CN109243178A - 一种不良气候条件下城镇公路交通安全分析与评价方法 - Google Patents

一种不良气候条件下城镇公路交通安全分析与评价方法 Download PDF

Info

Publication number
CN109243178A
CN109243178A CN201811357910.XA CN201811357910A CN109243178A CN 109243178 A CN109243178 A CN 109243178A CN 201811357910 A CN201811357910 A CN 201811357910A CN 109243178 A CN109243178 A CN 109243178A
Authority
CN
China
Prior art keywords
index
evaluation
traffic safety
conditions
town
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811357910.XA
Other languages
English (en)
Inventor
张留禄
李宏基
刘媛媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Technology
Original Assignee
Shanghai Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Technology filed Critical Shanghai Institute of Technology
Priority to CN201811357910.XA priority Critical patent/CN109243178A/zh
Publication of CN109243178A publication Critical patent/CN109243178A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种不良气候条件下城镇公路交通安全分析与评价方法，包括如下步骤：S1、不良气候条件下城镇公路交通安全分析；S2、不良条件下城镇公路交通安全评价指标体系；S3、不良条件下城镇公路交通安全评价模型研究；S4、通过实例进行分析与验证，得出建立的不良气候条件下城镇公路交通安全评价指标体系具有较强的可行性和实用性，提出针对缺陷和隐患的相关改进建议。本发明针对不良条件下城镇公路实际存在的交通安全问题，从城镇公路实际出发，综合考虑了不良气候条件下影响城镇公路交通安全的各个因素，采用了定性与定量结合分析的方法，以层次分析法确定权重，客观条件的安全采用模糊综合评价，建立一套适应不良气候条件下城镇公路特点的交通安全评价指标体系与评价方法。

