基于可拓云模型的高速公路隧道入口段行车风险评价研究.pdf

第21卷 第2期2023年06月交通运输工程与信息学报Journal of Transportation Engineering and InformationVol.21 No.2Jun.2023文章编号：1672-4747（2023）02-0055-11基于可拓云模型的高速公路隧道入口段行车风险评价研究基于可拓云模型的高速公路隧道入口段行车风险评价研究芮红睿1，武加宝2，胡立伟*2(1.昆明市西山区交通运输局，昆明 650100；2.昆明理工大学，交通工程学院，昆明 650500)摘要：研究高速公路隧道入口段行车风险的影响因素，确定其行车风险等级，从而可提高隧道入口段行车的安全性与舒适性。利用文献萃取法，从驾驶员因素、道路条件、交通条件和环境条件中选取18个行车风险因素，建立了高速公路隧道入口过渡段行车风险因素集。基于决策实验室-解释结构模型建立了高速公路隧道入口段行车风险因素识别模型，筛选出高速公路隧道入口过渡段行车风险评价指标，并结合风险评价指标建立了山区高速公路隧道入口过渡段行车风险可拓云评价模型。利用熵值法确定评价指标权重，根据最大关联度原则明确了隧道入口段的行车风险等级，通过与可拓法的对比分析进而验证模型的准确性。通过实例应用分析发现，利用可拓云模型和可拓法计算出隧道X和隧道Y的行车风险等级均为级，而隧道X的特征期望值大于隧道Y的特征期望值，表明隧道X的安全水平高于隧道Y。两个模型计算出的可信度均小于0.01，可信度都较高，结果表明了可拓云模型的有效性和科学性，为探究高速公路隧道入口段行车风险提供了一个新的方向。研究结果不仅有助于高速公路隧道入口段行车安全的提升，同时对研究交通事故的影响因素与形成机理具有借鉴意义。关键词：交通工程，行车风险；可拓云模型；隧道入口段；高速公路中图分类号：U492.84文献标识码：ADOI：10.19961/ki.1672-4747.2022.09.006Driving risk assessment of highway tunnel entrances basedon extended cloud modelRUI Hong-rui1，WU Jia-bao2，HU Li-wei*2(1.Kunming Xishan District Traffic Transport Bureau,Kunming 650100,China;2.Faculty of TransportationEngineering,Kunming University of Science and Technology,Kunming 650500,China)Abstract：The factors influencing the driving risk at highway tunnel entrances as well as the level ofrisk are studied with the aim to improve the safety and comfort of driving in these highway transitionsections.Using the literature extraction method,18 traffic risk factors are selected among driver fac-tors,road conditions,traffic conditions,and environmental conditions to establish a set of risk factorsfor highway tunnel entrance transition sections.Based on the decision laboratory-interpretation struc-ture model,a model is established to identify the traffic risk factors in these sections,to filter out thetraffic risk evaluation indexes,and to establish a topographic cloud evaluation model for the trafficrisk at tunnel entrances in mountainous areas by combining the risk evaluation indexes.The entropy收稿日期：2022-09-08录用日期：2022-09-27网络首发：2022-10-09审稿日期：2022-09-0809-14；09-1909-27基金项目：国家自然科学基金项目(61863019，42277476)作者简介：芮红睿(1976)，男，高级工程师，研究方向为公路工程管理，E-mail：通信作者：胡立伟(1978)，男，教授，研究方向为道路交通安全、交通运输规划与管理，E-mail：引文格式：芮红睿，武加宝，胡立伟.