基于道路交通安全綜合風(fēng)險水平的城市模糊聚類評價

趙學(xué)剛

(山西警察學(xué)院 交通管理系， 山西 太原 030021)

0 引 言

城市是一個受多因素影響而不斷變化的動態(tài)系統(tǒng)[1]. 城市系統(tǒng)內(nèi)部模塊要素眾多， 相互之間影響、 作用復(fù)雜. 因此， 一個城市又是一個復(fù)雜巨系統(tǒng). 不同城市系統(tǒng)中的眾多模塊要素的相互影響與作用形成了每個城市系統(tǒng)獨(dú)有的特點(diǎn)； 同時， 不同城市系統(tǒng)的規(guī)模[2]、 經(jīng)濟(jì)、 土地利用[3]等發(fā)展不平衡， 導(dǎo)致城市系統(tǒng)對其子系統(tǒng)的影響作用呈現(xiàn)出較大的差異性. 因此， 針對地理環(huán)境、 環(huán)保等領(lǐng)域， 已經(jīng)開展了城市系統(tǒng)對其子系統(tǒng)的具體影響作用研究[4]. 城市道路交通安全綜合風(fēng)險控制系統(tǒng)是城市系統(tǒng)的一個重要子系統(tǒng)， 如何評價城市系統(tǒng)對該系統(tǒng)的影響作用， 對于客觀、 科學(xué)地開展城市道路交通安全風(fēng)險的橫向評價具有重要的意義.

目前， 在國內(nèi)外大多數(shù)關(guān)于區(qū)域道路交通安全狀況的橫向宏觀評價研究中， 評價的重點(diǎn)基本都是對區(qū)域道路交通安全的管理效果[5-6]， 而且在這些橫向評價研究中， 并沒有針對性地研究區(qū)域的不同規(guī)模、 不同狀況對安全狀況的影響作用. 但是， 實(shí)施不同城市交通安全管理評價， 如城市“暢通工程”評價及不同城市交通應(yīng)急機(jī)制等研究[7-8]， 以及作者前期在評價不同城市的道路交通安全風(fēng)險狀況[9]等相關(guān)研究中， 都已經(jīng)涉及到城市系統(tǒng)特點(diǎn)對其交通安全子系統(tǒng)的影響作用. 在這些文獻(xiàn)中， 橫向評價城市交通安全時， 涉及到城市系統(tǒng)對其交通系統(tǒng)或交通安全綜合風(fēng)險控制系統(tǒng)的影響作用的， 采用的方法均是以城市的規(guī)模為依據(jù)進(jìn)行分類評價. 具體方法都是直接套用國家對城市規(guī)模的分類標(biāo)準(zhǔn)， 不同類型城市對應(yīng)不同影響作用等級. 然而， 這種對城市的分類， 僅僅依據(jù)的是城市人口(或國民生產(chǎn)總值)單一指標(biāo)的規(guī)模分類[2]. 將這種簡單的城市規(guī)模分類結(jié)果用于其對道路交通安全風(fēng)險控制系統(tǒng)的影響作用評價， 很容易出現(xiàn)偏誤[10]. 綜合國內(nèi)外相關(guān)研究來看， 城市系統(tǒng)對其道路交通安全綜合風(fēng)險控制子系統(tǒng)的影響作用雖然具有重要的理論與實(shí)踐意義， 但目前的相關(guān)研究還相當(dāng)有限.

本文應(yīng)用系統(tǒng)動力學(xué)相關(guān)理論， 分析城市系統(tǒng)對其道路交通安全綜合風(fēng)險控制子系統(tǒng)的影響作用； 通過研究風(fēng)險控制系統(tǒng)受作用于城市系統(tǒng)的特定表征指標(biāo)， 以此構(gòu)建具有正相關(guān)性的城市聚類評價指標(biāo)體系； 依據(jù)評價指標(biāo)體系和城市系統(tǒng)間影響作用橫向評價需求， 進(jìn)一步研究相應(yīng)的聚類評價方法. 該聚類評價方法突破了之前的單一評價指標(biāo)模式， 是建立在城鄉(xiāng)人口比、 民用汽車擁有量、 公共汽電車客運(yùn)量、 公路貨運(yùn)量、 公路里程、 城市道路面積、 城市建成區(qū)面積、 國內(nèi)生產(chǎn)總值等8個指標(biāo)評價體系基礎(chǔ)上的綜合評價法. 該綜合評價方法實(shí)現(xiàn)了城市系統(tǒng)對其道路交通安全綜合風(fēng)險控制子系統(tǒng)影響作用的等級量化評價， 其結(jié)果可以為城市風(fēng)險控制決策提供科學(xué)依據(jù).

