山区二级公路运营期常态交通风险评价

doi:10.16265/j.cnki.issn1003-3033.2022.02.024

摘要/Abstract

摘要：

为客观准确地评价山区二级公路常态交通风险,将风险源分为动态风险源和静态风险源。首先,基于白化权函数的综合评价法建立事故后果模型,基于历史事故数据建立事故概率模型,以评价静态风险;其次,结合白化权函数和层次分析法(AHP)建立事故后果模型,采用有序Logit模型建立事故概率模型,以评价动态风险;最后综合动静态风险结果评价山区二级公路常态交通风险。结果表明:该模型能够融合道路线形、交通环境、自然环境等动静态数据评价山区二级公路运营期常态交通风险,识别出风险较高的路段,从而提出有针对性的风险应对措施,提高山区二级公路的交通安全水平。

关键词: 山区二级公路, 风险评价, 常态交通, 静态风险, 动态风险, 交通安全

Abstract:

In order to objectively and accurately evaluate normal traffic risks of second-class highways in mountainous areas, the risk resources were divided into two types, namely dynamic risk and static risk sources. Firstly, to assess static risks, an accident consequence model was established by comprehensive evaluation method based on whitening weight function, while an accident probability model was developed based on historical accident data. Then, for dynamic risk assessment, an accident consequence model was built by combining whitening weight function and analytic hierarchy process (AHP), and an accident probability model was built by using ordered Logit model. Finally, the normal traffic risk of second-class highways in mountainous areas was evaluated by integrating dynamic risk and static risk. The results show that the assessment model can evaluate normal traffic risks of these highways during operation period by combining dynamic and static data such as road alignment, traffic environment and natural environment. Based on this, highly risk sections can be identified, and thus responding countermeasures can be put in place to improve traffic safety level.

Key words: second-class highway in mountainous areas, risk assessment, normal traffic, static risk, dynamic risk, traffic safety

陈圣迪, 葛晓婉, 赵晓晨, 陆键, 邢莹莹. 山区二级公路运营期常态交通风险评价[J]. 中国安全科学学报, 2022, 32(2): 176-183.

CHEN Shengdi, GE Xiaowan, ZHAO Xiaochen, LU Jian, XING Yingying. Normal traffic risk assessment of second-class highways in mountainous areas during operation period[J]. China Safety Science Journal, 2022, 32(2): 176-183.

图/表 9

表1

静态风险源及量化结果

风险源	风险源说明	量化结果
平曲线	平曲线半径越小,离心力越大,视线盲区也越大,从而更容易发生交通事故	平曲线半径 $R 1$
平曲线	平曲线半径越小,离心力越大,视线盲区也越大,从而更容易发生交通事故	急弯个数N
竖曲线	竖曲线对视距、轮胎磨损程度、离心力都会造成影响,从而影响行车安全	竖曲线半径 $R 2$
竖曲线	竖曲线对视距、轮胎磨损程度、离心力都会造成影响,从而影响行车安全	纵坡 $i 1$
平纵组合线形	平纵曲线组合不当相比单个平、纵曲线对交通安全的影响要更大	组合坡度 $i 2$
隧道	隧道出入口由于光线强度变化,易引发车辆碰撞洞口、墙壁、车辆追尾、对撞等事故	照明程度 $D l$
隧道	隧道出入口由于光线强度变化,易引发车辆碰撞洞口、墙壁、车辆追尾、对撞等事故	防护措施完善度 $S 1$
桥梁	桥梁与小半径曲线相连易引发冲出桥梁、碰撞桥头等事故	桥头曲线半径 $R 3$
		纵坡 $i 3$
		防护设施完善度 $S 2$
风险源	风险源说明	量化结果
视距	视距不良易导致对向车辆发生对撞事故	会车视距L
平面交叉	平交口冲突点较多,通过车速较高时易发生碰撞、追尾事故	冲突数n

