基于熵技術(shù)-全決策樹(shù)的駕駛員人因可靠性研究

林露青，黃坤明，廖素娟，沈斐敏

（福州大學(xué)環(huán)境與資源學(xué)院，福建 福州350108）

0 引言

經(jīng)濟(jì)的高速發(fā)展帶動(dòng)了我國(guó)道路運(yùn)輸產(chǎn)業(yè)的飛速發(fā)展，公路客運(yùn)量從1998 年的1 257 332 萬(wàn)人迅速增長(zhǎng)到2011 年的3 286 220 萬(wàn)人[1]。同時(shí)，汽車(chē)保有量和駕駛員的數(shù)量也與日俱增，民用汽車(chē)保有量從1949 年的約5 萬(wàn)輛增加到2010 年底的9 086 萬(wàn)輛。如此高速的增長(zhǎng)必定伴隨著道路交通事故率的不斷攀升。雖然近年來(lái)我國(guó)交通事故率與死傷率均呈現(xiàn)下降趨勢(shì)，但是其基數(shù)依然很大?！秶?guó)家道路交通安全科技行動(dòng)計(jì)劃（2006—2020）》中提到，希望實(shí)現(xiàn)道路交通事故死亡人數(shù)逐年下降，特大道路交通事故進(jìn)一步減少，以及萬(wàn)車(chē)死亡率接近中等發(fā)達(dá)國(guó)家水平的目標(biāo)。由此可見(jiàn)，提升道路交通的安全性成為現(xiàn)代社會(huì)亟待解決的問(wèn)題。

公路交通是由人、車(chē)、路、環(huán)境組成的復(fù)雜系統(tǒng)。大量的統(tǒng)計(jì)數(shù)據(jù)分析結(jié)果表明，70%以上道路道路交通事故的發(fā)生都與駕駛員行為差錯(cuò)直接相關(guān)，而間接相關(guān)則達(dá)到90%。我國(guó)公安部交通管理局在對(duì)28 000 起交通事故的分析中發(fā)現(xiàn)，人的因素引起的交通事故占96.4%，而由駕駛員違法所造成的事故占74%[2]?？梢?jiàn)，道路交通事故中與人相關(guān)的事故比例極高，從人因角度出發(fā)分析道路交通事故，從而提高人的可靠性是預(yù)防交通事故最直接、最有效的方法。

目前國(guó)內(nèi)外針對(duì)駕駛員人為失誤的研究多為基于道路交通事故案例對(duì)差錯(cuò)成因和控制措施進(jìn)行分析，這類(lèi)研究多為追溯性研究，而對(duì)于不同情境下的人為差錯(cuò)概率的預(yù)測(cè)分析研究甚少。人因可靠性分析發(fā)展至今已形成了3代分析方法。它以分析、預(yù)測(cè)、減少與防止人為失誤為研究核心，對(duì)人的可靠性進(jìn)行定性與定量的分析和評(píng)價(jià)[3]，這恰好彌補(bǔ)了目前針對(duì)駕駛員人為失誤研究中的不足。其中，全決策樹(shù)法（HDT，Holistic Decision Tree） 是一種動(dòng)態(tài)的人因可靠性分析方法，主要分析事故情況下操作人員所處的環(huán)境（情景）對(duì)他們動(dòng)作失誤概率的影響，從客觀環(huán)境和人的自身素質(zhì)的不同層面對(duì)人員動(dòng)作的影響進(jìn)行分析[7]。本文中，筆者采用問(wèn)卷調(diào)查及現(xiàn)場(chǎng)訪談的方式獲取相關(guān)數(shù)據(jù)，確定出對(duì)駕駛員所處環(huán)境（情景）的安全造成影響的全部影響因子。采用熵權(quán)法確定主要影響因子的權(quán)重，將客觀的熵權(quán)法與現(xiàn)場(chǎng)工作人員的知識(shí)和經(jīng)驗(yàn)相結(jié)合，提取出其中最為重要的影響因子。采用HDT 確定各影響因子對(duì)人因可靠性的影響程度，通過(guò)全決策樹(shù)的樹(shù)狀結(jié)構(gòu)立體形象化地表示出各影響因素之間的聯(lián)系以及影響因素最終導(dǎo)致事故發(fā)生的傳播途徑，使實(shí)際安全管理工作更具有針對(duì)性和預(yù)測(cè)性。

