·交通运输·
城市快速通道衔接节点交通风险识别研究
胡立伟，于广浩，张 婷 HU Liwei,YU Guanghao,ZHANG Ting
（昆明理工大学 交通工程学院，云南 昆明 650500）
摘 要： 为深入研究城市快速通道衔接节点安全性，识别其交通风险，针对快速通道衔接节点处车辆变道及车速变化行为，将实测变道及车速数据作为分析对象，定量分析衔接节点变道、车速变化规律。在此基础上建立多级模糊综合评判模型，结合工程资料对昆玉高速昆明市境内快速通道桩号K11+115m典型衔接节点进行交通风险识别。结果表明：衔接节点过渡段、加减速段相较其他区间具有较高风险等级。最后，根据识别结果，对潜在交通风险区间成因进行分析，并提出相应改善措施。
关键词： 交通工程；交通安全；风险识别；模糊综合评价；快速通道
0 引言
城市快速通道衔接节点定义为：介于城市交通干道与快速通道之间的节点，快速通道（城市道路）上车辆经变道及车速变换进入节点，最后接入地面城市道路（快速通道）整个过程所形成区域。而车辆在快速通道上行驶，车道及相应车速变换是较为常见行为，是驾驶员针对周围车辆车速和间距等环境信息刺激，及时做出相应反应以期达到期望驾驶目的标综合行为[1]。但是由于车辆换道行为较为复杂，驾驶员换道过程中所涉及因素较多，使得驾驶员容易产生错误判断，容易使得车辆处于交通风险之中。
低碳经济推动着会计理念改革，而会计理念改革也将加快全球低碳经济化的形成。为了紧跟低碳经济发展脚步，电力企业财务工作者必须改革传统的会计管理理念以及操作技术。站在全面客观的角度，综合考虑企业低碳排放在市场需求与能源成本之间的关系，特别是在市场准入、税收政策、金融支持等方面的影响。
目前，学者们针对城市快速通道衔接节点安全问题进行较多相关研究。赵倩[2]通过对衔接节点交通事故分析，提出衔接节点交通安全评价指标，最终达到降低节点交通事故与提高节点服务水平目的；马艳丽[3]等通过识别入口匝道汇入车辆与主线车辆之间交通冲突，构建冲突识别模型，模型验证表明可有效识别合流区潜在冲突；徐慧智[4]等通过实测数据发现车道变换与交通流运行速度之间关系，并进行量化分析；孙露[5]等人使用交通冲突技术结合交通仿真软件研究交织区交通安全状况，结果表明交织区交通冲突率越高，其服务水平往往越低；王世明[6]通过研究车辆换道过程中与周围车辆相对位置关系，提出车辆换道安全预警模型；孟祥海[7]通过建立概率风险和速度风险等两类事故风险模型研究高速公路衔接节点车辆分合流安全性，结果显示驾驶员在分合流时分流和合流具有相同水平安全性；Vechione[8]等使用统计学方法，通过比较节点上强制变道和自由变道期间驾驶员行为，研究变道行为对于驾驶员决策影响。上述研究虽然建立一定分析方法和模型，但所提出措施不够系统，并未针对衔接节点风险较高区间提出对症措施，且相关研究往往把快速通道衔接节点作为普通平面交叉口进行处理，导致衔接节点安全风险研究处于较未受重视状态。
为提高快速通道衔接节点处安全水平，使快速通道更好发挥自身功能，迫切需要对快速通道衔接节点安全问题进行研究。本文通过研究驾驶员车辆变道规律及车速变化，从道路、车辆等因素选取识别指标，应用模糊综合评价方法准确识别衔接节点交通风险，并针对识别结果提出相应安全改善措施。
乡镇电视台是我国广播传播媒体体系中的重要组成元素，是广播电视节目中不可或缺的关键要素，同时也是推动地區市场经济发展、提高人民生活水平的一股巨大力量。
1 城市快速通道衔接节点换道及车速规律分析
1.1 城市快速通道典型衔接节点路段划分
由于测得衔接节点不同路段车速空间跨度较大，且不同路段行车环境差异也较大，导致行车规律存在较大差异。所以需要对衔接节点进行分段。本文使用K —均值聚类法[9]方法进行分段，目标函数：每一个数据点zi 与其最接近聚类中心距离平方和最小（该平方和称为方差D ）。
为对城市快速通道衔接节点交通风险进行识别，本文选取云南省昆玉高速昆明市境内快速通道桩号K11+115m作为典型衔接节点进行研究，该节点为互通式立交匝道形式，主线为单向三车道，车道宽度为3.75m。车道1表示最内侧车道，衔接节点内侧车道交通量约为1 286veh·h-1，外侧车道交通量为1 373veh·h-1。由于该路段未实施车道限制，各种车型混合行驶。为分析车辆车道变化、运行速度数据，选取2018年5月24～26连续三日上午8：00～13：00交通流作为样本，并使用GPS、激光测速仪、高清摄像机等设备进行数据采集。