表1

表2

动态风险源及量化结果

风险源	风险源子集	风险源说明	量化结果
交通环境	交通流组成	货车比例高易引发客车移动瓶颈,客车在超车过程中易发生对向碰撞、冲撞护栏等事故,且货车比例较高时对路面损害增加,影响路面平整度进而影响行车安全	货车比例 $p t$
	交通流特性	交通量的大小直接影响驾驶员的心理状况及其紧张程度,进而影响交通事故类型及事故率的高低	平均速度 $v -$
	交通流特性	交通量的大小直接影响驾驶员的心理状况及其紧张程度,进而影响交通事故类型及事故率的高低	交通饱和度q
自然环境	雨	不良天气对山区二级公路交通安全的影响主要体现在路面摩擦因数和能见度2个方面。不良天气导致路面摩擦因数降低,从而使车辆制动距离增大,增加危险性;能见度降低,导致驾驶员可视距离缩短,从而易导致驾驶员判断失误,影响行车安全	降雨量 $p r$
	雪		降雪量 $p s$
	雾		能见度V
	冰		路表温度t

表2

表3

山区二级公路静态指标打分标准

指标层	指标量化	打分标准(分数越高风险越高)
指标层	指标量化	1分	2分	3分	4分	5分
平曲线	平曲线半径R₁/m	(400,∞)	[125,400]	[100,125)	[75,100)	(60,75)
平曲线	平均每千米急弯个数N	N≤1	1<N≤2	2<N≤3	3<N≤4	N≥4
竖曲线	竖曲线半径R₂/m	(3 000,∞)	(2 000,3 000]	(700,2 000]	(450,700]	(0,450]
竖曲线	纵坡 $i 1$ /%	(0,2)	[2,3)	[3,4)	[4,6)	[6,7)
组合线形	合成纵坡 $i 2$ /%	(0,2)	[2,4)	[4,6)	[6,8)	[8,10]
隧道	照明 $D l$	好	较好	中	较差	差
隧道	防护措施 $S 1$	好	较好	中	较差	差
桥梁	桥头接小半径R₃/m	(60,75]	(75,90]	(90,105]	(105,115]	(115,125)
	纵坡 $i 3$ /%	(0,1)	[1,2)	[2,3)	[3,3.5)	[3.5,4)
	防护措施 $S 2$	好	较好	中	较差	差
视距	会车视距L/m	(140,∞)	[120,140]	[100,120)	[80,100)	(0,80]
平面交叉口	冲突点数量n	(0,5)	[5,10)	[10,15)	[15,20)	[20,∞)

表3

表4

表5

图1

表6

山区二级公路动态指标打分标准

指标层			指标量化	打分标准(分数越高风险越高)/分
指标层			指标量化	1	2		3			4
交通环境	交通流组成		货车比例 $p t$ /%	(0,10]U(70,100]	(10,15]U(60,70]		(15,25]U(45,60]			(25,45]
	交通流特性		平均速度 (限速40 km/h) $v -$ /(km·h^-1)	(0,30]	(30,35]		(35,38]			(38,40]
	交通流特性		交通饱和度q	(0,0.3]	(0.3,0.6]		(0.6,0.9]			0.9~
指标层			指标量化	打分标准(分数越高风险越高)/分
指标层			指标量化	1		2		3	4
自然环境		雨	降雨量 $p r$ / (mm·h)	小雨		中雨		大雨	暴雨
		雨	降雨量 $p r$ / (mm·h)	降水量≤15		降水量≥15		降水量≥30	降水量≥50
		雪	降雪量 $p s$ / (mm·d)	小雪		中雪		大雪	暴雪
		雪	降雪量 $p s$ / (mm·d)	0.1~2.4		2.5~4.9		5.0~9.9	12 h内降雪量将达4 mm以上或已达4 mm以上且降雪持续
		雾	能见度V/m	水平能见度>500		200<水平能见度≤500		100<水平能见度≤200	水平能见度≤100
		冰	路表温度t/℃	路面温度在-1以上		路面温度降至-2,路面有结冰		路面最低温度在-3~-5,路面有严重结冰	路面最低温度低于-10路面有严重结冰

