山區(qū)高速公路隧道群路段危化品運(yùn)輸風(fēng)險(xiǎn)評價(jià)體系研究

黃合來，羅啟章，彭韻穎，王杰，李祥，張弛

?

山區(qū)高速公路隧道群路段?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系研究

黃合來1，羅啟章1，彭韻穎1，王杰1，李祥2，張弛2

(1. 中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長沙，410075；2. 湖南省公安廳交通管理局，湖南 長沙，410003)

以湖南雪峰山隧道群路段為研究對象，針對其嚴(yán)峻的?；愤\(yùn)輸安全管理形勢，調(diào)研事故路段特征、?；愤\(yùn)輸信息及交通事故特征，構(gòu)建交通安全評價(jià)模型。以該模型為基礎(chǔ)，通過建立各要素修正因子庫，構(gòu)建?；愤\(yùn)輸風(fēng)險(xiǎn)識別和風(fēng)險(xiǎn)值評價(jià)模型，提出危化品運(yùn)輸風(fēng)險(xiǎn)評價(jià)體系。研究結(jié)果表明：事故預(yù)測結(jié)果與實(shí)際結(jié)果較一致，事故識別與評價(jià)模型、評價(jià)原則共同構(gòu)建的?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系具有一定的現(xiàn)實(shí)指導(dǎo)意義。

交通工程；交通安全管理；風(fēng)險(xiǎn)識別；?；愤\(yùn)輸；山區(qū)高速公路

目前，我國危化品大部分經(jīng)公路運(yùn)輸，在運(yùn)輸過程中伴隨著泄漏事故的潛在風(fēng)險(xiǎn)，一旦發(fā)生事故，泄露的?；穼Νh(huán)境和人的健康造成很大危害。經(jīng)由國家性交通運(yùn)輸主要干道、特大橋梁、特長隧道的危化品運(yùn)輸是整個(gè)運(yùn)輸過程的關(guān)鍵環(huán)節(jié)。截止2015年底，全國高速公路車道里程為54.84萬km，公路隧道為14 006處、1 268.39萬m[1]。其中，特長隧道744處、329.98萬 m，長隧道3 138處、537.68萬m，承擔(dān)著大量?；愤\(yùn)輸?shù)闹厝?。滬?上?！ッ?高速公路邵懷段(湖南邵陽—懷化，K1274—K1428)包含14座隧道，尤其在主線K1348+660至K1367+901處 19 km的路段集中了10座隧道，單洞長度10.491 km，屬于典型的隧道群路段。其中最長的雪峰山隧道為雙洞雙車道隧道，全長6 956 m，是目前全國高速公路第三長隧道。該路段地勢險(xiǎn)要，隧道密布，橋隧相連，密閉性強(qiáng)，通風(fēng)性差，抗爆抗熱能力弱。旺盛的危化品運(yùn)輸通行需求給該隧道群路段帶來了極大的安全隱患和事故風(fēng)險(xiǎn)。因此，需建立?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系，以便為營造該路段?；愤\(yùn)輸良性、有序和科學(xué)的安全管理環(huán)境提供重要保障。相關(guān)研究證明，道路交通事故是引發(fā)危險(xiǎn)化學(xué)品運(yùn)輸事故的主要原因之一[2?3]，為此，本文作者在調(diào)研交通事故數(shù)據(jù)、道路設(shè)計(jì)參數(shù)及?；愤\(yùn)輸現(xiàn)狀的基礎(chǔ)上，運(yùn)用交通安全分析、風(fēng)險(xiǎn)研判等理論和技術(shù)，建立基于交通事故預(yù)測的?；愤\(yùn)輸風(fēng)險(xiǎn)識別模型，以便為構(gòu)建?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系提供參考。

