意者和最不滿意者(越大越滿意、越小越不滿意).

(3)根據(jù)熵的定義，n個方案m個評價指標(biāo)的熵為

其中

為使lnfij有意義，一般需要假定當(dāng)fij=0時，fijlnfij=0.但當(dāng)fij=1，fijlnfij也等于零，這顯然不切合實(shí)際，與熵的含義相悖，故需對fij加以修正，將其定義為

(4)計算評價指標(biāo)的熵權(quán)W

2.3 屬性測度

記第i個方案的第j個指標(biāo)值具有屬性xij的屬性測度為uijk=u(xij∈CK).假設(shè)aj1≤aj2≤aj3，則對任一方案 i(i=1，2，…，n)

當(dāng)xij≤aj1時

當(dāng)xij≥aj3時

當(dāng) aj，l≤ xij≤ aj，l+1時

即比較方案xi的屬性測度uxi(CK)=u(xi∈CK).由指標(biāo)權(quán)重可計算出各方案的屬性測度

2.4 評價結(jié)果

計算各擬定方案的分?jǐn)?shù)，對方案進(jìn)行排序根據(jù)屬性識別理論，屬性集CK之間有強(qiáng)弱的關(guān)系，可以用屬性集的分?jǐn)?shù)表示這種關(guān)系，強(qiáng)屬性集的分?jǐn)?shù)比弱屬性集的分?jǐn)?shù)要大.設(shè)屬性集CK的分?jǐn)?shù)為nk，當(dāng)C1＜C2＜C3時，有n1＜n2＜n3.于是，各比較方案的分?jǐn)?shù)為

由于C1、C2、C3的重要性是等間隔上升的，因此式(8)中nk=k.

運(yùn)用評分準(zhǔn)則，qxi＞qxj，說明方案xi比xj強(qiáng).將擬定方案按上述方法進(jìn)行比較和排序，qxi愈大，則方案愈優(yōu);反之亦然.

3 交通事故現(xiàn)場安全性評價

3.1 評價指標(biāo)體系

根據(jù)交通事故現(xiàn)場路段的交通特征，遵循針對性、可行性、可比性和獨(dú)立性等原則，對交通事故現(xiàn)場安全性評價指標(biāo)進(jìn)行了初步篩選，考慮各評價指標(biāo)之間的關(guān)聯(lián)，建立評價指標(biāo)體系，如表1所示.

表1 交通事故現(xiàn)場安全性評價指標(biāo)體系Table 1 Evaluation index system of traffic accident scenes safety

為了獲得事故現(xiàn)場處置方案的指標(biāo)值，按照不同的分類標(biāo)準(zhǔn)，將上述指標(biāo)分別分為統(tǒng)計型指標(biāo)和計量型指標(biāo)、成本型指標(biāo)和效益型指標(biāo)，如表2所示.

統(tǒng)計型指標(biāo)值可根據(jù)歷史統(tǒng)計資料，并參閱相關(guān)法規(guī)獲得;計量型指標(biāo)可通過實(shí)際度量獲得，與事故現(xiàn)場所在的時間和空間屬性有關(guān).

某高速公路設(shè)計時速為100 km/h，統(tǒng)計數(shù)據(jù)表明，超速、疲勞等違章駕駛員比例為6.4%，大型車比例為20%，對2012年的一起交通事故進(jìn)行統(tǒng)計型指標(biāo)和計量型指標(biāo)測算，如表3中方案一的實(shí)測值所示.按照參考文獻(xiàn)［10］的分級標(biāo)準(zhǔn)及屬性指標(biāo)的無量綱化處理方法，得到各指標(biāo)的實(shí)測值和無量綱值，如表3中方案一的無量綱值.為了比較方案之間的優(yōu)劣，設(shè)計了方案二、方案三和方案四.

表2 指標(biāo)分類Table 2 Index classification

3.2 安全性評價

根據(jù)四個事故現(xiàn)場處置方案的指標(biāo)值，令C1={不安全}，C2={一般安全}，C3={安全}，利用式(1)構(gòu)造評價標(biāo)準(zhǔn)

表3 交通事故現(xiàn)場安全性指標(biāo)值Table 3 Safety index value of traffic accident scenes

根據(jù)表3中四個事故現(xiàn)場處置方案的指標(biāo)值，利用式(6)計算單指標(biāo)屬性測度矩陣，并將各評價指標(biāo)的無量綱值按式(2)進(jìn)行歸一化處理，得到判斷矩陣如下:

由式(3)計算各指標(biāo)的熵

由式(5)計算各指標(biāo)的權(quán)重Wj

由式(7)計算綜合屬性測度評價矩陣為

由式(8)計算各方案分?jǐn)?shù)及排序結(jié)果，如表4所示.