Description

一种不良气候条件下城镇公路交通安全分析与评价方法
技术领域
本发明涉及交通安全分析与评价技术领域，特别涉及一种不良气候条件下城镇公路交通安全分析与评价方法。
背景技术
随着我国城镇化进程的不断深入，以前起到连接作用的公路，随着城镇人口和城市数量的增加、城镇规模的扩大以及城镇经济社会化、现代化和集约化程度的提高，其功能和作用正在逐渐向城市道路转变，兼具公路与城市道路的特点。
由于城镇化在城镇段不仅承担了过境的交通压力，同时也承担了所经城市和乡镇的一部分的内部交通，以满足城镇内部的客、货、慢车以及行人的出行要求，甚至许多公路成为城镇的主要道路和经济发展地带，使得城镇公路的交通安全问题日渐突出。
我国近年来对交通安全日渐重视，交通事故率己经成逐年下降的趋势。但是由于交通量的增加和交通组成的复杂化，导致城镇公路的安全问题日渐突出。尤其在不良气候条件下，城镇公路的安全问题表现的更为明显，因不良气候而导致的交通事故依然处在一个很高的水平。
我国在交通安全评价方面研究方法主要以统计分析法、灰色评价方法、模糊数学法等为主。虽然我国交通安全评价的方法已经比较完善，但利用这些方法对城镇公路交通安全进行评价的研究还比较少，尤其是在不良气候条件下对城镇公路进行评价，同时对城镇公路的安全性评价方面还有很多不足，过分依赖有经验的专家且主要是定性分析，缺乏评价***、定量分析等；不良气候条件下城镇公路交通安全是多种因素共同决定的，对于某一细节没有与具体的实际运营情况相结合，从而导致安全评价和城镇公路功能的需求和实际运营情况不协调。因此研究不良气象条件下的交通安全问题十分必要。
本发明的方案便是针对上述问题对现有交通安全评价方法进行的改进。
发明内容
为了克服现有技术中的不足，本发明提供一种不良气候条件下城镇公路交通安全分析与评价方法，解决过分依赖有经验的专家且主要是定性分析，缺乏评价***、定量分析等问题。
为了达到上述发明目的，解决其技术问题所采用的技术方案如下：
一种不良气候条件下城镇公路交通安全分析与评价方法，包括以下步骤：
步骤1：在了解城镇公路交通安全现状的基础上，对城镇公路交通安全事故特征、不良气候条件下城镇公路交通事故成因、不良气候条件下城镇公路交通安全影响因素以及不良气候条件雨、雪、雾分别对交通安全的影响进行分析；
步骤2：选取城镇公路交通安全评价指标体系相应的建立原则与选取指标方法之后，对评价指标进行选取，并对相应定性和定量指标进行无量纲分析，进而建立不良条件下城镇公路交通安全评价指标体系；
步骤3：分析与比较现有的评价方法，再结合评价指标体系的特征和有关城镇公路安全状况的一些基本特性来确定模糊综合评价法为最佳评价方法，在此基础上建立不良条件下城镇公路交通安全评价模型；
步骤4：通过实例进行分析与验证，得出建立的不良气候条件下城镇公路交通安全评价指标体系具有较强的可行性和实用性，并提出针对缺陷和隐患的相关改进建议。
进一步的，步骤2又具体包括以下步骤：
步骤2.1：评价指标的选取；
步骤2.2：评价指标的筛选依据；
步骤2.3：评价指标的确定；
步骤2.4：评价指标体系的建立；
步骤2.5：评价流程的确立；
步骤2.6：评价指标的无量纲化。
进一步的，步骤2.2又具体包括以下内容：
(1)评判指标的重要性
在影响不良气候条件下城镇公路的全部指标中，部分指标对评价结果有直接作用，其重要性很强，而有部分指标的重要性就不那么明显，所以需要评判指标的重要性；
假设在初选的指标体系中的某一层中有M个初选指标，要让P位专家进行打分评判重要性，主要在以下三方面进行评判分析：
1)Ei表示集中程度：
式中：Ei-指专家对第i个指标评判的集中程度，其显示了专家组对该指标的期望值；
Ej-指第i个指标在j等级的重要度量值，重要度分5级，从第1～5分别代表：极重要、很重要、重要、一般、不重要；
nij-指第i个指标在j等级时参与评价的专家数；
2)标准差σi表示离散程度：
式中：σi-指专家对第i个指标评判的离散程度，当σi＞0.63时，表示专家意见不统一，还需从新进行论证；
3)变异系数Vi和协调系数K表示协调程度：
式中：Vi-指专家对第i个指标评判的协调程度；
式中：K-指专家对一层指标整体评价的协调程度；
E-指全部指标的集中程度的平均值；
K越大、σi越小则表示讨论结果比较统一协调；Ei、σi、K综合决定了指标的重要性，也决定了是否还要进行分析论证；若满足了以上条件，就通过评价指标重要程度的数值大小来决定指标的取舍，最终初步建立指标体系；
(2)评判指标的必要性
必要性是指初步建立的指标体系中指标是否必须存在，考察指标的必要性要从整体的角度考虑，验算有无多余指标，用相关系数来检测指标必要性，当选取的相关性很强时，会使最终得出的数据出现不必要的重复，导致评价的内容不准确，选取指标的相关性可通过相关系数法得到：
rij＝σij 2/σiσj (2.6)
式中：rij-为指标i和指标j的相关系数；
σij 2-为两个指标的协方差；
σi-为指标i的标准差；
σj-为指标j的标准差。
进一步的，步骤2.3具体包括以下内容：
围绕不良气候条件下下城镇公路交通安全评价目标，首先收集相关资料，根据所收集的资料，在坚持驾驶员、车辆、道路三个影响因素建立基本原则的基础上，考虑到评价指标多为定性指标，通过德尔菲法对不良气候条件下城镇公路交通安全影响因素进行反复筛选，最终确定包括视觉C11、直觉反应能力C12、环境感知能力C13、注意力集中程度C14、焦躁情绪C15的五项驾驶员因素的技术指标，包括车辆速度C21、车辆制动强度C22、转向盘转角C23、加速度C24的四项车辆因素的技术指标，以及包括摩擦系数C31、平整度C32、道路排水性C33、水膜厚度C34、道路线形C35的五项道路可靠性因素的技术指标。
进一步的，步骤2.6具体包括以下内容：
(1)定性指标的无量纲化
设有n个专家在分值范围是0～100的区间估计值内来对某一指标进行区间估计，由此得到有n个区间估计值的集值统计序列：
(a1，b1)，(a2，b2)，…(ak，bk)，…，(an，bn)
其中，ak、bk分别为第K个专家给出的评价指标区间上下限，根据集值统计原理：
上式是通过集值统计法由专家评分得出关于某一定性指标的量化估计值，其可信度由下式计算：
其中：
bd值越小则估计值的可靠程度越低，bd越大则估计值的可靠程度越高；当bd≥0.9时，我们就接受专家对指标u的定量化估计值，也即是专家们意见统一；当bd≤0.9，则需要从新评定该定性指标；
(2)定量指标的无量纲化
一般通过公式计算出具体数据，计算公式如下：
其中：ci-第i项指标所得分数；
xi-第i项指标实际测量值；
xi (h)-第i项指标的不容许值；
xi (s)-第i项指标的最满意值；
n-指标个数；