表6

表7

表8

参考文献 18

[1]	廖军洪, 邵春福, 邬洪波, 等. 连续长大下坡心率与线形指标关系模型[J]. 交通运输系统工程与信息, 2012, 12(4): 184-189.
	LIAO Junhong, SHAO Chunfu, WU Hongbo, et al. Modeling drivers' heart rate and highway alignment relationship on long steep downgrades[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(4): 184-189.
[2]	褚端峰, 李浩然, 张存保, 等. 振动减速带对行车安全的影响及控速效果分析[J]. 中国安全科学学报, 2014, 24(6): 86-91.
	CHU Duanfeng, LI Haoran, ZHANG Cunbao, et al. Analysis of effects of vibrating deceleration bump on driving safety and its speed control effectiveness[J]. China Safety Science Journal, 2014, 24(6): 86-91.
[3]	杨成里. 山区雾冰不良气候下高速公路行车安全保障技术研究[D]. 西安: 长安大学, 2015.
	YANG Chengli. Study on the security technology of expressway under adverse climate of fog & ice in mountain area[D]. Xi'an: Chang'an University, 2015.
[4]	刘卫铮. 基于大车混入率的交通流状态安全性研究[D]. 天津: 河北工业大学, 2007.
	LIU Weizheng. Study on relationship between mix rate of large vehicle and traffic state safety[D]. Tianjin: Hebei University of Technology, 2007.
[5]	ZHANG Kairan, SHI Peiniao. Transportation security assessment method for a mountainous freeway using a Bayesian network[C]. International Conference on Transportation Engineering, 2015: 2891-2896.
[6]	MENG Xianghai, ZHENG Lai, SHI Yongyi. Research on accident prediction models for freeways considering effect of lane change maneuvers[J]. Journal of Highway and Transportation Research and Development, 2014, 31(6): 121-126.
[7]	YU Rongjie, ABDEL-ATY M, AHMED M. Bayesian random effect models incorporating real-time weather and traffic data to investigate mountainous freeway hazardous factors[J]. Accident Analysis and Prevention, 2013, 50:371-376. doi: 10.1016/j.aap.2012.05.011
[8]	徐晶. 高速公路交通安全微观评价方法及应用研究[D]. 北京: 北京交通大学, 2011.
	XU Jing. Research on microscopic evaluation method and application of freeway traffic safety[D]. Beijing: Beijing Jiaotong University, 2011.
[9]	谭金华. 浓雾下高速公路追尾事故风险管理研究[D]. 北京: 清华大学, 2015.
	TAN Jinhua. Rear-end collision risk management of freeways in heavy fog[D]. Beijing: Tsinghua University, 2015.
[10]	崔建伟. 山区公路行车风险评价方法与防控措施研究[D]. 重庆: 重庆交通大学, 2017.
	CUI Jianwei. Study on assessment method of risk on road running and prevention control measures in mountain area[D]. Chongqing: Chongqing Jiaotong University, 2017.
[11]	交通部公路安全保障工程技术组. 公路安全保障工程实施技术指南[M]. 北京: 人民交通出版社, 2010: 421-434.
[12]	杨芳. 山区二级公路限速方法研究[D]. 重庆: 重庆交通大学, 2016.
	YANG Fang. Research on the method of setting speed limits on mountainous second-class highway[D]. Chongqing: Chongqing Jiaotong University, 2016.
[13]	JTG D20-2006, 公路路线设计规范[S].
	JTG D20-2006, Design specification for highway alignment[S].
[14]	陆键, 蔡晓男, 王可, 等. 交通基础设施运营安全风险管理理论与应用[M]. 北京: 科学出版社, 2020: 56-71.
[15]	刘志强, 王兆华, 钱卫东. 基于速度的交通事故分析[J]. 中国安全科学学报, 2005, 15(11):35-38.
	LIU Zhiqiang, WANG Zhaohua, QIAN Weidong. Analysis of traffic accidents based on speed[J]. China Safety Science Journal, 2005, 15(11): 35-38.
[16]	刘美池, 尹盼盼, 荣文竽. 基于模糊模式识别的高铁快运安全综合评价[J]. 中国安全科学学报, 2018, 28(增2): 149-154.
	LIU Meichi, YIN Panpan, RONG Wenyu. Comprehensive evaluation of high-speed railway express safety based on fuzzy pattern recognition[J]. China Safety Science Journal, 2018, 28(S2): 149-154. doi: 10.16265/j.cnki.issn1003-3033.2018.S2.028
[17]	蒋若曦, 朱顺应, 王磊, 等. 基于交通冲突的高速公路施工区安全评价[J]. 中国安全科学学报, 2019, 29(6): 116-121. doi: 10.16265/j.cnki.issn1003-3033.2019.06.019
	JIANG Ruoxi, ZHU Shunying, WANG Lei, et al. Traffic safety assessment of highway workzone based on traffic conflict[J]. China Safety Science Journal, 2019, 29(6): 116-121. doi: 10.16265/j.cnki.issn1003-3033.2019.06.019
[18]	QX/T 111-2010, 高速公路交通气象条件等级[S].
	QX/T 111-2010, Grade of weather conditions for freeway transportation[S].

