基于熵权的交通事故现场安全属性识别模型

张文会，李德才，罗文文

(东北林业大学交通学院，哈尔滨150040)

1 引 言

交通事故发生后，事故路段的交通特性随之改变，事故车辆、现场人员、散落物及通过车辆构成一个复杂、危险的交通环境.若事故现场处置不规范或者通过车辆驾驶员判断失误，将会导致二次交通事故，对交通警察等事故现场处理人员的人身安全带来严重的威胁.我国颁布多项法规，规范了交通警察的着装和装备、事故现场保护措施及安全标志设置，具有可操作性，但缺乏一定的理论基础，而且提出的主动防护措施和装备对车速较快的高速公路事故现场并不完全实用.因此，从现场人员、通过车辆、道路特征和管理手段等综合角度开展事故现场安全评价研究，对保护事故现场处理人员的人身安全，提出科学合理的二次交通事故预防对策具有重要的现实意义.

国外学者主要从事故现场快速识别及快速处置的角度展开研究，通过研发先进的交通事故监测和诱导设备［1，2］，同时将设备系统化和网络化［3，4］，缩短了交通事故现场的存在时间，减少了交通事故的影响范围，对预防二次交通事故的发生起到了积极的作用.但所研发的系统和设备都是以检测器提供的数据为基础，对检测器的可靠性要求较高.此外，对于事故发生后交通流突变也展开研究［5］，基于流体力学理论建立了数学模型［6］，模型边界条件不断外延，应用范围也从高速公路交通事故拓展到城市道路交通事件，从供应性交通拥挤到需求性交通拥挤［7］.国内也多见交通事件快速识别模型［8，9］，并有事故现场安全性评价方法［10］.由于交通事故发生的随机性和不确定性，传统的评价模型并不适用.基于熵权的属性识别模型是运用熵值法将主观和客观结合起来，充分利用已有信息，以确定权重，使评价结果更加合理，在很多领域已有应用［11-13］.本文将熵值法和属性识别模型相结合，建立基于熵权的属性识别模型，利用该模型评价交通事故现场的安全性.

2 基于熵权的属性识别模型

目前，在交通安全领域，对评价指标体系研究中赋权方法主要有层次分析法、综合指数法、专家评分法、集值统计法及灰色关联分析法等，这些方法在一定的应用领域能够满足精度要求，但均存在主观性较强、忽略因素间关联程度等缺陷.熵值法充分利用信息熵这一理论工具，根据各项指标值的差异程度，计算出各指标的权重，为多指标综合评判提供依据.熵值法是一种客观赋权法，这种方法避免了人为因素带来的偏差，并且在众多客观赋权法中是一种计算较为简单的方法.

基于熵权的属性识别模型是利用熵值法计算属性识别模型中各指标的权重，其基本建模流程为:建立属性空间矩阵、熵值法确定指标权重、属性测度计算、评价方案排序.

2.1 属性空间矩阵

在研究对象空间X中取n个方案x1，x2，…，xn，对每个方案要测量m个指标I1，I2，…，Im，第i个方案xi的第j个指标Ij的测量值为xij，因此，第i个方案xi可以表示为一个向量xi=(xi1，xi2，…，xin)，1≤i≤n.设F为X上某类属性空间，(C1，C2，…，CK)为属性空间F的分割，且满足C1≤C2≤…≤CK，指标Ij的分类标准已知，写成分类属性空间矩阵为

2.2 熵值法

信息熵可用来度量m个指标的信息效用值，因此利用熵值法计算各指标的权重，其本质就是利用该指标信息的效用值来计算，效用值越高，其对评价的重要性越大，这种确定权值的方法可以避免主观因素的影响，计算步骤如下:

(1)构建n个方案m个评价指标的判断矩阵R=(xij)nm(i=1，2，…，n;j=1，2，…，m).