不良气候条件下城镇公路交通安全评价指标的实际值一般在不容许值和最满意值之间，即xi (s)＜xi＜xi (h)或者xi (h)＜xi＜xi (s)，所以存在60＜ci＜100；在极端情况下，当xi＝xi (s)时，ci＝60为恰好及格；当xi＝xi (h)时，ci＝100为最满意值；通过以上公式可以把指标定量值转换为0～100之间的数值。
进一步的，步骤3还包括以下步骤：
步骤3.1：现有评价方法分析；
步骤3.2：评价方法确定；
步骤3.3：评价指标权重的确定；
步骤3.4：模糊评价模型的建立。
进一步的，步骤3.3又包括以下步骤：
使用模糊向量W表示各因素所占的权重：
W＝{w1，w2，…，wn}
一般来说W需要同时满足非负性要求以及归一性要求，即
进一步的，在研究分析确定权重指标方法后，采用层次分析法来对指标的权重进行确定，利用层次分析法确定指标权重分为四个步骤：
步骤3.3.1：建立递阶层次结构；
步骤3.3.2：构造判断矩阵；
步骤3.3.3：计算指标权重向量；
步骤3.3.4：一致性检验。
进一步的，步骤3.3.1具体包括以下内容：
将模型结构分为目标层、准则层、指标层三层，所述目标层处于模型顶端，是整个模型的最终目标；所述准则层处于模型中间，是评价准则或衡量准则；所述指标层位于模型最底端，作为准则层的细分指标。
进一步的，步骤3.3.2具体包括以下内容：
在确认模型以后，建立相应判断矩阵来计算相应权重，每个指标层中的各个评价指标进行比较，判断矩阵可以计算出两个评级指标的相对重要性，判断矩阵形式如下：
其中，判断矩阵具有如下性质：
(1)aij＞0；
(3)aii＝1(i，j＝1，2，…，n)。
进一步的，步骤3.3.3具体包括以下内容：
计算相关判断矩阵，得出特征向量，通过特征向量值得出每一个指标的权重值，然后对每一个矩阵进行一致性检验，当结论不满足一致性要求时，则需要进行修改，一直修改到满足条件为止，现以判断矩阵A为例，即：
Aw＝λmaxw (3.2)
根据矩阵相关知识可知，A存在最大特征值λmax，并且λmax相对应的特征向量为w，λmax和w的计算方法有多种，采用近似方法-和积法，其步骤如下：
(1)将判断矩阵每一列正规化
(2)按行相加，得和向量
(3)最后对向量做归一化处理
则，向量即为所求得的特征向量；
(4)求解判断矩阵A的最大特征根λmax
式中(AW)i为向量AW的第i个分量。
进一步的，步骤3.3.4具体包括以下内容：
为了确保逻辑上各层指标保持一致，需要进行一致性检验，检验步骤如下：
(1)计算一致性指标CI：
(2)计算一致性比率CR：
RI称为随机一致性指标，RI的取值按照以下确定：
当n＝1时，RI＝0；
当n＝2时，RI＝0；
当n＝3时，RI＝0.52；
当n＝4时，RI＝0.89；
当n＝5时，RI＝1.12；
当n＝6时，RI＝1.26；
当n＝7时，RI＝1.36；
当n＝8时，RI＝1.41；
当n＝9时，RI＝1.46；
当n＝10时，RI＝1.49；
当n＝11时，RI＝1.25；
当n＝12时，RI＝1.54；
当所得结果CR＜0.1时，则可满足一致性要求，结果可采用，各指标因素权重分配合理；否则，需要从新对矩阵各因素进行比较判断。
进一步的，步骤3.4包括以下步骤：
步骤3.4.1：建立因素集；
步骤3.4.2：建立权重集；
步骤3.4.3：确定隶属函数；
步骤3.4.4：模糊综合评价；
步骤3.4.5：评价结果的处理。
进一步的，步骤3.4.1包括以下内容：
因素集是评价指标体系中各个因素的集合，可表示为：
U＝{u1，u2，…，un}
因素集中的各因素的选择要兼顾整个评价***的各方面的情况，突出评价目标的主要特征，同时兼顾其他方面，评价因素集如下：
准则层(一级指标)：
U＝{驾驶员U1，车辆U2，道路U3}
指标层(二级指标)：
U1＝{视觉U11，知觉反映能力U12，环境感知能力U13，注意力集中程度U14，焦躁情绪U15}
U2＝{速度U21，制动强度U22，转型盘转角U23，加速度U24}
U3＝{摩擦系数U31，平整度U32，道路排水性U33，水膜厚度U34，道路线形U35}
当对评价对象进行评价时，评价集就是所有可能出现的评价结果组成的集合，可表示为：
V＝{v1，v2，…，vn}
式中，元素vj(j＝1，2，…，m)是可能做出的评判结果，对评判对象在模糊综合评价结果域中，结果就可以一个模糊评价向量进行表示，模糊向量反映了评价结果属于不同评语等级的隶属程度，体现了评价的模糊特性；而模糊综合评价是通过对影响评价对象的所有因素进行综合评判，从评判集V中得到一个最佳评判结果；
将评价对象-不良气候条件下城镇公路交通安全评价划分为五个等级，即：
V＝{v1，v2，v3，v4，v5}＝{好，较好，一般，较差，差}
进一步的，步骤3.4.2包括以下内容：
根据每一层中各因素的重要程度，利用层次分析法，分别赋予各因素相应的权重值，则第一层相应权重集为：
W＝{w1，w2，w3}
第二层权重集为：
Wi＝{wi1，wi2，…，wij}
其中，wi为第一层指标集中的第i个元素的权重，为第wij个指标在第二层指标集中第j个元素的权重。
进一步的，步骤3.4.3包括以下内容：
首先，建立模糊关系矩阵R，即评判矩阵：
隶属函数表示因素集U与评价集V之间的模糊关系，其中rij(0＜rij＜1)为U中因素ui对应V中等级vj的隶属关系，即从因素ui着眼被评对象能被评为vj等级的程度，也就是因素ui对等级vj的隶属度；
采用三角形隶属函数在0～100区间内划分了五个等级，
函数解析式如下：
式中，x为评价指标得分值；y1、y2、y3、y4、y5分别对应差、较差、一般、较好、好等级，利用以上公式便可得到具体指标的隶属度rij，从而得到单因素评价矩阵R。
进一步的，步骤3.4.4包括以下内容：
采用的是分层次模糊分析方法，即从模型的最低一级开始计算，然后逐级往上推导，直至获得最终评价结果，具体为：
(1)一级模糊综合评价
根据调查得到的具体指标值及专家经验对Ui的单因素进行评判，由此得出ni×5阶评判矩阵Ri：
选择适当的模糊算子进行合成运算，就可以得到单因素综合评价向量为：
(2)二级模糊综合评价
所谓的二级模糊综合评价所带指的是针对准则层中的三个因素所展开的综合评价，可由上一级模糊综合评价集Bi构成，即：
二级模糊综合评价模型为：
进一步的，步骤3.4.5包括以下内容：
通过加权平均法对模糊综合评价结果进行处理，加权平均法即是以bj为权数，并以评价集中的元素vj的等级值作为变量，进而将加权平均后所得值定为最终评价结果，评价等级为五个等级，设V＝(20，40，60，80，100)，则最后评判结果为：
若评判指标bj已归一化，即
则：
本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：