1 ?；芳敖煌ㄊ鹿蕯?shù)據(jù)分析

1.1 危化品運(yùn)輸數(shù)據(jù)分析

2008—2014年，原雪峰山交警中隊(duì)共查處?；愤\(yùn)輸車輛違法案例293起，經(jīng)統(tǒng)計(jì)分析發(fā)現(xiàn)：研究路段?；愤\(yùn)輸種類繁多，包括煙花爆竹、液堿、雙氧水、精酚、液化氣等在內(nèi)的爆炸物、易燃物、劇毒品、腐蝕物、氧化物等多種危險(xiǎn)化學(xué)品，其中查處煙花爆竹類違法運(yùn)輸次數(shù)最多；?；穪碓捶植紡V泛，?；奋囕v來自于湖南、江西、安徽、湖北、河南、江蘇、山東、陜西、貴州、四川、云南等18個(gè)省份。

1.2 交通事故統(tǒng)計(jì)分析

研究路段在2011?10—2016?04共發(fā)生1 613起簡易事故和78起一般事故，按照交通事故的嚴(yán)重程度分為財(cái)產(chǎn)損失事故(即無人員傷亡事故，1 577起)、傷人事故(82起)和死亡事故(32起)。對事故發(fā)生的時(shí)間特征、天氣條件、車輛類型及事故形態(tài)等主要特征進(jìn)行統(tǒng)計(jì)分析，結(jié)果顯示：

1) 事故頻次最高的月份依次為2月、4月和10月份。事故高發(fā)月份包含春節(jié)、清明節(jié)及國慶節(jié)等國家法定節(jié)假日，交通流量較大，對事故數(shù)增多可能有一定影響。圖1所示為交通事故按月份分布圖。

2) 10:00—12:00與16:00—18:00是事故高發(fā)時(shí)間段，可能與該時(shí)間段交通流量增大相關(guān)。然而，夜間事故嚴(yán)重程度(尤其是凌晨)比白天發(fā)生事故的嚴(yán)重程度高，與駕駛員疲勞駕駛等因素相關(guān)[4?5]。圖2所示為交通事故24 h分布圖。

圖1 交通事故按月份分布圖

圖2 交通事故24 h分布

3) 駕駛小型客車發(fā)生事故數(shù)最多，駕駛重型貨車和大型客車發(fā)生交通事故時(shí)嚴(yán)重程度較高。而之前的研究也證明，事故風(fēng)險(xiǎn)與車輛類型組成存在關(guān)聯(lián)[6?7]。表1所示為責(zé)任者交通組成分布，其中，其他類型包括駕駛微型汽車、駕駛中型貨車、駕駛中型客車、駕駛低速貨車、駕駛其他機(jī)動(dòng)車、駕駛微型貨車、駕駛普通摩托車及步行。

4) 平直與急彎陡坡的道路線形條件下發(fā)生的一般交通事故較多，急彎陡坡較容易發(fā)生死亡事故。其中，由于簡易事故無“道路線性”屬性列，故只統(tǒng)計(jì)分析一般事故的道路線形特征。表2所示為不同道路線型下一般事故分布。

表1 責(zé)任者交通組成分布

表2 不同道路線型下一般事故分布

5) 晴天事故數(shù)量最多，但霧天條件下更容易發(fā)生嚴(yán)重傷害事故。雪天發(fā)生事故時(shí)傷亡事故發(fā)生的可能性最低，其主要原因可能是雪天駕駛員行車更謹(jǐn)慎，車速較低。表3所示為不同天氣下的事故分布。

表3 不同天氣下事故分布

上述分析揭示了雪峰山隧道群路段危化品運(yùn)輸面臨的嚴(yán)峻問題和研究路段的交通事故特征。但僅僅描述事故特征并不能全面認(rèn)識研究路段事故相關(guān)風(fēng)險(xiǎn)因素，尤其是不能挖掘道路特征影響下的事故發(fā)生規(guī)律，因此，需要對此進(jìn)行進(jìn)一步分析和研究，并建立?；愤\(yùn)輸風(fēng)險(xiǎn)識別模型。