(2)将判断矩阵归一化处理，得到归一化判断矩阵B

式中 xmax、xmin分别为同指标下不同方案中最满意者和最不满意者(越大越满意、越小越不满意).

(3)根据熵的定义，n个方案m个评价指标的熵为

其中

为使lnfij有意义，一般需要假定当fij=0时，fijlnfij=0.但当fij=1，fijlnfij也等于零，这显然不切合实际，与熵的含义相悖，故需对fij加以修正，将其定义为

(4)计算评价指标的熵权W

2.3 属性测度

记第i个方案的第j个指标值具有属性xij的属性测度为uijk=u(xij∈CK).假设aj1≤aj2≤aj3，则对任一方案 i(i=1，2，…，n)

当xij≤aj1时

当xij≥aj3时

当 aj，l≤ xij≤ aj，l+1时

即比较方案xi的属性测度uxi(CK)=u(xi∈CK).由指标权重可计算出各方案的属性测度

2.4 评价结果

计算各拟定方案的分数，对方案进行排序根据属性识别理论，属性集CK之间有强弱的关系，可以用属性集的分数表示这种关系，强属性集的分数比弱属性集的分数要大.设属性集CK的分数为nk，当C1＜C2＜C3时，有n1＜n2＜n3.于是，各比较方案的分数为

由于C1、C2、C3的重要性是等间隔上升的，因此式(8)中nk=k.

运用评分准则，qxi＞qxj，说明方案xi比xj强.将拟定方案按上述方法进行比较和排序，qxi愈大，则方案愈优;反之亦然.

3 交通事故现场安全性评价

3.1 评价指标体系

根据交通事故现场路段的交通特征，遵循针对性、可行性、可比性和独立性等原则，对交通事故现场安全性评价指标进行了初步筛选，考虑各评价指标之间的关联，建立评价指标体系，如表1所示.

表1 交通事故现场安全性评价指标体系Table 1 Evaluation index system of traffic accident scenes safety

为了获得事故现场处置方案的指标值，按照不同的分类标准，将上述指标分别分为统计型指标和计量型指标、成本型指标和效益型指标，如表2所示.

统计型指标值可根据历史统计资料，并参阅相关法规获得;计量型指标可通过实际度量获得，与事故现场所在的时间和空间属性有关.

某高速公路设计时速为100 km/h，统计数据表明，超速、疲劳等违章驾驶员比例为6.4%，大型车比例为20%，对2012年的一起交通事故进行统计型指标和计量型指标测算，如表3中方案一的实测值所示.按照参考文献［10］的分级标准及属性指标的无量纲化处理方法，得到各指标的实测值和无量纲值，如表3中方案一的无量纲值.为了比较方案之间的优劣，设计了方案二、方案三和方案四.

表2 指标分类Table 2 Index classification

3.2 安全性评价

根据四个事故现场处置方案的指标值，令C1={不安全}，C2={一般安全}，C3={安全}，利用式(1)构造评价标准

表3 交通事故现场安全性指标值Table 3 Safety index value of traffic accident scenes

根据表3中四个事故现场处置方案的指标值，利用式(6)计算单指标属性测度矩阵，并将各评价指标的无量纲值按式(2)进行归一化处理，得到判断矩阵如下:

由式(3)计算各指标的熵

由式(5)计算各指标的权重Wj

由式(7)计算综合属性测度评价矩阵为

由式(8)计算各方案分数及排序结果，如表4所示.

表4 各方案评价结果及排序Table 4 Evaluation result and ranking

由综合属性测度评价矩阵可见，方案一的事故现场处置方案不安全，方案二的事故现场处置方案安全，方案三的事故现场处置方案一般安全，方案四的事故现场处置方案不安全.由表4可见，方案二为事故现场的最优处置方案，安全性最高.利用属性识别模型进行事故现场处置方案的安全评价，不仅可以进行事故现场处置方案安全性分级，也可进行各方案之间的比较.