本发明提供的一种不良气候条件下城镇公路交通安全分析与评价方法，本发明框架较合理，拟采用的技术路线逻辑清晰，所需资料能够从学校的图书馆和国内外主流数据库中及时获取。采用定量分析与定性分析相结合，具有较好地说服力，将数据进行科学的计算分析，结论严谨可靠。本发明针对不良条件下城镇公路实际存在的交通安全问题，从城镇公路实际出发，以现有的交通安全评价与事故数据为基础，在学习和参考国内外先进安全评价模型与方法的基础上，综合考虑影响不良气候条件下城镇公路交通安全的各个因素，采用了定性与定量结合分析的方法，以层次分析法确定权重，客观条件的安全采用模糊综合评价，建立一套适应不良条件下城镇公路特点的交通安全评价指标体系与评价方法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
图1是本发明技术路线图；
图2是本发明城镇公路交通安全评价指标选取流程图；
图3是本发明不良气候条件下城镇公路交通安全评价流程图；
图4是本发明递阶层次结构示意图；
图5是本发明指标隶属函数图；
图6是本发明模糊综合评价流程图。
具体实施方式
以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本实施例提供了一种不良气候条件下城镇公路交通安全分析与评价方法，包括以下步骤：
步骤1：在了解城镇公路交通安全现状的基础上，对城镇公路交通安全事故特征、不良气候条件下城镇公路交通事故成因、不良气候条件下城镇公路交通安全影响因素以及不良气候条件雨、雪、雾分别对交通安全的影响进行分析；
其中，S1、城镇公路交通事故特征分析包括：
S1.1城镇公路交通事故死亡人数所占比例比较大；
S1.2(电动)摩托车、农用车肇事是城镇交通事故多发的一个重要原因；
S1.3违法现象比较普遍，车辆操作不规范、超速行驶和无证驾驶为主要原因；
S1.4城镇公路上农民肇事比例较高；
S1.5儿童受害者比较多；
S1.6城镇道路受季节性运输影响大，秋季和春运期间都是运输旺季，事故多；18:00～22:00时为人流高峰期，交通事故比较多；
S1.7城镇道路等级低，路权不明确，尤其是有些农民蓄意侵犯有限的道路资源，机动车、非机动车和行人在同一平面上通行，交通冲突点多、相互干扰大以及交通参与者的随意违章是造成混合交通方式下交通事故多年来居高不下的主要原因；
S1.8城郊区交通死亡率大于城区交通死亡率、交叉口为交通事故多发区；
S1.9城镇公路交通事故主要为碰撞、碾压、刮擦、翻车、坠车、失火；
S1.10驾龄在五年以下的交通事故比例较高；
其中，S2、不良气候条件下城镇公路交通事故成因分析包括：
S2.1主观因素：主观因素是指驾驶员的不安全驾驶行为，也即是人的因素；
S2.2客观因素：客观因素是道路、车辆和环境等一些与驾驶员无关的因素，也就是非人为因素；
其中，S3、不良气候条件下城镇公路交通安全影响因素分析包括：
S3.1人的因素：视力下降、视野变窄、疲劳驾驶等；
S3.2车的因素：制动强度、操作稳定度；
S3.3路的因素：摩擦系数、平整度；
其中，S4、不良气候条件(雨、雪、雾)分别对交通安全的影响分析包括：
S4.1雨对城镇公路行车安全的影响：摩擦系数、能见度；
S4.2雪对城镇公路行车安全的影响：摩擦系数、能见度；
S4.3雾对城镇公路行车安全的影响：摩擦系数、能见度、心里紧张；
步骤2：选取城镇公路交通安全评价指标体系相应的建立原则与选取指标方法之后，对评价指标进行选取，并对相应定性和定量指标进行无量纲分析，进而建立不良条件下城镇公路交通安全评价指标体系；
其中，步骤2又具体包括以下步骤：
步骤2.1：评价指标的选取(如图2所示)；
步骤2.2：评价指标的筛选依据；
当初步选取评价指标并建立了评价体系之后，下一步的工作就是来通过测试来科学地分析验证每个指标的可获得性，我们要考虑评价指标的重要性、必要性和完整性，并利用数学模型验证分析：
进一步的，步骤2.2又具体包括以下内容：
(1)评判指标的重要性
在影响不良气候条件下城镇公路的全部指标中，部分指标对评价结果有直接作用，其重要性很强，而有部分指标的重要性就不那么明显，所以需要评判指标的重要性；要决定指标的存在与否，可以让交通安全方面专家进行打分，来对评判初选指标的重要性。一般情况，我们假设在初选的指标体系中的某一层中有M个初选指标，要让P位专家进行打分评判重要性，主要在以下三方面进行评判分析：
1)Ei表示集中程度：
式中：Ei-指专家对第i个指标评判的集中程度，其显示了专家组对该指标的期望值；
Ej-指第i个指标在j等级的重要度量值，重要度分5级，从第1～5分别代表：极重要、很重要、重要、一般、不重要；
nij-指第i个指标在j等级时参与评价的专家数；
2)标准差σi表示离散程度：
式中：σi-指专家对第i个指标评判的离散程度，当σi＞0.63时，表示专家意见不统一，还需从新进行论证；
3)变异系数Vi和协调系数K表示协调程度：
式中：Vi-指专家对第i个指标评判的协调程度；
式中：K-指专家对一层指标整体评价的协调程度；
E-指全部指标的集中程度的平均值；
K越大、σi越小则表示讨论结果比较统一协调；Ei、σi、K综合决定了指标的重要性，也决定了是否还要进行分析论证；若满足了以上条件，就通过评价指标重要程度的数值大小来决定指标的取舍，最终初步建立指标体系；
(2)评判指标的必要性
必要性是指初步建立的指标体系中指标是否必须存在，考察指标的必要性要从整体的角度考虑，验算有无多余指标，用相关系数来检测指标必要性，当选取的相关性很强时，会使最终得出的数据出现不必要的重复，导致评价的内容不准确，选取指标的相关性可通过相关系数法得到：
rij＝σij 2/σiσj (2.6)
式中：rij-为指标i和指标j的相关系数；
σij 2-为两个指标的协方差；
σi-为指标i的标准差；
σj-为指标j的标准差。
(3)完备性
完备性是指在宏观上，建立的指标体系能否对评价目的有整体、***地体现，充分反映城镇公路安全性能，一般用定性手段来考察。
步骤2.3：评价指标的确定；
不良气候条件下城镇公路交通安全研究的目标是考察在不良气候条件下城镇公路交通***的安全性，对车辆安全驾驶行为的整体评价，所涉及的影响因素包括驾驶员、车辆、道路等三个方面。通过对三种影响因素的研究，可以实现主要技术指标优化、简化的目的，为建立不良气候条件下城镇公路交通安全评价模型的研究提供科学、准确的数据支持。进一步的，步骤2.3具体包括以下内容：
围绕不良气候条件下下城镇公路交通安全评价目标，首先收集相关资料，根据所收集的资料，在坚持驾驶员、车辆、道路三个影响因素建立基本原则的基础上，考虑到评价指标多为定性指标，通过德尔菲法对不良气候条件下城镇公路交通安全影响因素进行反复筛选，最终确定包括视觉C11、直觉反应能力C12、环境感知能力C13、注意力集中程度C14、焦躁情绪C15的五项驾驶员因素的技术指标，包括车辆速度C21、车辆制动强度C22、转向盘转角C23、加速度C24的四项车辆因素的技术指标，以及包括摩擦系数C31、平整度C32、道路排水性C33、水膜厚度C34、道路线形C35的五项道路可靠性因素的技术指标。