1 城市系統(tǒng)對其風(fēng)險控制系統(tǒng)影響作用分析

1.1 城市系統(tǒng)交通安全綜合風(fēng)險控制模型

在社會發(fā)展進(jìn)程中， 城市(或城鎮(zhèn)， 下同)逐漸成為社會組織的主要區(qū)域性單元. 隨著社會城鎮(zhèn)化程度的提高， 城市系統(tǒng)已經(jīng)成為社會系統(tǒng)的主要構(gòu)成和存在形式， 因此， 城市將是社會管理的主要功能單元. 城市道路交通安全綜合風(fēng)險控制系統(tǒng)(簡稱風(fēng)險控制系統(tǒng))作為城市系統(tǒng)的子系統(tǒng)， 是建立在道路交通系統(tǒng)、 駕駛?cè)?車輛系統(tǒng)、 交通安全管理系統(tǒng)及交通安全風(fēng)險系統(tǒng)基礎(chǔ)上的復(fù)合系統(tǒng)； 其系統(tǒng)構(gòu)成要素包括人-車、 道路、 環(huán)境、 交通流、 交通安全管理、 交通組織控制、 交通安全決策及人-物等[11]. 從宏觀來看， 城市系統(tǒng)承擔(dān)社會功能必然生成道路交通安全綜合風(fēng)險. 風(fēng)險控制系統(tǒng)作為城市系統(tǒng)的子系統(tǒng)， 其功能就是調(diào)節(jié)、 控制城市系統(tǒng)中的道路交通安全綜合風(fēng)險. 從風(fēng)險控制系統(tǒng)結(jié)構(gòu)來看， 通過對系統(tǒng)輸出的道路交通安全風(fēng)險偏差確定并轉(zhuǎn)化為預(yù)警信號， 可以建立系統(tǒng)的反饋回路[11]. 根據(jù)系統(tǒng)動力學(xué)原理[12]， 構(gòu)建該系統(tǒng)的反饋閉合環(huán)路， 可以實(shí)現(xiàn)對城市系統(tǒng)道路交通安全綜合風(fēng)險的動態(tài)控制. 具體的控制作用過程是， 風(fēng)險控制系統(tǒng)對城市系統(tǒng)輸入的高勢能道路交通安全風(fēng)險(即城市道路交通安全綜合風(fēng)險， 簡稱為綜合風(fēng)險或輸入風(fēng)險)進(jìn)行控制， 輸出低勢能道路交通安全風(fēng)險(簡稱為控制風(fēng)險或輸出風(fēng)險). 城市道路交通安全綜合風(fēng)險控制模型見圖 1.

1.2 系統(tǒng)間作用分析

由圖 1 可知， 風(fēng)險控制系統(tǒng)的功能是對城市系統(tǒng)道路交通安全綜合風(fēng)險管理， 城市系統(tǒng)的輸入風(fēng)險是管理與控制對象.

圖 1 城市道路交通安全綜合風(fēng)險控制模型Fig.1 A comprehensive risk control model for urban road traffic safety

該系統(tǒng)控制目標(biāo)是使城市系統(tǒng)的輸出風(fēng)險水平趨于城市系統(tǒng)需要的某種狀態(tài). 系統(tǒng)輸出風(fēng)險水平與系統(tǒng)控制效率和系統(tǒng)輸入風(fēng)險水平相關(guān). 一般情況下， 控制系統(tǒng)的控制效率相對穩(wěn)定， 系統(tǒng)的輸出風(fēng)險水平和輸入風(fēng)險水平成正相關(guān)關(guān)系. 從風(fēng)險控制系統(tǒng)的具體構(gòu)成系統(tǒng)及其中的各要素來看， 它們都受到城市系統(tǒng)中經(jīng)濟(jì)狀況、 產(chǎn)業(yè)分布、 人口狀況、 地理環(huán)境、 道路狀況、 科技水平及政府相關(guān)政策等眾多因素影響. 故而， 城市系統(tǒng)的規(guī)模、 城市化水平、 城市類型、 特性等對該控制系統(tǒng)的運(yùn)行均具有較大影響作用. 從城市系統(tǒng)角度看， 不同城市系統(tǒng)具有不同的經(jīng)濟(jì)、 人口等社會經(jīng)濟(jì)情況[13]， 不同社會經(jīng)濟(jì)情況生成的綜合風(fēng)險必然不同， 其生成的綜合風(fēng)險對于風(fēng)險控制系統(tǒng)即為輸入風(fēng)險. 因此， 不同城市系統(tǒng)具有不同的輸入風(fēng)險； 城市道路交通安全綜合風(fēng)險即為城市系統(tǒng)的生成風(fēng)險. 由圖 1 可知， 城市系統(tǒng)對其風(fēng)險控制系統(tǒng)的影響作用， 就直接表現(xiàn)為城市系統(tǒng)對其子系統(tǒng)的輸入風(fēng)險， 即城市道路交通安全綜合風(fēng)險， 也可以稱為城市系統(tǒng)的生成風(fēng)險. 綜上所述， 城市系統(tǒng)的生成風(fēng)險， 即城市道路交通安全綜合風(fēng)險， 就是城市系統(tǒng)影響作用于風(fēng)險控制系統(tǒng)的直接反映； 城市道路交通安全綜合風(fēng)險越大， 城市系統(tǒng)對風(fēng)險控制系統(tǒng)的影響作用越大. 可以將城市道路交通安全綜合風(fēng)險水平(簡稱為綜合風(fēng)險水平)作為這一作用的一個表征量， 進(jìn)一步定量研究城市系統(tǒng)對其風(fēng)險控制系統(tǒng)的影響作用.