2 交通事故預(yù)測建模

2.1 數(shù)據(jù)采集與處理

影響事故發(fā)生的因素有很多，包括駕駛行為、道路線形特征、道路環(huán)境條件等。同一路段駕駛行為特征具有相似性，且事故案卷無法詳細(xì)記錄駕駛行為，故本文基于道路線形、交通設(shè)施及交通環(huán)境特征預(yù)測交通事故風(fēng)險(xiǎn)。數(shù)據(jù)采集于湖南省高速公路交通警察局和高速公路管理局，包括東往西、西往東方向洞口至安江互通路段(K1341.0—K1401.0)的道路線形數(shù)據(jù)和相應(yīng)路段2011?10—2016?04發(fā)生的交通事故數(shù)據(jù)。具體采集變量如下：道路線形的變量有坡度、坡度方向、彎曲度、曲率半徑、路基類型、隧道、平曲線彎曲方向、曲線比、車道數(shù)、路段長度、坡長、隧道長度、路肩寬、路緣寬；交通運(yùn)行特征變量有貨車數(shù)占比、年平均日交通量、日均車行駛里程。

億車公里事故率(次/(108輛?km))是通用的道路交通事故率指標(biāo)之一，表示1億輛車行駛1 km發(fā)生的事故數(shù)。相比路段長度作為事故機(jī)會(huì)變量，將億車公里事故率作為事故機(jī)會(huì)變量可排除因車流量差異引起事故率不均的問題[7?8]。

通過對解釋變量進(jìn)行相關(guān)性檢驗(yàn)和共線性檢 驗(yàn)[9]，篩選出4個(gè)最能表征事故風(fēng)險(xiǎn)影響因素的變量作為解釋變量，即坡度及坡度方向、曲率半徑、曲線比、隧道。

其中，將坡度與坡度方向通過無序分類變量進(jìn)行合并。上坡標(biāo)記為正值，下坡標(biāo)記為負(fù)值，將坡度變量劃分為4個(gè)類別，并對其編碼：坡度0~2%取0；坡度＞2%取1；坡度?2%~0取2；坡度＜?2%取3。

采用無序分類變量的形式分類曲率半徑。將曲率半徑變量劃分為4個(gè)類別，并對其編碼：直線段取0；曲率半徑＜1 km取1；曲率半徑1~2 km取2；曲率半徑＞2 km取3。而曲線比的值分布在0至1之間，對其他事故風(fēng)險(xiǎn)變量影響較小，無需標(biāo)準(zhǔn)化處理。

隧道內(nèi)車輛駕駛行為與隧道外駕駛行為差別較大，將隧道區(qū)段分為隧道進(jìn)口(100 m范圍內(nèi))、隧道內(nèi)、隧道出口(100 m范圍內(nèi))、隧道外4個(gè)類別，并對其編碼：隧道外取0、隧道進(jìn)口100 m范圍內(nèi)取1、隧道內(nèi)取2、隧道出口100 m范圍內(nèi)取3[10]。圖3所示為隧道分段示意圖。

圖3 隧道分段示意圖

表4所示為最終得到的參與建模變量描述性統(tǒng)計(jì)結(jié)果。

表4 參與建模變量描述性統(tǒng)計(jì)

2.2 路段劃分

分東往西、西往東方向?qū)Χ纯谥涟步ネ范?K1341.0—K1401.0)進(jìn)行同質(zhì)性分段，主要以道路構(gòu)造、橫縱斷面特性的一致性為分段依據(jù)。為避免出現(xiàn)分段長度過小導(dǎo)致事故機(jī)會(huì)變量過小、段內(nèi)事故率過大的統(tǒng)計(jì)誤差，分段時(shí)將分段長度小于50 m的路段與特征屬性類似的相鄰路段合并[9]。

同時(shí)，由于研究路段隧道密集，為探究事故率與隧道位置的關(guān)系，將路段分為隧道進(jìn)口100 m、隧道內(nèi)、隧道出口100 m、隧道外(與隧道無關(guān)) 4類。最后，將洞口至安江互通的路段分為275段，其中由西往東方向141段，東往西方向134段，并將事故頻次劃分到275段路段。