步骤2.4：评价指标体系的建立；
针对城镇公路的不同评价目的，可以建立不同指标的评价体系，但在城镇公路交通安全方面还没有统一和公认的一套评价体系。本实施例主要分析研究了人、车、路影响不良气候条件下城镇公路交通安全的三个因素，遵循评价指标体系的建立原则，按照城镇公路交通安全的评价目标，确定了关于不良气候条件下城镇公路交通安全评价指标体系，利用科学的筛选指标方法取舍影响城镇公路安全的因素，并重点考虑导致城镇公路交通事故发生的高频指标，建立的不良气候条件下城镇公路交通安全评价指标体系如表2.1所示。
表2.1不良气候条件下城镇公路交通安全评价指标体系
步骤2.5：评价流程的确立；
由于城镇公路***的自身特点，不良气候条件下城镇公路交通安全评价是多指标综合评价，首先在不同方面、不同层次研究评价城镇公路交通安全性能，最后得到对城镇公路交通安全状况的整体评价，评价流程如图3所示。
步骤2.6：评价指标的无量纲化。
无量纲化既数据的规格化、标准化，在不良气候条件下城镇公路交通安全评价体系中，各个评价指标所代表的物理含义有所不同，也就是指标间的量纲存在差异，指标间不能通过两两比较来判定。所以本实施例把多个不同量纲的指标化为能够一起度量的指标数，最后再将它们汇总得到综合评价值。
在不良气候条件下城镇公路交通安全评价指标体系中，根据指标的性质可以分为定量指标与定性指标。定性指标可以通过实际情况，由专家学者确定其对应的等级和分数；而定量指标一般由数学公式或模型计算出具体的分数，然后根据计算结果来进行评价。以下是对定性指标和定量指标的无量纲化的两种方法。进一步的，步骤2.6具体包括以下内容：
(1)定性指标的无量纲化
定性指标的模糊特性决定了其不明确而且不能进行量化描述，导致了量化处理有很大难度，从而不能客观、准确的评价。要得到客观科学的评价，那就必须量化处理指标体系中属于定性的指标。目前，还没有一种较好的方法能解决对定性指标的量化表达问题，相比于一般的传统的数学统计方法，我们选取集值统计法来处理。集值统计是经典统计和模糊统计的拓展，其要给出所评价指标在一定范围内优劣度的一个区间估计值，然后统计计算专家对评价指标的评分结果，最终定量表示定性的指标。
设有n个专家在分值范围是0～100的区间估计值内来对某一指标进行区间估计，专家根据表2.2里的标准，来量化评分定性指标，实际分值区间要根据实际情况来判定起终点。
评价等级 好 较好 一般 较差 差
分值区间 [80 100] [60 80) [40 60) [20 40) [0 20)
表2.2定性指标评分标准
由此得到有n个区间估计值的集值统计序列：
(a1，b1)，(a2，b2)，…(ak，bk)，…，(an，bn)
其中，ak、bk分别为第K个专家给出的评价指标区间上下限，根据集值统计原理：
上式是通过集值统计法由专家评分得出关于某一定性指标的量化估计值，其可信度由下式计算：
其中：
bd值越小则估计值的可靠程度越低，bd越大则估计值的可靠程度越高；当bd≥0.9时，我们就接受专家对指标u的定量化估计值，也即是专家们意见统一；当bd≤0.9，则需要从新评定该定性指标；
(2)定量指标的无量纲化
定量指标的无量纲化较为简单，一般通过公式计算出具体数据，计算公式如下：
其中：ci-第i项指标所得分数；
xi-第i项指标实际测量值；
xi (n)-第i项指标的不容许值；
xi (s)-第i项指标的最满意值；
n-指标个数；
不良气候条件下城镇公路交通安全评价指标的实际值一般在不容许值和最满意值之间，即xi (s)＜xi＜xi (h)或者xi (h)＜xi＜xi (s)，所以存在60＜ci＜100；在极端情况下，当xi＝xi (s)时，ci＝60为恰好及格；当xi＝xi (h)时，ci＝100为最满意值；通过以上公式可以把指标定量值转换为0～100之间的数值。
步骤3：分析与比较现有的评价方法，再结合评价指标体系的特征和有关城镇公路安全状况的一些基本特性来确定模糊综合评价法为最佳评价方法，在此基础上建立不良条件下城镇公路交通安全评价模型；
进一步的，步骤3还包括以下步骤：
步骤3.1：现有评价方法分析；
不良气候条件下城镇公路交通安全问题由多个因素组成，各因素之间错综复杂，必须全面考虑问题，通过多指标进行全方位的综合性评价。目前，道路安全评价方法主要有下几种。
1、层次分析法
层次分析法(Analytical Hierarchy Profess，简称AHP)是一种定性、定量相结合的决策方法，依据实际情况和分析需求，将问题分解若干个影响因子，并将其通过逻辑顺序进行排列，通过专家评定等方式进行甄别，最后进行统一计算，形成一个多因子分析的权重***。该方法逻辑清晰，层次分明，但缺点在于过于主观。
2、主成分分析法
主成份分析法利用降维思想将复杂的指标体系简化成几个简单的重要指标，减少因复杂问题影响因子高度关联性引起的信息重叠问题。主成分分析法适用于客观数据较多的问题评价，因而其对于数据的依赖性也较强。
3、灰色关联度分析法
1982年邓聚龙教授首次提出了灰色***这一概念，并建立了一套较为完整的理论体系。灰色关联度分析法(Grey Relational Degree，简称GRA)是指通过量化整个***中各影响因子的关联程度，使评价者可以凭样本数据来对目标项目进行评价。
4、数据包络分析法
数据包络分析法指利用线性规划或者其对偶手段来估计有效生产前沿面，并从生产函数这一角度进行观察的一种理想方法。该法也存在一定的局限，操作步骤中的决策单元的实际相对效率往往只能通过投入或者产出进行测算，但实际上这两个角度出发得到的测算结果是极不相同的，且我们也不能同时进行投入测算和产出测算。
5、模糊综合评价法
模糊综合评价是一种把定性评价转化为定量评价的方法，基于模糊数学的隶属度理论，利用精准的数学语言对问题进行具体描述，从而解决一直以来处于模糊性和精确性这两者之间的一种对立矛盾关系。该方法适合评价较为复杂，无法定量分析的问题，评价结果条理清晰，具体较强的***性。
步骤3.2：评价方法确定；
城镇公路交通安全问题是一个非常复杂的问题，具有大量的定量和定性因素，且各因素之间关联性较强，具有高度的不可控性，无法用简单的评价方法进行全面的评估计算。基于该问题的高度模糊性，本实施例选择模糊综合评价法作为主要的安全评价方法，该方法能够较好地解决一些定性指标的定量化问题，依靠较为精确的数学语言获得条例清晰，较为***化的评价结果。
步骤3.3：评价指标权重的确定；
本实施例使用模糊向量W表示各因素所占的权重：
W＝{w1，w2，…，wn}
一般来说W需要同时满足非负性要求以及归一性要求，即