1.3 城市系統(tǒng)綜合風(fēng)險水平分析

1.3.1 風(fēng)險度量

根據(jù)道路交通安全風(fēng)險理論研究成果[9，11，14]， 在城市系統(tǒng)的風(fēng)險控制子系統(tǒng)中， 控制風(fēng)險是在一定時期該系統(tǒng)內(nèi)部所有構(gòu)成要素風(fēng)險的耦合結(jié)果. 城市系統(tǒng)控制風(fēng)險基本度量形式為

R=(g1,g2,…,gn)·(r1,r2,…,rn)T,(1)

式中：R為控制風(fēng)險；ri為要素風(fēng)險源的風(fēng)險，ri=ri(hi,pi,di)(i=1,2,…,n)，pi為要素風(fēng)險源風(fēng)險發(fā)生的概率，di為要素風(fēng)險源可能造成的風(fēng)險損失，hi為要素風(fēng)險源的子風(fēng)險源風(fēng)險；gi表示要素風(fēng)險源風(fēng)險在合成綜合風(fēng)險時的函數(shù)關(guān)系， 與時間、 要素風(fēng)險源數(shù)量等有關(guān). 由此可見， 控制風(fēng)險水平取決于其風(fēng)險概率與風(fēng)險損失， 而且與它們正相關(guān).

1.3.2 綜合風(fēng)險水平特性及表征指標(biāo)分析

城市系統(tǒng)綜合風(fēng)險水平基本度量形式雷同于城市系統(tǒng)控制風(fēng)險， 正相關(guān)于其風(fēng)險概率與風(fēng)險損失. 考慮城市系統(tǒng)輸入風(fēng)險和輸出風(fēng)險的正相關(guān)關(guān)系， 以及控制系統(tǒng)的控制效率和輸入風(fēng)險概率在一定時期內(nèi)具有相對穩(wěn)定性的特點(diǎn)， 城市系統(tǒng)綜合風(fēng)險水平可以借助控制風(fēng)險(輸出風(fēng)險)的風(fēng)險損失進(jìn)行量化分析. 風(fēng)險損失雖然在管理控制中是未來事件， 但是與已經(jīng)發(fā)生的道路交通事故的損害后果具有相對穩(wěn)定的正相關(guān)關(guān)系. 因此， 最終選用道路交通事故的絕對損害系數(shù)作為綜合風(fēng)險水平的量化表征指標(biāo). 道路交通事故絕對損害系數(shù)(簡稱絕對損害系數(shù))具體是指， 一定范圍及時期內(nèi)道路交通事故(風(fēng)險事件)造成的平均損害程度， 可以用一定時期內(nèi)的絕對經(jīng)濟(jì)損失表示. 該系數(shù)越大， 表明這一時期及范圍系統(tǒng)綜合風(fēng)險中風(fēng)險損失越大， 相應(yīng)的綜合風(fēng)險也越大， 綜合風(fēng)險水平越高. 其計(jì)算式(2)為

AH+L/Q′,(2)

式中：S為道路交通事故絕對損害系數(shù)；D為統(tǒng)計(jì)范圍及周期內(nèi)交通事故造成的死亡人數(shù)；AD為交通事故造成人員死亡轉(zhuǎn)為經(jīng)濟(jì)損失系數(shù)， 可以結(jié)合國家相關(guān)規(guī)定確定為20[15]；AH為交通事故造成人員受傷轉(zhuǎn)為經(jīng)濟(jì)損失系數(shù)， 可以結(jié)合國家相關(guān)規(guī)定確定為10[15]；f,d為統(tǒng)計(jì)范圍及周期內(nèi)城鎮(zhèn)居民人均可支配收入、 農(nóng)村居民人均純收入(單位為萬元)；Q為統(tǒng)計(jì)范圍及周期內(nèi)事故起數(shù).

利用式(2)計(jì)算我國2004年～2013年的絕對損害系數(shù). 所需原始數(shù)據(jù)來源為《中國統(tǒng)計(jì)年鑒》(2004～2013)， 計(jì)算結(jié)果見表 1.

表 1 我國2004年～2013年的道路交通事故情況

由表 1 數(shù)據(jù)分析可知， 2004年～2013年期間， 我國道路交通事故統(tǒng)計(jì)死人數(shù)、 起數(shù)指標(biāo)均呈現(xiàn)出逐年遞減趨勢， 但交通事故的絕對損害系數(shù)逐年遞增. 由絕對損害系數(shù)與道路交通安全綜合風(fēng)險水平的正相關(guān)關(guān)系， 表明近年來全國道路交通安全綜合風(fēng)險水平整體呈現(xiàn)上升趨勢. 具體分析， 這一時期我國道路交通系統(tǒng)整體呈現(xiàn)規(guī)?？焖贁U(kuò)大趨勢， 導(dǎo)致其綜合安全風(fēng)險加大， 符合風(fēng)險生成的基本規(guī)律. 由以上分析可知， 隨著近年來我國城鎮(zhèn)化程度的逐年提高， 我國城市的綜合風(fēng)險水平總體呈現(xiàn)上升趨勢. 因此， 可以選用道路交通事故絕對損害系數(shù)作為城市的綜合風(fēng)險水平的相關(guān)性表征指標(biāo).