2.3 事故頻次預(yù)測模型

事故發(fā)生頻次分布過程近似為泊松過程。而經(jīng)統(tǒng)計(jì)分析，洞口至安江互通路段內(nèi)各分段事故數(shù)均值為5.580，事故數(shù)方差為7.210，事故數(shù)方差大于事故數(shù)均值，存在數(shù)據(jù)過度離散的現(xiàn)象，標(biāo)準(zhǔn)的泊松模型可能低估了參數(shù)的標(biāo)準(zhǔn)誤差、高估其顯著性水平、保留多余的解釋變量，導(dǎo)致預(yù)測結(jié)果不合理，因此，采用負(fù)二項(xiàng)分布模型進(jìn)行事故頻次預(yù)測。負(fù)二項(xiàng)分布模型即在泊松模型的均值連接函數(shù)中引入服從伽馬分布的殘差項(xiàng)，以應(yīng)對交通事故數(shù)據(jù)中普遍存在的過度離散問題，能有效提升模型預(yù)測精度[9, 11]。模型形式如下：

式中：y為在路段(=1，2，…，275)(西往東141段，東往西134段)內(nèi)發(fā)生事故數(shù)；為泊松分布的均值；e為事故機(jī)會(huì)；X為事故風(fēng)險(xiǎn)變量；和為預(yù)測回歸參數(shù)；為殘差，服從伽馬分布。同時(shí)，有

式中：2為回歸平方和占總離差平方和的比例，表征預(yù)測模型的擬合度，介于0~1之間。擬合度越接近1，說明模型越精確，回歸擬合效果越好。

2.4 模型結(jié)果

經(jīng)計(jì)算，得到模型模擬結(jié)果如表5所示，表中：和ε分別為式(3)中的截距和殘差，為模型結(jié)果的顯著性水平，2為模型的擬合度指標(biāo)。擬合度指標(biāo)2為0.503。結(jié)合歷史研究[9]，該結(jié)果表明模型擬合度較高?；谑鹿暑A(yù)測模型結(jié)果，對模型模擬結(jié)果進(jìn)行 分析。

1) 坡度。雪峰山隧道群路段地形特殊，坡度變化大。模型模擬結(jié)果顯示，坡度條件危險(xiǎn)度從大到小排列依次為坡度小于?2%、坡度大于2%、坡度為?2%~0、坡度為0~2%?？傮w來說，坡度絕對值越大越易引發(fā)交通事故，且在同一坡度絕對值范圍內(nèi)，下坡比上坡更易引發(fā)交通事故。由于下坡時(shí)車輛存在慣性，且坡度越大，車速越難控制，因此，坡度與事故率存在顯著負(fù)相關(guān)關(guān)系。預(yù)測結(jié)果與文獻(xiàn)[12]中結(jié)果基本吻合。

2) 曲率半徑、曲線比。曲率半徑越大，表明同等條件下駕駛路線越平緩。模型模擬結(jié)果顯示：坡度系數(shù)危險(xiǎn)度從大至小依次為直線、曲率半徑小于1 km、曲率半徑為1~2 km、曲率半徑為2~3 km、曲率半徑大于3 km。整體而言，合適曲線設(shè)計(jì)有利于降低路段事故風(fēng)險(xiǎn)，大半徑曲線最有利。這一結(jié)論與文獻(xiàn)[11]中結(jié)果相吻合。較好的曲線形式有利于提高駕駛員的視覺效應(yīng)，避免長直線帶來的枯燥感，從而保證安全。

3) 隧道。相對于普通路段，隧道事故發(fā)生概率相對低。隧道對駕駛員行車安全存在交互效應(yīng)，雖然隧道本身對駕駛員視覺造成一定影響，會(huì)增加事故風(fēng)險(xiǎn)，但在隧道內(nèi)行駛時(shí)駕駛員相對謹(jǐn)慎，同時(shí)降低車輛行駛速度，從而克服了本身的危險(xiǎn)效應(yīng)，其事故發(fā)生概率反而降低。

