基于层次熵权-云模型城市道路塌陷风险评价研究_周子勇.pdf

文章编号:1009-6094(2023)06-1752-10基于层次熵权 云模型城市道路塌陷风险评价研究周子勇1,石浩宇1,董毓良2,凡伟伟3(1 中国石油大学(北京)地球科学学院,北京 102249;2 北京辰安科技股份有限公司,北京 100038;3 合肥泽众城市智能科技有限公司,合肥 230601)摘 要:城市道路塌陷灾害频发,有效的塌陷风险评价对于塌陷的防治具有重要意义。道路塌陷成因具有模糊性、随机性、复杂性等特点,为尽可能保证其评价过程的客观有效,通过识别城市道路塌陷风险要素,构建城市道路塌陷的风险评价体系,使用层次 熵权 云模型进行组合评价,建立道路塌陷风险评价模型。将该模型应用于宝安区部分道路塌陷风险评价,结果表明:6 条主干道基于道路塌陷风险评价模型评价结果与探地雷达(Ground Penetrating Radar,GPR)实测风险评价结果吻合度较高,具有一定的应用能力。该模型为城市道路塌陷的防治起到了积极的指导作用,为城市安全风险防控起到了一定的参考作用。关键词:安全工程;道路塌陷;风险评价;熵权;云模型中图分类号:X951 文献标志码:ADOI:10.13637/j.issn.1009-6094.2021.2363收稿日期:20211228作者简介:周子勇,副教授,博士,从事遥感与 GIS 应用、空间数据挖掘与知识发现方面的研究,。基金项目:国家重点研发计划项目(2018YFF0301002)0 引 言塌陷是指地表岩层、土体在自然或人为因素作用下向下陷落,并在地面形成塌陷坑(洞)的一种地质现象1。随着中国经济社会快速发展,城市化进程加快,城市建设不断加强,交通量变大,城市道路不断扩展,同时城市地下空间也被大规模开发利用,但与之相伴的城市道路塌陷灾害也频繁发生。近年来,北京、广州、深圳、西宁、大连等地连续发生多起造成严重人员伤亡的道路塌陷事故,且其往往集中在人口密集的城市和乡镇,造成了大量的经济、财产损失及人员伤害。城市道路塌陷具有隐蔽性、突发性、多重性、复发性以及雨季多发性的特点2 3,且危害性大,因此对城市道路塌陷进行风险评估和预警,具有非常重要的意义。对于地质灾害及地面塌陷的风险评估,主要采用多属性决策方法。基本思路是先构建风险体系,然后确定不同决策变量的权重,再根据变量权重进行线性或非线性组合,得到相对分值或分值区间,并根据分值大小或分值区间辅助进行风险决策,因此权重的确定对决策结果有重要的影响。常用的多属性决策方法有线性加权组合法、层次分析法、模糊逻辑方法、逼近 理 想 解 法(Technique for Order Preference bySimilarity to Ideal Solution,TOPSIS)、偏好顺序结构评估 法(Preference Ranking Organization Methods forEnrichment Evaluations,PROMETHEE)和消去与选择转 换 法(Elimination Et Choice Translating Reality,ELECTRE)系列方法等。在风险评价中前面几种方法用得较多。如 1983 年,Carrara4首先引入多变量模型用于滑坡灾害评估中。1998 年,姚春梅等5应用模糊数学综合评判法对矿山地质灾害危害程度进行了分区评价。2011 年,韦浩6在分析滑坡与各因素间关系的基础上,将滑坡发生确定性系数与多元回归模型结合起来以建立滑坡易发性多元回归模型。2014 年,毛伟等7使用遥感(Remote Sensing,RS)、地理信息系统(Geographic Information System,GIS)技术对地质灾害点进行解译统计,基于层次分析方法建立了研究矿区地质灾害危险性评价的指标体系,对研究区进行了危险性评价。2014 年,张昌新等8使用定性半定量评估法建立了半定量评估模型,预测地铁施工诱发地面塌陷的风险。2014 年,司鹄等9提出城市公共安全风险评估模型,采用灰色关联度等方法针对重庆市建立了城市公共安全风险评估指标体系,并进行了敏感性计算。2016 年,邓越等10研究采用信息量法确定了都江堰地质灾害各因子危险性指数。这些方法大多是通过定性推理、主观评价来确定变量权重或隶属函数,人为主观因素较多。由于地面塌陷成因的复杂性、模糊性和随机性,对于地面塌陷的评价也需要体现其模糊性和随机性。