2 評價指標(biāo)體系構(gòu)建

2.1 評價方法及指標(biāo)體系設(shè)計(jì)思路

由前述可知， 交通事故的絕對損害系數(shù)與綜合風(fēng)險水平具有正相關(guān)關(guān)系， 將其作為表征風(fēng)險控制系統(tǒng)受作用于城市系統(tǒng)的特定指標(biāo)， 可以此構(gòu)建具有正相關(guān)性的綜合風(fēng)險水平評價指標(biāo)體系. 借助城市范圍具體時期相應(yīng)指標(biāo)統(tǒng)計(jì)數(shù)據(jù)， 根據(jù)指標(biāo)與綜合風(fēng)險水平的正相關(guān)性這一特點(diǎn)， 采用聚類分析的方法對這一時期不同城市的綜合風(fēng)險水平進(jìn)行橫向評價. 指標(biāo)體系構(gòu)建的基本思路是， 以道路交通事故的絕對損害系數(shù)為參照， 以風(fēng)險控制系統(tǒng)的構(gòu)成要素風(fēng)險源為指針， 具體分析城市系統(tǒng)中具有直接作用的要素選取指標(biāo)， 即一般選取具有相關(guān)關(guān)系的絕對指標(biāo). 考慮指標(biāo)選取的可獲得性和城市統(tǒng)計(jì)數(shù)據(jù)的可行性， 以及統(tǒng)計(jì)取樣盡可能長時期大范圍的原則， 在我國現(xiàn)有國家統(tǒng)計(jì)指標(biāo)體系中進(jìn)行選擇構(gòu)建.

2.2 指標(biāo)體系構(gòu)建

在確定指標(biāo)時， 為考慮控制系統(tǒng)的控制效率和輸入風(fēng)險概率在一定時期內(nèi)具有相對穩(wěn)定性的特點(diǎn)， 選取全國范圍內(nèi)2004年～2013年的交通事故統(tǒng)計(jì)數(shù)據(jù)， 計(jì)算道路交通事故的絕對損害系數(shù)， 結(jié)果見表 1. 依照風(fēng)險控制系統(tǒng)的8個構(gòu)成要素， 在我國國家統(tǒng)計(jì)指標(biāo)中人工初選. 對應(yīng)風(fēng)險控制系統(tǒng)的8個構(gòu)成要素， 可以初選出12個統(tǒng)計(jì)指標(biāo). 將12個統(tǒng)計(jì)指標(biāo)數(shù)據(jù)對表 1 中的絕對損害系數(shù)進(jìn)行相關(guān)性識別. 選擇在顯著性水平為0.01時的Pearson系數(shù)大于0.8的指標(biāo)， 在此基礎(chǔ)上再對其進(jìn)行有效性t檢驗(yàn)(大于t0.005(8)=3.355 4)， 最終遴選出其中相關(guān)性較強(qiáng)的指標(biāo). 選取《中國統(tǒng)計(jì)年鑒》(2004～2013)中相關(guān)統(tǒng)計(jì)指標(biāo)的原始數(shù)據(jù)， 借助SPSS軟件對數(shù)據(jù)進(jìn)行處理， 結(jié)果見表 2.

表 2 最終遴選指標(biāo)的Pearson系數(shù)及t檢驗(yàn)

由表 2 可知， 對應(yīng)控制系統(tǒng)的8要素(因部分要素在現(xiàn)有統(tǒng)計(jì)體系中無明顯對應(yīng)統(tǒng)計(jì)指標(biāo)， 可將其合并為其他類構(gòu)成要素， 待完善統(tǒng)計(jì)體系后可再補(bǔ)充完整)， 共選取了符合要求的9個相關(guān)指標(biāo). 考慮到鄉(xiāng)村人口指標(biāo)的負(fù)相關(guān)性， 將其與城鎮(zhèn)人口指標(biāo)合并為一個指標(biāo)， 即城鄉(xiāng)人口比(城鎮(zhèn)人口數(shù)與鄉(xiāng)村人口數(shù)的比值). 最終由8個指標(biāo)構(gòu)成了控制系統(tǒng)的要素相關(guān)指標(biāo)體系， 作為正相關(guān)的綜合風(fēng)險水平評價指標(biāo)體系. 為了驗(yàn)證這8個指標(biāo)體系與城市道路交通安全綜合風(fēng)險的復(fù)合相關(guān)性， 再次識別它們與絕對損害系數(shù)數(shù)據(jù)的復(fù)相關(guān)系數(shù). 借助SPSS軟件計(jì)算可得復(fù)相關(guān)系數(shù)為1， 顯著性水平為0.05時有效性F檢驗(yàn)值為4 851.248， 遠(yuǎn)大于標(biāo)準(zhǔn)值F0.05(1,8)=238.9， 復(fù)相關(guān)檢驗(yàn)有效. 由此可知， 該指標(biāo)體系中所有指標(biāo)與綜合風(fēng)險水平的具有高度正相關(guān)性.

2.3 指標(biāo)權(quán)重計(jì)算

依據(jù)所構(gòu)建指標(biāo)體系與道路交通事故絕對損害系數(shù)的高度相關(guān)情況， 采用模糊相關(guān)系數(shù)法[16]計(jì)算各指標(biāo)的權(quán)重值.