式中：cr 表示第r 个聚类中心；K 为聚类数；
表示数据点zi 到聚类中心cr 距离。
首先，为了更好发挥丝路基金这种“四两拨千斤”的撬动作用，基金运作就必须坚持市场化原则。市场化原则首先要求丝路基金的投资决策应充分考虑经济效益，丝路基金并不是简单的政策性基金或国家援助计划，应追求合理的投资回报和财务可持续，应坚持市场化定价原则，加强风险防控。投资项目选择过程中，应当做好项目评估和尽职调查，设计完善的风险缓释机制。
考虑到分段—聚类法分段个数对聚类结果产生影响及分段依据变量不唯一，因此结合波动系数[10]作为指标反映曲线波动剧烈程度，以修正分段结果。波动系数定义为：
其中：S 为采样点个数；ωi 为第i 个数据采集点数值，
最终分段结果及各检测路段车速波动系数见表1。
这种玩法让陈小华不能理解，他坦承虽然当时58到家对高额补贴的后果看得不像今天这么透，但是这个模式肯定到不了58到家要的彼岸，所以一定是错误的。
依据美国《公路通行能力手册》中分合流影响区定义：分流影响区定义为从出口匝道和主线连接线处到主线上游450m内；合流影响区是指从进口匝道开始处到主线下游450m内[11]。据数据统计结果看，车辆变道行为一般发生在距离上下游鼻端较远位置，为使研究结果更加科学准确，本文现将衔接节点影响区范围延长并分段如图1所示。其中，衔接节点过渡段表示驾驶员通过观察目标车道交通流及间隙情况，评估变道可用性变道和车速调整区段；衔接节点调整段表示车辆进出节点前后调整车头位置及车速区段。
为研究不同风筒位置下硫化氢的浓度分布规律，分别取风筒中心平面z=2.4 m及工作面附近x=28 m平面硫化氢浓度分布云图进行分析，如图3所示。
表1 分组结果与波动系数
图1 衔接节点分段及行车运行轨迹图
1.2 城市快速通道典型衔接节点换道规律描述
本次调查数据共收集636次变道数量，具体数据和处理结果如表2所示。
表2 衔接节点车辆变道位置分布
从调查数据统计结果来看，快速通道上进出衔接节点车道变换与普通道路存在较大差别，具体规律如下：相较于普通地面道路，快速通道车流量较少车速较快，相应变道次数相较于普通道路节点也较少；大部分车辆由于在抵达衔接节点内部段前已经处于最外侧车道，所以可以直接减速汇入变速车道进入节点，因此，车辆变道位置大多集中于1、2和5等车道前半段；车辆进出衔接节点一般采取连续变道到变速车道，较少情况有采取分次变道方式；另外，从调查数据来看，除产生进入衔接节点车辆之外，很少有车辆会在快速通道上进行随意变道，超车变道行为也很少发生。
路段1、2处变道行为大部分集中在0～500m区间内，路段5处变道行为主要集中在0～60m，分别占到66%和28%。通过SPSS软件进行相关性分析，车辆变道位置与交通风险相关性系数为0.814，显著性水平为0.002＜0.05，表明车辆变道位置与交通风险发生位置有着较大相关性，在合理风险区间进行合理变道可以有效规避因车道变换带来交通风险。
1.3 城市快速通道典型衔接节点运行速度规律描述
主线车辆混合行驶时，车道1车速分布主要集中在75～115km/h之间，最大车速为117km/h，最低车速为59.7km/h，累计频率曲线85%车速约为94km/h；车道2车速主要分布在55～105km/h之间，最大速度为108km/h，最小速度为42km/h，速度极差为78km/h，累计频率曲线中85%车速约为76km/h，与车道1车速相较不大；混合行驶时，由于车型较为复杂兼有车辆从内侧车道减速变道至减速车道，车道3地点平均车速为58km/h，同时，由于车辆性能差异较大，车速极差也较为明显，最大车速为83km/h，最低速度仅有32km/h，85%车速为64km/h；由于受（加）减速限速标识影响，（加）减速车道上车辆车速较低，分布较为平均，分布在27～43km/h；城市道路受限速影响，各车道车速分布较低，城市车道85%车速约为24km/h，车道2车速为22km/h。对各车道车速样本进行拟合，发现均符合威布尔分布，分布函数统计如表3所示。
表3 各车道速度分布函数统计
由于驾驶员进行变道前需要观察车道间隙及交通流状况，必然引发车速改变，而相比于速度绝对值，车辆速度变化差值与交通风险之间关联性更加紧密。速度变化值越大，安全隐患越大。本文从衔接节点过渡段开始收集自由流状态下车辆运行速度数据，具体速度变化趋势如图2所示。