1 初始影響因素的確定

表1為根據(jù)公安部發(fā)布的《交通事故白皮書(shū)》[4]對(duì)某高速公路事故發(fā)生情況進(jìn)行統(tǒng)計(jì)分析的結(jié)果。本文根據(jù)交通領(lǐng)域的特色及對(duì)事故原因的歸納、分類(lèi)進(jìn)行了調(diào)整，將這些導(dǎo)致事故的因素歸納為環(huán)境、管理、信息、設(shè)備、操作者等5 個(gè)方面。筆者針對(duì)特定的運(yùn)輸企業(yè)，通過(guò)實(shí)地考察和信息收集，根據(jù)以上5個(gè)分類(lèi)，在這5個(gè)界面上找到了總共14個(gè)初始影響因子，見(jiàn)表2。

表1 2011年高速公路事故主要原因統(tǒng)計(jì)數(shù)據(jù)

表1（續(xù)）

表2 初始影響因子

2 主要影響因子的確定

2.1 問(wèn)卷設(shè)計(jì)與數(shù)據(jù)統(tǒng)計(jì)

以初始分析得出的5個(gè)分類(lèi)、14個(gè)初始影響因子為基礎(chǔ)設(shè)計(jì)調(diào)查問(wèn)卷。問(wèn)卷使用5級(jí)描述語(yǔ)言來(lái)評(píng)估各初始因子重要程度：1 代表“非常不重要”，2 代表“不重要”，3 代表“平均”，4 代表“重要”，5 代表“非常重要”。借助問(wèn)卷調(diào)查為初始影響因子確定權(quán)重。

隨機(jī)抽取某道路運(yùn)輸企業(yè)的70 名駕駛員，統(tǒng)一解釋問(wèn)卷信息后進(jìn)行問(wèn)卷填寫(xiě)，共收回69 份調(diào)查問(wèn)卷，其中67份問(wèn)卷有效，數(shù)據(jù)匯總見(jiàn)表3。

表3 影響因子頻數(shù)分布

2.2 熵權(quán)法

熵權(quán)法是一種客觀賦權(quán)方法，它是利用各指標(biāo)的熵值所提供的信息量大小來(lái)決定指標(biāo)的權(quán)重。利用熵權(quán)法給指標(biāo)賦權(quán)可以避免各評(píng)價(jià)指標(biāo)權(quán)重的人為因素干擾，使評(píng)價(jià)結(jié)果更客觀、更符合實(shí)際；通過(guò)對(duì)各指標(biāo)熵值的計(jì)算，可以衡量出指標(biāo)信息量的大小，從而確保所建立的指標(biāo)能反映絕大部分的原始信息[5]。該方法的計(jì)算步驟如下[6]：

（1）n個(gè)受訪人員對(duì)問(wèn)卷所列出的m個(gè)初始影響因子作出評(píng)價(jià)xij，i=1,2,…,n，j=1,2,…,m，通過(guò)標(biāo)準(zhǔn)化處理得到vij：

（2）計(jì)算第j項(xiàng)指標(biāo)下，第i個(gè)受訪人員的特征比重，記為pij，則：

（3）計(jì)算第j項(xiàng)指標(biāo)的熵值ej，表示為：

（4）根據(jù)所求的每個(gè)影響因子的熵值確定它們的熵權(quán)，第j個(gè)影響因子的熵權(quán)wj可表示為：

式中：dj=1-ej。

按照以上步驟計(jì)算，最終所得結(jié)果見(jiàn)表4。

表4 影響因子熵權(quán)及排序

經(jīng)過(guò)熵權(quán)法的計(jì)算，提取排序靠前的6 個(gè)影響因子作為主要影響因子，并對(duì)它們做歸一化處理得：外部環(huán)境0.195 6，監(jiān)督管理0.175 5，安全態(tài)度0.169 8，性格0.161 5，安全文化0.151 3，疲勞0.146 3。將歸一化處理后的數(shù)據(jù)作為其權(quán)重值。