1995 年,李德毅等11首次提出云模型的概念,云模型是以概率论和模糊集理论为基础,在正态分布和钟形隶属函数基础上发展而来的全新模型,具有比经典模糊隶属函数更强的普适性和描述不确定性问题的能力12,但目前基于云模型进行地面塌陷风险评价方面的研究较少。因此,本文以宝安区为例,尝试把层次熵权和云模型应用于复杂成因下的城市地面塌陷风险评价中,解决其主客观权重不均,并体现一定的模糊和随机性,以期为城市道路塌陷评价提供一种新的方法。1 地面塌陷风险评价体系构建城市道路塌陷风险评价体系的构建可以从致灾2571第 23 卷第 6 期2023 年 6 月 安全 与 环 境 学 报Journal of Safety and Environment Vol.23 No.6Jun.,2023的脆弱性和灾后的影响性两方面进行评价,需要对地面塌陷的脆弱性因子和影响性因子等进行风险要素的识别。同时评价单元的划定也对评价的精准度具有较大的影响。表 1 风险评价 2 级指标说明Table 1 Description of level 2 indicators of risk assessment指标指标说明地铁施工位置 C1评价单元内地铁施工处面积占比,占比越大,影响越大管网施工位置 C2评价单元内管网施工处面积占比,占比越大,影响越大基坑施工位置 C3评价单元距深基坑施工处距离比,距离越近,影响越大供水管网管龄 P1管道管龄越大、腐蚀程度越高,爆管漏失风险越高供水管网管径 P2管道管径越大,爆管漏失后冲塌面积越大供水管网管材 P3管材(水泥管、聚乙烯管、钢管等)不同,漏失风险不同排水管网管龄 P4管道管龄越大、腐蚀程度越高,爆管漏失风险越高排水管网管径 P5管道管径越大,爆管漏失后冲塌面积越大排水管网管材 P6管材(水泥管、聚乙烯管、钢管等)不同,漏失风险不同道路土体条件 S1道路路基土体填充物及其密实程度区域降雨情况 S2评价单元区域降水量道路荷载情况 S3道路日均车流量应急预案情况 E1应急预案数量情况,应急规则完善情况应急处置能力 E2应急响应时间、应急处置时间、灾后处置恢复时间人员密度情况 M1评价单元或邻近处人员密度情况邻近设施情况 M2邻近处重要建筑设施数量道路等级情况 T1道路等级:快速路、主干道、次干道、支道公共交通条数 T2评价单元内公交地铁轻轨等公共交通线路条数1.1 地面塌陷风险评价要素道路塌陷致灾成因复杂,既受多种地上、地下人为因素的影响,也与各地区环境条件密切相关,基于相关文献和历史事故13 14调研分析可以把这些因素归为施工脆弱性15、管网破坏脆弱性16以及环境脆弱性17 193 类。这 3 类因素中,既可能由单一因素引发道路塌陷,也可能由这 3 类因素互相影响、相互扰动,共同造成道路塌陷。道路塌陷后,承灾体对于周边可能造成人员伤害、财产损失以及影响城市交通。同时,灾害发生后当地相关部门的应急预案能力、应急响应能力、应急处置能力等应急水平建设的脆弱性也是地面塌陷风险评估的重要因素。依据道路塌陷致灾成因和灾后影响因素及应急能力,利用层次分析法构建地面塌陷风险评价体系,依据重要度和风险度进行筛选,评价体系由 6 个 1 级指标和 18 个 2 级指标构成,如图1 所示。各指标说明如表 1 所示。1.2 评价单元划分评价单元的划分对于风险评价结果的准确性和可靠性具有非常重要的意义。道路塌陷不同于滑坡、泥石流等地质灾害评价或行政区划面评价,道路塌陷致灾的区域面范围较小,且城市道路宽窄规则不一,道路情况不尽相同,在风险评价拟合度、位置准确度等方面都有较高的要求。对道路塌陷做出具有实际指导意义的风险评价,应依据道路线条的特点,以道路线、道路面为评价区域,采用小范围的路段网格为评价单元,按照道路线以固定长度为评价单元进行区域评价。此次评价以道路面为评价区域,以 500 m 为评价单元长度。2 基于层次熵权 云模型的风险评价模型地面塌陷风险评价云模型,首先通过塌陷风险要素识别,构建塌陷风险要素层次体系,然后通过层次分析法与熵权法组合确定指标权重,接着通过云3571 2023 年 6 月 周子勇,等:基于层次熵权 云模型城市道路塌陷风险评价研究 Jun.,2023模型建立风险评价等级标准,使用逆向云发生器生成 2 级指标云数字特征,再通过综合云矩阵运算得到 1 级指标云数字特征和评价单元综合云数字特征,最后通过正向云发生器,生成综合云图,与标准云图进行对比,得出风险评价结果。总体方法流程如图 2 所示。