骆 成，陈 霞，路亚妮，陈继虎

(1.湖北工程学院 土木工程学院，湖北 孝感 432000；2.内蒙古科技大学 土木工程学院，内蒙古 包头 014010；3.浙江工业大学 土木工程学院，浙江 杭州 310023)

0 引 言

危化品道路运输系统是一个复杂的社会技术系统，涉及驾驶员、车辆、危化品、环境和管理等方面，具有模糊性和动态性[1-3]。危化品的运输安全受到驾驶员操作、运输车辆状况、危险品理化性质、道路条件、气象环境、国家政策、运输市场和运输相关行业的影响[4-5]。这些因素最终导致危化品运输风险分析的复杂性，增加了事故预防难度[6-7]。由上述多个风险因素构成的线性耦合链在时间和空间上非线性耦合，导致能量不断变化，最终突破安全阈值导致事故发生。

近年来，中国沿海地区危化品事故频发。危化品道路运输安全已成为学者们普遍关心的问题[8-9]。许多学者在考虑单一风险因素对道路运输安全的影响方面做了大量研究。从驾驶员因素分析，AMBITUUNI等以尼日利亚为例，分析了2007年至2012年发生的2318起危化品运输事故，发现79%的事故是由驾驶员因素引起的，主要原因是危险驾驶[10]。从危化品自身理化性质因素分析，学者们研究了运输不同危险物质的潜在风险。HWANG等研究了(a)6种有毒吸入化学品，(b)液化石油气，(c)汽油和(d)炸药的公路运输风险[11]。刘平健针对有毒液体物质自身特点，综合考虑运输过程和方式，提出了一种定性的安全评估方法[12]。而SCENA等对氯气泄漏的风险进行了评估[13]。从环境因素分析，YANG等根据危化品道路运输事故的统计数据，分析了不利道路条件和气象条件对事故后果的影响[14]。郭健等考虑强台风、雨雾等不利气象环境影响，分析了危化品运输车辆的行驶稳定性[15]。黄合来等针对特殊路段研究了山区高速公路隧道群危化品运输风险[16]。在考虑多风险因素对道路运输安全的影响方面，陈伟珂等基于火灾爆炸后果建立了危化品车辆多因素耦合动力学模型，研究了风险因素相互作用关系[17]。HOLECZEK针对运输方式的不同，总结了危化品运输在多因素作用下的风险研究的差异性[18]。王阳等基于突变理论，研究并建立了道路危化品运输“人-物”尖点突变模型[19]。LI等提出了一种基于模糊贝叶斯网络(FBN)的道路罐车运输实时风险分析方法，该方法通过考虑车辆和环境因素，为道路罐车提供实时风险估计[20]。N-K模型是用来量化复杂系统风险的经典方法，杨婷等利用N-K模型对道路危险品运输风险进行分析[21]。从上述研究可知，危化品运输风险的研究主要集中在探索危化品运输的风险源分析和风险评估方法，而对危险品运输风险耦合的致因分析相对较少且以往的研究大多集中于内陆运输，很少考虑复杂的海域环境对危化品运输风险的影响。

因此，此文目的是分析风险因子如何耦合诱发危化品运输事故，并量化各类耦合的危险程度。首先，根据2016—2020年中国沿海地区362起危险品事故的统计数据，将运输风险分为6类：驾驶员、车辆、危险品、气象环境、道路环境和管理，识别出22个风险因素。然后，界定了复杂海域环境下危险品道路运输风险耦合的含义和类型。接着，利用层次分析法(AHP)和N-K模型构建了一个新的风险耦合模型。利用新的AHP—N-K模型计算单、双、多风险因素构成要素之间的耦合度。最后，通过气象因素与道路环境因素之间的风险耦合效应作用情况，分析了复杂海域环境下危险品道路运输风险耦合特征。

1 沿海地区危化品运输风险因素分析

中国沿海地区常常受到强风、雨雾等恶劣天气的影响，危险性较强，车辆—道路—环境灾情演变过程复杂。沿海地区复杂的海域环境决定了其运输风险特征不同于内陆运输[22]。根据安全工程的系统风险理论，利用2016—2020年中国沿海地区362起危险品事故的统计数据，并结合沿海地区危险品道路运输事故的特征[23]，将危险品道路运输风险因素分为驾驶员、车辆、危化品、气象环境、道路环境及管理6类，进一步辨识出22种风险因子，如图1所示。