图2 车流驶离通道进入节点与主线速度变化曲线
随着社会发展，医疗事业得到突飞猛进的发展，医学知识不断更新以应对各种疑难杂症，拯救伤者于危难之中，面对千奇百怪的疑难杂症，医务人员需要不断进行学习，提升自身医疗水平，增加综合职业素质，为社会和谐发展贡献一份力量。继续医学教育是医务人员提升自我医疗水平的极佳路径，随着继续医学教育的推广，已经备受医务人员青睐，使得医疗事业发展平稳且快速。医院图书馆作为医院的信息集合中心，是从事医疗事业的医务人员继续医学教育的最佳场所，而医院图书馆为了满足继续医学教育，也需要不断的增添相应的信息、书籍以供医务人员阅读、学习。文章以此为基础对医院图书馆服务继续医学教育进行研究。
2.建设绿色矿山是贯彻落实“五大发展理念”的要求。中央提出的创新、协调、绿色、开放、共享的发展理念，对破解现阶段杭州市的矿业发展难题，提高矿山企业竞争力具有重大的指导意义。必须通过绿色矿山建设、绿色矿业发展把“五大发展理念”贯穿矿业发展始终，创新勘查技术方法与理念，加快转变矿产资源利用方式，提高综合开发利用水平，创新矿产资源管理体制机制，保护生态环境与民生权益，推动全省的矿业结构调整和转型升级。
2 城市快速通道衔接节点交通风险识别模型构建
有时对目标进行识别评判时候，需要考虑因素过多，并且这些指标并不隶属于同一级，则这些指标就无法在同一层级进行评判，此时需要将这些因素分成不同层级，逐级进行评判，这种方法叫做多级模糊综合评判模型。城市快速通道衔接节点交通风险识别是一个复杂系统工程，适合采用模糊综合评判进行评价。
图3 城市快速通道衔接节点交通风险识别体系
2.1 交通风险识别指标选取
本文结合以往快速通道衔接节点交通事故成因分析，将上文分析车道变换和车速因素加入到衔接节点交通风险识别体系中，按照道路平纵横断面因素、车辆因素和其他因素3方面选取指标，对快速通道衔接节点交通风险识别指标进行选取。道路因素包括衔接节点超高、衔接节点车道宽度、通道车道数、衔接节点纵坡坡度及衔接节点竖曲线半径；车辆因素包括车辆运行速度和车道变换；其他因素包括视距和交通量，具体见图3。
由上文可知，变道行为主要发生在衔接节点过渡段和加减速段，对应图2中灰色阴影部分。图2中衔接节点过渡段100m范围内主线车辆和节点车辆车速开始发生较大波动，到减速段波动变化明显。主要原因是主线车辆需要变道进入节点而与相邻车道车辆发生冲突，车速相互影响。而在加减速段接近鼻端100m之后鲜有车辆发生变道行为，主线车辆恢复正常车速。而由于节点限速，进入节点内部车辆继续进行减速行为直至满足限速要求，当车辆驶离节点又会发生短距离车速调整以满足地面道路车速要求顺利汇入车流。
本文将上述因素分为2级。设影响因素集
每个影响因素集对应单一风险因素集
模糊评价集
｝分别表示该因素风险等级为：安全、较为安全、不安全、极不安全。
2.2 隶属度矩阵及权重确定
在层次分析法中，由于决策人单独确定指标权重过于主观，因此，本文引入基于群组决策改进层次分析法，利用多名专家打分数据，提炼客观数据。本文邀请具有从事道路交通安全研究领域工作超过10年的专家10名，其中7名具有博士学位，3名具有硕士学位。
矩阵中，r 11,11表示衔接节点圆曲线半径因素u 11对评价等级v 1隶属度，其他以此类推。同理可得到第二级隶属度矩阵R 1、R 2、R 3。
评价因素权重反映各个因素在评价过程中相对于整体重要程度，可以直接影响到综合评价结果。常用确定权重（重要程度）方法有专家评定法、因素敏感法及层次分析法等。其中层次分析法因为采用各因素之间两两对比方法确定各因素权重，避免直接确定权重，具有实用性、系统性等优点[12]。因此本文采用层次分析方法确定各个因素权重。
此处以衔接点过渡段为例，设定R 为识别对象U 到V 模糊关系，根据构造2级识别指标体系来构造单因素识别矩阵，具体如下：
表4 典型快速通道衔接节点过渡段综合评判矩阵
3 实例分析
3.1 城市快速通道典型衔接节点工程概况
昆玉高速昆明市境内快速通道全线长21.657km，单向三车道，快速通道横穿昆明市官渡、呈贡区，是昆明市连接其他区域最主要快速通道。经调查发现，该快速通道共有衔接节点6处。