等级	定量判断标准(概率区间)	基本描述
1	P<0.000 3	几乎不可能发生
2	0.000 3≤P<0.003	很少发生
3	0.003≤P<0.03	偶然发生
4	0.03≤P<0. 3	可能发生
5	P≥0.3	频繁发生

特征	事故起数		事故概率风险
特征	数量/起	占总数比/%	事故概率风险
急弯	1 075	0.49	0.004 9
陡坡	268	0.12	0.001 2
连续下坡	451	0.20	0.002 0
一般弯坡	5 920	2.70	0.027 0
急弯陡坡	553	0.25	0.002 5
一般坡急弯	613	0.28	0.002 8
一般弯陡坡	432	0.20	0.002 0

准则层	权重	指标层	权重
交通环境	0.33	货车比例	0.57
		速度	0.29
		交通量	0.14
自然环境	0.67	雨	0.19
		雪	0.22
		雾	0.33
		冰	0.26

路段编号	起点桩号	终点桩号	静态后果等级	静态概率等级	静态风险等级	动态风险等级	路段综合风险等级
1	K1317+100	K1317+300	1	3	II	II	II
2	K1317+300	K1317+400	2	1	I	II	II
3	K1317+400	K1317+500	1	3	II	II	II
4	K1317+500	K1317+600	4	4	IV	II	IV
5	K1317+600	K1317+800	3	4	III	II	IV
6	K1317+800	K1317+900	2	1	I	II	II
7	K1317+900	K1318	1	3	II	II	II
8	K1318	K1318+200	3	1	II	II	II
9	K1318+200	K1318+400	2	1	I	II	II
10	K1318+400	K1318+700	2	3	II	II	III
11	K1318+700	K1318+800	3	1	II	II	II
12	K1318+800	K1319+100	2	3	II	II	II
13	K1319+100	K1319+200	1	4	II	II	II
14	K1319+200	K1319+400	1	4	II	II	II
15	K1319+400	K1319+900	4	1	III	II	III
路段编号	起点桩号	终点桩号	静态后果等级	静态概率等级	静态风险等级	动态风险等级	路段综合风险等级
16	K1319+900	K1320+200	3	1	II	II	II
17	K1320+200	K1320+900	1	4	II	II	II
18	K1320+900	K1321+200	2	1	I	II	II
19	K1321+200	K1321+400	1	4	II	II	II
20	K1321+400	K1321+600	3	1	II	II	II
21	K1321+600	K1321+800	1	1	I	II	II
22	K1321+800	K1322+100	1	1	I	II	II
23	K1322+100	K1322+400	1	1	I	II	II
24	K1322+400	K1322+600	1	3	II	II	II
25	K1322+600	K1323+500	3	4	III	II	III
26	K1323+500	K1323+600	3	4	III	II	III
27	K1323+600	K1323+800	3	4	III	II	III
28	K1323+800	K1323+900	3	4	III	II	III
29	K1323+900	K1324	4	4	IV	II	III
30	K1324	K1324+300	2	1	I	II	II