基于改進(jìn)TOPSIS的道路交通風(fēng)險網(wǎng)絡(luò)排序研究

戴劍勇，黃曉慶，王雯雯

(1. 南華大學(xué) 資源環(huán)境與安全工程學(xué)院，湖南 衡陽 421001；2. 南華大學(xué) 核設(shè)施應(yīng)急安全作業(yè)技術(shù)與裝備湖南省重點實驗室，湖南 衡陽 421001)

0 引 言

據(jù)2019年中國統(tǒng)計年鑒記錄，2019年我國交通事故發(fā)生次數(shù)為244 937次，死亡人數(shù)為63 194人，道路交通事故致死在非正常死亡中占比越來越重。定量分析各風(fēng)險在系統(tǒng)中所起的作用以及關(guān)鍵程度，能夠有側(cè)重地應(yīng)對風(fēng)險，有效提高風(fēng)險管理效率，減少道路交通事故發(fā)生的重復(fù)性。

在這之前，眾多學(xué)者對道路交通事故機理進(jìn)行了研究分析。陳丹[1]從駕駛員、車輛、管理、道路等方面研究了高速公路交通事故致因；WU Yina等[2]分析了大霧天氣下道路交通特性的變化和碰撞風(fēng)險；在風(fēng)險排序和提取關(guān)鍵風(fēng)險方面，WU Bo等[3]應(yīng)用TOPSIS、灰色關(guān)聯(lián)度等分析方法對影響隧道穩(wěn)定性的因素進(jìn)行排序；BAHRAMI S等[4]運用TOPSIS方法對配電饋線進(jìn)行優(yōu)先排序，為檢修分配提供依據(jù)；WU Jianjun[5]、花玲玲等[6]、王靈麗等[7]從復(fù)雜網(wǎng)絡(luò)理論出發(fā)分別分析了道路碰撞、鐵路事故、交通線路網(wǎng)絡(luò)需要防控的關(guān)鍵節(jié)點。

復(fù)雜網(wǎng)絡(luò)分析節(jié)點重要性是根據(jù)網(wǎng)絡(luò)特性指標(biāo)判斷，但每一個指標(biāo)的側(cè)重點都有所不同，需要對其進(jìn)行綜合的分析。筆者擬采用已經(jīng)在鐵路等[8]領(lǐng)域被應(yīng)用的人因分析與分類系統(tǒng)(HFACS)[9]對事故風(fēng)險進(jìn)行分析、分類。而后結(jié)合復(fù)雜網(wǎng)絡(luò)指標(biāo)，建立PPR方法[10]賦予指標(biāo)權(quán)重的優(yōu)劣解距離法(TOPSIS)[11]以消除傳統(tǒng)TOPSIS方法主觀性較強，與網(wǎng)絡(luò)結(jié)合不緊密的缺陷，對風(fēng)險進(jìn)行綜合排序，實現(xiàn)對道路交通關(guān)鍵風(fēng)險的識別，根據(jù)風(fēng)險重要度排序確定合理應(yīng)對風(fēng)險的分配方案，更高效的控制風(fēng)險。

1 道路交通網(wǎng)絡(luò)風(fēng)險分析及模型構(gòu)建

1.1 道路交通網(wǎng)絡(luò)安全風(fēng)險因素分析

將該模型與道路交通系統(tǒng)融合，在HFACS原模型基礎(chǔ)上進(jìn)行改進(jìn)(圖1)，可分為組織影響、不安全監(jiān)督、不安全狀態(tài)、不安全行為四大類，四大類下又各有子類，這4層分類由上到下施加影響[12]，分為圖中陰影部分為修改項。

圖1 道路交通HFACS分類框架Fig. 1 HFACS classification framework of road traffic

1.2 道路交通網(wǎng)絡(luò)風(fēng)險模型構(gòu)建

道路交通網(wǎng)絡(luò)是由眾多節(jié)點和節(jié)點之間的連線組成的拓?fù)浣Y(jié)構(gòu)模型，道路交通安全中的安全風(fēng)險之間能夠相互影響，具有較為復(fù)雜的相互作用關(guān)系，對于道路交通系統(tǒng)安全風(fēng)險網(wǎng)絡(luò)做出以下設(shè)定，并構(gòu)建網(wǎng)絡(luò)。