（5）大粒徑瀝青混合料運(yùn)輸。采用19t以上的自卸汽車將拌和完成后的大粒徑瀝青混合料進(jìn)行裝車運(yùn)輸，運(yùn)輸過程中需保證運(yùn)輸車輛連續(xù)工作。運(yùn)輸前將車廂清掃干凈，并在車廂四壁涂上隔離劑，防止瀝青黏結(jié)在車廂上[4]。運(yùn)輸過程中要保持勻速行駛，且行駛時(shí)間不宜過長，防止混合料溫度過低，一般情況下應(yīng)保證混合料到達(dá)施工現(xiàn)場時(shí)溫度不低于170℃。

基于表5所示事故預(yù)測模型結(jié)果，得到各路段實(shí)際事故率與預(yù)測事故率(次/(108輛?km))。圖4和圖5所示分別為西往東、東往西各路段預(yù)測率和實(shí)際事故率對比。從圖4和圖5可見：模型的事故率預(yù)測值與實(shí)際值整體分布基本一致，預(yù)測值比實(shí)際值分布平緩。

2.5 基礎(chǔ)事故概率模型

由上述事故頻次預(yù)測模型及模型結(jié)果，可得到各路段事故基礎(chǔ)概率，計(jì)算式如下：

式中：1，2和3分別表示坡度是否大于2%、為?2%~0、小于?2%的參數(shù)，若是則為1，若否則為0(以坡度0~2%為參考對象)；1，2，3和4分別表示平曲線半徑是否小于1 km、為1~2 km，2~3 km和大于3 km的參數(shù)，若是則為1，若否則為0(以直線為參考對象)；1，2和3分別表示是否處于隧道進(jìn)口100 m內(nèi)區(qū)段、隧道內(nèi)區(qū)段、隧道出口100 m內(nèi)區(qū)段的參數(shù)，若是則為1，若否則為0(以隧道外普通路段為參考對象)；為曲線比，即路段曲線長度與路段總長度的比值。隨著基礎(chǔ)數(shù)據(jù)庫(如實(shí)時(shí)交通流特征)的擴(kuò)充，將進(jìn)一步修正、完善基礎(chǔ)概率模型。

表5 事故預(yù)測模型參數(shù)估計(jì)值

注：坡度以0~2%為參考，曲率半徑以直線為參考，隧道區(qū)段以隧道外普通路段為參考；“—”表示未采用該值；為截距；i為殘差；2為擬合度；為顯著性水平。

1—預(yù)測事故率；2—實(shí)際事故率。

1—預(yù)測事故率；2—實(shí)際事故率。

3 ?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)

3.1 危化品運(yùn)輸風(fēng)險(xiǎn)識別模型

基礎(chǔ)事故預(yù)測模型(式(5))只考慮了道路固有特征(道路橫縱面幾何設(shè)計(jì)、是否與隧道相關(guān))，沒有對其他影響因素展開深入研究。在實(shí)際使用過程中，若沒有對各參數(shù)進(jìn)行深入分析，則不能達(dá)到精確計(jì)算事故概率的預(yù)期目標(biāo)。因此，需要針對其他重要參數(shù)進(jìn)行進(jìn)一步研究，計(jì)算事故概率修正系數(shù)。

考慮事故特征和?；愤`法案例，參考經(jīng)濟(jì)合作與發(fā)展組織(OECD)及相關(guān)研究成果[13?14]，修正基礎(chǔ)事故概率模型。對包括季節(jié)、時(shí)間、天氣、交通狀況和?；坟浳镱愋驮趦?nèi)的因素進(jìn)行修正，得到不同交通風(fēng)險(xiǎn)因素的修正系數(shù)，如表6所示。