基于可拓云模型的高速公路隧道入口段行车风险评价研究J.交通运输工程与信息学报，2023，21(2)：55-65.RUI Hong-rui，WU Jia-bao，HU Li-wei.Driving risk assessment of highway tunnel entrances based on extended cloud modelJ.Journal of Transportation Engineering and Information，2023，21(2)：55-65.56交通运输工程与信息学报第21卷value method is used to determine the evaluation index weights,and the traffic risk level is clarifiedaccording to the principle of maximum correlation.The results show that the risk level of both tunnelX and tunnel Y is II,and the characteristic expectation of tunnel X is greater than that of tunnel Y,in-dicating that the safety level of tunnel X is higher than that of tunnel Y.The confidence level calculat-ed by both models is less than 0.01,and the confidence level is higher.The study results validate thetopo cloud model,thus providing a new direction to investigate the traffic risk at the entrances ofhighway tunnels.These findings not only help to improve traffic safety in these highway sections butalso have implications for the study of influencing factors and formation mechanisms of traffic acci-dents.Key words:traffic engineering;driving risk;extension cloud model;tunnel entrance section;expressway0引言随着我国高速公路不断向山区延伸及路网规模的不断扩大，隧道建设也越来越多地出现在高速公路建设中。作为公路最常见的一种结构，隧道能缩短行车里程和时间，优化公路线形，提高公路运输效率。隧道封闭的结构和特殊的行车环境，会加剧驾驶的心理负荷，引发交通事故，对营救和交通组织都极为不利，易引发二次事故。研究表明，隧道路段交通事故占高速公路总交通事故总数的36.5%，隧道出入口附近的交通事故率是隧道内的23倍1。为此，需要针对高速公路隧道入口段的风险影响机理和风险形态进行研究，明确该路段的风险水平，从而为提升行车安全提供理论依据。国内外对隧道交通安全做了大量研究，在隧道事故成因与分布方面，赖金星等2通过分析2 193起隧道交通事故的分布特征和成因，发现隧道出入口交通事故占隧道交通事故总数的 58%，超速和不良天气是引发交通事故的主要原因。张生瑞等3以实际交通事故数据为基础，研究表明临近隧道口发生交通事故的比例较高，交通事故数与隧道长度呈“U”型关系，隧道长度增加，隧道内交通事故数先降低后增加。Kircher等4指出隧道内发生交通事故的可能性低于隧道外，若隧道内出现交通事故，其带来的不利影响和危害程度远大于一般路段。在隧道入口段行车安全研究方面，比较关注驾驶人的视觉特性5-8、心理和生理特性9-10、车辆的速度特性11-12、隧道基础设施13-16等，通过模拟仿真17、模型构建18等分析事故成因，提出优化方法和措施，对提升隧道入口段的行车安全提供了理论指导。WAN等19通过分析典型低亮度公路隧道中侧壁标记的影响，构建高速公路隧道的三维模型。通过仿真测试研究刺激和反应时间与不同角度侧壁标记的关系，并基于最佳角度，分析不同长度的侧壁标记对速度感知的影响，结果表明，侧壁标记的角度和长度对驾驶员的反应时间有显著影响。LI等20通过模拟互联车辆环境，从速度控制、稳定性和紧迫性中选择指标，分析互联车辆环境对警告区和隧道入口区驾驶员行为和安全的影响，构建并测试了一个基于驾驶仿真技术的互联车辆环境测试平台，为实现隧道入口车辆主动防护提供了参考。岳全胜等21采用演化博弈理论构建了超车过程中前车驾驶人和后车驾驶人的支付矩阵，使用普通最小二乘法构建回归方程，建立了前车驾驶人和后车驾驶人的演化博弈模型，为分析驾驶行为和保障公路超车安全提供了理论基础。