設(shè)定1交通事故風(fēng)險是抽象的，現(xiàn)將風(fēng)險和風(fēng)險間的相互作用用網(wǎng)絡(luò)呈現(xiàn)出來，設(shè)定風(fēng)險為節(jié)點，風(fēng)險間的相互關(guān)系為連邊，便能初步構(gòu)成無向網(wǎng)絡(luò)。

設(shè)定2考慮到交通風(fēng)險間的作用是單向的，風(fēng)險的傳播是層層遞進(jìn)的，考慮到有向網(wǎng)絡(luò)對事故風(fēng)險間作用的描述更精準(zhǔn)，故進(jìn)一步將連邊設(shè)定為有向的。

設(shè)定3假設(shè)指向某一安全風(fēng)險的其他風(fēng)險對該安全風(fēng)險的作用相同，即網(wǎng)絡(luò)中各風(fēng)險之間的連邊權(quán)重為1，不對它們之間的作用力進(jìn)行區(qū)分。

2 道路交通網(wǎng)絡(luò)安全風(fēng)險排序

2.1 道路交通網(wǎng)絡(luò)風(fēng)險排序指標(biāo)

1)度中心性。該參數(shù)在道路交通風(fēng)險網(wǎng)絡(luò)中就是指與某風(fēng)險相關(guān)聯(lián)的風(fēng)險個數(shù)，在網(wǎng)絡(luò)中具象為連邊數(shù)。邊數(shù)越多表示該風(fēng)險在網(wǎng)絡(luò)中關(guān)聯(lián)度越大。筆者定義為：

(1)

2)接近中心性。該參數(shù)描述的是特定風(fēng)險到與除特定風(fēng)險以外的所有風(fēng)險的平均距離值，當(dāng)某風(fēng)險的值越大，表示該風(fēng)險與其他風(fēng)險的聯(lián)系越緊密。其表達(dá)式為：

(2)

式中：L為與風(fēng)險i相連的風(fēng)險集合；dij為風(fēng)險i到j(luò)的最短路徑值，即風(fēng)險i到j(luò)最少路徑的數(shù)量。

3)介數(shù)中心性。風(fēng)險節(jié)點的介數(shù)指在一個網(wǎng)絡(luò)中所有最短通行路徑中經(jīng)過該風(fēng)險的總數(shù)量比率，反映相應(yīng)風(fēng)險對于整個網(wǎng)絡(luò)的作用和影響能力，數(shù)值越大，表明該風(fēng)險對道路交通事故的影響越大。定義為：

(3)

式中：nfh為風(fēng)險f和風(fēng)險h之間的最短通行路徑數(shù)量；nfh(i)為風(fēng)險f和h之間的最短通行路徑經(jīng)過節(jié)點的數(shù)目。

2.2 PPR-TOPSIS綜合排序

在傳統(tǒng)的TOPSIS方法中，最初賦予的權(quán)重值依賴于專家的主觀判斷。而PPR-TOPSIS方法權(quán)重是根據(jù)網(wǎng)絡(luò)中心性指標(biāo)和PPR方法計算得出的。計算3個中心性指標(biāo)權(quán)重的核心是根據(jù)每個指標(biāo)不同的節(jié)點排序賦予3個指標(biāo)中的節(jié)點不同的初值，組成不同的初值向量，再分別對3個指標(biāo)進(jìn)行PPR分析，根據(jù)最終落在事故節(jié)點上的概率定量化3個指標(biāo)對事故造成的影響的大小作為權(quán)重。如此，通過計算得到客觀的權(quán)重值，構(gòu)建權(quán)重矩陣，再對所有節(jié)點進(jìn)行綜合排序。

2.2.1 PPR法確定各指標(biāo)權(quán)重

1)確定風(fēng)險初值向量：根據(jù)指標(biāo)中的節(jié)點排序給予每個指標(biāo)中的節(jié)點不同的初值。將指標(biāo)中的風(fēng)險初值按比例縮放使得和為1，得到每個風(fēng)險標(biāo)準(zhǔn)值記為Pv，各風(fēng)險標(biāo)準(zhǔn)值組成的向量表示為Pr0={P1,P2,P3,…,Pv}。

