夏嘉伟

摘要 为解决高速公路隧道行车风险安全评估过程中具有的随机性和模糊性，提高对公路隧道的运营安全风险管理水平，文章采用模糊层次法和云模型评估高速公路隧道运营安全的风险等级。首先利用模糊层次法确定影响高速公路隧道运营安全的风险因素，其中考虑到行车安全中所具有的模糊性，利用云模型定量与定性之间的转换关系，通过云模型定量评价风险等级情况，最后在此基础上，对隧道运行的安全性进行了评价，并对其进行了定性和定量分析。结果表明，文章提出的评价指标能很好地反映出企业的风险水平，与企业的实际情况相吻合。

关键词 高速公路隧道；行车风险；结构层次法；云模型；高速公路；风险评估

中图分类号 U458.1文献标识码 A文章编号 2096-8949（2023）09-0016-04

0 引言

近几年，我国公路隧道的总里程数迅速增加，但其事故仍未能得到有效控制。高速公路隧道重大事故频发，给高速公路隧道行车安全带来了巨大挑战。据有关数据显示，在我国高速公路上，隧道型道路交通事故占36.5%[1]。近年来，我国高速公路隧道频繁发生重大交通事故，对其安全运行提出了严峻的考验。高速公路隧道行车安全评估对隧道运营监测系统的推广具有积极作用。目前，国内外采用DS证据理论[2]、灰色关联度分析[3]、故障树分析[4]等评价方法，研究隧道运营安全性和可靠性对其影响的调查具有一定的参考价值。然而，在进行这样的评估时，通常会涉及模糊性和专家评估的随机性，需要特别注意。其模糊性和随机性导致了隧道运营管理系统难以推广。

对于影响隧道行车安全的风险因子的权重计算是风险评估的第一个难点，考虑其评价过程中的随机性与模糊性，为了确定风险因素的权重值，可以采用结合定性和定量方法的层次分析法[5]。同时，考虑到云模型[6]可用于研究定量和定性之间的转换，可以将评估过程中的随机变量和模糊变量转换为定性解决。基于上述优点，可以使用层次分析法和云模型对隧道行车风险进行评估，并建立高速公路隧道行车风险安全评估体系。层次分析法用于确定风险评估变量，云模型则用于生成云滴分布的风险评估等级。

1 隧道评价指标体系的建立

指标在选取的时候将采用定量指标为主、定性指标为辅的基本原则，并结合定性指标的方法来选择评价指标。在构建隧道交通安全性评价系统时，采用层次分析法对安全体系进行细分，影响高速公路隧道行车安全的主要因素分为交通流因素、驾驶员因素、隧道因素以及其他因素[7-9]，具体构建评价指标体系为K={K1， K2， K3， K4}，具体如表1所示。

对上述因素进行量化，按照如表2所示的计算规则对各影响因素进行定量分析。

表2中，Qi——隧道的高峰小时交通流量（pcu/h）；Ri——隧道车流的饱和通行能力；n——去除小汽车的车种类数；Pi——第i种车占比；ls——隧道曲线段长度；lq——隧道全线长度。上述专家打分取值为1～100分，取值越高则认为程度越高。通过表2的计算方法，可以建立判别矩阵，其中j=15，共计15个指标，其中部分指标通过专家打分获得。

在获取已经计算出的判别矩阵后，虽然没有对判断情况有严格的和一些特殊的要求，但为了避免出现不合理的或者不需要的判断值，需要对已经构建的判别矩阵进行一些操作，例如常用的一致性检验。以下是一致性检验的计算方法。

（1）归一化特征向量：，其中。

（2）最大特征根：。

（3）一致性校验：。

通过使用Kappa系数检验，可以校验n阶判断矩阵的一致性。如果计算得到的系数小于0.1，则当前得到的判断矩阵通过一致性校验，可以计算出该判断矩阵的最大特征向量，同时进行归一化处理，以获得需要的风险因子的权重值。如果计算得到的系数大于0.1，则需要重新计算和查看之前判断矩阵的元素值，直至系数小于0.1通过一致性校验。其中，当判断矩阵的阶数小于等于9时，可以参考表3中的RI值[11]。

在对影响隧道运营安全的风险因素集合K明确的前提下，建立出一个评判标准集合V={v1， v2， v3， …， vm}，并对其进行定性概念定量体现，将风险因素映射到评判标准上：，从而获得风险隶属度矩阵：，将每个风险因子分配一个权值，并在此基础上计算相应的云数字特征，从而得到权重因子向量A。