3 全決策樹(shù)構(gòu)造與人誤概率計(jì)算

HDT 方法的基本原理為：事故場(chǎng)景以及人們所處的情景決定了人們失誤的概率[7-8]。HDT 模型用樹(shù)狀圖的結(jié)構(gòu)將人們所處的情景與人誤概率聯(lián)系起來(lái)，并反映了最終的人誤概率。人誤概率是事故場(chǎng)景或人們所處的情景中影響人們出錯(cuò)的影響因子的函數(shù)，可表示為：人誤概率=影響因子（如規(guī)程、外部環(huán)境、監(jiān)督管理）的函數(shù)。情景則通過(guò)一系列影響因子的排列組合表現(xiàn)出來(lái)，包括事故的類(lèi)型，事故呈現(xiàn)方式（如顯示的變化，報(bào)警聲音等）以及人依靠專(zhuān)業(yè)技術(shù)、經(jīng)驗(yàn)和培訓(xùn)對(duì)事故所做出的反應(yīng)[9-10]。

實(shí)施全局決策樹(shù)分析主要分為8個(gè)步驟，如圖1所示。

前文中完成了對(duì)某道路運(yùn)輸企業(yè)的參觀、考察、調(diào)查問(wèn)卷的設(shè)計(jì)與采集，利用熵權(quán)法對(duì)所獲得的數(shù)據(jù)進(jìn)行處理從而獲得6個(gè)主要的影響因子及其權(quán)重，在此基礎(chǔ)上構(gòu)造全決策樹(shù)模型獲得駕駛員在不同情境中的人誤概率。

圖1 人員可靠性分析中HDT 應(yīng)用過(guò)程示意圖

全決策樹(shù)是一種樹(shù)狀結(jié)構(gòu)，由影響因子、分支結(jié)構(gòu)、各影響因子的權(quán)重、品質(zhì)描述值以及人誤概率等構(gòu)成。構(gòu)造決策樹(shù)的過(guò)程中，影響因子為標(biāo)題項(xiàng)，標(biāo)題項(xiàng)下面為各影響因子權(quán)重值，樹(shù)的分支上是品質(zhì)描述等級(jí)。假定各影響因子相對(duì)獨(dú)立，定義這些影響因子的品質(zhì)等級(jí)描述值（QD，Quality Descriptor）。所有的影響因子都以3個(gè)品質(zhì)來(lái)描述，如好、中、差，或者有效的、足夠的、不利的，分別對(duì)應(yīng)著品質(zhì)因子值（QV，Quality Value）為1（好）、3（中）、9（差）。樹(shù)結(jié)構(gòu)畫(huà)出后，每一條路徑代表著不同品質(zhì)描述的組合，對(duì)應(yīng)路徑人誤概率的各因子權(quán)重加權(quán)值記為Si，設(shè)各影響因子歸一化后的權(quán)重值為Ii（i=1-n，n為影響因子數(shù)），Ii對(duì)應(yīng)品質(zhì)描述因子為QVi。則每條路徑的人誤概率HEP可通過(guò)下式計(jì)算[11]：

式中：Sl為最低路徑加權(quán)值，此時(shí)選定人誤概率高標(biāo)定值，即所有影響人員行為的因子都是壞的時(shí)，失誤概率為1；Sh為最高路徑加權(quán)值，此時(shí)選定人誤概率低標(biāo)定值，即對(duì)應(yīng)該情形中所有影響因子都是最好的值；HEPi為全決策樹(shù)第i條路徑的人誤概率；HEPl為人誤概率的最低標(biāo)定值；HEPh為人誤概率的最高標(biāo)定值。