图 1 地面塌陷风险评价体系Fig.1 Assessment system of ground collapse risk图 2 地面塌陷风险评价云模型方法流程图Fig.2 Flow chart of ground collapse risk assessment by cloud model2.1 层次熵权组合权重2.1.1 熵权权重计算地面塌陷风险评价中,每个评价指标所提供的信息量是不一样的,指标的信息量越大,在决策过程中其对应的权重也应该越大。在信息论中,信息熵指系统无序程度的度量,对于一个指标来说,信息熵反映的是指标不确定程度。某项指标的观测值相差越大(即观测值的方差越大),则其信息熵也越大,提供的信息量也就越大,则该指标的评价权重也越大,因此可以用信息熵来衡量指标的权重。与信息论中信息熵的定义不同,熵权法中信息熵的计算公式中,把观测值的相对大小作为概率,因此,如果某个指标在每个评价对象的观测值相等(即等概率),则其信息熵最大,但该指标对于决策却没有意义,即其权重应该为 0。信息熵越大,权重越小20 21。地面塌陷熵权权重计算步骤如下。1)建立数值矩阵。设模型有 n 个 2 级评价指标,有 m 个 1 级评价指标,Xij(i=1,2,3,m;j=1,2,3,n)为第 i 个1 级评价指标下第 j 个评价指标的值,形成 m n 阶评价指标数值矩阵 X。X=X11X1nXm1Xmn|(1)2)数值矩阵标准化。为避免指标量纲不同,正向指标通过式(2)进行标准化,负向指标通过式(3)进行标准化。Lij=Xij-XminXmax-Xmin(2)Lij=Xmax-XijXmax-Xmin(3)式中Xmin、Xmax为同准则同要素指标值的最小值、最大值,Lij为标准化后的 Xij。3)计算指标熵值。计算评价单元下第 j 个 2 级评价指标所占第 i 个 1 级评价指标比重 Tij。4571 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期Tij=Lijmi=1Lij(4)计算指标熵值,第 j 个评价指标输出的熵为Ej=-1lnmmi=1TijlnTij(5)4)计算指标权重。由式(5)可知,当 T1j=T2j=Tmj时,Ej为极大值,此时,第 j 个2 级指标对 m个 1 级指标的贡献是一样的,其权重应该为 0。Ej越大,其权重越小,据此得到指标 j 的权重为 j=1-Ejni=1(1-Ej)(6)2.1.2 层次权重计算层次权重的计算,通过专家打分,两两比对,一致性检验,完成层次指标的权重计算。具体计算步骤可参考文献22。地面塌陷层次权重计算步骤如下。1)构造判断矩阵。从构建的层次结构 1 级指标层开始,对于从属于上一层每个同一层要素指标,用成对比较法和1 9 标度法构成对比矩阵,直到2 级指标层。2)计算权重系数。计算同层级指标对相邻上层级指标的初始权重系数。3)判断一致性。当判断矩阵阶数 n 3 时,需要根据一致性指标 Ic和一致性比率 Rc=Ic/Ir进行一致性检验,Ir为平均一致性指标。若 Rc 0.10则认为判断矩阵的一致性可以接受,所得的初始权重系数可作为个各指标的权重系数,记指标层次权重为 j。2.1.3 组合权重计算层次分析法通过专家打分,指标比较进行赋权,其结合了专家经验,对于复杂的地面塌陷风险要素刻画了大致的权重分配,但其主观色彩较强,评价权重不够客观。熵权法根据各指标实际观测值的分散程度,利用信息熵计算出各指标的熵权,再根据各指标对熵权进行一定的修正,从而得到较为客观的指标权重。所以将层次权重与熵权权重组合计算,通过修正函数,将主客观权重结合,弥补地面塌陷风险评价中主客观评价不均的问题。计算式如(7)。j=j+(1-)j(7)式中j=1,2,3,n,j 为指标数,为常数系数,本文取 0.5。j为层次权重,j为熵权权重。2.2 云模型2.2.1 云模型设 X 为一个精确数值的集合,X=x,X 称为论域,C 是表示 X 集合上的定性概念,x 对 C 的隶属度(x)是具有稳定倾向的随机数,若满足:x N(Ex,En2),其中 En N(En,He2),且对 C 的隶属度满足(x)=exp -(x-En)2/(2 En2)(8)式中(x)为隶属度,x 为原始变量,Ex为 x 的期望,En为熵,He为超熵。称 x 在论域上的分布为正态云,每个 x 称为 1 个云滴(x,(x)23 24。云的数字特征通过期望 Ex、熵 En、超熵 He进行描述。