在行车安全评价模型研究方面，潘晓东等22构建了模糊理论构建桥隧段安全评价模型，并结合神经网络确定各因素的隶属度。郭延永等23从道路、交通、环境和气候方面构建了高速公路隧道交通运行环境安全评价体系，并基于灰色熵权聚类建立了山区高速公路隧道交通安全评价模型。Audun等24基于贝叶斯网络，选取交通量、隧道线形、长度和隧道内外限速条件等因素对隧道行车安全进行评价。马超等25利用不确定性数学方法和Microsoft Visual Basic软件编程，构建了恶劣天气条件下高速公路安全运营评估系统。薛锋26提出一种基于 AHP-DEMATEL 和云模型的公路隧道交通安全的组合评价方法，即利用决策与试验评价实验室法(DEMATEL)分析各指标的影响度、被影响度以及中心度，并联合 AHP-DE-MATEL确定各个安全评价指标的综合影响度，并采用云模型量化了公路隧道交通安全评价指标的芮红睿 等：基于可拓云模型的高速公路隧道入口段行车风险评价研究57第2期随机性和模糊性，对提升公路隧道安全具有重要意义。国内外学者对隧道行车安全作了较多的研究，从隧道交通事故的形成机理、分布特征研究，到路段的划分与风险评价。由于隧道特殊的结构和行车环境，导致隧道行车过程中受较多因素影响，隧道入口前的接线形式、驾驶人的视觉特性、心理生理特性、车辆的速度特性以及交通量等都会给行车安全带来不同的影响。因此，为提高高速公路隧道入口段的行车安全性，从影响行车安全的风险因素着手，针对隧道入口段的安全影响机理进行研究，从而提出隧道入口段行车安全评价方法，确定行车风险等级，对提升隧道入口段的行车安全性和通行效率具有重要价值。1高速公路隧道入口段行车风险因素识别与筛选1.1高速公路隧道入口段行车风险因素集通过对高速公路隧道入口段行车风险影响因素的分析，影响行车安全的因素包括驾驶员因素、道路条件、交通条件和环境条件共同构成，其行车风险影响因素即可表示为：A=A1,A2,A3,A4(1)式中：A1、A2、A3和A4分别表示驾驶员因素、道路条件、交通条件和环境条件。高速公路隧道入口段行车风险因素集包含风险因素种类繁多且关系复杂性，在实际评价中，行车风险因素的选取应适量，仅有部分因素会导致交通事故的发生，应考虑风险评价的可用性选取风险因素，才能确保风险评价的科学性。基于此，结合文献萃取法，以隧道入口段、行车风险、风险等级、驾驶员等为主要关键词，对文献进行广泛的阅读与筛选，围绕高速公路隧道入口段行车风险这一问题，获取近5年相关文献61篇，从驾驶员因素、道路条件、交通条件和环境条件4个方面提取了18个行车风险因素，构建高速公路隧道入口段行车风险因素集，如下所示：驾驶员因素A1=视觉特性a1，心理特性a2，超速行驶a3，违法变道a4，安全意识与态度a5；道路条件 A2=隧道长度a6，隧道前接线形式a7，路面状况a8，线形连续性a9；交通条件A3=平均日交通量a10，大型车比例a11，隧道限速情况a12，平均行车速度a13，安全设施设置情况a14；环境条件 A4=照明情况a15，天气状况a16，空气质量a17，噪音强度a18。1.2高速公路隧道入口段行车风险因素识别模型构建国内外学者多用专家调查法、层次分析法、风险图法、灰色评价法、模糊综合评价法和事故数法等进行行车风险影响因素的分析与识别27，各方法均有其优点及要求，但这些方法难以有效分析结构要素之间的内在影响机制。比较分析后发现决策实验室法能将繁杂的风险因素关系转化为方便计算的高速公路隧道入口段行车风险识别模型，以明确影响隧道入口段行车安全的最根本的要素，得出各因素对行车安全的影响程度和各因素相互作用情况。决策实验室法(Decision-making Trial and Eval-uation Laboratory)，英文简称为DEMATEL，决策实验室法的建模步骤如图1所示。图1 决策实验室法的建模步骤Fig.1 Modeling steps of the decision-making laboratory method该方法是以图论和矩阵为基础，通过分析系统中各因素间的逻辑关系建立直接影响矩阵，计算出各因素对其他因素的影响度与被影响度，得出各指标的中心度与原因度，利用中心度判断因素的重要性，利用原因度判别该因素的属性，还可依据计算出的中心度和原因度调整系统结构，保证系统结构的合理性28。目前，该模型已广泛应用在市场营销、全球问题分析、城市规划及安全等领域。1.3 高速公路隧道入口段行车风险因素指标体系构建采用 Delphi法确定各影响因素间的关系，建立隧道行车风险因素间的直接影响矩阵。在直接影响矩阵中：3表示两因素间相关性较强；2表示两因素间相关性一般；1表示两因素间相关性较弱；而0表示两因素间无相关性。通过专家调查法发放问卷，共发放调查问卷135份，回收有效问卷127份。本次调查对象为均为交通安全领域的专家，专家组成人员为教授、副教授、高级工程师、工程师等。直接影响矩阵如表1所示。利用图1决策实验室法的建模步骤进行计算，最终可得到各因素的影响度、被影响度、中心度和原因度，模型求解结果如表2所示。