2 海域环境危化品运输风险耦合界定

2.1 危化品道路运输系统风险耦合定义

风险是事故发生的潜在原因，而事故往往不是由某单一风险点源导致的，而是由多个风险源协同作用、演化发展、突破阈值、最终诱发事故[24-27]。中国沿海危险品道路运输系统风险耦合是指复杂海域环境下(主要考虑沿海气象环境和道路特征)道路运输风险指标体系中22个风险因子之间的相互作用关系。风险因子之间相互作用、彼此依赖程度越大，风险因子之间的耦合度就越高，反之亦然。

2.2 危化品道路运输系统风险耦合类型

根据参与耦合作用的风险因子数量，中国沿海危险品道路运输系统的风险耦合可分为以下3类。

2.2.1 单因素风险耦合

单因素风险耦合是指6类风险因素中某一类因素之间的相互作用情况，总风险值用T1表示，包括6种耦合类型。

2.2.2 双因素风险耦合

双因素风险耦合是指6类风险因素中任意2类风险因素之间的相互作用。总风险值用T2表示，包括15种耦合类型。

2.2.3 多因素风险耦合

多因素风险耦合是指6类风险因素中的3类或3类以上风险因素之间的相互作用。包括三因素、四因素、五因素、六因素风险耦合。总风险值分别由T3，T4，T5和T6表示。它们分别包括20，15，6和1种耦合类型。基于上述分类，风险耦合关系如图2所示。

3 沿海地区危化品运输风险耦合分析

3.1 风险耦合模型构建

风险耦合模型由层次分析模型(AHP)和N-K模型组成。将AHP模型和N-K模型结合起来构建新模型(即AHP—N-K模型)的优势是显著的，因为两者都是分析复杂系统内因素之间相互作用和关系的实用方法，它们可以相互补充。层次分析法用于从社会技术系统的宏观角度解释危险品事故的层次结构，而N-K模型主要用于从危险品运输的微观角度分析内部风险因素的相关影响。通过构建AHP—N-K模型，系统地分析了危化品道路运输系统因素作用的内在关联性。构建框架如图3所示。

3.2 AHP模型

步骤一：构建层次结构模型。

在辨识中国沿海危险品运输系统风险因素的基础上，根据不同属性，将相关风险因素从上到下划分为2个指标层次。这2个指标层次分别包括6个主指标和22个子指标，如图1所示。

步骤二：构建判断矩阵。

确定每个层次每个因素权重时，用相对尺度来降低比较具有不同性质各种因素的难度，从而提高精度。假设有n个元素参与比较，那么A=(aij)n×n称为判断矩阵。aij的标度取值见表1。

表1 标度取值

步骤三：计算权重并进行一致性检验。

计算权重向量是建立风险评估指标体系中各指标的权重。采用公式(2)计算A中各行元素的乘积。

(1)

计算Mi的n次方根

(2)

将Wi标准化为特征向量

(3)

得到A的最大特征值

(4)

式中W为权重；AWi为列向量AW的第i个分量。计算权重向量后，需要检查一致性。首先，需要计算一致性指标CI。

(5)

然后，计算一致性比CR

(6)

其中RI为随机一致性指标，见表2。

表2 随机一致性指标的标准值

步骤四：基于专家评分结果构建评估矩阵。

根据专家评分对参与耦合作用风险因子评估，专家评分法得到的风险评价矩阵如下

(7)

矩阵中m为风险因子数；n为专家数；bij为第i个专家对第j个风险因子的打分。

步骤五：确定功效函数，计算耦合度。

假设Eij为复杂海域环境下危险品运输风险第i个因子的第j个分量的期望值，Aij和Bij分别为Eij期望值的上下限，则该风险因素对复杂海域环境下危险品运输风险的功效函数Uij为

(8)

假设各风险因素的权重为Wij，各风险因素对复杂海域环境中危险品运输风险的有序贡献如下

(9)

m个风险因子的耦合度Cm为

(10)

3.3 N-K模型

步骤一：统计不同风险因素间耦合次数。

N-K模型中N为风险因子的数量；K为相互作用因子的数量。危化品运输风险体系22个风险因子每个因子可以分为2种不同的情况，即风险值是否超过阈值导致事故，如果超过并导致事故，则取为1，如果不引起运输事故，取0。通过对362起危险品运输事故的详细分析，得到不同耦合类型危险因素的统计耦合频率。

