基于改進(jìn)TOPSIS法的區(qū)域道路交通安全評價

劉 丹，裴 虹，程靈希，魏永長

(1.武漢理工大學(xué) 中國應(yīng)急管理研究中心,湖北 武漢 430070；2.安全預(yù)警與應(yīng)急聯(lián)動技術(shù)湖北省協(xié)同創(chuàng)新中心, 湖北 武漢 430070；3.貴州財經(jīng)大學(xué) 信息學(xué)院，貴州 貴陽 550025；4.中南財經(jīng)政法大學(xué) 工商管理學(xué)院, 湖北 武漢 430073)

據(jù)世界衛(wèi)生組織統(tǒng)計，全球每年交通事故死亡人數(shù)約125萬人，我國每年因交通事故死亡的人數(shù)已突破25萬人。近幾年，我國交通事故數(shù)量有所下降，但形勢依舊嚴(yán)峻。因此，為了加強我國城市交通安全，并為相關(guān)交通部門做出決策提供一定的數(shù)據(jù)和理論支撐，分析區(qū)域交通事故總體趨勢和影響因素，評價區(qū)域道路交通安全水平具有重要意義[1-2]。

目前，國內(nèi)外關(guān)于道路交通安全評價的研究主要集中在道路交通安全影響因素與道路交通安全關(guān)系、綜合評價模型或方法、評價指標(biāo)選取及規(guī)范化等方面。早期國外道路交通安全評價常用模型有OPPE學(xué)習(xí)心理學(xué)模型[3]和Koornstra模型[4]等。近年來，BAO等[5]采用遺傳模糊TOPSIS方法對區(qū)域交通安全水平進(jìn)行評價；XIANG等[6]則將物聯(lián)網(wǎng)技術(shù)應(yīng)用到道路交通安全預(yù)警機制的研究中；王薇等[7]基于模糊邏輯理論建立了道路交通安全模糊評價模型；周映雪等[8]采用數(shù)據(jù)包絡(luò)分析建立了城市道路交通安全評價模型；周廣振等[9]考慮道路交通中的模糊性，采用改進(jìn)層次分析法建立道路安全評價模型；劉思思[10]采用交通沖突分析技術(shù)分析城市信號平面交叉口情況，建立了以交通量為自變量的交通安全服務(wù)水平評價模型。在道路交通安全評價的指標(biāo)體系建立或指標(biāo)選取方面，早期代表性研究有HAJI[11]構(gòu)建了涵蓋人的教育、健康、生活水平及車輛道路狀況等9個指標(biāo)的道路安全評價指標(biāo)體系。近年大多學(xué)者通常采用事故次數(shù)、死亡人數(shù)、受傷人數(shù)、直接經(jīng)濟損失等絕對指標(biāo)或死亡率等相對指標(biāo)。也有學(xué)者從微觀角度出發(fā)，著眼于道路設(shè)施和軟環(huán)境，如李雪等[12]針對道路交通安全等級評價具有模糊性和隨機性的特性，選用道路交通綜合死亡率、車速差和路面平整度3個評價指標(biāo)；游克思等[13]基于道路條件建立了山區(qū)道路安全評價指標(biāo)體系；范東凱等[14]從城市道路的交通組成、交通量、交通安全設(shè)施、幾何線形、路面質(zhì)量、橫斷面構(gòu)成、交叉口7個方面構(gòu)建了道路安全評價指標(biāo)體系。上述研究中，指標(biāo)體系的建立大多基于文獻(xiàn)查閱或經(jīng)驗判斷，并且主要考慮了人、車、道路的基本要素，指標(biāo)選取過程和指標(biāo)權(quán)重確定均具有一定主觀性。

針對評價指標(biāo)維度的缺失和指標(biāo)權(quán)重確定的主觀性等問題，筆者從道路交通事故視角出發(fā)，通過數(shù)理統(tǒng)計分析了影響道路交通安全的15種因素，由因子分析生成基于“人-車-道路-環(huán)境-管理”的道路交通安全評價指標(biāo)體系；并由各因子的方差貢獻(xiàn)率和因子得分系數(shù)矩陣客觀確定各評價指標(biāo)的綜合權(quán)重，將因子分析引入TOPSIS法，建立了改進(jìn)TOPSIS法的道路交通安全評價模型，實現(xiàn)對道路交通安全的有效評價。