2)確定風(fēng)險跳轉(zhuǎn)概率：風(fēng)險發(fā)生后每一時間步可能游走的路線數(shù)目，在復(fù)雜網(wǎng)絡(luò)中可具象為該節(jié)點的出度值，每個節(jié)點到其他節(jié)點的跳轉(zhuǎn)概率組成整個網(wǎng)絡(luò)的轉(zhuǎn)移概率矩陣P為：

(4)

3)確定各指標(biāo)權(quán)重值：3種指標(biāo)下，各指標(biāo)中風(fēng)險初值不同，那么最終對各節(jié)點的影響概率Pr不同。Pr值由式(5)迭代得到：

(5)

式中：α為阻尼系數(shù)，0≤α≤1，一般取0.85，取3種指標(biāo)各自迭代完成后的事故節(jié)點Pr值，歸一化指標(biāo)值，得到各指標(biāo)權(quán)重wD，wC，wB。

2.2.2 TOPSIS綜合排序

將各指標(biāo)中標(biāo)準(zhǔn)化后的節(jié)點值分別作為列向量，組成規(guī)范化決策矩陣Y，由于已經(jīng)應(yīng)用PPR方法賦予了各指標(biāo)權(quán)重，即可按元素zij=w×y寫出加權(quán)規(guī)范矩陣為：

(6)

式中：d、c、b分別為點度、接近、介數(shù)中心性標(biāo)準(zhǔn)化后的值。

由于3個中心性指標(biāo)都為效益型指標(biāo)，根據(jù)矩陣Y可以確定正理想方案Z+以及負(fù)理想方案Z-：

(7)

根據(jù)式(8)～式(9)得到各個方案Z到正理想方案Z+以及負(fù)理想方案Z-之間的歐式距離為：

(8)

(9)

計算以上理想方案的貼近度Ti，按照Ti的大小進(jìn)行交通風(fēng)險的重要度排序，值越大的風(fēng)險對事故的影響越大。貼近度計算公式為：

(10)

3 實例分析與討論

2018年，京港澳高速公路衡陽段，一起客車與載有?；返闹匦凸捃囅嘧驳闹卮蟮缆方煌ㄊ鹿试斐闪?8人死亡，14人受傷，直接經(jīng)濟(jì)損失達(dá)2 632.8萬元。這起事故涉及部門和人員眾多，是一起典型的道路交通事故，能夠一定程度上反應(yīng)大部分道路交通事故情形，以此為例構(gòu)建復(fù)雜網(wǎng)絡(luò)進(jìn)行分析，論證上述方法的可行性，同時獲取該起事故風(fēng)險的綜合重要度排序，為相關(guān)部門提供參考，避免這類事故再次發(fā)生。

3.1 “6·29”重大道路交通事故模型構(gòu)建

3.1.1 事故風(fēng)險分類

研究了該事故的事故調(diào)查報告[13]后，運用HFACS模型對該起事故的安全風(fēng)險進(jìn)行了分類(表1)。

表1 “6·29”重大道路交通事故安全風(fēng)險分類Table 1 Safety risk classification of “6·29” major road traffic

3.1.2 事故風(fēng)險關(guān)聯(lián)分析

在確定網(wǎng)絡(luò)節(jié)點后，只需給相關(guān)節(jié)點之間加上連邊就形成了網(wǎng)絡(luò)。搜集近年120個交通事故案例，20個1組，整理成道路交通風(fēng)險數(shù)據(jù)集，計算與“6·29”事故有關(guān)的兩兩風(fēng)險之間的spearman系數(shù)，查閱秩相關(guān)系數(shù)檢驗的臨界值表顯示當(dāng)系數(shù)大于0.415，則認(rèn)為兩風(fēng)險相關(guān)。各節(jié)點之間用有向線段表達(dá)風(fēng)險之間的的因果關(guān)系確定鄰接矩陣A(表2)，構(gòu)建網(wǎng)絡(luò)(圖2)，圖中最下方4個節(jié)點代表父類，四大類各自延伸與相應(yīng)分類中的風(fēng)險連接，但四大節(jié)點及其連邊主要用于體現(xiàn)節(jié)點間的關(guān)聯(lián)趨勢，并不參與計算。

