基于FAHP-BP神經(jīng)網(wǎng)絡(luò)的高速公路養(yǎng)護(hù)作業(yè)占道施工風(fēng)險管理研究

張軍華

摘? 要：針對高速公路養(yǎng)護(hù)作業(yè)占道施工存在的風(fēng)險，將模糊層次分析法（FAHP）和誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)各自優(yōu)勢進(jìn)行分析組合，提出基于FAHP-BP的作業(yè)區(qū)占道施工風(fēng)險評估方法，運(yùn)用FAHP-BP模型展開風(fēng)險評估，并根據(jù)評估結(jié)果展開分析，找到作業(yè)區(qū)占道施工的薄弱環(huán)節(jié)，制定針對性措施。通過實(shí)際工程應(yīng)用，表明了FAHP-BP的作業(yè)區(qū)占道施工風(fēng)險評估方法適用于開展高速公路風(fēng)險識別、風(fēng)險評估、風(fēng)險控制全過程風(fēng)險管理，對提高高速工作作業(yè)區(qū)占道施工風(fēng)險管控水平，以及保障駕乘人員及施工作業(yè)人員的人身安全具有重要的實(shí)用價值。

關(guān)鍵詞：高速公路? 養(yǎng)護(hù)施工? 風(fēng)險管理? 模糊層次分析? BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TU415.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2021）07（a）-0023-06

Research on Risk Management of Highway Maintenance Construction Based on FAHP-BP Neural Network

ZHANG Junhua

（Shandong High Speed Co.， Ltd.， Jinan， Shandong Province， 250014? China）

Abstract： In view of the risks existing in the road occupation construction of highway maintenance operation， the respective advantages of fuzzy analytic hierarchy process （FAHP） and error back propagation （BP） neural network are analyzed and combined， and the risk assessment method of road occupation construction in operation area based on FAHP-BP is proposed. The risk assessment is carried out by using FAHP-BP model， and the analysis is carried out according to the assessment results， find out the weak links of road occupation construction in the operation area and formulate targeted measures. Through practical engineering application， it shows that the risk assessment method of road occupation construction in the operation area of FAHP-BP is suitable for the whole process risk management of highway risk identification， risk assessment and risk control. It has important practical value for improving the risk control level of road occupation construction in the high-speed operation area and ensuring the personal safety of drivers and construction workers.

Key Words： Highway; Maintenance construction; Risk management; Fuzzy analytic hierarchy process; BP neural network

日常養(yǎng)護(hù)管理是保證高速公路技術(shù)狀況的重要途徑。隨著我國高速公路建成通車?yán)锍痰脑黾?，日常養(yǎng)護(hù)管理越來越顯示其重要性和必要性。在日常養(yǎng)護(hù)管理技術(shù)方面，我國進(jìn)行了諸多探索，也取得了豐碩的成果，但是日常養(yǎng)護(hù)施工作業(yè)風(fēng)險管理相對不足，也沒有形成系統(tǒng)性的技術(shù)體系。

日常養(yǎng)護(hù)占道施工，會影響車輛通行效率和行駛安全性，因此對高速公路作業(yè)區(qū)占道施工安全風(fēng)險因素展開分析，同時對作業(yè)區(qū)進(jìn)行風(fēng)險評估和控制研究，形成全過程的作業(yè)區(qū)施工風(fēng)險管理，對提高高速公路日常養(yǎng)護(hù)安全管理水平具有重要意義。

1? 評估方法的構(gòu)建

高速公路作業(yè)區(qū)占道施工風(fēng)險評估涉及指標(biāo)多，具有一定的模糊復(fù)雜性，故整體系統(tǒng)性評估困難[1]?，F(xiàn)有風(fēng)險評估方法大多依賴單一評估方法，將兩種評估方法組合起來評價并未廣泛應(yīng)用，本文將FAHP模糊層次分析法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合對作業(yè)區(qū)施工風(fēng)險進(jìn)行評估。