對基礎(chǔ)事故概率預(yù)測模型進(jìn)行修正，得到高速公路?；愤\(yùn)輸風(fēng)險(xiǎn)識別模型：

式中：季節(jié)，交通，類型，天氣，時(shí)間和管控分別為季節(jié)特征、交通流特征、?；坟浳镱愋?、氣象特征、時(shí)間特征、交通管控措施對交通安全效應(yīng)的修正因子。該模型能夠量化危化品運(yùn)輸路段、路徑事故風(fēng)險(xiǎn)值，為建立雪峰山隧道群路段?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系提供理論支持。

3.2 ?；愤\(yùn)輸風(fēng)險(xiǎn)值評價(jià)模型

風(fēng)險(xiǎn)評估方法對事件發(fā)生概率及其造成的后果進(jìn)行評價(jià)。建立如下?；愤\(yùn)輸風(fēng)險(xiǎn)值評價(jià)模型：

R為第類貨物發(fā)生事故造成的影響區(qū)域半徑；1i為路段段事故影響區(qū)域內(nèi)居住人口密度；S為當(dāng)事車輛的死亡人數(shù)；T為可能引發(fā)的二次事故死亡人數(shù)；2i為第段事故影響區(qū)域的平均財(cái)產(chǎn)密度，主要考慮對道路固有結(jié)構(gòu)的損害。表7所示為危化品道路運(yùn)輸給定事故下的條件泄露概率。

表6 不同交通風(fēng)險(xiǎn)因素修正系數(shù)

表7 危化品道路運(yùn)輸給定事故下的條件泄露概率

3.3 ?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)原則

?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)屬于社會(huì)風(fēng)險(xiǎn)范疇，可引入社會(huì)風(fēng)險(xiǎn)評價(jià)的ALARP原則(as low as reasonably practicable，最低合理可行原則)[16]，選取系統(tǒng)的風(fēng)險(xiǎn)水平和成本2個(gè)目標(biāo)作為參數(shù)，為?；愤\(yùn)輸通行決策提供理論支持。由圖5可見：ALARP原則建立在?曲線基礎(chǔ)上，橫軸表示事故造成的人員傷亡數(shù)，縱軸表示事故造成人員傷亡數(shù)大于或等于的累積頻率，人員傷亡數(shù)和累積頻率的乘積便是累積風(fēng)險(xiǎn)。其中，不可容忍線可表示為：

()=/2(10)

式中：()為F?N曲線函數(shù)；為常數(shù)；為死亡人數(shù)。本文采取香港標(biāo)準(zhǔn)，不可容忍線斜率為?1，=10?2，過點(diǎn)[=10，log(())=10?4]，同時(shí)，當(dāng)死亡人數(shù)上限超過1 000人時(shí)，風(fēng)險(xiǎn)值落入不可容忍區(qū)。當(dāng)風(fēng)險(xiǎn)值落入不可容忍區(qū)時(shí)，禁止該危險(xiǎn)品運(yùn)輸通行；在ALARP區(qū)時(shí)，采取相應(yīng)措施減少風(fēng)險(xiǎn)；在可接受區(qū)時(shí)，忽略該類風(fēng)險(xiǎn)。危化品運(yùn)輸風(fēng)險(xiǎn)識別模型、評價(jià)模型以及該評價(jià)原則，共同構(gòu)建危化品運(yùn)輸風(fēng)險(xiǎn)評價(jià)體系，可為危化品運(yùn)輸安全管控提供定量研判依據(jù)。

圖6 ?；愤\(yùn)輸風(fēng)險(xiǎn)F?N原則

4 結(jié)論

1) 針對雪峰山隧道群路段危化品運(yùn)輸安全管理癥結(jié)和交通事故特征，通過事故預(yù)測建模技術(shù)，提出了危化品運(yùn)輸風(fēng)險(xiǎn)識別模型和風(fēng)險(xiǎn)值評價(jià)模型，并以此構(gòu)建了遵循ALARP原則的?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)體系，對同類高速公路?；愤\(yùn)輸安全管理具有一定的借鑒意義。