对于整个评价过程而言，极其重要的一个环节就确定评价指标的权重系数，因为它将直接影响综合评价的最终结果。本实施例在研究分析确定权重指标方法后，采用层次分析法来对指标的权重进行确定。利用层次分析法确定指标权重分为四个步骤：
步骤3.3.1：建立递阶层次结构；
如图4，本实施例将模型结构分为目标层、准则层、指标层三层，所述目标层处于模型顶端，是整个模型的最终目标；所述准则层处于模型中间，是评价准则或衡量准则；所述指标层位于模型最底端，作为准则层的细分指标。
步骤3.3.2：构造判断矩阵；
在确认模型以后，建立相应判断矩阵来计算相应权重，每个指标层中的各个评价指标进行比较，判断矩阵可以计算出两个评级指标的相对重要性，判断矩阵形式如下：
其中，判断矩阵具有如下性质：
(1)aij＞0；
(3)aii＝1(i，j＝1，2，…，n)。
表3.1 1-9标度及含义
步骤3.3.3：计算指标权重向量；
计算相关判断矩阵，得出特征向量，通过特征向量值得出每一个指标的权重值，然后对每一个矩阵进行一致性检验，当结论不满足一致性要求时，则需要进行修改，一直修改到满足条件为止，现以判断矩阵A为例，即：
Aw＝λmaxw (3.2)
根据矩阵相关知识可知，A存在最大特征值λmax，并且λmax相对应的特征向量为w，λmax和w的计算方法有多种，采用近似方法-和积法，其步骤如下：
(1)将判断矩阵每一列正规化
(2)按行相加，得和向量
(3)最后对向量做归一化处理
则，向量即为所求得的特征向量；
(4)求解判断矩阵A的最大特征根λmax
式中(AW)i为向量AW的第i个分量。
步骤3.3.4：一致性检验。
为了确保逻辑上各层指标保持一致，需要进行一致性检验，检验步骤如下：
(1)计算一致性指标CI：
(2)计算一致性比率CR：
RI称为随机一致性指标，RI的取值按照表3.2确定：
N 1 2 3 4 5 6 7 8 9 10 11 12
RI 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.25 1.54
表3.2平均随机一致性指标
当所得结果CR＜0.1时，则可满足一致性要求，结果可采用，各指标因素权重分配合理；否则，需要从新对矩阵各因素进行比较判断。
步骤3.4：模糊评价模型的建立。
进一步的，步骤3.4包括以下步骤：
步骤3.4.1：建立因素集；
因素集是评价指标体系中各个因素的集合，可表示为：
U＝{u1，u2，…，un}
因素集中的各因素的选择要兼顾整个评价***的各方面的情况，突出评价目标的主要特征，同时兼顾其他方面，评价因素集如下：
准则层(一级指标)：
U＝{驾驶员U1，车辆U2，道路U3}
指标层(二级指标)：
U1＝{视觉U11，知觉反映能力U12，环境感知能力U13，注意力集中程度U14，焦躁情绪U15}
U2＝{速度U21，制动强度U22，转型盘转角U23，加速度U24}
U3＝{摩擦系数U31，平整度U32，道路排水性U33，水膜厚度U34，道路线形U35}
当对评价对象进行评价时，评价集就是所有可能出现的评价结果组成的集合，可表示为：
V＝{v1，v2，…，vn}
式中，元素vj(j＝1，2，…，m)是可能做出的评判结果，对评判对象在模糊综合评价结果域中，结果就可以一个模糊评价向量进行表示，模糊向量反映了评价结果属于不同评语等级的隶属程度，体现了评价的模糊特性；而模糊综合评价是通过对影响评价对象的所有因素进行综合评判，从评判集V中得到一个最佳评判结果；
本实施例将评价对象-不良气候条件下城镇公路交通安全评价划分为五个等级，即：
V＝{v1，v2，v3，v4，v5}＝{好，较好，一般，较差，差}
步骤3.4.2：建立权重集；
根据每一层中各因素的重要程度，利用层次分析法，分别赋予各因素相应的权重值，则第一层相应权重集为：
W＝{w1，w2，w3}
第二层权重集为：
Wi＝{wi1，wi2，…，wij}
其中wi为第一层指标集中的第i个元素的权重，为第wij个指标在第二层指标集中第j个元素的权重。
步骤3.4.3：确定隶属函数；
首先，建立模糊关系矩阵R，即评判矩阵：
隶属函数表示因素集U与评价集V之间的模糊关系，其中rij(0＜rij＜1)为U中因素ui对应V中等级vj的隶属关系，即从因素ui着眼被评对象能被评为vj等级的程度，也就是因素ui对等级vj的隶属度；
想要得到一个科学的模糊评价结果，必须在评价过程中确定合理的隶属度，采用科学合理的评价方式对模糊关系矩阵进行分析计算。一般采用梯形、钟型、三角形等不同形状，基于本实施例所建立的指标分级标准，考虑采用三角形隶属函数在0～100区间内划分了五个等级，如图5所示。
函数解析式如下：
式中，x为评价指标得分值；y1、y2、y3、y4、y5分别对应差、较差、一般、较好、好等级，利用以上公式便可得到具体指标的隶属度rij，从而得到单因素评价矩阵R。
步骤3.4.4：模糊综合评价；
本实施例采用的是分层次模糊分析方法，即从模型的最低一级开始计算，然后逐级往上推导，直至获得最终评价结果，具体为：
(1)一级模糊综合评价
根据调查得到的具体指标值及专家经验对Ui的单因素进行评判，由此得出ni×5阶评判矩阵Ri：
选择适当的模糊算子进行合成运算，就可以得到单因素综合评价向量为：
(2)二级模糊综合评价
所谓的二级模糊综合评价所带指的是针对准则层中的三个因素所展开的综合评价，可由上一级模糊综合评价集Bi构成，即：
二级模糊综合评价模型为：
整个模糊综合评价过程如图6所示。
步骤3.4.5：评价结果的处理。
模糊评价所得出的最终结果仍具有一定的模糊性，通常需要进行反模糊化处理，本实施例通过加权平均法对模糊综合评价结果进行处理。
加权平均法即是以bj为权数，并以评价集中的元素vj的等级值作为变量，进而将加权平均后所得值定为最终评价结果，评价等级为五个等级，设V＝(20，40，60，80，100)，则最后评判结果为：
若评判指标bj已归一化，即
则：
步骤4：通过实例进行分析与验证，得出建立的不良气候条件下城镇公路交通安全评价指标体系具有较强的可行性和实用性，并提出针对缺陷和隐患的相关改进建议。
综上所述，与现有技术相比，本发明框架较合理，拟采用的技术路线逻辑清晰，所需资料能够从学校的图书馆和国内外主流数据库中及时获取。采用定量分析与定性分析相结合，具有较好地说服力，将数据进行科学的计算分析，结论严谨可靠。
本发明针对不良条件下城镇公路实际存在的交通安全问题，从城镇公路实际出发，以现有的交通安全评价与事故数据为基础，在学习和参考国内外先进安全评价模型与方法的基础上，综合考虑城镇公路安全状况的各个影响因素，采用了定性与定量结合分析的方法，以层次分析法确定权重，客观条件的安全采用模糊综合评价，建立一套适应不良条件下城镇公路特点的交通安全评价指标体系与评价方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (18)