2.3.1 標(biāo)定模糊相似矩陣A

在2004年～2013年統(tǒng)計(jì)數(shù)據(jù)中將指標(biāo)體系中8個指標(biāo)用相關(guān)系數(shù)法進(jìn)行標(biāo)定， 得到模糊相似矩陣A， 記為A=(aij)8×8， 這里aij(i,j=1,2,…,8)為

(3)

2.3.2 計(jì)算指標(biāo)間多元相關(guān)系數(shù)ρi

第i個指標(biāo)與其它7個指標(biāo)間多元相關(guān)系數(shù)為ρi，

(4)

2.3.3 計(jì)算指標(biāo)的權(quán)重ωi

第i個指標(biāo)的權(quán)重為ωi， 計(jì)算公式為

(5)

應(yīng)用該方法， 借助Matlab軟件編程可以對原始數(shù)據(jù)進(jìn)行處理計(jì)算出指標(biāo)權(quán)重. 最終構(gòu)建城市聚類評價指標(biāo)體系及指標(biāo)權(quán)重， 見表 3.

表 3 城市分類指標(biāo)體系及指標(biāo)權(quán)重

3 城市聚類評價方法

3.1 系統(tǒng)要素指標(biāo)測度計(jì)算

按照表 3 構(gòu)建的城市聚類評價的指標(biāo)體系收集所要研究城市的具體統(tǒng)計(jì)期原始統(tǒng)計(jì)數(shù)據(jù)， 建立系統(tǒng)要素相關(guān)指標(biāo)數(shù)據(jù)矩陣X=(xij)m×8，m為研究城市系統(tǒng)個數(shù). 利用指標(biāo)權(quán)重系數(shù)， 按照表3中控制系統(tǒng)要素類型為劃分依據(jù)， 采用加權(quán)平均法， 獲得m個城市系統(tǒng)的要素指標(biāo)測度矩陣U=(uij)m×5， 計(jì)算公式為

(6)

式中：ωj*(j*=1,2,…,8)為式(5)中的ωi(i=1,2,…,8). 系統(tǒng)要素指標(biāo)測度矩陣U=(uij)m×5的每個列向量對應(yīng)風(fēng)險控制系統(tǒng)要素指標(biāo)， 它仍然保持了與城市系統(tǒng)的綜合風(fēng)險水平的正相關(guān)特性， 也可以反映出所有城市系統(tǒng)在單要素方面的影響作用.

3.2 模糊性標(biāo)定

為了消除指標(biāo)不同量級的影響， 且更好地利用各要素指標(biāo)測度的原始數(shù)據(jù)統(tǒng)計(jì)信息， 對其采用標(biāo)準(zhǔn)差法與極值法進(jìn)行二重標(biāo)定， 獲得矩陣B=(bij)m×5， 計(jì)算公式為

(7)

3.3 模糊C均值聚類分析

根據(jù)城市道路交通安全綜合風(fēng)險控制研究需要, 一方面考慮應(yīng)該人為控制對所有研究城市系統(tǒng)的評價等級數(shù)， 另一方還需獲得某一類型(等級)所表示的綜合風(fēng)險水平程度及各城市系統(tǒng)屬于等級時的程度等信息， 比較現(xiàn)有各種硬聚類方法， 模糊聚類方法能夠滿足這些要求. 此外， 針對系統(tǒng)要素指標(biāo)測度的標(biāo)準(zhǔn)化模糊矩陣B=(bij)m×5進(jìn)行聚類分析， 該矩陣保留了系統(tǒng)要素指標(biāo)測度的正相關(guān)特性； 考慮聚類方法應(yīng)當(dāng)能夠根據(jù)聚類后所得類別之間對指標(biāo)正相關(guān)特性差異的量化表達(dá)來確定每個類型的等級， 依此可以對城市系統(tǒng)的綜合風(fēng)險水平進(jìn)行等級量化. 為此， 最終選擇模糊C均值聚類法(FCM)[17]. 具體應(yīng)用該方法時， 一般可以根據(jù)研究城市的實(shí)際情況人為確定城市的聚類數(shù). 借助Matlab軟件的FCM程序， 可以直接對系統(tǒng)要素指標(biāo)測度的標(biāo)準(zhǔn)化模糊矩陣進(jìn)行聚類分析， 最終得到研究城市的所屬類別等級及屬于該類別的隸屬度(即程度).