2) 基礎(chǔ)事故預(yù)測模型預(yù)測結(jié)果與實(shí)際事故分布情況基本一致，預(yù)測值比實(shí)際值平緩，模型具有較強(qiáng)的預(yù)測能力。但由于缺少危化品運(yùn)輸事故數(shù)據(jù)，?；愤\(yùn)輸風(fēng)險(xiǎn)評價(jià)模型未得到驗(yàn)證。

3) ?；愤\(yùn)輸有其社會(huì)需求，宜科學(xué)分析，良性管控。建議在加強(qiáng)運(yùn)輸安全管理的同時(shí)，還應(yīng)加強(qiáng)源頭防控，協(xié)調(diào)綜合執(zhí)法，加強(qiáng)聯(lián)網(wǎng)調(diào)控，加大科技投入，梳理相關(guān)法規(guī)和各部門管理職責(zé)，從而建立健全高效的危化品運(yùn)輸安全監(jiān)管體系。

4) 后期的研究應(yīng)考慮更多的事故修正因素如隧道橋梁特征、景觀特征、駕駛員行為特征等；并收集?；愤\(yùn)輸事故數(shù)據(jù)(如?；愤\(yùn)輸事故的時(shí)間特征、交通流特征、危化品貨物類型等)，驗(yàn)證和完善?；愤\(yùn)輸風(fēng)險(xiǎn)識別模型，進(jìn)一步提高模型預(yù)測精度。

[1] 交通運(yùn)輸部綜合規(guī)劃司. 2015年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)[R]. 北京: 交通運(yùn)輸部綜合規(guī)劃司, 2016: 2. Department of Comprehensive Planning, Ministry of Transport. Transportation development statistics bulletin in 2015[R]. Beijing: Department of Comprehensive Planning, Ministry of Transport, 2016: 2.

[2] 閆利勇, 陳永光. 危險(xiǎn)化學(xué)品公路運(yùn)輸事故新特點(diǎn)及對策研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2010, 6(4): 65?70. YAN Liyong, CHEN Yonggang. Study on new characteristics and the countermeasures of road transportation accident of hazardous chemicals[J]. Journal of Safety Science and Technology, 2010, 6(4): 65?70.

[3] 吳宗之, 孫猛. 200起危險(xiǎn)化學(xué)品公路運(yùn)輸事故的統(tǒng)計(jì)分析及對策研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2006, 2(2): 3?8. WU Zongzhi, SUN Meng. Statistical analysis and countermeasure study on 200 road transportation accidents of dangerous chemicals[J]. Journal of Safety Science and Technology, 2006, 2(2): 3?8.

[4] WANG Chao, QUDDUS M A, ISON S G. The effect of traffic and road characteristics on road safety: a review and future research direction[J]. Safety Science, 2013, 57(8): 264?275.

[5] ABEGAZ T, BERHANE Y, WORKU A, et al. Effects of excessive speeding and falling asleep while driving on crash injury severity in Ethiopia: a generalized ordered logit model analysis[J]. Accident Analysis & Prevention, 2014, 71(10): 15?21.

[6] LAO Yunteng, ZHANG Guohui, WANG Yinhai, et al. Generalized nonlinear models for rear-end crash risk analysis[J]. Accident Analysis and Prevention, 2014, 62(5): 9?16.

[7] DONG Chunjiao, DONG Qiao, HUANG Baoshan, et al. Estimating factors contributing to frequency and severity of large truck–involved crashes[J]. Journal of Transportation Engineering. Part A: Systems, 2017, 143(8): 04017032.

[8] YU Rongjie, XIONG Yingge, ABDEL-ATY M. A correlated random parameter approach to investigate the effects of weather conditions on crash risk for a mountainous freeway[J]. Transportation Research Part C: Emerging Technologies, 2015, 50: 68?77.

[9] AHMED M, HUANG Helai, ABDEL-ATY M, et al. Exploring a Bayesian hierarchical approach for developing safety performance functions for a mountainous freeway[J]. Accident Analysis and Prevention, 2011, 43(4): 1581?1589.