4 研究结论

道路交通事故现场安全性评价属于事故现场处理后的评价内容，评价结果为提出合理的事故现场处置方法，预防二次事故的发生提供重要的理论依据.本文建立了基于熵权的交通事故现场安全属性识别模型，评价典型高速公路交通事故现场的安全性.评价结果证明该模型可以用来对交通事故现场的安全性进行评价，且结果合理.从计算方法看，基于熵权的属性识别模型减少了权重确定的主观性和优选方法的复杂性，避免了模型优选结果为局部最优解的可能性，评价结果更为客观、合理.

［1］John N Ivan.Neural-net work representations for arterial street incident detection data fusion ［J］.Transportation Research Part C，1997(5):245-254.

［2］Jiuh Biing Sheu，Stephen G.A new methodology for incidentdetection and characterization on surface streets ［J］. TRB， NationalResearch Council，Washington，1998(6):315-335.

［3］Yaser E Hawas.A fuzzy-based system for incident detection in urban street networks［J］.Transportation Research Part C，2007(15):69-95.

［4］Dipti Srinivasan，Ruey Long Cheu，Young Peng Poh，et al.Development of an intelligent technique for traffic network incident detection［J］.Engineering Applications of Artificial Intelligence，2000(13):311-322.

［5］G F Newell.A simplified theory of kinematic waves in highway traffic［J］.Transportation Research B，1993，27B(4):281-287.

［6］Lawson T，Lovell D，Daganzo C.Using the input output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck［J］.Transportation Research Record TRB，National Research Council，1997:125-131.

［7］Liping Fu.An adaptive model for real time estimation of overflow queues on congested arterials［C］//Intelligent Transportation Systems Conference Proceedings，2001:219-226.

［8］姜桂艳，温慧敏，杨兆升.高速公路交通事件自动检测系统与算法设计［J］.交通运输工程学报，2001，1(1):77-81.［JIANG G Y，WEN H M，YANG Z S.Design of freeway automatic incident detection system and algorithm［J］.Journal of Traffic and Transportation Engineering，2001，1(1):77-81.］

［9］樊小红，荆便顺.基于遗传算法的交通事件检测［J］.长安大学学报:自然科学版，2005，25(4):70-72.［FAN X H，JIN B S.Freeway automatic incident detection with genetic algorithm［J］.Journal of Chang’an University(Natural Science Edit ion)，2005，25(4):70-72.］

［10］张文会，邓红星，王宪彬，等.交通事故现场安全性综合评价［J］.交通运输系统工程与信息，2010，10(3):105-109.［ZHANG W H，DENG H X，WANG X B，et al.Comprehensive safety evaluation for traffic accident scene［J］.Journal of Transportation Systems Engineering and Information Technology，2010，10(3):105-109.］

［11］杨净，张江山.基于熵权的属性识别模型在城市轨道线网方案评价中的应用［J］.环境科学与管理，2009，34(8):164-168.［YANG J，ZHANG J S.Appiication of attribute recognition model based on coefficientofentropy to comp rehensive valuation of urban rail transit network［J］.EnvironmentalScience and Management，2009，34(8):164-168.］

［12］薛剑光，周健，史秀志，等.基于熵权属性识别模型的岩体可爆性分级评价［J］.中南大学学报(自然科学版)，2010，41(1):251-255.［XUE J G，ZHOU J，SHI X Z，et al.Assessment of classification for rock mass blastability based on entropy coefficient of attribute recognition model［J］.Journal of CentralSouth University (Science and Technology)，2010，41(1):251-255.］

［13］赵新好，姚安林.基于熵权属性识别理论的管道第三方破坏可能性研究［J］.中国安全科学学报，2011，21(4):71-77.［ZHAO X H，YAO A L.Study on possibility of pipeline third-party damage based on entropy coefficient of attribute recognition theory［J］.China Safety Science Journal，2011，21(4):71-77.］