其中期望是最能代表定性概念的点;熵用来反映定性概念的概率和模糊度,熵越大,定性概念所接受的范围越大;超熵是熵的熵,表示云的厚度,云滴越厚表明隶属度的离散程度越大21。2.2.2 云模型发生器云模型利用云发生器实现定性与定量之间的相互转换。云发生器可分为正向云发生器(CG)和逆向云发生器(CG-1),见图 3 和 4。图 3 正向云发生器Fig.3 Forward cloud generator图 4 逆向云发生器Fig.4 Reverse cloud generator正向云发生器指的是根据已知云的数字特征(Ex,En,He),产生满足正态云分布的 N 个云滴D(xi,(xi),实现了从定性到定量的映射。逆向云发生器则将一定数量的样本数据转换为云模型的数字特征,实现从定量到定性的转换24。2.2.3 构建地面塌陷综合评价云设评价区域共有 t 个评价单元,综合评价云的构建步骤如下。1)建立评价结果矩阵 Z。假设有 r 位评价专家,n 个评价指标,则 Zij(i=1,2,3,r;j=1,2,3,n)为第 i 个专家对第 j 个指标的评价结果,建立的评价矩阵 Z 如式(9)所示。Z=Z11Z1nZr1Zrn|(9)5571 2023 年 6 月 周子勇,等:基于层次熵权 云模型城市道路塌陷风险评价研究 Jun.,20232)计算第 j 个指标的评价云 Cj=(Ex,j,En,j,He,j),j=1,2,n25。计算式如(10)(13)。Ex,j=1rri=1Zij(10)En,j=21rri=1Zij-Ex,j(11)He,j=S2j-En,j2(12)S2j=1rri=1(Zij-Ex,j)2(13)3)将要素层的 2 级指标权重根据对应层次的 2级指标的个数进行归一化处理,将 2 级指标云特征数字矩阵与 2 级指标权重矩阵进行合成运算,进一步得到 1 级云特征数字矩阵,然后将得出的 1 级指标云特征数字矩阵与 1 级指标权重矩阵进行合成运算,最后得到综合云数字特征,得第 t 个评价单元风险综合云 Ct=(Ex,En,He),合成运算矩阵如式(14)21。C=1n|TEx,1En,1He,1Ex,nEn,nHe,n|=(Ex,En,He)(14)式中C 为综合风险云数字特征,Ex,En,He为更高等级的期望、熵、超熵。4)通过正向云发生器(CG),生成云滴数为 N的地面塌陷风险综合云图。3 地面塌陷风险评价云模型应用3.1 评价对象据深圳市宝安区应急局统计,2013 年 8 月至2019 年7 月,宝安区共发生地面塌陷事故228 起,其中 2019 年共发生地面塌陷事故 71 起。自 2015 年起,宝安区地面塌陷事故数量呈明显上升趋势,且事故主要集中在城市道路。此次评价选取宝安区 6 条主干道为评价区域。安排地面塌陷风险评价咨询团3 组,每组 7 10 人,由工程地质学者、应急处置专家、政府职能部门人员组成,通过个体问卷调查,现场讨论等方式进行权重评比、部分指标赋分。(现场咨询团评价形式:首先通过个体问卷形式,收集各个专家对于同一层评价要素指标的权重及分值情况(如管网要素指标下的管龄、管径、管材等)。其次通过现场讨论的方式,确定 1 级指标的权重分布,重要性程度排序(如影响权重由大到小为管网、施工、环境等)。对于道路等级情况、土体情况等,按照快速路、主干道、次干道、支道;密实填土、中密填土、松散填土等实际情况进行权重及分值设置。结合当地实际情况、塌陷灾害主诉因素及专家意见,给出权重及分值情况。)3.2 评价指标权重确定基于上述地面塌陷层次、熵权计算,并依据公式计算组合权重,得评价指标权重,如表 2、3 所示。表 2 1 级(准则层)指标权重Table 2 Index weights of level 1(criterion level)指标层次权重熵权权重组合权重施工 C0.1750.2510.213管网 P0.4620.3160.389环境 S0.0590.1530.106应急 E0.1210.0050.063人员 M0.1350.2210.178交通 T0.0480.0540.051表 3 2 级(要素层)指标权重Table 3 Index weights of level 2(factor level)指标层次权重熵权权重组合权重地铁施工位置 C10.0830.1790.131管网施工位置 C20.0750.0370.056基坑施工位置 C30.0170.0350.026供水管网管龄 P10.0330.0290.031供水管网管径 