面向城市交通安全可持續(xù)發(fā)展的評(píng)價(jià)指標(biāo)集的構(gòu)建與分析

面向城市交通安全可持續(xù)發(fā)展的評(píng)價(jià)指標(biāo)集的構(gòu)建與分析

隨著城市化進(jìn)程的加快，中國(guó)許多城市的規(guī)模不斷擴(kuò)大，導(dǎo)致了許多城市問(wèn)題。交通規(guī)則是城市擁堵和交通規(guī)則混亂造成的交通事故頻發(fā)的突出問(wèn)題之一。如何客觀地評(píng)估城市的交通安全性一直是人們關(guān)注的問(wèn)題。目前國(guó)內(nèi)對(duì)交通安全的評(píng)價(jià)方法大致可以分為2類:概率數(shù)理統(tǒng)計(jì)方法和強(qiáng)度分析法.概率數(shù)理統(tǒng)計(jì)法中包含事故絕對(duì)數(shù)法、事故率法等,這種方法在統(tǒng)計(jì)上簡(jiǎn)單易行,不足之處是對(duì)事故的分析過(guò)于簡(jiǎn)單,沒(méi)有考慮到不同道路交通條件的差別,使得評(píng)價(jià)結(jié)果往往缺乏科學(xué)性和說(shuō)服力.在強(qiáng)度分析法中往往采用萬(wàn)車死亡數(shù)、10萬(wàn)車死亡數(shù)、億車km事故數(shù)等指標(biāo),這些指標(biāo)由于加入了相對(duì)參照數(shù)據(jù),使得不同道路指標(biāo)間的比較更趨科學(xué)合理.其不足之處是指標(biāo)值考慮因素過(guò)少,而事故本身是多種因素作用的結(jié)果,其次以一個(gè)單一的指標(biāo)值作為評(píng)價(jià)依據(jù),可信度不夠高.1998年,張?zhí)K提出了中國(guó)交通沖突技術(shù)(ChineseTrafficConflictTechnique,簡(jiǎn)稱CTCT),建立了符合我國(guó)交通及沖突環(huán)境的沖突判別TAC(TimetoAccidentChinese)標(biāo)準(zhǔn),但這種方法操作起來(lái)比較復(fù)雜.從2000年起由公安部與建設(shè)部組織全國(guó)各級(jí)城市進(jìn)行“暢通工程”的建設(shè),規(guī)范了城市交通的秩序,取得了較好的效果,并在一定程度上抑制了交通事故的發(fā)生,但仍存在不少問(wèn)題.國(guó)外對(duì)于交通安全的研究也大多集中在上述2類.除此之外,還出現(xiàn)了比較新穎的方法,其中以美國(guó)學(xué)者伯金斯等人提出的交通沖突技術(shù)(TCT)最為引人注目,但這種方法需要一定的輔助技術(shù),對(duì)交通沖突的觀察比較復(fù)雜,實(shí)現(xiàn)起來(lái)相對(duì)比較困難.A.S.Hakkert提出了CART(theClassificationandRegressionTree)法來(lái)分析城際間主要道路的安全等級(jí),該方法用二進(jìn)制樹(shù)的結(jié)構(gòu)來(lái)詳細(xì)解釋道路安全和變量之間的關(guān)系,由于所研究的變量和道路條件有限,只具備一定的代表性.本項(xiàng)研究旨在針對(duì)城市交通安全狀況,建立城市交通安全綜合評(píng)價(jià)指標(biāo)集和評(píng)價(jià)模型,使用評(píng)價(jià)結(jié)果指導(dǎo)城市交通規(guī)劃、管理、設(shè)計(jì)等,促進(jìn)城市交通安全環(huán)境的可持續(xù)發(fā)展.1人工神經(jīng)網(wǎng)絡(luò)方法在城市交通中的應(yīng)用,人工神經(jīng)網(wǎng)絡(luò)是評(píng)價(jià)人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)條交通事故產(chǎn)生是多方面原因造成的,包括城市交通路網(wǎng)、路況和布局、交通安全設(shè)施、車輛、駕駛員、行人、交通法規(guī)、環(huán)境等.鑒于神經(jīng)網(wǎng)絡(luò)技術(shù)在其它領(lǐng)域的成功應(yīng)用,提出用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行城市交通安全性評(píng)價(jià)的基本思想.人工神經(jīng)網(wǎng)絡(luò)具有與人腦神經(jīng)網(wǎng)絡(luò)某些相似的特性,如自學(xué)習(xí)、自組織、非線性動(dòng)態(tài)處理、分布式知識(shí)存儲(chǔ)和聯(lián)想記憶等,為研究和處理具有不確定性的現(xiàn)象提供了強(qiáng)有力的工具.