表4 各方案評價結(jié)果及排序Table 4 Evaluation result and ranking

由綜合屬性測度評價矩陣可見，方案一的事故現(xiàn)場處置方案不安全，方案二的事故現(xiàn)場處置方案安全，方案三的事故現(xiàn)場處置方案一般安全，方案四的事故現(xiàn)場處置方案不安全.由表4可見，方案二為事故現(xiàn)場的最優(yōu)處置方案，安全性最高.利用屬性識別模型進(jìn)行事故現(xiàn)場處置方案的安全評價，不僅可以進(jìn)行事故現(xiàn)場處置方案安全性分級，也可進(jìn)行各方案之間的比較.

4 研究結(jié)論

道路交通事故現(xiàn)場安全性評價屬于事故現(xiàn)場處理后的評價內(nèi)容，評價結(jié)果為提出合理的事故現(xiàn)場處置方法，預(yù)防二次事故的發(fā)生提供重要的理論依據(jù).本文建立了基于熵權(quán)的交通事故現(xiàn)場安全屬性識別模型，評價典型高速公路交通事故現(xiàn)場的安全性.評價結(jié)果證明該模型可以用來對交通事故現(xiàn)場的安全性進(jìn)行評價，且結(jié)果合理.從計算方法看，基于熵權(quán)的屬性識別模型減少了權(quán)重確定的主觀性和優(yōu)選方法的復(fù)雜性，避免了模型優(yōu)選結(jié)果為局部最優(yōu)解的可能性，評價結(jié)果更為客觀、合理.

［1］John N Ivan.Neural-net work representations for arterial street incident detection data fusion ［J］.Transportation Research Part C，1997(5):245-254.

［2］Jiuh Biing Sheu，Stephen G.A new methodology for incidentdetection and characterization on surface streets ［J］. TRB， NationalResearch Council，Washington，1998(6):315-335.

［3］Yaser E Hawas.A fuzzy-based system for incident detection in urban street networks［J］.Transportation Research Part C，2007(15):69-95.

［4］Dipti Srinivasan，Ruey Long Cheu，Young Peng Poh，et al.Development of an intelligent technique for traffic network incident detection［J］.Engineering Applications of Artificial Intelligence，2000(13):311-322.

［5］G F Newell.A simplified theory of kinematic waves in highway traffic［J］.Transportation Research B，1993，27B(4):281-287.

［6］Lawson T，Lovell D，Daganzo C.Using the input output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck［J］.Transportation Research Record TRB，National Research Council，1997:125-131.

［7］Liping Fu.An adaptive model for real time estimation of overflow queues on congested arterials［C］//Intelligent Transportation Systems Conference Proceedings，2001:219-226.

［8］姜桂艷，溫慧敏，楊兆升.高速公路交通事件自動檢測系統(tǒng)與算法設(shè)計［J］.交通運(yùn)輸工程學(xué)報，2001，1(1):77-81.［JIANG G Y，WEN H M，YANG Z S.Design of freeway automatic incident detection system and algorithm［J］.Journal of Traffic and Transportation Engineering，2001，1(1):77-81.］

［9］樊小紅，荊便順.基于遺傳算法的交通事件檢測［J］.長安大學(xué)學(xué)報:自然科學(xué)版，2005，25(4):70-72.［FAN X H，JIN B S.Freeway automatic incident detection with genetic algorithm［J］.Journal of Chang’an University(Natural Science Edit ion)，2005，25(4):70-72.］

［10］張文會，鄧紅星，王憲彬，等.交通事故現(xiàn)場安全性綜合評價［J］.交通運(yùn)輸系統(tǒng)工程與信息，2010，10(3):105-109.［ZHANG W H，DENG H X，WANG X B，et al.Comprehensive safety evaluation for traffic accident scene［J］.Journal of Transportation Systems Engineering and Information Technology，2010，10(3):105-109.］

［11］楊凈，張江山.基于熵權(quán)的屬性識別模型在城市軌道線網(wǎng)方案評價中的應(yīng)用［J］.環(huán)境科學(xué)與管理，2009，34(8):164-168.［YANG J，ZHANG J S.Appiication of attribute recognition model based on coefficientofentropy to comp rehensive valuation of urban rail transit network［J］.EnvironmentalScience and Management，2009，34(8):164-168.］

［12］薛劍光，周健，史秀志，等.基于熵權(quán)屬性識別模型的巖體可爆性分級評價［J］.中南大學(xué)學(xué)報(自然科學(xué)版)，2010，41(1):251-255.［XUE J G，ZHOU J，SHI X Z，et al.Assessment of classification for rock mass blastability based on entropy coefficient of attribute recognition model［J］.Journal of CentralSouth University (Science and Technology)，2010，41(1):251-255.］

［13］趙新好，姚安林.基于熵權(quán)屬性識別理論的管道第三方破壞可能性研究［J］.中國安全科學(xué)學(xué)報，2011，21(4):71-77.［ZHAO X H，YAO A L.Study on possibility of pipeline third-party damage based on entropy coefficient of attribute recognition theory［J］.China Safety Science Journal，2011，21(4):71-77.］