2 云模型定义及数字特征

期望值Ex、熵值En、超熵值He在云模型中用作数字特征，以此来表示定性概念，期望值Ex是对其对应定性知识中的信息中心值的一种表现方式。熵值En则是用来对定性概念中的一些模糊特性的一种衡量方式，反映了在论域空间中，其能被概念接受的那部分云滴的取值范围。超熵值He是熵的一种，主要反映了隶属于定性概念的数值的相应随机程度，同时也间接反映了其云的厚度。如图1所示，该图为一个简单常见的一维正态云模型（Ex=18，En=2，He=0.2），其云滴数为1 500个，纵坐标为其云滴对其定性概念的确定度μ，表示了当前云滴对其概念的确定度。

基于云模型的分类，包括一维、二维、半云和正态云模型等多个类别。 该文主要选用的是一维正态云的模型进行相应的定量描绘，得到相应的云数字特征Ci＝{Ex， En， He}，并与标准的隧道运营风险等级的云模型进行比较，并输出最终评估结果（如图2所示）。

相应地有一维逆向云发生器与一维正向云发生器算法如表4和表5所示。

通过正向云发生器算法可将云数字特征生成对应的标尺云，可实现对隧道行车风险安全的状态评价。

3 实例分析验证

3.1 安全风险评估

该文对隧道行车风险安全评价等级[13-14]参照表6标准划分等级，共分为5级，风险因素的5个评语集如表6所示。

根据参考文献[15]有下雨时刻的隧道入口路段的对应云数字特征（Ex=37.32，En=7.55，He=0.89），以及隧道行車风险安全评价等级各对应标尺云参数表如表7。

利用一维正向云发生器生成到各等级云模型与待评价的隧道路段的云模型的标尺云，在此基础上，通过在不同标准云计算方法下，生成5个风险等级的评语集云图，以及实际对应待评价路段的标尺云，如附图3、4所示。

3.2 结果分析

如附图3所示，附图3中从左往右依次呈现为风险递增状态，第一个云图及左边空白区域在该方法中被认为是非常安全状态；附图3中最后一个云图及空白区域被认为是极度危险状态。由附图3、4可以看出，隧道运营风险评估等级中，几种评价状态都较为稳定，其中待评价路段所生成的标尺云的云滴主要集中在安全与轻度危险所生成的标尺云附近，且主要偏向安全一边，经过评估，隧道行车的安全风险评估结果合理可接受，无需采取措施，而这也与实际的行车情况相符合，从而深刻证明了该方法的正确性和有效性。

4 结语

在分析考虑影响隧道安全行车风险因素的基础上并运用层次分析法和云模型，评估了高速公路隧道运营的安全状态，提供了一种分类评估方法，一定程度上为隧道安全管理及其他领域的安全管理提供了一定的参考价值。

参考文献

[1]赵飞， 李洋洋， 韩晖. 基于交通事故数据的高速公路隧道路段安全性分析[J]. 北方交通， 2021（11）： 83-86.

[2]廖仕超， 王薇， 徐志胜. 基于证据理论的长大公路隧道火灾风险评价模型[J]. 铁道科学与工程学报， 2010（6）： 80-85.

[3]张国喜， 李晓钟. 基于灰色关联故障树的运营期隧道病害风险研究[J]. 工程管理学报， 2016（1）： 77-81.

[4]陈武威， 杨仲元. 基于故障树分析法的隧道渗漏水风险分析[J]. 公路与汽运， 2012（6）： 211-215.

[5]谢辉. 层次分析法在智慧公路要素评定中的应用[J]. 公路交通科技（应用技术版）， 2019（5）： 291-293.

[6]李德毅， 刘常昱， 杜鹢， 等. 不确定性人工智能[J]. 软件学报， 2004（11）： 1583-1594.

[7]周成. 基于不同限速标准的特长隧道行车安全分析[J]. 科学技术创新， 2020（24）： 47-48.

[8]张维麟， 张琳林， 潘晓东. 高速公路过江隧道入口段局部线形安全风险分析[J]. 交通与运输， 2021（1）： 16-20.

[9]毛延波. 忠信庄隧道洞内排水涵洞行车安全分析[J]. 山西建筑， 2015（10）： 176-177.

[10]朱洪洲， 廖亦源. 沥青路面抗滑性能研究现状[J]. 公路， 2018（1）： 35-46.

[11]陈悦华， 黄刚. 基于改进的粗糙集与AHP法的组合权重确定方法[J]. 测控技术， 2017（6）： 132-135+141.

[12]刘常昱， 冯芒， 戴晓军， 等. 基于云X信息的逆向云新算法[J]. 系统仿真学报， 2004（11）： 2417-2420.

[13]谭泽斌. 基于可拓云模型的隧道交通安全评价研究[D]. 武汉：华中科技大学， 2019.

[14]岳林博. 公路隧道安全等级评价研究[D]. 西安：長安大学， 2012.

[15]蒋春桃. 山区高速公路特殊路段行车风险评价及改善措施研究[D]. 重庆：重庆交通大学， 2021.