影響城市交通安全的因素眾多,關(guān)系復(fù)雜,數(shù)據(jù)干擾大,因素的測(cè)度難以確定,所有這些安全性評(píng)價(jià)的特性正是人工神經(jīng)網(wǎng)絡(luò)研究對(duì)象所具有的特點(diǎn),因此用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行城市交通安全性的評(píng)價(jià)是完全可行的.1.1城市道路交通安全監(jiān)管評(píng)價(jià)集的建立影響交通安全的指標(biāo)很多,而要把眾多指標(biāo)綜合到一起,就必須考慮指標(biāo)的自身特征、指標(biāo)間的邏輯關(guān)系、指標(biāo)的權(quán)值和指標(biāo)的量化處理等問(wèn)題,否則,就無(wú)法進(jìn)行綜合,也就失去了交通安全綜合評(píng)價(jià)的合理性和真正價(jià)值.影響城市道路交通安全等級(jí)指標(biāo)定為3個(gè):基礎(chǔ)數(shù)據(jù)指標(biāo)、交通安全管理指標(biāo)y2、公眾安全評(píng)價(jià)指標(biāo)y3.上述3個(gè)一級(jí)指標(biāo)又可分成若干次一級(jí)指標(biāo),所有指標(biāo)共13項(xiàng),如表1所示.進(jìn)行城市道路交通安全等級(jí)的分類評(píng)價(jià),還需對(duì)城市道路交通安全程度進(jìn)行分類,建立城市交通安全等級(jí)評(píng)價(jià)集U.本文將城市道路交通安全的等級(jí)分為4類,如表2所示.這里需要指出的是二級(jí)指標(biāo)還可以繼續(xù)化分為三級(jí)指標(biāo),如公眾安全感由下一級(jí)若干指標(biāo)組成,即x13={交通流條件、氣候條件、地理位置、路網(wǎng)結(jié)構(gòu)、噪音、大氣污染、…},可以通過(guò)問(wèn)卷調(diào)查得到該項(xiàng)指標(biāo)值.1.2bp網(wǎng)絡(luò)算法影響城市交通安全因素的樣本指標(biāo),可采用專家打分的綜合評(píng)定方式確定,即有利于城市交通安全的因素評(píng)為正分,反之評(píng)為負(fù)分.在城市道路交通安全評(píng)價(jià)的實(shí)際應(yīng)用中,采用神經(jīng)網(wǎng)絡(luò)技術(shù)中的BP網(wǎng)絡(luò)算法進(jìn)行學(xué)習(xí)和預(yù)測(cè).根據(jù)上述已經(jīng)確定的安全判定指標(biāo):Y=(y1,y2,y3)或X=(x1,x2,x3,…,x13)與安全等級(jí)判定集U=(u1,u2,u3,u4),采用BP算法可建立城市道路交通安全評(píng)價(jià)模型,如圖1所示.圖1中的輸入層有3個(gè)節(jié)點(diǎn),輸入判別指標(biāo)體系中3個(gè)一級(jí)指標(biāo)各自評(píng)定結(jié)果,隱蔽層節(jié)點(diǎn)數(shù)可選擇,實(shí)際學(xué)習(xí)和預(yù)測(cè)過(guò)程中有一定的經(jīng)驗(yàn)性;輸出層包含4類基本的輸出神經(jīng)元,即u1,u2,u3,u4.輸出層在預(yù)測(cè)過(guò)程中給出結(jié)果.1.2.1網(wǎng)絡(luò)誤差傳播的梯度下降法學(xué)習(xí)樣本采用專家對(duì)國(guó)內(nèi)部分城市交通安全狀況分類研究時(shí)所采用的樣本和分類成果.對(duì)所建立的網(wǎng)絡(luò)模型,網(wǎng)絡(luò)各層的節(jié)點(diǎn)均設(shè)計(jì)成Sigmoid型非線性閾值單元,激勵(lì)函數(shù)為f(x)=11+e?x.(1)f(x)=11+e-x.(1)用BP算法訓(xùn)練網(wǎng)絡(luò),進(jìn)行樣本學(xué)習(xí),當(dāng)式(2)成立時(shí),學(xué)習(xí)過(guò)程結(jié)束.Ek=12∑j(Ukj?U?kj)2≤εANN,(2)Ek=12∑j(Ukj-U^kj)2≤εAΝΝ,(2)E=∑kEk≤εANN,(3)E=∑kEk≤εAΝΝ,(3)式中:εANN為誤差臨界值;Ek為用第k樣本學(xué)習(xí)網(wǎng)絡(luò)獲得誤差向量;Ukj為用第k樣本學(xué)習(xí),網(wǎng)絡(luò)j輸出節(jié)點(diǎn)的實(shí)際輸出;U?kjU^kj為j輸出節(jié)點(diǎn)的樣本k的期望輸出.