3.4 聚類有效性檢驗(yàn)及等級確定

對于模糊C均值聚類法的有效性檢驗(yàn)可以應(yīng)用Friedman檢驗(yàn)[18]. 該方法利用聚類數(shù)和各城市全部指標(biāo)分別屬于每類型的隸屬度作為檢驗(yàn)依據(jù). 具體方法是對模糊C均值聚類法所得模糊分區(qū)矩陣U進(jìn)行Friedman檢驗(yàn)， 99%置信區(qū)間統(tǒng)計(jì)量大于對應(yīng)臨界值即為有效. 在聚類有效前提下， 應(yīng)用模糊C均值聚類結(jié)果確定各城市所屬類型及等級. 具體方法是： 在Matlab運(yùn)行程序輸出的結(jié)果中， 聚類中心矩陣center各行的數(shù)值表示城市每個聚類類型各要素指標(biāo)測度的中心坐標(biāo)值； 行數(shù)為聚類數(shù)， 各行排列序號為系統(tǒng)默認(rèn)聚類號碼， 在Y中的用數(shù)值表示.Y中最后一行數(shù)值對應(yīng)每個城市的所屬類型號碼，I中的數(shù)值對應(yīng)為城市聚類類型號碼的隸屬度. 根據(jù)控制系統(tǒng)要素指標(biāo)與系統(tǒng)綜合風(fēng)險水平的正相關(guān)特性， 每類型中指標(biāo)聚類中心坐標(biāo)center的這一特性可以用來確定該類型對應(yīng)的等級. 即求聚類中心矩陣center中各行的中心坐標(biāo)值的加權(quán)平均值， 所得數(shù)值(簡稱為等級值)的大小排序?qū)?yīng)確定為程度等級， 即數(shù)值越大表明程度越高. 每個類型的程度等級可表示該類型城市系統(tǒng)綜合風(fēng)險水平， 最終以等級量化形式評價所有研究城市系統(tǒng)對其控制子系統(tǒng)的影響作用.

4 山西省地級城市聚類評價

4.1 系統(tǒng)要素指標(biāo)測度計(jì)算

應(yīng)用上述城市聚類評價所構(gòu)建的指標(biāo)體系及方法， 以山西省11個地級城市2012年度的9個相應(yīng)指標(biāo)統(tǒng)計(jì)數(shù)據(jù)為例， 進(jìn)行實(shí)例應(yīng)用. 根據(jù)《山西省統(tǒng)計(jì)年鑒》(2013)統(tǒng)計(jì)數(shù)據(jù)， 利用表3構(gòu)建山西省地級城市要素相關(guān)指標(biāo)數(shù)據(jù)矩陣X=(xij)11×8(因篇幅有限， 未列出)， 應(yīng)用式(6)進(jìn)行要素指標(biāo)測度計(jì)算, 獲得U=(uij)11×5(因篇幅有限， 未列出).

4.2 模糊性標(biāo)定

利用式(7)， 對U=(uij)11×5進(jìn)行模糊標(biāo)準(zhǔn)化標(biāo)定， 借助Matlab軟件計(jì)算， 獲得要素指標(biāo)測度標(biāo)準(zhǔn)化模糊矩陣B=(bij)11×5，

4.3 模糊C均值聚類分析

將山西省11個地級城市聚類數(shù)c定為4， 將B=(bij)11×5作為聚類數(shù)據(jù)， 借助Matlab軟件運(yùn)行FCM程序， 得到系統(tǒng)默認(rèn)山西省地級城市聚類類型號碼及其隸屬度. 應(yīng)用SPSS軟件進(jìn)行Friedman檢驗(yàn)， 99%置信區(qū)間的統(tǒng)計(jì)量為14.018， 大于臨界值11.345(查表所得)， 聚類有效. 根據(jù)聚類中心矩陣center的中心坐標(biāo)的加權(quán)平均值， 確定程度等級由高到低排列為第一到第四類， 結(jié)果見表 4.

表 4 山西省地級城市聚類評價結(jié)果

4.4 山西省地級城市聚類評價結(jié)果分析

這11個城市都是山西省的地級城市， 按照現(xiàn)有城市規(guī)模劃分標(biāo)準(zhǔn)(以城區(qū)人口指標(biāo)劃分)， 分為3類： 除太原市屬于Ⅰ型大城市， 陽泉與朔州屬于中型城市外， 其余都是Ⅱ型大城市. 但是由表 4 可知， 應(yīng)用本文聚類評價方法所得基于綜合風(fēng)險水平的聚類結(jié)果來看， 可以分為4類， 與原有分類結(jié)果并不相同. 太原市屬于第一類城市， 綜合風(fēng)險水平高， 且其隸屬度為1， 說明該城市屬于第一類的程度幾乎是絕對的. 具體分析， 該市作為省會城市， 城市城鄉(xiāng)人口比、 民用汽車擁有量、 公共汽電車客運(yùn)量、 城市建成區(qū)面積、 國內(nèi)生產(chǎn)總值等指標(biāo)值均為最高值且遠(yuǎn)大于其他城市， 見表 5. 可見， 該城市規(guī)模遠(yuǎn)大于其他地級城市， 城市系統(tǒng)相對復(fù)雜， 系統(tǒng)生成綜合風(fēng)險最大， 該城市的綜合風(fēng)險水平最高， 其對風(fēng)險控制子系統(tǒng)影響作用的程度最大. 第二類城市包括大同市、 晉城市和晉中市， 綜合風(fēng)險水平較高， 即系統(tǒng)生成風(fēng)險水平較高, 其對風(fēng)險控制子系統(tǒng)影響作用的程度較大. 它們的隸屬度均大于0.8， 屬于第二類的程度是肯定的. 具體分析， 這3個城市比較突出的情況是控制系統(tǒng)中道路要素值， 特別是指標(biāo)權(quán)重最高的城市道路面積這一指標(biāo)處于高水平(見表5)， 對于綜合風(fēng)險水平的影響程度較大. 第三類城市包括長治市、 運(yùn)城市和臨汾市， 這類型城市風(fēng)險水平一般， 即系統(tǒng)生成風(fēng)險水平一般； 其對風(fēng)險控制子系統(tǒng)影響作用的程度一般； 隸屬度均大于0.8， 屬于第三類的程度是肯定的. 這3個城市多數(shù)指標(biāo)處于中下水平(見表5)， 綜合評價城市系統(tǒng)生成風(fēng)險水平屬于一般水平. 第四類城市包括陽泉市、 朔州市、 忻州市和呂梁市， 這類型城市綜合風(fēng)險水平低， 即系統(tǒng)生成風(fēng)險水平低， 其對風(fēng)險控制子系統(tǒng)影響作用的程度低； 其中陽泉市和呂梁市的隸屬度均在0.5～0.8范圍， 屬于第四類的程度是基本肯定的， 朔州市、 忻州市屬于第四類的程度是肯定的. 其中， 忻州市、 呂梁市的城鄉(xiāng)人口比、 城市建成區(qū)面積兩項(xiàng)指標(biāo)處于最低水平， 民用汽車擁有量指標(biāo)僅略高于陽泉、 朔州(見表5)， 可見將其與陽泉、 朔州歸為一類是合理的. 以上這一評價結(jié)果是針對2012年， 根據(jù)每年相應(yīng)的統(tǒng)計(jì)數(shù)據(jù)， 應(yīng)用該方法還可以實(shí)現(xiàn)對山西省地級城市綜合風(fēng)險水平的動態(tài)評價.