最終構(gòu)造的全決策樹(shù)（部分）如圖2所示。

圖2 全決策樹(shù)（部分）

根據(jù)該運(yùn)輸企業(yè)現(xiàn)場(chǎng)訪談和調(diào)查結(jié)果，得到各影響因子品質(zhì)描述值見(jiàn)表5。

表5 6個(gè)影響因子的品質(zhì)描述值及人誤概率值

全決策樹(shù)分析法結(jié)果顯示，在該道路運(yùn)輸企業(yè)的特定情境下，可以得出各影響因子對(duì)人因可靠性的影響。由表5可知，疲勞是最為關(guān)鍵的影響因子，同時(shí)，外部環(huán)境、監(jiān)督管理、駕駛員的性格也是十分重要的影響因子。主要原因可歸結(jié)如下：（1）該道路運(yùn)輸企業(yè)的運(yùn)營(yíng)項(xiàng)目主要為長(zhǎng)途客運(yùn)、貨運(yùn)，部分業(yè)務(wù)為跨省長(zhǎng)途運(yùn)輸，需要晝夜連續(xù)行駛，駕駛員在依照規(guī)定休息的情況下也常常感到疲勞；（2）該企業(yè)的業(yè)務(wù)繁多，駕駛員工作制一般為兩日上班兩日休息，但是由于監(jiān)督管理不嚴(yán)，偶有出現(xiàn)駕駛員互相調(diào)換班次的情況，導(dǎo)致了駕駛員連續(xù)工作，發(fā)生駕駛疲勞；（3）該企業(yè)駕駛員多為35～50歲的男性，駕齡均超過(guò)5年，調(diào)查訪談過(guò)程中發(fā)現(xiàn)，駕齡長(zhǎng)的駕駛員容易對(duì)自身駕駛技術(shù)過(guò)分自信，性格外向、情緒不穩(wěn)定的駕駛員有沖動(dòng)型駕駛的傾向，而性格內(nèi)向、保守的駕駛員一般來(lái)說(shuō)事故的發(fā)生率較低；（4）由于本省屬丘陵地區(qū)，山區(qū)公路較多，且雨季降雨量大，夏季多臺(tái)風(fēng)，所以道路運(yùn)輸?shù)耐獠凯h(huán)境也成為影響安全行駛的關(guān)鍵因素。

為更全面地針上述原因提出管理對(duì)策，筆者擬建立“篩選-矯正-監(jiān)控”的“三道防線”全程化管理體系。首先，從源頭上篩選事故傾向性較小的駕駛員。調(diào)查研究顯示，性格中存在情緒不穩(wěn)定、注意力分散、煩躁、易激惹、缺乏耐性、沖動(dòng)等特征的駕駛員在行車(chē)過(guò)程中表現(xiàn)出易急躁、違章、超速、應(yīng)急能力差等，很可能成為交通事故的肇事者[12]。因此，首先應(yīng)將篩選聘用事故傾向性較小的駕駛員作為控制的第一道防線；其次，在企業(yè)運(yùn)營(yíng)過(guò)程中，應(yīng)將安全管理的重要性置于與其他管理同等重要的位置，定期對(duì)駕駛員進(jìn)行安全教育，加強(qiáng)安全監(jiān)督與管理，明確獎(jiǎng)懲制度，嚴(yán)厲杜絕疲勞駕駛的發(fā)生，從而矯正駕駛員的不安全行為，降低不安全行為發(fā)生的可能性，維護(hù)管理體系中的最重要的一道防線；最后，加強(qiáng)對(duì)道路運(yùn)輸外部環(huán)境的監(jiān)控，極端天氣不冒險(xiǎn)行駛，充分利用預(yù)警預(yù)報(bào)設(shè)備，為駕駛員的安全行駛安裝最后一道防線。采取上述全程化管理模式提高工作環(huán)境描述因子的品質(zhì)描述等級(jí)，便可以提高該道路運(yùn)輸企業(yè)中駕駛員的人因可靠性，從而降低人誤發(fā)生的可能性。