圖2 “6·29”道路交通事故安全風(fēng)險網(wǎng)絡(luò)模型Fig. 2 Safety risk network model of “6·29” road traffic accident

表2 “6·29”重大道路交通事故安全風(fēng)險鄰接矩陣Table 2 Safety risk adjacency matrix for “6·29” major road traffic accident

3.2 網(wǎng)絡(luò)風(fēng)險中心性分析

各事故影響因素點度中心性圖3(a)、接近中心性如圖3(b)、介數(shù)中心性如圖3(c)。由分析結(jié)果可知，V8和V5在本網(wǎng)絡(luò)中度中心性最大，若將這兩個風(fēng)險嚴(yán)格控制可以很大程度上減少其他風(fēng)險的發(fā)生和發(fā)展。V8和V6接近中心性最大，這說明兩個節(jié)點與其他風(fēng)險的關(guān)系最為緊密。介數(shù)中心性體現(xiàn)的是節(jié)點在網(wǎng)絡(luò)中的媒介作用，駕駛員深度疲勞駕駛(V21)是該網(wǎng)絡(luò)中最大的媒介，控制該風(fēng)險發(fā)生也就很大程度上控制風(fēng)險的傳播。

圖3 度、接近、介數(shù)中心性分析結(jié)果Fig. 3 Analysis results of degree, closeness and betweenness centrality

3.3 網(wǎng)絡(luò)風(fēng)險綜合排序

由于在該起事故中，客車第2次碰撞才最終導(dǎo)致巨大人員傷亡和財產(chǎn)損失，故取駕駛員未做出正確反應(yīng)導(dǎo)致第2次碰撞(V23)為事故節(jié)點，3個指標(biāo)經(jīng)過PPR方法分析后得到的最終事故節(jié)點Pr值分別為：0.082 4、0.083 9、0.092 0。為使所構(gòu)造權(quán)重矩陣滿足和為1，且不改變數(shù)據(jù)結(jié)構(gòu)，對其進(jìn)行百分化，得到指標(biāo)權(quán)重矩陣為w=[0.319 0 0.324 8 0.356 2]，可見這3個指標(biāo)中中介數(shù)中心性指標(biāo)較另兩個指標(biāo)更加關(guān)鍵。在已知指標(biāo)權(quán)重的基礎(chǔ)上列出規(guī)范加權(quán)矩陣A，得到Z+=[0.319 1,0.324 8,0.356 2]和Z-=[0,0,0]，再根據(jù)式(8)和式(9)計算正負(fù)歐式距離S+、S-，最終得到各風(fēng)險貼近度T見表3，以及根據(jù)貼近度得到的風(fēng)險排序見圖4。

由貼近度定義可知，貼近度表示接近程度，也可表示關(guān)聯(lián)度，在交通風(fēng)險分析中，可以表示各因素對事故的影響程度。由結(jié)果可知，疲勞駕駛對該起事故的發(fā)生影響最大，接近程度達(dá)到了89%；其次，運管局和企業(yè)的監(jiān)督管理不力對該事故的發(fā)生影響較大，與事故接近程度達(dá)到了58%，駕駛員對違規(guī)行為的不重視、休息不足等與事故接近程度超過了50%。該事故實際調(diào)查結(jié)果顯示：事故直接原因是過度疲勞，間接原因是有關(guān)運輸企業(yè)安全生產(chǎn)主體責(zé)任不落實、有關(guān)監(jiān)管部門履職不到位，另外駕駛員休息不足，且曾多次違規(guī)等都是間接導(dǎo)致事故的原因[13]。可見該方法得到的排序結(jié)果與實際事故調(diào)查結(jié)果大致符合。

圖4 “6·29”交通事故風(fēng)險影響度綜合排序Fig. 4 Comprehensive ranking of 6·29 traffic accident risk impactdegree