P20.1450.0790.112供水管网管材 P30.0140.0120.013排水管网管龄 P40.1540.0960.125排水管网管径 P50.0310.0190.025排水管网管材 P60.0850.0810.083道路土体条件 S10.0310.0230.027区域降雨情况 S20.0170.0770.047道路荷载情况 S30.0110.0530.032应急预案情况 E10.0430.0010.022应急处置能力 E20.0780.0040.041人员密度情况 M10.1210.1290.125邻近设施情况 M20.0140.0920.053道路等级情况 T10.0250.0210.023公共交通条数 T20.0230.0330.0283.3 等级评价集的确定将风险值划分为 4 个区间,级风险值为(75,6571 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期100、级风险值为(50,75、II 级风险值为(25,50、I 级风险值为0,25,标准云模型数字特征C=(Ex,En,He)。其中,Ex=Cminj+Cmaxj2(15)En=Cmaxj+Cminj22ln2(16)He=K(17)式中Cmaxj表示第 j 个区间的上边界值;Cminj表示第j 个区间的下边界值;K 为常数,本文取 0.5。得到各区间的标准云特征如表 4 所示。根据标准云模型数字化特征,通过一维逆向云发生器,生成风险等级标准云图,如图 5 所示。正态云分别对应、级风险。图 5 标准云风险图Fig5 Standard cloud risk diagram3.4 道路塌陷风险评价3.4.1 单元网格综合评价选取宝安区 6 条主干道路的部分重要区段进行评价,6 段道路分别记为 BADD、GSGL、CYYL、ZSL、XXDD、FTDD,并将主干路段沿道路方向每间隔 500 m 划分为一个评价单元。使用地面塌陷风险云模型评价计算,得出评价单元的云数字特征,与标准云数字图对 表 4 塌陷风险级别划定及云数字标准特征Table 4 Risk levels and corresponding standard cloud models风险级别风险区间标准云模型数字化特征说明级(75,100(87.5,15.014,0.5)塌陷风险高级(50,75(62.5,15.014,0.5)塌陷风险较高级(25,50(37.5,15.014,0.5)塌陷风险低级0,25(12.5,15.014,0.5)塌陷风险较低比,得出道路塌陷风险评价等级,如图 6 所示。从图 6 可以看出,部分道路连续多个评价单元为高风险,说明道路塌陷具有一定群发性的特征,应对高风险评价单元及其邻近单元做针对性的风险详查。同时,评价区域低风险评价单元较多,表明其总体风险可控,但也需加强道路整体的风险普查。通过单元网格评价可针对性地看出道路路段小范围区域评价风险,为相关职能部门提供较为具体的风险位置范围,便于实际性的风险排查和隐患防控。图 6 塌陷风险评价图及雷达探测隐患点Fig.6 Diagram of collapse risk assessment and thehidden trouble by the GPR detection3.4.2 区域整体评价将所选评价的主干道所对应的 t 个评价单元的云数字特征通过几何平均计算,如式(18)。CZ=(Ex,z,En,z,He,z)=1t(ti=1Ex,ti=1En,ti=1He)(18)求得整段道路的模拟综合云数字特征,结果如表5 所示,并通过 Python 编程实现云图可视化,结果如图 7 所示。由图 7 可以看出,XXDD、CYYL、BADD、GSGL4 条道路的Ex在标准云之间,表明道路综合塌陷风险 表 5 6 条主干道模拟综合云数字特征Table 5 Integrated cloud digital features of 6 main roads序号道路名称模拟综合云数字特征(Ex,En,He)1BADD(65.803,10.604,1.701)2XXDD(72.877,9.619,1.898)3GSGL(52.112,13.029,2.433)4ZSL(46.174,17.884,2.224)5CYYL(68.488,20.444,1.921)6FTDD(32.323,10.330,1.688)7571 2023 年 6 月 周子勇,等:基于层次熵权 云模型城市道路塌陷风险评价研究 Jun.,2023较高,不论从致灾的脆弱性还是灾后的影响性,都应给予更高的关注,应加强道路探地雷达检测和日常人工巡视巡查,尽可能避免灾害的发生。