若式(2)不滿足,則誤差沿原來(lái)的路徑逆向傳播,按梯度下降法逐層修正網(wǎng)絡(luò)的權(quán)值和閾值.ΔWij(t+1)=ησjOkj+αΔWij(t),(4)Δθij(t+1)=ησj+αΔθj(t),(5)式中:t為迭代步驟;η為學(xué)習(xí)收斂率,η∈(0,1);α為修正率;σj為節(jié)點(diǎn)j的偏差,可用下式得到.σj=?????Okj(1?Okj)(Ukj?U?kj),Okj(1?Okj)∑mσmWm.輸出層隱蔽層σj={Οkj(1-Οkj)(Ukj-U^kj),輸出層Οkj(1-Οkj)∑mσmWm.隱蔽層ΔWij(t+1)為網(wǎng)絡(luò)學(xué)習(xí)經(jīng)過(guò)t+1步時(shí)的權(quán)值修正量;Δθij(t+1)為節(jié)點(diǎn)在網(wǎng)絡(luò)學(xué)習(xí)t+1步時(shí)的閾值修正值.1.2.2城市軌道交通安全性評(píng)價(jià)模型的建立待評(píng)價(jià)城市道路交通安全等級(jí)的各指標(biāo)判定結(jié)果(分值),或Y′=(y′1,y′2,y′3)作為網(wǎng)絡(luò)輸入,利用前述樣本學(xué)習(xí)獲得的穩(wěn)定權(quán)值和閾值對(duì)輸入的某個(gè)城市指標(biāo)進(jìn)行評(píng)價(jià),評(píng)價(jià)過(guò)程是正向計(jì)算各層節(jié)點(diǎn)的輸出.某層節(jié)點(diǎn)的輸出為Oi=11+e?netii,neti=∑jWijOj+θj.(6)Οi=11+ei-neti,neti=∑jWijΟj+θj.(6)對(duì)輸出層有U′i=Oi,其中U′i為城市道路交通安全等級(jí)評(píng)價(jià)集,由此,U′i=(u′1,u′2,u′3,u′4),即為評(píng)價(jià)結(jié)果.根據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型,利用MATLAB中BP算法函數(shù),編制了具有自學(xué)習(xí)、自組織功能的智能分類程序.2計(jì)算2.1酶活動(dòng)類本文選取12個(gè)樣本(城市),按表1所示的3個(gè)一級(jí)指標(biāo)將城市道路交通安全性分成了表2所示的4類.將4類樣本的期望輸出值依次設(shè)置為:“0.9,0.1,0.1,0.1”(Ⅰ類);“0.1,0.9,0.1,0.1”(Ⅱ類);“0.1,0.1,0.9,0.1”(Ⅲ類);“0.1,0.1,0.1,0.9”(Ⅳ類).神經(jīng)網(wǎng)絡(luò)的隱蔽層為1層,含6個(gè)節(jié)點(diǎn),訓(xùn)練迭代次數(shù)為4000次,收斂度達(dá)0.0016,經(jīng)過(guò)學(xué)習(xí),網(wǎng)絡(luò)完全識(shí)別了所給的學(xué)習(xí)樣本,建立了判別因素與城市道路交通安全等級(jí)之間的復(fù)雜映射關(guān)系,見(jiàn)表3所示,誤差曲線見(jiàn)圖2所示.2.2交通安全監(jiān)管評(píng)價(jià)某城市交通安全評(píng)價(jià)一級(jí)指標(biāo)打分評(píng)判結(jié)果為:yi={0,25,-5}.將3個(gè)指標(biāo)判定結(jié)果作為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的輸入,進(jìn)行交通安全等級(jí)評(píng)價(jià),得到的最后結(jié)果為:“0.1046,0.1020,0.0987,0.9000”,屬于Ⅳ類,根據(jù)該評(píng)價(jià)結(jié)果,在今后的城市交通安全管理中采取有效措施,減少交通事故和財(cái)產(chǎn)損失.3基于學(xué)習(xí)樣本集的p神經(jīng)網(wǎng)絡(luò)安全評(píng)價(jià)提出了面向城市交通安全可持續(xù)發(fā)展的評(píng)價(jià)指標(biāo)集,應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)建立城市道路交通安全評(píng)價(jià)模型,采用MATLAB軟件編制了具有自學(xué)習(xí)功能的智能化評(píng)價(jià)軟件,用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行城市道路交通安全評(píng)價(jià),其學(xué)習(xí)樣本集規(guī)模及代表起關(guān)鍵作用,通過(guò)大量樣本的訓(xùn)練,對(duì)“未知”樣本的