FAHP與BP神經(jīng)網(wǎng)絡(luò)各有優(yōu)勢，將兩種方法結(jié)合，構(gòu)成FAHP-BP評估方法。一方面，利用FAHP優(yōu)勢，考慮指標(biāo)模糊難以量化并將專家經(jīng)驗(yàn)融入評估系統(tǒng)[2];另一方面，利用BP神經(jīng)網(wǎng)絡(luò)挖掘潛藏規(guī)律和延展性強(qiáng)的優(yōu)勢，減少評估過程中主觀隨意性，使評估結(jié)果更可信，并方便新樣本的快速評估[3]。

FAHP-BP評估方法的基本思路是，首先采用模糊優(yōu)先規(guī)劃求解三角模糊判斷矩陣，完成FAHP方法下指標(biāo)賦權(quán)，然后對各指標(biāo)評分，得分經(jīng)歸一化和加權(quán)處理后，作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)。FAHP方法賦權(quán)使得BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時凝練了專家經(jīng)驗(yàn)，待網(wǎng)絡(luò)魯棒性和精確度達(dá)標(biāo)后，保存各網(wǎng)絡(luò)參數(shù)。當(dāng)新樣本加入評估時，只需將各指標(biāo)對應(yīng)的數(shù)據(jù)輸入已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)根據(jù)從訓(xùn)練樣本提取的隱含的規(guī)律，給出仿真結(jié)果，實(shí)現(xiàn)流程如圖1所示。 FAHP-BP評估方法既包含F(xiàn)AHP方法處理復(fù)雜決策系統(tǒng)化的特點(diǎn)，也包含BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的優(yōu)勢，因此可減少評估過程中人的主觀隨意性、思維不定性，進(jìn)而更有效地提高評估的正確性和擴(kuò)展性[4]。

2? 評估指標(biāo)體系的構(gòu)建

2.1 風(fēng)險源來源

風(fēng)險識別作為風(fēng)險評估的第一階段，在高速公路作業(yè)區(qū)占道施工安全問題中，風(fēng)險識別的核心是要確定風(fēng)險源來源[5]。從管理者、施工者和駕駛者3個維度分析，作業(yè)區(qū)施工風(fēng)險主要主要包含管理風(fēng)險、施工風(fēng)險和行車風(fēng)險。其中，駕駛者是整體風(fēng)險的主要制造者，因此駕駛者在風(fēng)險控制中占據(jù)著主動的地位。根據(jù)以往占道施工的事故案例以及相關(guān)評估經(jīng)驗(yàn)，從道路交通系統(tǒng)分析的角度出發(fā)，本文將高速公路作業(yè)區(qū)占道施工風(fēng)險源分為人員因素、車輛及道路因素、環(huán)境因素和施工因素4個方面，將其作為評估一級指標(biāo)[6]。

通過頭腦風(fēng)暴法確定一級指標(biāo)體系下的二級指標(biāo)，結(jié)合問卷調(diào)查，采用主層次分析法完成二級指標(biāo)的刪減和優(yōu)化，最終確定風(fēng)險評估指標(biāo)體系，詳見表1。

2.2 風(fēng)險評估指標(biāo)權(quán)重

利用FAHP確定指標(biāo)權(quán)重的方法有多種，考慮到計(jì)算過程的復(fù)雜程度和選用的模糊化方法，選取Mikhailov提出的模糊優(yōu)先規(guī)劃（fuzzy preference programming，F(xiàn)PP）方法進(jìn)行三角模糊數(shù)的求解，得到高速公路作業(yè)區(qū)占道施工風(fēng)險評估指標(biāo)權(quán)重。經(jīng)計(jì)算，高速公路作業(yè)區(qū)占道施工風(fēng)險評估指標(biāo)權(quán)重見表2。