从熵值 En上来看,CYYL、ZSL熵值大于标准云熵,说明道路塌陷风险的模糊度较高,可能受多种定性因素影响较高,导致其不确定性较高。从超熵 He上来看,GSGL、ZSL、CYYL、XXDD、BADD道路塌陷的随机性较高。把 6 条道路的综合云图与标准云图叠置在同一张图上,如图 8 所示,这样可以更清楚地呈现每条道路的风险特征。从总体宏观对比可以看出,部分主干道道路塌陷风险隐患程度较高,但同时其发生的不确定性也较高,总体处于可控范围内,应加强相关道路的风险隐患排查,尽量避免灾害的发生。与传统地质灾害安全评价方法(如层次分析、模糊分析、灰色关联等)相比,层次熵权云模型对道路塌陷图 7 主干道云模型图(6 条)Fig.7 Cloud model diagram of main roads(6 main roads)图 8 风险标准云与 6 条主干道综合云风险图Fig.8 Integrated cloud risk diagram of riskstandard cloud and 6 main roads地质灾害的评价方法,一方面利用层次 熵权主客观结合,解决了评价权重主客不均的问题;另一方面针对地面塌陷随机模糊的特点,利用云模型数字特征和云图评价,一定程度上体现了道路塌陷随机模糊的特性;再者可从单元评价到区域整体评价,实现了多尺度的道路塌陷评价。层次熵权云模型的组合评价一定程度上对道路塌陷风险的科学计算提供了有效帮助。3.5 模型验证对宝安区选取部分路段进行探地雷达(GPR)探测,获得 71 个探测隐患点的位置坐标和地下病害体类型及探测评估风险级别。对探测路段采用本文方法进行道路塌陷风险评价,将雷达探测隐患点与道路塌陷风险评价图进行叠加(图 6)。统计结果表明,雷达探测隐患点位所处单元格为 54 个,将探测隐患点的风险级别与所处单元格风险级别进行对比统计(表 6),级风险吻合率为 76.09%,级风险吻合率 64.29%,级风险吻合率 55.56%,级风险吻合率 50.00%,总吻合率 70.42%,表 7 为统计结果。通过对比分析,表明道路塌陷风险评价模型的评价结果与探地雷达探测结果吻合度较高,因此运用该模型对宝安区道路塌陷风险评价及探测预防具有积极的指导意义。表 6 评价风险等级与探地雷达结果对比Table 6 Comparison of risk levels betweenproposed model and GPR results编号探测点地下病害体类型探测评估风险级别所处单元格风险评价等级001脱空IIIIII002一般疏松III004空洞071空洞表 7 评价风险等级与探地雷达结果统计Table 7 Statistics of risk level evaluation resultsand detection results of GPR风险级别雷达探测隐患级别个数风险评价吻合个数吻合率/%463576.0914964.299555.562150.00合计715070.428571 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期4 结 论1)本文构建了城市道路地面塌陷风险评价指标体系,提出基于层次熵权云模型组合进行风险评价,利用层次熵权组合使评价内容主客观结合,利用云模型数字特征和云图表现地面塌陷的随机性和不确定性。采用模型由小范围单元格塌陷评价到整体区域道路塌陷评价。最后,通过宝安区的模型应用评价与探地雷达(GPR)探测结果比对,验证了方法的有效性。2)本文梳理出 18 个可能致灾脆弱性和影响性底层指标,涉及内容较为细致,一定程度上提升了风险评价的可靠性和科学性。但道路或者地面塌陷的成因复杂,影响因素众多,本文所归纳的因素可能并不全面,还需要结合具体地区进行进一步归纳梳理,使得风险评价更加贴近真实情况。3)通过地面塌陷评价可避免探地雷达普查的盲目性,为城市体检节约了经济成本,为城市道路塌陷的防治起到了积极的指导作用。参考文献(References):1 雷六斤.城市道路塌陷的成因及隐患探查J.测绘通报,2013(增 2):254255.LEI L J.The causes of urban roads collapse and detectionof hidden troubleJ.Bulletin of Surveying and Mapping,2013(S2):254255.2 胡聿涵,白玉川,徐海珏.