将8种谐振单元的交叉偏振反射波的相移绘制为频率的函数，并选择第1部分的相移作为相位参考并将其设置为0，如图7所示。显然，在整个带宽中，每两个相邻部分之间的相位差大约为-π/4，从而能够实现宽带螺旋相位变化和相关电磁涡旋波束的生成。8种谐振单元的交叉极化反射波的对应幅度如图8所示。在整个设计带宽内的反射率均超过82%。因此，所有设计的介质谐振单元的相移和反射交叉极化振幅都满足宽带OAM发生器的要求。
3.2 城市快速通道典型衔接节点交通风险识别
对基于专家打分数据衔接点过渡段目标层影响因素构建判断矩阵。通过求解权重向量为：
以昆玉高速桩号为K11+115m典型衔接节点过渡段为例，本文根据工程资料和前文构建影响衔接节点安全3级指标U ，相对于评价等级V 确定该典型衔接节点模糊综合评价矩阵，如表4所示。
其中：λ max表示评价矩阵最大特征值；α 表示评价矩阵特征向量；CI表示一致性指标；CR表示随机一致性比值。根据结果：CR＜0.1，故判断一致性可接受。
3.1.1强化农业资源环境管控 坚持最严格的耕地保护制度，全面落实永久基本农田特殊保护政策措施，控制各类建设用地占用耕地，特别要保护好平原和城市周边的永久基本农田。依法加强对商品鱼生产基地和城市郊区重要养殖水域的保护。
同理，对第一级、第二级评价因素权重进行计算，结果如表5、表6所示。
表5 第一级因素权重矩阵
表6 第二级因素权重矩阵
由计算出各级因素权重ω 和评价向量α 即可计算出综合隶属度向量B ，使用最大隶属度法即可计算出对应衔接节点安全风险，其中隶属度向量B 可表示为：
本文选取低浓度DBP水溶液作为研究对象，利用HNO3改性和无改性两种活性炭吸附DBP，探究实验温度、溶液pH值、两种活性炭投加量及NOM的有无对水中DBP去除效果的影响，结果表明：活性炭投加量M=0.12g、实验温度T=35℃、pH值为9.0为实验最佳条件，无改性活性炭和30%HNO3改性活性炭对DBP去除率能达到92.92%和89.53%；低浓度活性炭存在的情况下，NOM分子的存在会大幅度影响活性炭对DBP分子的吸附，但随着活性炭浓度的上升，该影响并不显著。说明在本实验条件下提高活性炭投加量可减少NOM对吸附效果的影响。
向量B 为包含4个指标行向量，这4个指标与4个评价指标等级相对应。
本文定义隶属度向量B 安全等级为
（安全，较为安全，不安全，极不安全 ），经数值计算及判定，现提出隶属度向量B 阈值范围为：隶属度向量B （ 0.97,1 ）表示安全等级； （0.9 4,0.97 ）表示较为安全； （0.9 1,0.94）表示不安全等级；（0.8 8,0.91）表示极不安全等级。
本文依次对第1、2级指标因素进行综合评判。将由表6可得单因素评判矩阵R 11，与相应权重带入公式（7），最后可得：
由隶属度最大原则，评价结果为0.9183，属于安全等级3（不安全）。
3.3 城市快速通道典型衔接节点交通风险识别结果
由于篇幅原因，剩下4段衔接节点各检测区间计算过程不再赘述，计算结果如表7所示：
为验证模型适用性，本文根据构建模糊综合评价模型，对昆玉高速昆明市境内快速通道全线6个衔接节点进行交通风险识别，并根据安全等级划分得到各个衔接节点安全状况，结果如下：有10个路段为安全等级，11个路段为较为安全，6个路段为不安全等级，3个路段为极不安全等级。
表7 昆玉高速K11+115m关键快速衔接节点各段风险识别结果
4 结论
本文从分析影响快速通道衔接节点安全因素入手，构建基于多级模糊综合评判方法交通风险识别模型，并利用该识别模型对云南省昆玉高速昆明市境内快速通道K11+115m衔接节点过渡段进行详细分析。结果表明，衔接节点过渡段、加减速段相较其他区间具有较高风险等级。其中换道和运行速度是其中重要影响因素。改善措施如下：（1）衔接节点过渡段和加减速段是车辆换道频繁区域，应当适量增加警示标牌、限速标志等设施来引导车辆及时换道调整速度进入节点。（2）可在衔接节点加减速段适量增加凸面镜，方便驾驶员转弯时及时发现来往车辆信息，方便驾驶员及时做出车速调整，避免交通事故发生。
最后对云南省昆玉高速昆明市境内快速通道全线6个衔接节点进行交通风险识别，验证所建模型有效性。准确识别快速通道衔接节点交通风险，可为车路协同下衔接节点车辆提供正确驾驶决策，进而可以减少衔接节点处交通事故发生，提升整个衔接节点交通安全水平。
参考文献：
[1] 段英侠.基于GIS车辆行驶过程实时安全预警系统研究[D].广州：华南理工大学（硕士学位论文），2009.