1 區(qū)域道路交通安全評價指標(biāo)體系的構(gòu)建

交通事故的發(fā)生是由人、車、路、環(huán)境等多方面因素耦合失調(diào)而導(dǎo)致的，筆者基于數(shù)理統(tǒng)計，采用因子分析法構(gòu)建了區(qū)域道路交通安全評價指標(biāo)體系。具體步驟為：首先，根據(jù)佰佰安全網(wǎng)上2014—2016年全國各省市道路交通安全事故數(shù)據(jù)，統(tǒng)計得到導(dǎo)致交通事故的15種主要因素，剔除導(dǎo)致事故較少或伴隨其他因素而發(fā)生的因素，得到12類因素作為研究分析的對象；其次，通過Bartlett球度檢驗和KMO檢驗，考察原有變量是否適合進(jìn)行因子分析；再次，根據(jù)原有變量的相關(guān)

系數(shù)矩陣，采用主成分分析法提取公因子，并通過因子旋轉(zhuǎn)，合理改變各因子的方差貢獻(xiàn)率，使因子更易于解釋；最后，根據(jù)旋轉(zhuǎn)成分矩陣對因子依次進(jìn)行命名。旋轉(zhuǎn)成分矩陣如表1所示,基于“人-車-道路-環(huán)境-管理”的區(qū)域道路交通安全評價指標(biāo)體系如圖1所示。

表1 旋轉(zhuǎn)成分矩陣

圖1 基于“人-車-道路-環(huán)境-管理”的區(qū)域道路交通安全評價指標(biāo)體系

2 基于因子分析改進(jìn)TOPSIS評價模型

TOPSIS法是利用逼近理想解的技術(shù)確定評價對象的排序，其核心思想是通過檢測評價對象與最優(yōu)解和最劣解的距離進(jìn)行評價對象的優(yōu)劣排序，具有定量準(zhǔn)確、計算簡便的特點，通用性較強[15]。在TOPSIS法中，權(quán)重的確定是重要環(huán)節(jié)，筆者采用因子分析法確定權(quán)重以消除主觀因素的影響，而且隨著指標(biāo)值發(fā)生變化，指標(biāo)權(quán)重也易于動態(tài)修改。

2.1 構(gòu)造道路交通安全評價決策矩陣T

設(shè)有m個區(qū)域，每個區(qū)域道路交通安全水平評價有n個評價指標(biāo)，得到?jīng)Q策矩陣T=[tik]m×n。

(1)

其中，tik表示第i個區(qū)域道路交通安全水平對應(yīng)于第k個評價指標(biāo)的觀測值。

2.2 構(gòu)造道路交通安全評價規(guī)范化決策矩陣H

采用Z-Score標(biāo)準(zhǔn)化方法對決策矩陣進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化處理，消除評價指標(biāo)觀測值的不同量綱對評價結(jié)果的影響。

(2)

2.3 基于因子分析確定道路交通安全水平權(quán)重規(guī)范化矩陣X

將由因子分析降維處理后的道路交通安全評價指標(biāo)體系的權(quán)重向量W=(W1,W2,…,Wn)與規(guī)范化決策矩陣H相乘，可得權(quán)重規(guī)范化矩陣X：

(3)

式中：xik表示第k個評價指標(biāo)對第i個區(qū)域道路交通安全水平的規(guī)范化加權(quán)值，xik=Wkhik；Wk為第k個評價指標(biāo)的權(quán)重。

2.4 基于因子分析確定道路交通安全水平評價指標(biāo)權(quán)重

將三級指標(biāo)對一級指標(biāo)的權(quán)重Wk作為各因素指標(biāo)的綜合權(quán)重，道路交通安全水平評價指標(biāo)體系的權(quán)重向量W確定步驟如下：

(1)二級指標(biāo)對一級指標(biāo)的權(quán)重Aj。對各個主因子的方差貢獻(xiàn)率歸一化，即獲得各因子相對于一級指標(biāo)的權(quán)重。

(2)三級指標(biāo)對二級指標(biāo)的權(quán)重Ajd。由因子得分系數(shù)矩陣可以得到因子得分函數(shù)，即各個主因子和各影響因素間的線性回歸式，其表明各影響因素如何影響各主因子。因此，將因子得分系數(shù)ajd歸一化，即得到三級指標(biāo)在二級指標(biāo)上的權(quán)重值A(chǔ)jd。

(4)