近 10 年中国城市道路塌陷原因及防治对策分析J.公路,2016,61(9):130135.HU Y H,BAI Y C,XU H J.Analysis of reasons forurbanroadcollapseandpreventionandcontrolcountermeasures in recent decade of ChinaJ.Highway,2016,61(9):130135.3 童景盛,李菊红,周志华.城市道路塌陷成因分析及精细化预防处理措施J.城市道桥与防洪,2021(2):2933.TONG J S,LI J H,ZHOU Z H.Cause analysis andrefined preventive treatment measures ofurban roadcollapseJ.Urban Roads Bridges&Flood Control,2021(2):2933.4 CARRARA A.Multivariate models for landslide hazardevaluationJ.Journal of the International Associationfor Mathematical Geology,1983,15(3):403426.5 姚春梅,刘洪亮.模糊数学综合评判法在矿山地质灾害危害程度评价中的应用J.中国地质灾害与防治学报,1998,9(3):4853.YAO C M,LIU H L.Application of fuzzy mathematicscomprehensivejudgementontheassessmentofharmfullness for geohazard in mine J.The ChineseJournal of Geological Hazard and Control,1998,9(3):4853.6韦浩.多元回归分析法在滑坡空间预测中的应用D.长安大学,2011.WEI H.Multiple regression analysis in spatial predictionof landslideD.Xian:Changan University,2011.7 毛伟,陈海莉,如黑艳木合买尔,等.基于 GIS 的矿区地面塌陷危险性评价研究J.国土与自然资源研究,2014(3):5253.MAO W,CHEN H L,RUHYAN M,et al.Research onthe hazard assessment for ground collapse in mining areabased on GISJ.Territory&Natural Resources Study,2014(3):5253.8 张昌新,余志江,郑太航.基于半定量法的地铁工程地面塌陷风险评估J.铁道工程学报,2014,31(12):9395,105.ZHANG C X,YU Z J,ZHNEG T H.Risk assessment ofground collapse caused by metro construction based on thequalitatsnive semi-quantitative method J.Journal ofRailway Engineering Society,2014,31(12):9395,105.9 司鹄,贾文梅.城市公共安全风险评估指标敏感性分析J.中国安全生产科学技术,2014,10(11):7176.SI H,JIA W M.Analysis on sensitivity of indexes for riskassessment on urban public safetyJ.Journal of SafetyScience and Technology,2014,10(11):7176.10 邓越,周廷刚,蒋卫国.都江堰市地质灾害危险性及潜在影响评估J.灾害学,2016,31(2):196199,212.DENG Y,ZHOU T G,JIANG W G.Assessment ofgeologicaldisasterhazardandpotentialimpactinDujiangyan CityJ.Journal of Catastrophology,2016,31(2):196199.11 李德毅,孟海军,史雪梅.