表1 直接影响矩阵Tab.1 Direct-influence matrixaija1a2a3a4a5a6a7a8a9a10a11a12a13a14a15a16a17a18a1031103313010123130a2301123323321323313a3120022110111110101a4111022100101321000a5010003100110110100a6000000000000000000a7000000000000010000a8000002100000000300a9000001210000000000a10001112000000210100a11001112000100210100a12000101101110200100a13331231131123032200a14001201101011200013a15000000000000000100a16000001001010000000a17101001110111010000a18001001100110011000表2 模型求解结果Tab.2 Model solution results因 素视觉特性a1心理特性a2超速行驶a3违法变道a4安全意识与态度a5隧道长度a6隧道前接线形式a7路面状况a8线形连续性a9平均日交通量a10大型车比例a11隧道路段限速情况a12平均行车速度a13安全设施设置情况a14照明情况a15天气状况a16空气质量a17噪音强度a18影响度fi0.611 60.623 10.689 80.339 30.811 71.671 00.869 40.615 80.657 60.882 80.921 20.506 61.097 20.974 40.519 11.206 10.296 40.435 2被影响度ei1.584 92.227 30.793 61.044 30.394 600.041 10.219 60.152 20.729 10.629 10.493 12.160 20.841 10.074 00.035 70.534 00.681 3中心度Mi2.196 52.850 41.483 41.383 51.206 31.671 00.910 50.835 40.809 81.611 91.550 30.999 73.257 41.815 50.593 11.241 80.830 41.116 5原因度Ni-0.973 4-1.604 2-0.103 8-0.705 00.417 11.671 00.828 20.396 20.505 40.153 70.292 10.013 5-1.063 00.133 20.445 11.170 4-0.237 6-0.246 1属 性结果因素结果因素结果因素结果因素原因因素原因因素原因因素原因因素原因因素原因因素原因因素原因因素结果因素原因因素原因因素原因因素结果因素结果因素58交通运输工程与信息学报第21卷根据表2模型求解结果，筛选出中心度数值较大的因素作为影响行车风险的主要因素，并结合专家意见和建议，构建高速公路隧道入口段行车风险指标体系如图2所示。图2 高速公路隧道入口段行车风险评价指标体系Fig.2 Traffic risk assessment index system for the entrance section of expressway tunnel2基于可拓云的高速公路隧道入口段行车风险评价模型构建可拓法是由物元理论和可拓集合论结合而来的理论方法，它能够科学合理地解释研究对象质变与量变间的相关性与规律性。其原理是用一个有序的三元组，以其名称、特征、特征值来描述对象的基本元，从而构建对应的矩阵计算得到相应的关联度，以实现定性概念定量处理。进行隧道行车风险评价时，需考虑各个因素的特征。可拓云模型是结合可拓论与云模型进行的风险判别方法，在利用可拓云模型进行风险评价时，物元需结合期望值Ex、熵En、超熵He进行构建，利用物元法进行计算，从而完成对待评价对象的描述、分析与判别29。2.1确定待评价物元在进行高速公路隧道入口段行车风险评价时，由于评价指标较多，有的指标为定性指标，有的为定量指标，定量指标具有确定性，定性指标模糊性强。若评价指标为定量指标，则该指标可对应精确的值，可直接代入模型中计算；对于定性指标，其并非确定的数值，需依据正态云模型中相关理论进行变换，从而将定性指标转化为定量值，再将指标代入模型中，计算出关联度。待评物元可记为：R=N1c1v1N2c2v2Nmcmvm=N1c1(Ex1,En1,He1)N2c2(Ex2,En2,He2)Nmcm(Exm,Enm,Hem)(2)式中：Ni为待评对象；R为安全评价等级；ci为待评价对象的评价指标；vi为指标的特征值，i的范围为(1，m)；(Exj，Enj，Hej)为待评对象指标j的云描述。2.2 确定标准云待评物元确定后，结合已有研究，可将隧道入口段行车风险安全评价等级分为四级，各等级划分情况如表3所示。