1.一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，包括以下步骤：
步骤1：在了解城镇公路交通安全现状的基础上，对城镇公路交通安全事故特征、不良气候条件下城镇公路交通事故成因、不良气候条件下城镇公路交通安全影响因素以及不良气候条件雨、雪、雾分别对交通安全的影响进行分析；
步骤2：选取城镇公路交通安全评价指标体系相应的建立原则与选取指标方法之后，对评价指标进行选取，并对相应定性和定量指标进行无量纲分析，进而建立不良条件下城镇公路交通安全评价指标体系；
步骤3：分析与比较现有的评价方法，再结合评价指标体系的特征和有关城镇公路安全状况的一些基本特性来确定模糊综合评价法为最佳评价方法，在此基础上建立不良条件下城镇公路交通安全评价模型；
步骤4：通过实例进行分析与验证，得出建立的不良气候条件下城镇公路交通安全评价指标体系具有较强的可行性和实用性，并提出针对缺陷和隐患的相关改进建议。
2.根据权利要求1所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤2又具体包括以下步骤：
步骤2.1：评价指标的选取；
步骤2.2：评价指标的筛选依据；
步骤2.3：评价指标的确定；
步骤2.4：评价指标体系的建立；
步骤2.5：评价流程的确立；
步骤2.6：评价指标的无量纲化。
3.根据权利要求2所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤2.2具体包括以下内容：
(1)评判指标的重要性
在影响不良气候条件下城镇公路的全部指标中，部分指标对评价结果有直接作用，其重要性很强，而有部分指标的重要性就不那么明显，所以需要评判指标的重要性；
假设在初选的指标体系中的某一层中有M个初选指标，要让P位专家进行打分评判重要性，主要在以下三方面进行评判分析：
1)Ei表示集中程度：
式中：Ei-指专家对第i个指标评判的集中程度，其显示了专家组对该指标的期望值；
Ej-指第i个指标在j等级的重要度量值，重要度分5级，从第1～5分别代表：极重要、很重要、重要、一般、不重要；
nij-指第i个指标在j等级时参与评价的专家数；
2)标准差σi表示离散程度：
式中：σi-指专家对第i个指标评判的离散程度，当σi＞0.63时，表示专家意见不统一，还需从新进行论证；
3)变异系数Vi和协调系数K表示协调程度：
式中：Vi-指专家对第i个指标评判的协调程度；
式中：K-指专家对一层指标整体评价的协调程度；
E-指全部指标的集中程度的平均值；
K越大、σi越小则表示讨论结果比较统一协调；Ei、σi、K综合决定了指标的重要性，也决定了是否还要进行分析论证；若满足了以上条件，就通过评价指标重要程度的数值大小来决定指标的取舍，最终初步建立指标体系；
(2)评判指标的必要性
必要性是指初步建立的指标体系中指标是否必须存在，考察指标的必要性要从整体的角度考虑，验算有无多余指标，用相关系数来检测指标必要性，当选取的相关性很强时，会使最终得出的数据出现不必要的重复，导致评价的内容不准确，选取指标的相关性可通过相关系数法得到：
rij＝σij 2/σiσj (2.6)
式中：rij-为指标i和指标j的相关系数；
σij 2-为两个指标的协方差；
σi-为指标i的标准差；
σj-为指标j的标准差。
4.根据权利要求2所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤2.3具体包括以下内容：
围绕不良气候条件下下城镇公路交通安全评价目标，首先收集相关资料，根据所收集的资料，在坚持驾驶员、车辆、道路三个影响因素建立基本原则的基础上，考虑到评价指标多为定性指标，通过德尔菲法对不良气候条件下城镇公路交通安全影响因素进行反复筛选，最终确定包括视觉C11、直觉反应能力C12、环境感知能力C13、注意力集中程度C14、焦躁情绪C15的五项驾驶员因素的技术指标，包括车辆速度C21、车辆制动强度C22、转向盘转角C23、加速度C24的四项车辆因素的技术指标，以及包括摩擦系数C31、平整度C32、道路排水性C33、水膜厚度C34、道路线形C35的五项道路可靠性因素的技术指标。
5.根据权利要求2所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤2.6具体包括以下内容：
(1)定性指标的无量纲化
设有n个专家在分值范围是0～100的区间估计值内来对某一指标进行区间估计，由此得到有n个区间估计值的集值统计序列：
(a1，b1)，(a2，b2)，…(ak，bk)，…，(an，bn)
其中，ak、bk分别为第K个专家给出的评价指标区间上下限，根据集值统计原理：
上式是通过集值统计法由专家评分得出关于某一定性指标的量化估计值，其可信度由下式计算：
其中：
bd值越小则估计值的可靠程度越低，bd越大则估计值的可靠程度越高；当bd≥0.9时，我们就接受专家对指标u的定量化估计值，也即是专家们意见统一；当bd≤0.9，则需要从新评定该定性指标；
(2)定量指标的无量纲化
一般通过公式计算出具体数据，计算公式如下：
其中：ci-第i项指标所得分数；
xi-第i项指标实际测量值；
xi (h)-第i项指标的不容许值；
xi (s)-第i项指标的最满意值；
n-指标个数；
不良气候条件下城镇公路交通安全评价指标的实际值一般在不容许值和最满意值之间，即xi (s)＜xi＜xi (h)或者xi (h)＜xi＜xi (s)，所以存在60＜ci＜100；在极端情况下，当xi＝xi (s)时，ci＝60为恰好及格；当xi＝xi (h)时，ci＝100为最满意值；通过以上公式可以把指标定量值转换为0～100之间的数值。
6.根据权利要求1所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3还包括以下步骤：
步骤3.1：现有评价方法分析；
步骤3.2：评价方法确定；
步骤3.3：评价指标权重的确定；
步骤3.4：模糊评价模型的建立。
7.根据权利要求6所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.3又包括以下步骤：
使用模糊向量W表示各因素所占的权重：
W＝{w1，w2，…，wn}
一般来说W需要同时满足非负性要求以及归一性要求，即
8.根据权利要求7所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，在研究分析确定权重指标方法后，采用层次分析法来对指标的权重进行确定，利用层次分析法确定指标权重分为四个步骤：
步骤3.3.1：建立递阶层次结构；
步骤3.3.2：构造判断矩阵；
步骤3.3.3：计算指标权重向量；
步骤3.3.4：一致性检验。
9.根据权利要求8所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.3.1具体包括以下内容：
将模型结构分为目标层、准则层、指标层三层，所述目标层处于模型顶端，是整个模型的最终目标；所述准则层处于模型中间，是评价准则或衡量准则；所述指标层位于模型最底端，作为准则层的细分指标。
10.根据权利要求8所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.3.2具体包括以下内容：
在确认模型以后，建立相应判断矩阵来计算相应权重，每个指标层中的各个评价指标进行比较，判断矩阵可以计算出两个评级指标的相对重要性，判断矩阵形式如下：
其中，判断矩阵具有如下性质：
(1)aij＞0；
(2)
(3)aii＝1(i，j＝1，2，…，n)。
11.根据权利要求8所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.3.3具体包括以下内容：
计算相关判断矩阵，得出特征向量，通过特征向量值得出每一个指标的权重值，然后对每一个矩阵进行一致性检验，当结论不满足一致性要求时，则需要进行修改，一直修改到满足条件为止，现以判断矩阵A为例，即：
Aw＝λmaxw (3.2)
根据矩阵相关知识可知，A存在最大特征值λmax，并且λmax相对应的特征向量为w，λmax和w的计算方法有多种，采用近似方法-和积法，其步骤如下：
(1)将判断矩阵每一列正规化
(2)按行相加，得和向量
(3)最后对向量做归一化处理
则，向量即为所求得的特征向量；
(4)求解判断矩阵A的最大特征根λmax
式中(AW)i为向量AW的第i个分量。
12.根据权利要求8所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.3.4具体包括以下内容：
为了确保逻辑上各层指标保持一致，需要进行一致性检验，检验步骤如下：
(1)计算一致性指标CI：
(2)计算一致性比率CR：
RI称为随机一致性指标，RI的取值按照以下确定：
当n＝1时，RI＝0；
当n＝2时，RI＝0；
当n＝3时，RI＝0.52；
当n＝4时，RI＝0.89；
当n＝5时，RI＝1.12；
当n＝6时，RI＝1.26；
当n＝7时，RI＝1.36；
当n＝8时，RI＝1.41；
当n＝9时，RI＝1.46；
当n＝10时，RI＝1.49；
当n＝11时，RI＝1.25；
当n＝12时，RI＝1.54；
当所得结果CR＜0.1时，则可满足一致性要求，结果可采用，各指标因素权重分配合理；否则，需要从新对矩阵各因素进行比较判断。
13.根据权利要求6所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4包括以下步骤：
步骤3.4.1：建立因素集；
步骤3.4.2：建立权重集；
步骤3.4.3：确定隶属函数；
步骤3.4.4：模糊综合评价；
步骤3.4.5：评价结果的处理。
14.根据权利要求13所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4.1包括以下内容：
因素集是评价指标体系中各个因素的集合，可表示为：
U＝{u1，u2，…，un}
因素集中的各因素的选择要兼顾整个评价***的各方面的情况，突出评价目标的主要特征，同时兼顾其他方面，评价因素集如下：
准则层(一级指标)：
U＝{驾驶员U1，车辆U2，道路U3}
指标层(二级指标)：
U1＝{视觉U11，知觉反映能力U12，环境感知能力U13，注意力集中程度U14，焦躁情绪U15}
U2＝{速度U21，制动强度U22，转型盘转角U23，加速度U24}
U3＝{摩擦系数U31，平整度U32，道路排水性U33，水膜厚度U34，道路线形U35}
当对评价对象进行评价时，评价集就是所有可能出现的评价结果组成的集合，可表示为：
V＝{v1，v2，…，vn}
式中，元素vj(j＝1，2，…，m)是可能做出的评判结果，对评判对象在模糊综合评价结果域中，结果就可以一个模糊评价向量进行表示，模糊向量反映了评价结果属于不同评语等级的隶属程度，体现了评价的模糊特性；而模糊综合评价是通过对影响评价对象的所有因素进行综合评判，从评判集V中得到一个最佳评判结果；
将评价对象-不良气候条件下城镇公路交通安全评价划分为五个等级，即：
V＝{v1，v2，v3，v4，v5}＝{好，较好，一般，较差，差}
15.根据权利要求13所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4.2包括以下内容：
根据每一层中各因素的重要程度，利用层次分析法，分别赋予各因素相应的权重值，则第一层相应权重集为：
W＝{w1，w2，w3}
第二层权重集为：
Wi＝{wi1，wi2，…，wij}
其中，wi为第一层指标集中的第i个元素的权重，为第wij个指标在第二层指标集中第j个元素的权重。
16.根据权利要求13所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4.3包括以下内容：
首先，建立模糊关系矩阵R，即评判矩阵：
隶属函数表示因素集U与评价集V之间的模糊关系，其中rij(0＜rij＜1)为U中因素ui对应V中等级vj的隶属关系，即从因素ui着眼被评对象能被评为vj等级的程度，也就是因素ui对等级vj的隶属度；
采用三角形隶属函数在0～100区间内划分了五个等级，
函数解析式如下：
式中，x为评价指标得分值；y1、y2、y3、y4、y5分别对应差、较差、一般、较好、好等级，利用以上公式便可得到具体指标的隶属度rij，从而得到单因素评价矩阵R。
17.根据权利要求13所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4.4包括以下内容：
采用的是分层次模糊分析方法，即从模型的最低一级开始计算，然后逐级往上推导，直至获得最终评价结果，具体为：
(1)一级模糊综合评价
根据调查得到的具体指标值及专家经验对Ui的单因素进行评判，由此得出ni×5阶评判矩阵Ri：
选择适当的模糊算子进行合成运算，就可以得到单因素综合评价向量为：
(2)二级模糊综合评价
所谓的二级模糊综合评价所带指的是针对准则层中的三个因素所展开的综合评价，可由上一级模糊综合评价集Bi构成，即：
二级模糊综合评价模型为：
18.根据权利要求13所述的一种不良气候条件下城镇公路交通安全分析与评价方法，其特征在于，步骤3.4.5包括以下内容：
通过加权平均法对模糊综合评价结果进行处理，加权平均法即是以bj为权数，并以评价集中的元素vj的等级值作为变量，进而将加权平均后所得值定为最终评价结果，评价等级为五个等级，设V＝(20，40，60，80，100)，则最后评判结果为：
若评判指标bj已归一化，即
则：
CN201811357910.XA 2018-11-14 2018-11-14 一种不良气候条件下城镇公路交通安全分析与评价方法 Pending CN109243178A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811357910.XA CN109243178A (zh) 2018-11-14 2018-11-14 一种不良气候条件下城镇公路交通安全分析与评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811357910.XA CN109243178A (zh) 2018-11-14 2018-11-14 一种不良气候条件下城镇公路交通安全分析与评价方法