步骤二：计算不同风险因素间耦合概率。

根据统计的耦合频率，可以计算出不同风险因素的耦合概率。

步骤三：评估不同耦合形式发生概率。

N-K模型可计算风险因子耦合信息T。T越大，则说明该种耦合情况风险越高，发生事故的可能性也越大。根据文献[21]，可以得到单/多因素耦合计算公式。单因素耦合计算公式为

(11)

式中 1为单类因素；Ph为6类因素中某类处于h状态下发生耦合的概率；Ph.....为6类因素中的某类处于h状态时发生耦合的概率总和。双因素耦合计算式为

(12)

式中 2为6类因素中任意2类；Phi....为2类风险因子分别处于h和i状态时发生耦合的概率；P.i....为6类因素中的某类处于i状态时发生耦合的概率总和。

类似地，多因素耦合计算公式如下

T3=

(13)

T4=

(14)

Ph.....P.i....P..j...P...k..P....l.)

(15)

Ph.....P.i....P..j...P...k..P....l.P.....m)

(16)

4 案例应用与分析

根据362起危化品交通事故的统计数据，有64种可能的风险因素耦合形式。例如，6类风险因素中没有任何一个风险因子参与而最终诱发事故的数量为0，即P000000=0.000 0，未列于表中。根据统计耦合频率，可以计算出不同风险因素的耦合概率，见表3。双因素和多因素风险耦合值及其对应排序见表4。

表3 362起事故风险耦合次数和概率

表4 风险耦合结果

通过以上分析可知：①随着参与耦合的风险因素的增加，耦合风险有增大的趋势。其中，六因素风险耦合值最大，为0.264 3，分别是五、四、三、二因素耦合最大值的1.6，2.6，4.1，7.1倍;②驾驶员与道路环境因素易与其他风险因素耦合，驾驶员与道路环境因素之间的耦合对系统的威胁较大，体现在驾驶员不能灵活应对恶劣的道路环境；③在双因素耦合中，主客观风险因素耦合值往往大于纯客观风险因素，这主要是因为在在整个道路危化品运输系统中驾驶员处于核心地位，面对不利的气象环境、道路条件和车辆故障等客观因素，更易发生相互作用，突破系统风险阈值；④气象环境的风险值虽然不是最大，但更像是一个“助推器”。其中，有气象环境风险因素参与的双因素耦合最大值为0.013 7，排名所有双因素耦合第3位；由它参与的三因素耦合最大值为0.060 8，排名所有三因素耦合第2位。恶劣的天气环境使驾驶员操作难度加大，容易造成车辆处于不安全状态。

通过构建比较矩阵，比较各因子重要性。根据专家评分法，获得中国沿海危化品道路运输一级、二级风险指标权重并通过一致性检验，见表5。

表5 危险品运输风险指标权重一致性检验

为了分析复杂的海域环境对沿海地区危险品运输风险的影响，通过考虑沿海运输与一般内陆运输风险的差异性，探索气象因素与道路环境因素之间的风险耦合关系，并根据公式(9)～(11)计算风险因素之间的耦合度。风险耦合拓扑分析的结果如图4所示。

由图4可以看出，沿海运输气象环境中雨天与其他风险因子的耦合效应较强，风险较高。其中，雨天、大风的耦合作用最强。这一特征不同于一般的内陆运输。道路环境中弯道与其他风险因素之间的耦合作用较强，其中弯道与连续下坡耦合效应最强，而其他风险因素之间的耦合作用一般。在气象环境与道路环境因子交叉耦合过程中，弯道与雨天、大风等5个气象环境因子的耦合作用较强，弯道与雨天的耦合作用最强，需要特别注意。

5 结 论

1)随着参与耦合的风险因素的增加，耦合风险有增大的趋势。六因素风险耦合值最大，为0.264 3，分别是五、四、三、二因素耦合最大值的1.6，2.6，4.1，7.1倍。主观风险中的驾驶员因素与客观风险中的道路环境因素之间的耦合作用导致事故发生的概率较大，而气象环境因素则起到“催化剂”作用。

2)诱发危化品运输事故的主客观风险因素的耦合风险高于纯客观风险因素间的耦合风险。考虑沿海地区复杂海域环境对风险耦合的影响，发现雨天、弯道与其他风险因素耦合效应强，风险值较大，风险较高。其中，雨天与弯道耦合效应最强，相关部分应特别注意雨天弯道处危化品运输车辆行驶安全。

3)AHP-N-K模型能更好地描述风险因子之间的内在联系，量化了风险因子间的耦合程度。它为决策者和管理人员制定适当的安全措施以防止危化品运输事故提供了理论支撑。