表 5 山西省11個地級城市2012年度的相關(guān)指標(biāo)數(shù)據(jù)

5 結(jié) 論

1) 城市道路交通安全綜合風(fēng)險水平可以作為城市道路交通安全綜合風(fēng)險控制系統(tǒng)受制于城市系統(tǒng)的一個表征量； 道路交通事故絕對損害系數(shù)可以作為其相關(guān)性的表征指標(biāo).

2) 以道路交通事故的絕對損害系數(shù)為參照， 以城市道路交通安全綜合風(fēng)險控制系統(tǒng)的構(gòu)成要素風(fēng)險源為指針， 可以構(gòu)建包括城鄉(xiāng)人口比、 民用汽車擁有量、 公共汽電車客運(yùn)量、 公路貨運(yùn)量、 公路里程、 城市道路面積、 城市建成區(qū)面積、 國內(nèi)生產(chǎn)總值等8個具有正相關(guān)性的城市聚類評價指標(biāo)體系.

3) 利用構(gòu)建的城市聚類評價指標(biāo)體系， 應(yīng)用模糊C均值聚類法可以對不同規(guī)模城市系統(tǒng)進(jìn)行聚類評價， 以此實(shí)現(xiàn)城市系統(tǒng)對其道路交通安全綜合風(fēng)險控制子系統(tǒng)影響作用的橫向等級量化評價.

4) 應(yīng)用本文的城市聚類評價方法， 可以實(shí)現(xiàn)基于道路交通安全綜合風(fēng)險水平的特定期間所研究區(qū)域范圍不同城市系統(tǒng)的模糊聚類. 利用統(tǒng)計(jì)期變換可以實(shí)現(xiàn)對研究城市的動態(tài)評價. 這更有利于城市道路交通安全綜合風(fēng)險動態(tài)控制研究與管理實(shí)踐.

5) 根據(jù)國家相關(guān)統(tǒng)計(jì)指標(biāo)的補(bǔ)充健全， 應(yīng)用本文指標(biāo)體系構(gòu)建方法還可以進(jìn)一步完善所構(gòu)建的聚類評價指標(biāo)體系.

參考文獻(xiàn)：

[1] 姜洋. 系統(tǒng)動力學(xué)視角下中國城市交通擁堵對策思考[J]. 城市規(guī)劃, 2011, 35(11)： 73-80.

Jiang Yang. Reflections on anti-congestion policies in Chinese cities from system dynamics perspective[J]. City Planning Review, 2011, 35(11)： 73-80. (in Chinese)

[2] 孫曉, 劉旭升, 李鋒, 等. 中國不同規(guī)模城市可持續(xù)發(fā)展綜合評價[J]. 生態(tài)學(xué)報, 2016, 36(17)： 1-11.

Sun Xiao, Liu Xusheng, Li Feng, et al. Comprehensive evaluation of sustainable development for different scale cities in China[J]. Acta Ecologica Sinica, 2016, 36(17)： 1-11. (in Chinese)

[3] 謝奔一， 蔣惠園. 基于路網(wǎng)飽和度的城市土地混合利用規(guī)劃[J]. 公路交通科技, 2015, 32(5)： 129-134.

Xie Benyi, Jiang Huiyuan. Urban mixed-land-use planning based on road network saturation[J]. Journal of Highway and Transportation Research and Development, 2015, 32(5)： 129-134. (in Chinese)

[4] 石艷， 范興華. 長三角地區(qū)城市水安全模糊聚類分析[J]. 水電能源科學(xué)， 2014, 32(4)： 147-150.

Shi Yan, Fan Xinghua. Fuzzy clustering on urban water security in Yangtze delta[J]. Water Resources and Power, 2014, 32(4)： 147-150. (in Chinese)

[5] Bao Q， Ruan D， Shen Y J, et al. Improved hierarchical fuzzy TOPSIS for road safety performance evaluation [J]. Knowledge-Based Systems, 2012, 32： 84-90.