[2] 赵倩，柴干.高速公路匝道交通安全综合评价[J].交通信息与安全，2009,27(4)：88-91.
[3]马艳丽，祁首铭，吴昊天,等.基于PET算法匝道合流区交通冲突识别模型[J].交通运输系统工程与信息，2018,18(2)：142-148.
[4] 徐慧智，裴玉龙，程国柱.基于期望运行轨迹车道变换行为安全性分析[J].中国安全科学学报，2010,20(1)：90-95.
[5] 孙璐，李颜平，钱军,等.基于交通冲突技术交织区交通安全评价[J].中国安全科学学报，2013,23(1)：55.
[6] 王世明，徐建闽，罗强,等.面向高速公路车辆换道安全预警模型[J].华南理工大学学报（自然科学版），2014,42(12)：40-50.
[7] 孟祥海，林兰平.高速公路分合流区潜在事故风险研究[J].中国安全科学学报，2015,25(8)：164-170.
[8] Vechione M,Balal E,Cheu R L.Comparisons of Mandatory and Discretionary Lane Changing Behavior on Freeways[J].International Journal of Transportation Science&Technology,2018,7(2)：124-136.
[9] 孙吉贵,刘杰，赵连宇.聚类算法研究[J].软件学报，2008,19(1)：48-61.
[10] 刘莉，王承民，侯昀,等.配网并联电容器优化分组问题研究[J].电气应用，2005,24(12)：39-42.
[11] 李秀文，荣建，刘小明,等.快速路分、合流影响区交通特性及通行能力研究[J].公路交通科技，2006,23(1)：101-104.
[12] Saaty T,Vargas L.Models,Methods,Concepts&Applications of the Analytic Hierarchy Process[M].2版.Springer,New York,2012.
Research on Traffic Risk Identification of Urban Fast Track Connection Nodes
(School of Transportation Engineering,Kunming University of Science and Technology,Kunming 650500,China)
Abstract: In order to deeply study the safety of urban fast-track connection nodes and identify their traffic risks,the measured lane change and vehicle speed data are taken as the analysis object for the vehicle lane change and vehicle speed change behavior at the fast-track connection node,and the change of the joint node and the speed change are quantitatively analyzed law.On this basis,a multi-level fuzzy comprehensive evaluation model is established,and the traffic risk identification is carried out on the K11+115m typical connection node of Kunyu expressway Kunming city.The results show that the transition section of the connecting node and the acceleration/deceleration section have higher risk levels than other sections.Finally,based on the identification results,the causes of the potential traffic risk interval are analyzed,and corresponding improvement measures are proposed.
Key words: traffic engineering;traffic safety;risk identification;fuzzy comprehensive evaluation;fast track
中图分类号： F570
文献标识码： A
文章编号： 1002-3100（2019）03-0093-06
收稿日期： 2018-10-21
基金项目： 国家自然科学基金项目“基于多源异构大数据挖掘融合的高原公路交通风险多因素时空耦合识别及其控制技术研究——以云南高原地区为例”（61863019）
作者简介： 胡立伟（1978-），男，山东潍坊人，昆明理工大学交通工程学院，副教授，博士，硕士生导师，研究方向：道路交通安全、驾驶人行为特性。
标签：交通工程论文; 交通安全论文; 风险识别论文; 模糊综合评价论文; 快速通道论文; 昆明理工大学交通工程学院论文;