4 結(jié)論

（1）針對(duì)道路運(yùn)輸企業(yè)的實(shí)際情況，基于熵技術(shù)-全決策樹(shù)法對(duì)駕駛員人誤因素進(jìn)行分析與計(jì)算，得到了各人誤影響因子的關(guān)系結(jié)構(gòu)和權(quán)重值，并確定了影響駕駛員失誤的主要人為因素，分別為疲勞、外部環(huán)境、監(jiān)督管理、駕駛員的性格、安全態(tài)度和安全文化。建議建立“篩選-矯正-監(jiān)控”的“三道防線”全程化管理體系，降低人誤發(fā)生的可能性。

（2）通過(guò)實(shí)例分析，驗(yàn)證了熵技術(shù)-全決策樹(shù)法在駕駛員人因可靠性分析中的可行性和科學(xué)性。該方法綜合考慮了影響駕駛員安全性的各主要影響因子之間的相互聯(lián)系及對(duì)人誤概率的影響，確定出了主要影響因子的權(quán)重，并最終計(jì)算出該情境下的人誤概率，為制定預(yù)防和控制措施提供了合理可靠的依據(jù)，對(duì)提高駕駛員的安全性和工作效率具有參考價(jià)值。

[1] 中華人民共和國(guó)交通運(yùn)輸部. 統(tǒng)計(jì)公報(bào). [EB/OL].(2013-04-18)[2014-05-01]. http://www.moc.gov.cn/zhu?zhan/tongjigongbao/hangyenianjian/201009/t20100927_844443.html.

[2] 畢建彬.道路交通事故的人因分析與駕駛員可靠性研究[D].北京：北京交通大學(xué)，2012.

[3] 何旭洪，黃祥瑞. 工業(yè)系統(tǒng)中人的可靠性分析:原理、方法與應(yīng)用[M].北京：清華大學(xué)出版社，2007：152-159.

[4] 中華人民共和國(guó)交通運(yùn)輸部.2011 年道路交通事故白皮書(shū)[EB/OL]. (2011-04-28)[2014-05-01]. http：//www.docin.com/p-193876308.html.

[5] 章穗，張梅，遲國(guó)泰.基于熵權(quán)法的科學(xué)技術(shù)評(píng)價(jià)模型及其實(shí)證研究[J].管理學(xué)報(bào)，2010（1）：34-42.

[6] 李薇，龔聲武，李夕兵.基于熵技術(shù)的安全培訓(xùn)質(zhì)量模糊綜合評(píng)價(jià)[J]. 中國(guó)安全科學(xué)學(xué)報(bào)，2008，18（3）：166-170.

[7] 孫鳳，鐘山，吳祉郁.全局決策樹(shù)方法在核電站人員可靠性分析中的應(yīng)用研究[J]. 核科學(xué)與工程，2008，28（3）：268-272.

[8] 李海峰，李文權(quán)，武喜萍.基于全決策樹(shù)的空管人因可靠性研究[J].人類(lèi)工效學(xué)，2010，16（2）：34-39.

[9] 劉公明. 道路交通事故預(yù)防[M].長(zhǎng)春：吉林人民出版社，2001：142-156.

[10] 沈祖培，高佳，王遙.人因失誤的后果前因-追溯表[J].清華大學(xué)學(xué)報(bào)，2005，45（6）：799-802.

[11] 何愛(ài)武，楊洪.人因可靠性分析方法[J].中國(guó)安全科學(xué)學(xué)報(bào),2001,11（3）：1-9.

[12] 張長(zhǎng)軍，李沖，范茂林.機(jī)動(dòng)車(chē)肇事駕駛員人格特征的對(duì)照研究[J].中華行為醫(yī)學(xué)與腦外科學(xué)雜志，2009，18（1）：63-65.