表3 隧道出入口安全等级划分Tab.3 Classification of security levels at tunnel entrances风险等级I级II级III级级风险状态安全一般风险较高风险高风险表现形式隧道服务水平和安全水平较高，交通事故率极低隧道服务水平和安全水平一般，偶尔发生交通事故隧道服务水平和安全水平较差，时常发生交通事故隧道服务水平和安全极差，频繁发生交通事故芮红睿 等：基于可拓云模型的高速公路隧道入口段行车风险评价研究59第2期参考已有研究30-31，将各指标划分为4个风险等级，给定量指标设置量值区间，对于定性指标设置评分区间，高速公路隧道入口段行车风险指标分级如表4所示。表4 高速公路隧道入口段行车风险评价指标分级Tab.4 Classification of traffic risk assessment indicators for the entrance section of expressway tunnels风险因素驾驶员因素道路条件环境条件交通条件评价指标瞳孔面积变化率(转化为评分)心率增长率(转化为评分)隧道长度/m隧道入口段形式(转化为评分)照明亮度/(cd/m2)不良天气比例/(%)平均日交通量/(pcu/d)大型车比例/(%)平均行车速度/(km/h)设施完备率/(%)风险等级I级(85，100(85，100(0，500(85，100(4.5，60，10(0，15 0000，1060，75(85，100II级(70，85(70，85(500，1000(70，85(3，4.5(10，20(15 000，25 000(10，20(75，90(70，85III级(55，70(55，70(1000，3000(55，70(1.5，3(20，30(25 000，35 000(20，30(90，105(55，70级55，055，0300055，00，1.5(30，10035 000(30，100(105，12055，0评价等级阈值范围确定后，就可得出标准云，记为：R=(Nj,c,vjk)=N1c1(aj 1,bj1)N2c2(aj2,bj 2)Nmcm(ajm,bjm)=N1c1(Ex1,En1,He1)N2c2(Ex2,En2,He2)Nmcm(Exm,Enm,Hem)(3)将隧道入口段行车风险评价指标的数值依据正向云模型进行云化处理，云模型中的期望、熵和超熵的计算公式为：Ex=ajk+bjk2(4)En=bjk-ajk6(5)He=S(6)式中：(ajk，bjk)为各评价等级对应区间的数值；S为常数值，其值的大小可依据变量的模糊阈值进行确定，本研究中将S值定为0.02。结合前文已建立的行车风险评价指标体系，每个指标均对应I级、II级、III级、级，各等级的取值范围为0，a)，a，b)，b，c)，c，+)。高速公路隧道入口段行车风险评价指标等级划分如表 5所示。表5 高速公路隧道入口段行车风险评价指标等级划分Tab.5 Classification of the driving risk assessment index ofthe entrance section of expressway tunnel风险等级I级II级III级级期望值ExEx1=(0+a)/2Ex2=(a+b)/2Ex3=(b+c)/2Ex4=c熵EnEn1=(a-0)/2En2=(b-a)/2En3=(c-b)/2En4=En3超熵He0.010.010.010.012.3确定评价指标权重结合指标包含的信息，本文评价指标权重选用熵值法计算。熵值是描述事物离散性的指标，其基本原理是：在待评价系统中，若某指标的离散性越大，其对应的熵值越小，则指标对应的权重值越大；反之，则指标权重值越小。熵值法能直观呈现各指标包含的数据信息，减轻人为或外界因素对指标的干扰，减少赋值存在的主观性，保证结果的准确性。(1)建立初始矩阵。在行车风险评价中，若有m个对象，待评对象中包含n个指标，那么判别矩阵可记为X=(xij)m n。(2)矩阵标准化。在进行高速公路隧道入口过渡段行车风险评价时，需对不同类型的指标进行处理，其处理流程为：60交通运输工程与信息学报第21卷正向指标标准化处理方法为：rij=xij-min(xij)max(xij)-min(xij)(7)逆向指标标准化处理方法为：rij=max(xij)-xijmax(xij)-min(xij)(8)式中：max(xij)表示评价指标的最大值；min(xij)表示评价指标的最小值；rij表示将xij标准化后得到的值。评价对象i中的指标j的权重为pij，权重值的计算公式为：pij=1+riji=1m(1+rij)(9)(3)计算评价指标的信息熵。风险评价指标信息熵ej计算公式为：ej=-Ki=1mpijln(pij)(10)式中：K为常数，其值与样本数据量有关。当ej=1，pij=1 m，则有：K=eji=1m1mln(m)=1ln(m)(11)信息熵的值可通过下式计算：ej=-1ln(m)i=1mpijln(pij)(12)(4)计算行车风险评价指标熵值。