式中：p為因子個數(shù)；q為每個因子里包含的三級指標(biāo)數(shù)。

(3)三級指標(biāo)對一級指標(biāo)的權(quán)重Wk。三級指標(biāo)在一級指標(biāo)上的權(quán)重Wk，由二級指標(biāo)在一級指標(biāo)上的權(quán)重Aj與三級指標(biāo)在二級指標(biāo)上的權(quán)重Ajd對應(yīng)相乘確定。由此，可得到權(quán)重向量W=(W1,W2,…,Wn)。

2.5 確定加權(quán)正理想解和加權(quán)負(fù)理想解

根據(jù)已構(gòu)建的權(quán)重規(guī)范化矩陣X可知，各影響因素下交通事故指標(biāo)屬于成本型評價指標(biāo)，因此計算加權(quán)正理想解X+和加權(quán)負(fù)理想解X-的公式如下：

(5)

2.6 區(qū)域道路交通安全水平與理想水平的貼近度計算

(6)

2.7 道路交通安全水平理想度計算

設(shè)I為區(qū)域道路交通安全水平的“理想度”[16]，將其定義為：

(7)

根據(jù)式(6)和式(7)可得：

(8)

(9)

若“理想度”小于1，則說明該區(qū)域道路交通安全水平向最優(yōu)方向發(fā)展；反之，則向較差方向發(fā)展。

3 算例分析

3.1 指標(biāo)權(quán)重計算

數(shù)據(jù)來源于佰佰安全網(wǎng)上2014—2016年全國各省市道路交通安全事故數(shù)據(jù)，基于因子分析建立的道路交通安全水平評價指標(biāo)體系，采用具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法得到因子得分系數(shù)矩陣，如表2所示，然后確定三級指標(biāo)各影響因素的綜合權(quán)重，如表3所示。

表2 因子得分系數(shù)矩陣表

3.2 區(qū)域道路交通安全水平評價

根據(jù)表3的三級指標(biāo)權(quán)重值得到加權(quán)正理想解和加權(quán)負(fù)理想解，再由式(6)和式(8)計算得到2014—2016年國內(nèi)部分省市道路交通安全水平貼近度和理想度，如表4所示。

3.3 區(qū)域道路交通安全水平分級及綜合分析

排名在前的區(qū)域道路交通安全水平較高，排名較后的區(qū)域道路交通安全水平較低，即貼近度越高的區(qū)域道路交通安全水平越低。由表4可看出，廣東的道路交通安全水平相對最低，且我國不同區(qū)域道路交通安全水平存在較大差異。按照貼近度大小對各省市道路交通安全水平進(jìn)行分級，分級原則如表5所示。

表3 區(qū)域道路交通安全水平影響因素綜合權(quán)重

表4 2014—2016年區(qū)域道路交通安全水平貼近度和理想度

表5 區(qū)域道路交通安全水平分級原則

根據(jù)表4和表5可以確定各區(qū)域道路交通安全水平等級。道路交通安全水平為1級的區(qū)域有6個，分別是青海、天津、甘肅、黑龍江、重慶、浙江，其中，青海和甘肅都位于我國西部地區(qū)，交通流量和人口密度相對較低，其交通安全狀況相對較好。處于2級水平的有11個，分別是吉林、貴州、上海、湖北、江西、安徽、湖南、遼寧、廣西、福建、河北。處于3級水平的區(qū)域有4個，分別是山西、江蘇、云南、山東。而道路交通安全水平為2、3級的絕大多數(shù)區(qū)域都位于經(jīng)濟相對發(fā)達(dá)的東部和中部地區(qū)。因此，總體而言除去北京和河南，中、東部區(qū)域道路交通安全水平相對較好，經(jīng)濟發(fā)展在一定程度上有助于交通安全水平的提高。陜西、四川、北京、河南的交通安全水平處于第4級，而廣東由于人的不安全行為因素、管理因素及區(qū)域間發(fā)展不平衡等導(dǎo)致該區(qū)域總體交通安全水平最低，處于第5級。北京、廣東雖經(jīng)濟較為發(fā)達(dá)、交通發(fā)展迅速，但道路交通安全水平卻不容樂觀，由此也說明我國區(qū)域道路交通事故的空間布局狀況和區(qū)域間發(fā)展的不平衡。