表3 各風(fēng)險貼近度計算結(jié)果Table 3 Calculated results of each risk closeness degree

3.4 方法對照及討論

熵權(quán)法是一種客觀賦值方法，熵權(quán)TOPSIS方法在各個領(lǐng)域已經(jīng)有了較為廣泛的應(yīng)用。筆者運用熵權(quán)TOPSIS方法對“6·29”交通事故進(jìn)行分析，該方法具體實現(xiàn)步驟參考文獻(xiàn)[14]，與PPR-TOPSIS方法結(jié)果對照如圖5。

由對照結(jié)果來看，兩種方法的趨勢部分一致，證明了PPR-TOPSIS方法的可行性和準(zhǔn)確性。另外，由圖5容易發(fā)現(xiàn)熵權(quán)TOPSIS方法圖形趨勢與度中心性類似，將其與度中心性標(biāo)準(zhǔn)化結(jié)果d對照如圖6，發(fā)現(xiàn)其圖形趨勢與度中心性高度重合，說明熵權(quán)TOPSIS法受度中心性的影響極大，而PPR-TOPSIS法相對來說所受單個值影響小，較之綜合性更強，參考意義更大。

從排序結(jié)果來看，兩者風(fēng)險排序略有不同，這是因為權(quán)重的計算方法有所差別，PPR方法是取迭代后各指標(biāo)值對事故的影響值作為權(quán)重；熵權(quán)法取靜態(tài)過程的指標(biāo)值計算信息熵后處理作為權(quán)重。PPR-TOPSIS方法分析結(jié)果顯示駕駛員深度疲勞駕駛(V21)是對事故影響最大的風(fēng)險，其次是企業(yè)和運管局監(jiān)管問題；而熵權(quán)TOPSIS分析結(jié)果顯示客運公司安全工作管理監(jiān)督不力(V8)為最大風(fēng)險，排名前三的風(fēng)險都是監(jiān)管風(fēng)險。結(jié)合事故調(diào)查報告的實際情況，PPR-TOPSIS方法所得結(jié)果與調(diào)查結(jié)果相符，而熵權(quán)TOPSIS法與調(diào)查結(jié)果不太符合，因此，PPR-TOPSIS方法更能滿足道路交通風(fēng)險分析要求。

圖5 PPR-TOPSIS和熵權(quán)TOPSIS結(jié)果對比Fig. 5 Comparison of PPR-TOPSIS and entropy-TOPSIS results

圖6 熵權(quán)TOPSIS結(jié)果和度中心性數(shù)據(jù)對比Fig. 6 Comparison of entropy-TOPSIS results and degreecentrality data

4 結(jié) 論

城市道路交通安全影響因素眾多，牽涉較廣，是一復(fù)雜系統(tǒng)工程，這些特征為復(fù)雜網(wǎng)絡(luò)模型的構(gòu)建提供了基礎(chǔ)。

1)筆者對傳統(tǒng)TOPSIS方法進(jìn)行了改進(jìn)，以PPR方法為橋梁，使之與復(fù)雜網(wǎng)絡(luò)緊密結(jié)合，融合成PPR-TOPSIS客觀排序方法。并使HFACS模型、復(fù)雜網(wǎng)絡(luò)理論和PPR-TOPSIS綜合排序三者結(jié)合形成了一套完整的道路交通安全風(fēng)險分析體系。

2)將PPR-TOPSIS與熵權(quán)TOPSIS方法相比較，發(fā)現(xiàn)對于道路交通風(fēng)險的分析PPR-TOPSIS方法準(zhǔn)確性，綜合性更高。

3)通過對典型事故的分析發(fā)現(xiàn)嚴(yán)格控制駕駛員的不安全行為能夠最大程度的控制事故，有效的上下監(jiān)督能夠?qū)Φ缆方煌ò踩鸬胶艽蟮淖饔?，為了減少這類事故的發(fā)生需要對駕駛員嚴(yán)格要求，完善駕駛員技術(shù)、安全培訓(xùn)體系；同時嚴(yán)格要求監(jiān)督組織或成員將責(zé)任落實到位。