Publications (1)

Publication Number Publication Date
CN109243178A true CN109243178A (zh) 2019-01-18

Family

ID=65075340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811357910.XA Pending CN109243178A (zh) 2018-11-14 2018-11-14 一种不良气候条件下城镇公路交通安全分析与评价方法

Country Status (1)

Country Link
CN (1) CN109243178A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110222183A (zh) * 2019-06-12 2019-09-10 云南电网有限责任公司大理供电局 一种供电客户满意度评价模型的构建方法
CN110491154A (zh) * 2019-07-23 2019-11-22 同济大学 基于安全风险和距离的建议车速制定方法
CN111179576A (zh) * 2019-11-15 2020-05-19 国网江苏省电力有限公司 一种具有归纳学习的用电信息采集故障诊断方法及***
CN112433519A (zh) * 2020-11-09 2021-03-02 温州大学大数据与信息技术研究院 一种无人驾驶检测***及车辆行驶检测方法
CN112633645A (zh) * 2020-12-10 2021-04-09 长江水利委员会长江科学院 一种河源干旱区水资源挖潜与高效利用效果的社会经济效益核算方法
CN113112137A (zh) * 2021-03-31 2021-07-13 东南大学 一种互通立交匝道线形安全性评价方法
CN113792973A (zh) * 2021-08-12 2021-12-14 北京工业大学 一种基于fce的城市道路自行车骑行环境评价方法
CN113887904A (zh) * 2021-09-23 2022-01-04 同济大学 一种基于层次分析法的货运车辆驾驶人风险等级评估方法
CN114171139A (zh) * 2021-10-20 2022-03-11 中国航发四川燃气涡轮研究院 压气机叶片选材方法
CN115830873A (zh) * 2023-01-10 2023-03-21 西南交通大学 城市道路交通事件分类方法、装置、设备及可读存储介质
CN116884225A (zh) * 2023-09-05 2023-10-13 天津大学 评估自动驾驶车辆比例对交通效率影响的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366551A (zh) * 2012-04-05 2013-10-23 郭海锋 一种道路交通安全评价方法
CN104978853A (zh) * 2014-04-01 2015-10-14 ***通信集团公司 一种道路交通安全评估方法及***
CN106127408A (zh) * 2016-07-04 2016-11-16 贵州省交通规划勘察设计研究院股份有限公司 基于事故树的道路安全状况评价方法
CN106530720A (zh) * 2016-12-28 2017-03-22 吉林大学 一种高速公路道路交通安全黑点路段识别与预警方法
CN108711281A (zh) * 2018-03-23 2018-10-26 武汉理工大学 一种运用路段实际运行车速数据评价公路安全性的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366551A (zh) * 2012-04-05 2013-10-23 郭海锋 一种道路交通安全评价方法
CN104978853A (zh) * 2014-04-01 2015-10-14 ***通信集团公司 一种道路交通安全评估方法及***
CN106127408A (zh) * 2016-07-04 2016-11-16 贵州省交通规划勘察设计研究院股份有限公司 基于事故树的道路安全状况评价方法
CN106530720A (zh) * 2016-12-28 2017-03-22 吉林大学 一种高速公路道路交通安全黑点路段识别与预警方法
CN108711281A (zh) * 2018-03-23 2018-10-26 武汉理工大学 一种运用路段实际运行车速数据评价公路安全性的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张云飞: "高速公路交通安全分析及评价研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
颜桃为: "城镇道路交通安全评价体系建立与实践", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
黄丽: "干线公路交通安全分析及评价研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110222183A (zh) * 2019-06-12 2019-09-10 云南电网有限责任公司大理供电局 一种供电客户满意度评价模型的构建方法
CN110491154A (zh) * 2019-07-23 2019-11-22 同济大学 基于安全风险和距离的建议车速制定方法
CN111179576B (zh) * 2019-11-15 2021-08-31 国网江苏省电力有限公司 一种具有归纳学习的用电信息采集故障诊断方法及***
CN111179576A (zh) * 2019-11-15 2020-05-19 国网江苏省电力有限公司 一种具有归纳学习的用电信息采集故障诊断方法及***
CN112433519A (zh) * 2020-11-09 2021-03-02 温州大学大数据与信息技术研究院 一种无人驾驶检测***及车辆行驶检测方法
CN112633645A (zh) * 2020-12-10 2021-04-09 长江水利委员会长江科学院 一种河源干旱区水资源挖潜与高效利用效果的社会经济效益核算方法
CN112633645B (zh) * 2020-12-10 2023-05-02 长江水利委员会长江科学院 一种河源干旱区水资源挖潜与高效利用效果的社会经济效益核算方法
CN113112137A (zh) * 2021-03-31 2021-07-13 东南大学 一种互通立交匝道线形安全性评价方法
CN113792973A (zh) * 2021-08-12 2021-12-14 北京工业大学 一种基于fce的城市道路自行车骑行环境评价方法
CN113792973B (zh) * 2021-08-12 2024-05-28 北京工业大学 一种基于fce的城市道路自行车骑行环境评价方法
CN113887904A (zh) * 2021-09-23 2022-01-04 同济大学 一种基于层次分析法的货运车辆驾驶人风险等级评估方法
CN114171139A (zh) * 2021-10-20 2022-03-11 中国航发四川燃气涡轮研究院 压气机叶片选材方法
CN115830873A (zh) * 2023-01-10 2023-03-21 西南交通大学 城市道路交通事件分类方法、装置、设备及可读存储介质
CN116884225A (zh) * 2023-09-05 2023-10-13 天津大学 评估自动驾驶车辆比例对交通效率影响的方法及装置
CN116884225B (zh) * 2023-09-05 2023-12-26 天津大学 评估自动驾驶车辆比例对交通效率影响的方法及装置

Similar Documents

Publication Publication Date Title
CN109243178A (zh) 一种不良气候条件下城镇公路交通安全分析与评价方法
Young et al. Benefits of small municipalities using jurisdiction-specific safety performance functions rather than the Highway Safety Manual's calibrated or uncalibrated safety performance functions
CN103091480A (zh) 基于熵权的地下道路沥青路面使用性能评价方法
CN110111563A (zh) 一种城市快速路的实时交通状态估计方法
CN112382086A (zh) 自动驾驶汽车开放道路测试评价***的使用方法
Fujimura et al. Impact of Cross-border Transport Infrastructure on Trade and Investment in the GMS
CN102855386A (zh) 一种人行道和非机动车道评价方法及装置
Shah et al. Relationship between road traffic features and accidents: An application of two-stage decision-making approach for transportation engineers
CN112508622A (zh) 基于改进云模型的出租车服务水平评价***及评价方法
Erming et al. TRAFFIC SAFETY RISK ASSESSMENT OF SMART CITY BASED ON BAYESIAN NETWORK.
Cirianni et al. Road traffic noise prediction models in the metropolitan area of the Strait of Messina
Bonneson et al. Guidelines for quantifying the influence of area type and other factors on saturation flow rate
CN104637022A (zh) 一种对铁路平交道口安全现状的评价方法
CN114897374A (zh) 公路车辆行驶安全风险预测方法及***
Singh et al. Modelling of urban traffic noise using a systems approach
ALGADHI Estimating the total number of vehicles active on the road in Saudi Arabia
Wang et al. Online car-hailing service quality evaluation based on BP neural network
CN103927434A (zh) 一种综合客运枢纽人-车冲突实时分析方法
Ma et al. Construction and empirical study of comprehensive evaluation system of urban road traffic safety.
Bamdad Mehrabani et al. Predicting operating speed: comparison of linear regression and structural equation models
Al-Haji Road safety development index (rsdi)
Illahi et al. Transport Sustainability Performance Evaluation Using a Multi-Stage Multi-Tool Hybrid Model
Wang et al. Urban traffic safety situation assessment method based on the data of internet of vehicles.
Komasi et al. Road safety evaluation in inner-city roads and suburban roads based on a novel-hybrid MCDM model
Ma et al. Theoretical Evaluation Model of Effects of Traffic Safety Improvement Measures for Rural Highways

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118