熵值描述了事物的不确定性，若指标的不确定性越大，表明该评价指标越重要，其对应的权重越大：j=1-ej=1+1ln(m)i=1mpijln(pij)(13)指标权重可通过下式计算：j=jj=1nj(14)2.4建立关联度矩阵利用云模型发生器并借助Matlab计算指标的关联度，具体算法为：(1)利用Matlab生成正态随机数En，随机数的期望为En，方差为H2e。(2)利用Matlab生成待评价指标i的正态随机数xi，即为云滴。(3)计算关联度：k(xi)=exp-xi-Ex2E 2x(15)关联度矩阵如下所示：z=N1Nmc1k11km1cmk1 mkmn(16)2.5 风险评价等级确定结合评价指标权重与关联度矩阵，可得出山区高速公路隧道入口过渡段行车风险评价中各等级对应的关联度，计算公式如下：ki(p)=jzi(17)根据最大关联度原则，评价隧道入口段行车风险等级，若有：ki=maxki(p)(18)则可确定隧道入口段行车风险等级为i。2.6评价结果检验确定行车风险等级后，需要对评价结果进行检验，验证模型的可信度。(1)计算评价结果的特征值：ri=i=15ki(p)fii=15ki(p)(19)式中：fi为风险等级对应的数值，I级级分别对应数值4，3，2，1。(2)计算评价结果的特征期望值，计算公式为：Erx=i=1nrin(20)式中：n为云滴数。(3)计算特征熵。特征熵值越大，表明评价结果越分散，计算公式为：Ern=1ni=1n ri-Erx2(21)(4)计算可信度。评价结果的可信度与离散性成正比，一般认为，可信度小于0.1即可信水平较高：=ErnErx(22)芮红睿 等：基于可拓云模型的高速公路隧道入口段行车风险评价研究61第2期3 可拓云模型应用分析3.1 确定待评价物元以云南山区高速公路两条隧道X和Y作为研究对象，隧道X和Y的风险水平为待评物元。各路段对应评价指标的取值如表6所示。3.2确定标准云文中3.2节已将行车风险等级划分为4级，并规定了每个指标下不同等级对应的取值范围，利用公式(4)(6)可分别计算出云模型中对应的期望值、熵和超熵，超熵取值为 0.01。云模型如表 7所示。表6 评价指标取值Tab.6 Evaluation indexs评价指标视觉特性d1心理特性d2隧道长度d3/m隧道前接线形式d4平均交通量d5/(pcu/d)大型车比例d6/(%)平均行车速度d7/(km/h)安全设施完善程度d8照明情况d9天气状况d10隧道X86793 0858435 69122.4274.04868082隧道Y81831 4008232 18615.3177.29848183表7 评价指标等级云模型Tab.7 Evaluation index grade cloud model指 标d1d2d3d4d5d6d7d8d9d10风险等级I级(92.5,2.5,0.01)(92.5,2.5,0.01)(250,83.33,0.01)(92.5,2.5,0.01)(7 500,2 500,0.01)(5,1.67,0.01)(67.5,2.5,0.01)(90,3.33,0.01)(90,3.33,0.01)(90,3.33,0.01)II级(77.5,2.5,0.01)(77.5,2.5,0.01)(750,83.33,0.01)(77.5,2.5,0.01)(20 000,1 666.67,0.01)(15,1.67,0.01)(82.5,2.5,0.01)(70,3.33,0.01)(70,3.33,0.01)(70,3.33,0.01)III级(62.5,2.5,0.01)(62.5,2.5,0.01)(2 000,333.33,0.01)(62.5,2.5,0.01)(30 000,1 666.67,0.01)(25,1.67,0.01)(97.5,2.5,0.01)(50,3.33,0.01)(50,3.33,0.01)(50,3.33,0.01)级(22.5,9.17,0.01)(22.5,9.17,0.01)(3 000,333.33,0.01)(22.5,9.17,0.01)(35 000,1 666.67,0.01)(35,1.67,0.01)(105,2.5,0.01)(20,6.67,0.01)(20,6.67,0.01)(20,6.67,0.01)3.3确定评价指标权重利用公式(7)(9)对指标进行归一化和标准化处理，结果如表8所示。表8 指标标准化与归一化Tab.8 Standardization and normalization of indicators评价指标d1d2d3d4d5d6d7d8d9d10标准化X隧道11.611.931.651.751.931.711.9Y隧道1.731.661.61.861.711.261.841.81.951.85归一化X隧道0.4230.4940.4350.5060.4940.5490.5080.4910.4040.504Y隧道0.5770.5060.5650.4940.5060.4510.4920.5090.5960.496利用公式(10)(14)可计算得到各指标的权重为：j=0.119，0.116，0.087，0.094，0.121，0.138，0.11，0.072，0.077，0.0663.4 评价指标关联度分析运用 Matlab编程，将标准云和各指标的取值以矩阵形式代入Matlab中，重复进行500次运算，得出隧道X和Y的关联度矩阵分别如表9和表10所示。