[6] 黨曉旭， 王元慶， 吳洲豪， 等． 區(qū)域道路交通安全變化測度研究[J]. 中國安全科學(xué)學(xué)報， 2015, 25(1)： 152-157.

Dang Xiaoxu, Wang Yuanqing, Wu Zhouhao, et al. Research on variation metric of regional road traffic safety[J]. China Safety Science Journal, 2015, 25(1)： 152-157. (in Chinese)

[7] 張燁， 文竹. 煤炭城市道路規(guī)劃[J]. 煤炭技術(shù), 2013, 32(4)： 117-118.

Zhang Ye, Wen Zhu. Coal cities urban road planning[J]. Coal Technology, 2013, 32(4)： 117-118. (in Chinese)

[8] 龔鵬飛. 城市道路交通突發(fā)事件應(yīng)急響應(yīng)分級研究[J]. 現(xiàn)代城市研究, 2015(3)： 23-27.

Gong Pengfei. Classification of emergency response to urban road traffic emergencies[J]. Modern Urban Research, 2015(3)： 23-27. (in Chinese)

[9] 趙學(xué)剛. 城市道路交通安全風(fēng)險分類動態(tài)評價技術(shù)[J]. 中北大學(xué)學(xué)報(自然科學(xué)版), 2014, 35(4)： 419-426.

Zhao Xuegang. Dynamic evaluation technology about classification of urban road traffic safety risks[J]. Journal of North University of China(Natural Science Edition), 2014, 35(4)： 419-426. (in Chinese)

[10] 勞昕， 沈體雁， 孔赟瓏. 中國城市規(guī)模分布實(shí)證研究——基于微觀空間數(shù)據(jù)和城市聚類算法的探索[J]． 浙江大學(xué)學(xué)報(人文社會科學(xué)版)， 2015, 45(2)： 120-132.

Lao Xin, Shen Tiyan, Kong Yunlong. The empirical research on China’s city size distribution: an exploration based on the micro spatial data and city clustering algorithm[J]. Journal of Zhejiang University(Humanities and Social Sciences), 2015, 45(2)： 120-132. (in Chinese)

[11] 趙學(xué)剛. 城市道路交通安全綜合風(fēng)險預(yù)警控制研究[J]. 中國安全科學(xué)學(xué)報, 2016, 26(2)： 158-163.

Zhao Xuegang. Research on integrated warning control of urban traffic safety risks[J]. China Safety Science Journal, 2016, 26(2)： 158-163. (in Chinese)

[12] 楊浩雄, 李金丹, 張浩, 等. 基于系統(tǒng)動力學(xué)的城市交通擁堵治理問題研究[J]. 系統(tǒng)工程理論與實(shí)踐, 2014, 34(8)： 2135-2143.

Yang Haoxiong, Li Jindan, Zhang Hao, et al. Research on the governance of urban traffic jam based on system dynamics[J]. Systems Engineering-Theory & Practice, 2014, 34(8)： 2135-2143. (in Chinese)

[13] 辛督強(qiáng). 基于熵權(quán)-TOPSIS 模型的我國區(qū)域道路交通安全評價[J]． 物流技術(shù), 2015, 34(9)： 108-110.

Xin Duqiang. Evaluation of regional highway transportation safety in China based on entropy-TOPSIS model[J]. Logistics Technology, 2015, 34(9)： 108-110. (in Chinese)

[14] 趙學(xué)剛， 譚迎新． 區(qū)域道路交通事故傷亡風(fēng)險源分類評價研究[J]．中國安全科學(xué)學(xué)報， 2013， 23(2)： 160-165.

Zhao Xuegang, Tan Yingxin. Classification evaluation of regional road traffic accident casualty risk sources[J]. China Safety Science Journal, 2013， 23(2)： 160-165. (in Chinese)

[15] 趙學(xué)剛. 區(qū)域路網(wǎng)交通安全風(fēng)險動態(tài)預(yù)警關(guān)鍵技術(shù)研究[D]． 西安： 長安大學(xué)， 2010.

[16] 蔣輝, 鄧偉民, 陳曉青. 基于Pearson系數(shù)與多元核支持向量分類的葡萄酒分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2014, 45(1)： 203-208.

Jiang Hui, Deng Weimin, Chen Xiaoqing. Analysis of wine based on Pearson coefficient and multiple kernel support vector classification[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(1)： 203-208. (in Chinese)

[17] 黃艷國， 許倫輝， 鄺先驗(yàn). 基于模糊C均值聚類的城市道路交通狀態(tài)判別[J]. 重慶交通大學(xué)學(xué)報(自然科學(xué)版)， 2015, 34(2)： 102-107.

Huang Yanguo， Xu Lunhui， Kuang Xianyan. Urban road traffic state identification based on FuzzyC-mean clustering[J]. Journal of Chongqing Jiaotong Univresity(Natural Science), 2015, 34(2)： 102-107. (in Chinese)

[18] 王承宗. 中部六省金融、 教育與經(jīng)濟(jì)增長的比較研究[J]. 統(tǒng)計(jì)與決策, 2015, 434(14)： 103-105.

Wang Chengzong. A comarative study of financial education and economic growth in six central provinces[J]. Statistics & Desision, 2015, 434(14)： 103-105. (in Chinese)