[10] HUANG Helai, PENG Yunying, WANG Jie, et al. Interactive risk analysis on crash injury severity at a mountainous freeway with tunnel groups in China[J]. Accident Analysis & Prevention, 2017, 111: 56?62.

[11] 孟祥海, 張曉明, 鄭來. 基于線形與交通狀態(tài)的山區(qū)高速公路追尾事故預(yù)測[J]. 中國公路學(xué)報(bào), 2012(4): 113?118. MENG Xianghai, ZHANG Xiaoming, ZHENG Lai. Prediction of rear-end collision on mountainous expressway based on geometric alignment and traffic condition[J]. China Journal of Highway and Transport, 2012(4): 113?118.

[12] AGBELIE B R D K. Random-parameters analysis of highway characteristics on crash frequency and injury severity[J]. Journal of Traffic & Transportation Engineering, 2016, 3(3): 236?242.

[13] Organization for Economic Cooperation and Development, World Road Association. Safety in tunnels: transport of dangerous goods through road tunnels[M]. Paris: OECD Publishing, 2001: 33?48.

[14] 陶健. 基于貝葉斯網(wǎng)絡(luò)的山區(qū)道路危險(xiǎn)貨物運(yùn)輸風(fēng)險(xiǎn)評價(jià)研究[D]. 西安: 長安大學(xué)汽車學(xué)院, 2011: 28?30. TAO Jian. Risk Assessment of hazardous materials transportation by mountains road based on Bayesian network[D]. Xi’an: Chang’an University. School of Automobile, 2011: 28?30.

[15] HARWOOD D W, VINER J G, RUSSELL E R. Procedure for developing truck accident and release rates for Hazmat routing[J]. Journal of Transportation Engineering, 1993, 2(2): 189?199.

[16] 黃利群, 楊玨, 王春艷. 基于ALARP原則的突發(fā)性水污染事件風(fēng)險(xiǎn)評價(jià)研究[J]. 水利水電技術(shù), 2014, 45(4): 23?26. HUANG Liqun, YANG Yu, WANG Chunyan. ALARP principle based study on risk assessment of sudden water pollution incident[J]. Water Resources and Hydropower Engineering, 2014, 45(4): 23?26.

(編輯 陳燦華)

Risk evaluation for hazardous chemicals transportation at mountainous freeway with tunnels groups

HUANG Helai1, LUO Qizhang1, PENG Yunying1, WANG Jie1, LI Xiang2, ZHANG Chi2

(1. School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China; 2. Traffic Management Bureau of Public Security Department of Hunan Province, Changsha 410003, China)

The Xuefeng Mountain tunnel of Hunan Province was taken as the researched object, the serious problem on safety management of hazardous chemicals transportation was dealt with. An intensive investigation on basic information of road, hazardous chemicals and accidents was firstly conducted. Then, the evaluation model of traffic safety was developed. Based on this model and correction factors of variables, the risk identification model and the risk value evaluation model of hazardous chemicals transportation were developed. Finally, the risk evaluation system of hazardous chemicals transportation was developed. The results show that the predicted accident rate agrees well with the actual accident rate, and thus the proposed risk evaluation system can guide the safety management of hazardous chemicals transportation on similar freeways.

traffic engineering; traffic safety management; risk identification; hazardous chemicals transportation; mountainous highway

U491.4

A

1672?7207(2018)08?2107?08

10.11817/j.issn.1672?7207.2018.08.034

2017?08?17；

2017?10?12

國家自然科學(xué)基金委員會(huì)(NSFC)與香港研究資助局(RGC)聯(lián)合基金資助項(xiàng)目(71561167001)(Project(71561167001) supported by Jointed Funds of National Natural Science Foundation of China and Research Grants Council of Hong Kong)

黃合來，博士，教授，從事交通安全研究；E-mail：huanghelai@csu.edu.cn