2.3 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

Robert Hecht-Nielsen證明了任意給定的連續(xù)函數(shù)都可以用隱含層僅有一層的神經(jīng)網(wǎng)絡(luò)精確地逼近，故本文將BP網(wǎng)絡(luò)設(shè)為隱含層僅為一層的三層結(jié)構(gòu)[7]。以指標(biāo)體系中的19個二級指標(biāo)作為輸入層神經(jīng)節(jié)點(diǎn)，各指標(biāo)數(shù)據(jù)進(jìn)行無量綱歸一化至[0，1]區(qū)間內(nèi)，以滿足神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)對輸入范圍的要求。隱含層節(jié)點(diǎn)數(shù)的確定方法目前尚未統(tǒng)一，綜合考慮以往經(jīng)驗(yàn)公式，即、、（其中l(wèi)為隱含層節(jié)點(diǎn)數(shù)，m、n分別為輸入、輸出層節(jié)點(diǎn)數(shù)，a為1～10之間的調(diào)節(jié)常數(shù)），經(jīng)過多次實(shí)驗(yàn)，隱含層節(jié)點(diǎn)數(shù)設(shè)為15。由于高速公路作業(yè)區(qū)占道施工風(fēng)險狀況最后以一個綜合評估值表示，因此輸出層神經(jīng)元數(shù)目設(shè)為1。根據(jù)以上分析，BP網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，同時將風(fēng)險狀況劃分為五級，各等級及對應(yīng)標(biāo)度區(qū)間，詳見表3。

2.4 FAHP-BP網(wǎng)絡(luò)訓(xùn)練及有效性檢驗(yàn)

邀請對高速養(yǎng)護(hù)施工熟悉的人員進(jìn)行指標(biāo)評分，并將結(jié)果進(jìn)行歸一化處理，作為BP神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù)輸入值，歸一化后的數(shù)值與各指標(biāo)綜合權(quán)重相乘所得的結(jié)果作為樣本數(shù)據(jù)輸出值，其中訓(xùn)練樣本數(shù)據(jù)16組，檢驗(yàn)樣本4組。

用MATLAB.R2012a編寫程序進(jìn)行分析計(jì)算，采用梯度下降BP算法（traingd），學(xué)習(xí)效率值為0.1，迭代次數(shù)為20 000，目標(biāo)誤差為10-4，經(jīng)過3359次迭代訓(xùn)練使得均方誤差MSE=9.6888×10-5，滿足使用精度要求，訓(xùn)練過程誤差下降曲線如圖3所示。

訓(xùn)練樣本期望輸出值與實(shí)際輸出值絕對誤差在（-0.01，0.02）之間，如圖4所示。此時保存網(wǎng)絡(luò)參數(shù)。

將第17～20組的檢驗(yàn)樣本數(shù)據(jù)輸入已訓(xùn)練成熟的BP網(wǎng)絡(luò)進(jìn)行仿真測試，以檢驗(yàn)其魯棒性及精確性，結(jié)果如圖5所示。

比較網(wǎng)絡(luò)實(shí)際輸出值與期望輸出值，并判斷各檢驗(yàn)樣本隸屬等級，詳見表4。

由表4可以看出，BP網(wǎng)絡(luò)輸出值與期望值相比，二者數(shù)值相當(dāng)接近，4個檢驗(yàn)樣本中最大的相對誤差僅為1.23%，在高速公路作業(yè)區(qū)占道施工風(fēng)險評估中，這樣的誤差范圍是可以被接受的。同時根據(jù)網(wǎng)絡(luò)實(shí)際輸出值確定風(fēng)險等級，發(fā)現(xiàn)與期望輸出等級相一致，表明FAHP-BP評估方法的可行性。

3? 工程應(yīng)用實(shí)例

青銀高速濰坊段雙向八車道長59km，轄段交通量折合小客車8萬余輛，日常養(yǎng)護(hù)占道施工存在較大的安全風(fēng)險。占道施工作業(yè)主要涉及路基路面病害修補(bǔ)、綠化作業(yè)及護(hù)欄等安全設(shè)施修復(fù)。通過頭腦風(fēng)暴進(jìn)行高速公路作業(yè)區(qū)占道施工危險源識別，構(gòu)建起人、車輛道路、環(huán)境及施工因素四位一體的指標(biāo)體系。通過網(wǎng)絡(luò)節(jié)點(diǎn)參數(shù)的調(diào)節(jié)和樣本的訓(xùn)練，建立起FAHP-BP高速公路作業(yè)區(qū)占道施工風(fēng)險評估模型。利用FAHP-BP評估模型對G20青銀高速濰坊段作業(yè)區(qū)占道施工實(shí)際風(fēng)險狀況進(jìn)行評估，據(jù)統(tǒng)計(jì)，該段高速自2020年1月至2020年9月，占道施工45次。利用所構(gòu)建FAHP-BP作業(yè)區(qū)占道施工風(fēng)險評估模型進(jìn)行風(fēng)險狀況的評估，其中前15次占道施工風(fēng)險評估值如圖6所示。