隶属云和隶属云发生器J.计算机研究与发展,1995(6):1520.9571 2023 年 6 月 周子勇,等:基于层次熵权 云模型城市道路塌陷风险评价研究 Jun.,2023LI D Y,MENG H J,SHI X M.Membership clouds andmembership cloud ceneratorsJ.Journal of ComputerResearch and Development,1995(6):1520.12 郜彤,张瑞新,郜赛超,等.基于云模型和组合赋权的煤矿安全风险评价J.工矿自动化,2019,45(12):2328.GAO T,ZHANG R X,GAO S C,et al.Coal minesafety riskassessmentbasedoncloudmodelandcombinationweighting J.IndustryandMineAutomation,2019,45(12):2328.13 广州市应急管理局.广州市天河区中铁五局四公司在建轨道交通十一号线沙河站横通道“121”较大坍塌事故调查报告.EB/OL.20200616.http:/ Municipal Emergency Management Bureau.Investigation report on the“121”collapse accident ofthe transverse passage of Shahe Station of Subway Line11 under construction in Tianhe District,Guangzhou.EB/OL.20200616.http:/ _ 5949780.html.14 佛山市安全监管局.广东省佛山市轨道交通 2 号线一期工程“27”透水坍塌重大事故调查报告.EB/OL.20190611.http:/ Safety Supervision Bureau.Investigation reporton the“27”fluid collapse of the first phase of FoshanSubway Line 2 in Guangdong ProvinceEB/OL.20190611.http:/ J J.Research on ground collapse characteristicsof guangzhou and control countermeasuresJ.Journalof Railway Engineering Society,2012,29(1):15.16 钟世英,丛波日.城市地面塌陷灾害成因机理分析及分类C/工程地质学报编辑部.2016 年全国工程地质学术年会论文集.北京:科学出版社,2016:358363.ZHONG S Y,CONG B R.The genetic mechanism andclassification of urban ground collapses hazard C/Editorial Department of Journal of Engineering Geology.Proceedingsof2016NationalEngineeringGeologyAnnual Conference.Beijing:Science Press,2016:358 363.17 蔡剑韬.上海地区地面塌陷风险评价及其隐患防控研究J.上海国土资源,2019,40(4):6470.CAI J T.Study on risk assessment and hidden dangerprevention and control of ground collapse in ShanghaiJ.Shanghai Land&Resources,2019,40(4):64 70.18 季广熙,刘学清,张洪武.临沂市兰山区城区地面塌陷的成因及潜在危害J.西部探矿工程,2005(8):178181.JI G X,LIU X Q,ZHANG H W.Causes and potentialhazards of ground collapse in Lanshan District of LinyiCity J.West-China Exploration Engineering,2005(8):178181.19