利用公式(17)将指标权重与指标关联度矩阵相乘，可得到隧道X和隧道Y的综合评价等级对应的关联度：隧道X各等级的关联度为：ki(px)=0.0811，0.2404，0.1308，0.0441。隧道Y各等级的关联度为：ki(py)=0.1002，0.2052，0.1181，0.0291。62交通运输工程与信息学报第21卷表9 隧道X各指标对应的关联度矩阵Tab.9 Correlation degree matrix corresponding toeach index of tunnel X评价指标d1d2d3d4d5d6d7d8d9d10I级0.031000.332000.3220.08350.01440.0563II级0.6350.005200.0280.81700.033600.5530.24III级00.3370.05100.02930.6070000级000.49600.00170.004700.0004600表10 隧道Y各指标对应的关联度矩阵Tab.10 Correlation degree matrix corresponding toeach index of tunnel Y评价指标d1d2d3d4d5d6d7d8d9d10I级0.000 360.37400000.000 490.38500.209II级0.2630.000 270.1970.63400.3820.5530.008 60.001 20.000 45III级000.000 90.0480.6230.042000.1980级00000.02400000结合最大关联度原则，可判别出隧道 X和隧道Y风险等级，两者的风险等级均为II级，处于一般风险，可依据隧道所在路段的实际情况采取相应措施。在各等级的关联度数值中，隧道Y与III级的关联度较高，但行车风险等级更接近 II 级。隧道X中驾驶员心理特性和大型车比例的关联度值较大，表明这两个因素为隐患因素，可通过提高隧道内照明亮度、完善隧道安全设施和标志标线，来减轻驾驶员的心理压力。隧道Y中照明情况和交通量的关联度值较大，表明这两个因素为隐患因素，可通过完善隧道照明来改善隧道行车环境。3.5 评价结果对比分析利用 Matlab 进行编程，结合公式(19)(21)可计算得到对象的特征期望值与可信度，根据最大关联度原则，利用可拓云模型与可拓法计算得到行车风险等级，两种模型对比结果如表11所示。表11 可拓云模型与可拓法评价结果对比Tab.11 Comparison of evaluation results between extensioncloud model and extension method对象隧道X隧道Y可拓云模型风险等级II级II级特征期望值3.365 43.172 3可信度0.000 3240.000 268可拓法风险等级II级II级特征期望值3.023 43.137 5可信度0.001 620.001 56由表11可以看出，两个模型计算出的可信度均小于0.01，不论是评价等级结果，还是各个评价等级的关联度，以及评价对象所处该评价区间的大致位置，可拓云模型得出的评价结果皆与可拓法所得出的评价结果相同，得以验证了可拓云模型的适用性和科学性。隧道X和隧道Y的风险等级均为II级，但隧道X的特征期望值大于隧道Y的特征期望值，表明隧道X的安全水平高于隧道Y。隧道X和隧道Y评价结果的可信度均小于0.01，表明评价结果的可信度较高，可拓云模型适用于山区高速公路隧道入口过渡段行车风险评价。4结论(1)通过对隧道行车安全影响因素的分析，构建山区高速公路隧道入口过渡段行车风险因素集，建立基于集成决策实验室法解释结构模型的行车风险因素识别模型，筛选出高速公路隧道入口过渡段行车风险指标。从驾驶员因素、道路条件、环境条件和交通条件选取18个行车风险因素，建立基于决策试验法的高速公路隧道入口段行车风险因素识别模型，筛选并构建高速公路隧道入口段行车风险评价指标体系。(2)建立山区高速公路隧道入口过渡段行车风险可拓云评价模型，利用可拓云模型结合最大关联度原则，计算隧道X和隧道Y的行车风险等级为II级，而隧道X的特征期望值大于隧道Y的特征期望值，表明隧道X的安全水平高于隧道Y。(3)构建山区高速公路隧道入口过渡段行车风险可拓云评价模型，并将评价结果分为 4个等级，结合熵值法确定指标权重，并将模型应用到实际隧道中，判断其所处风险等级，通过可信度的分析，验证了模型适用性。(4)本文仅提取了18个行车风险因素，对高速公路隧道入口段行车风险的影响因素识别不够全面，未来将采用多源融合大数据进一步全面准确识别风险，构建更为精准的评价模型，并通过事故芮红睿 等：基于可拓云模型的高速公路隧道入口段行车风险评价研究63第2期数据对模型的有效性和精准性进行验证分析，以提升高速公路隧道入口段行车安全