表4中絕大多數(shù)區(qū)域的“理想度”都小于1，說明大多數(shù)區(qū)域道路交通綜合水平都趨于向好的方向發(fā)展，與當(dāng)前我國各區(qū)域道路交通安全水平的發(fā)展情況吻合，但各省、市在道路交通安全水平仍有待提高。因此，各區(qū)域除了建立高效的交通安全管理體制、重點治理各種道路交通違法行為、加強道路基礎(chǔ)設(shè)施建設(shè)等基本應(yīng)對措施之外，應(yīng)根據(jù)區(qū)域特點因地制宜。另外，各區(qū)域可著重加強源頭管控治理，從微觀細(xì)節(jié)著手，例如改善各十字路口或多發(fā)事段的紅綠燈高度以避免視線阻擋等，提高該區(qū)域的道路交通安全水平。

4 結(jié)論

針對區(qū)域交通安全系統(tǒng)的復(fù)雜性和交通事故影響因素的多樣性，為有效評價區(qū)域道路交通安全水平，預(yù)防交通事故的發(fā)生，筆者從“人-車-道路-環(huán)境-管理”5個維度提出改進(jìn)TOPSIS法的區(qū)域道路交通安全評價模型，得到如下結(jié)論：

(1)該方法通過數(shù)據(jù)統(tǒng)計構(gòu)建道路交通安全評價指標(biāo)體系，有效克服了評價指標(biāo)間的相關(guān)性及多重共線性問題，能充分利用原始數(shù)據(jù)，不損失原指標(biāo)信息，且評價結(jié)果更為客觀、真實，具有較好的適用性。

(2)該方法適用于大量統(tǒng)計數(shù)據(jù)下的動態(tài)區(qū)域交通安全評價，可基于數(shù)據(jù)挖掘技術(shù)用于有效實時動態(tài)評估區(qū)域、路段等的交通安全情況。

參考文獻(xiàn)：

[1] 徐鑫.我國道路交通事故規(guī)律特點及預(yù)防對策分析[J].中國安全科學(xué)學(xué)報,2013,23(11):120-125.

[2] NGHIEM S, COMMANDEUR J J, CONNELLY L B. Determinants of road traffic safety: new evidence from Australia using state-space analysis[J]. Accident Analysis & Prevention,2016(94):65-72.

[3] ANDEREASSON D C. Linking deaths with vehicles and population[J]. Traffic Engineering & Control,1985,26(11):547-549.

[4] NAVIN F P D, BERGAN A, ZHANG G. Road safety model: some fundamental ideas[J].Transportation Research Record Journal of the Transportation Research Board,1996,1563(1):48-56.

[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(8):84-90.

[6] XIANG H K, JI W C. Research of early warning mechanism for traffic safety based on internet of things[J]. Computer Simulation,2011,4(3):131-138.

[7] 王薇,黃瑛,高寧波.基于模糊界定的道路交通安全評價模型[J].交通信息與安全,2013,31(5):87-92.

[8] 周映雪,李明松.基于DEA的城市道路交通安全評價[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2012,36(4):757-760.

[9] 周廣振,簡曉春,朱明明.基于改進(jìn)層次分析法的高速公路交通安全評價[J].公路交通技術(shù),2015(3):120-123.

[10] 劉思思.城市四支平面信號控制交叉口交通安全服務(wù)水平研究[D].北京：北京交通大學(xué)，2011.

[11] HAJI G A. Towards a road safety development index (RSDI) development of an international index to measure road safety performance[Z]. Sweden:Link?ping University Electronic Press,2005.

[12] 李雪,趙寧,鄭晅.基于云模型的道路交通安全等級評價[J].北京工業(yè)大學(xué)學(xué)報,2015(8):1219-1224.

[13] 游克思,孫璐,顧文鈞.變權(quán)綜合評價法在山區(qū)道路安全評價中應(yīng)用[J].系統(tǒng)工程,2010,28(5):85-88.

[14] 范東凱,曹凱.基于主成分分析法的城市道路交通安全評價[J].中國安全科學(xué)學(xué)報,2010,20(10):147-151.

[15] 陸衛(wèi)東,尹彬,韋剛,等.基于熵權(quán)TOPSIS模型的煤礦安全現(xiàn)狀評價[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2017,39(3):270-274.

[16] 劉貴文,鄧飛,王曼.中國建筑產(chǎn)業(yè)競爭力評價研究[J].土木工程學(xué)報,2011,44(7):157-164.