根據(jù)風(fēng)險評估結(jié)果，可知G20青銀高速濰坊段作業(yè)區(qū)占道施工風(fēng)險有2次隸屬于安全等級，13次隸屬于較安全等級，一般危險等級、較危險等級、危險等級出現(xiàn)次數(shù)均為0。7號、15號評分相對較低，存在一定的風(fēng)險。從占道施工涉及人員、道路車輛、作業(yè)區(qū)布控管理這三大方面的風(fēng)險控制措施著手，制定措施降低該作業(yè)區(qū)占道施工的風(fēng)險水平。

根據(jù)模型風(fēng)險評估結(jié)果，前15次占道施工安全風(fēng)險評估值為0.8513，平均隸屬于較安全等級，經(jīng)過風(fēng)險管理措施的逐步實(shí)施，第16～45次占道施工風(fēng)險評估平均值上升到0.9231（見表5），隸屬于安全等級。由此可知，該段高速日常養(yǎng)護(hù)施工經(jīng)FAHP-BP模型測算評估，并采取針對性措施后，占道區(qū)作業(yè)施工風(fēng)險安全性得到穩(wěn)步提升。

4? 結(jié)語

合理選用評估方法開展高速公路作業(yè)區(qū)施工風(fēng)險管理研究，對認(rèn)清作業(yè)區(qū)占道施工風(fēng)險水平及抗御事故發(fā)生能力具有重要意義。本文從高速公路作業(yè)區(qū)占道施工系統(tǒng)理論和風(fēng)險管理相關(guān)理論出發(fā)，進(jìn)行風(fēng)險的識別，構(gòu)建模糊層次分析法（FAHP）和逆差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)的風(fēng)險評估模型開展風(fēng)險的評估，并提出風(fēng)險的應(yīng)對措施，為高速公路運(yùn)營期間養(yǎng)護(hù)作業(yè)區(qū)占道施工風(fēng)險管理提供內(nèi)容參考與模型支持，結(jié)合G20青銀高速濰坊段作業(yè)區(qū)占道施工實(shí)際案例，完成風(fēng)險狀況的快速評估，對于提高高速公路運(yùn)營期間養(yǎng)護(hù)作業(yè)施工風(fēng)險管理水平，減少事故的發(fā)生提供了風(fēng)險全過程管理理論借鑒，具有重要意義。

參考文獻(xiàn)

[1] 平自要，李玉梅.高速公路施工安全管理模糊評價研究[J].中外公路，2016，36（1）：325-329.

[2] 許林新，苑仁騰，王小雙.基于模糊層次分析的道路交通安全評價研究[J].北方交通，2019（3）：31-34.

[3] 鄭艷江.基于層次分析法的公路施工風(fēng)險影響量化研究[J].山西交通科技，2021（3）：7-9.

[4] 王聰.高速公路施工現(xiàn)場安全管理評價[J].山東交通科技，2021（2）：123-126.

[5] 劉津楠.高速公路項(xiàng)目施工安全風(fēng)險評價研究[D].天津：天津大學(xué)，2016.

[6] 鄭祖恩，龍英.基于AHP-灰色關(guān)聯(lián)度分析的公路工程施工風(fēng)險評價研究[J].湖南交通科技. 2021，47（1）：48-51.

[7] 陳海龍，彭偉.改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在交通事故預(yù)測中的研究[J].華東師范大學(xué)學(xué)報：自然科學(xué)版，2017（2）：66-73.