面向城市交通安全可持續(xù)發(fā)展的評價指標集的構(gòu)建與分析

面向城市交通安全可持續(xù)發(fā)展的評價指標集的構(gòu)建與分析

隨著城市化進程的加快，中國許多城市的規(guī)模不斷擴大，導致了許多城市問題。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)的突出問題之一。如何客觀地評估城市的交通安全性一直是人們關注的問題。目前國內(nèi)對交通安全的評價方法大致可以分為2類:概率數(shù)理統(tǒng)計方法和強度分析法.概率數(shù)理統(tǒng)計法中包含事故絕對數(shù)法、事故率法等,這種方法在統(tǒng)計上簡單易行,不足之處是對事故的分析過于簡單,沒有考慮到不同道路交通條件的差別,使得評價結(jié)果往往缺乏科學性和說服力.在強度分析法中往往采用萬車死亡數(shù)、10萬車死亡數(shù)、億車km事故數(shù)等指標,這些指標由于加入了相對參照數(shù)據(jù),使得不同道路指標間的比較更趨科學合理.其不足之處是指標值考慮因素過少,而事故本身是多種因素作用的結(jié)果,其次以一個單一的指標值作為評價依據(jù),可信度不夠高.1998年,張?zhí)K提出了中國交通沖突技術(ChineseTrafficConflictTechnique,簡稱CTCT),建立了符合我國交通及沖突環(huán)境的沖突判別TAC(TimetoAccidentChinese)標準,但這種方法操作起來比較復雜.從2000年起由公安部與建設部組織全國各級城市進行“暢通工程”的建設,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,但仍存在不少問題.國外對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,其中以美國學者伯金斯等人提出的交通沖突技術(TCT)最為引人注目,但這種方法需要一定的輔助技術,對交通沖突的觀察比較復雜,實現(xiàn)起來相對比較困難.A.S.Hakkert提出了CART(theClassificationandRegressionTree)法來分析城際間主要道路的安全等級,該方法用二進制樹的結(jié)構(gòu)來詳細解釋道路安全和變量之間的關系,由于所研究的變量和道路條件有限,只具備一定的代表性.本項研究旨在針對城市交通安全狀況,建立城市交通安全綜合評價指標集和評價模型,使用評價結(jié)果指導城市交通規(guī)劃、管理、設計等,促進城市交通安全環(huán)境的可持續(xù)發(fā)展.1人工神經(jīng)網(wǎng)絡方法在城市交通中的應用,人工神經(jīng)網(wǎng)絡是評價人工神經(jīng)網(wǎng)絡的基礎條交通事故產(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)絡技術在其它領域的成功應用,提出用人工神經(jīng)網(wǎng)絡方法進行城市交通安全性評價的基本思想.人工神經(jīng)網(wǎng)絡具有與人腦神經(jīng)網(wǎng)絡某些相似的特性,如自學習、自組織、非線性動態(tài)處理、分布式知識存儲和聯(lián)想記憶等,為研究和處理具有不確定性的現(xiàn)象提供了強有力的工具.影響城市交通安全的因素眾多,關系復雜,數(shù)據(jù)干擾大,因素的測度難以確定,所有這些安全性評價的特性正是人工神經(jīng)網(wǎng)絡研究對象所具有的特點,因此用人工神經(jīng)網(wǎng)絡方法進行城市交通安全性的評價是完全可行的.1.1城市道路交通安全監(jiān)管評價集的建立影響交通安全的指標很多,而要把眾多指標綜合到一起,就必須考慮指標的自身特征、指標間的邏輯關系、指標的權(quán)值和指標的量化處理等問題,否則,就無法進行綜合,也就失去了交通安全綜合評價的合理性和真正價值.影響城市道路交通安全等級指標定為3個:基礎數(shù)據(jù)指標、交通安全管理指標y2、公眾安全評價指標y3.上述3個一級指標又可分成若干次一級指標,所有指標共13項,如表1所示.進行城市道路交通安全等級的分類評價,還需對城市道路交通安全程度進行分類,建立城市交通安全等級評價集U.本文將城市道路交通安全的等級分為4類,如表2所示.這里需要指出的是二級指標還可以繼續(xù)化分為三級指標,如公眾安全感由下一級若干指標組成,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、…},可以通過問卷調(diào)查得到該項指標值.1.2bp網(wǎng)絡算法影響城市交通安全因素的樣本指標,可采用專家打分的綜合評定方式確定,即有利于城市交通安全的因素評為正分,反之評為負分.在城市道路交通安全評價的實際應用中,采用神經(jīng)網(wǎng)絡技術中的BP網(wǎng)絡算法進行學習和預測.根據(jù)上述已經(jīng)確定的安全判定指標:Y=(y1,y2,y3)或X=(x1,x2,x3,…,x13)與安全等級判定集U=(u1,u2,u3,u4),采用BP算法可建立城市道路交通安全評價模型,如圖1所示.圖1中的輸入層有3個節(jié)點,輸入判別指標體系中3個一級指標各自評定結(jié)果,隱蔽層節(jié)點數(shù)可選擇,實際學習和預測過程中有一定的經(jīng)驗性;輸出層包含4類基本的輸出神經(jīng)元,即u1,u2,u3,u4.輸出層在預測過程中給出結(jié)果.1.2.1網(wǎng)絡誤差傳播的梯度下降法學習樣本采用專家對國內(nèi)部分城市交通安全狀況分類研究時所采用的樣本和分類成果.對所建立的網(wǎng)絡模型,網(wǎng)絡各層的節(jié)點均設計成Sigmoid型非線性閾值單元,激勵函數(shù)為f(x)=11+e?x.(1)f(x)=11+e-x.(1)用BP算法訓練網(wǎng)絡,進行樣本學習,當式(2)成立時,學習過程結(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樣本學習網(wǎng)絡獲得誤差向量;Ukj為用第k樣本學習,網(wǎng)絡j輸出節(jié)點的實際輸出;U?kjU^kj為j輸出節(jié)點的樣本k的期望輸出.若式(2)不滿足,則誤差沿原來的路徑逆向傳播,按梯度下降法逐層修正網(wǎng)絡的權(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為學習收斂率,η∈(0,1);α為修正率;σj為節(jié)點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)絡學習經(jīng)過t+1步時的權(quán)值修正量;Δθij(t+1)為節(jié)點在網(wǎng)絡學習t+1步時的閾值修正值.1.2.2城市軌道交通安全性評價模型的建立待評價城市道路交通安全等級的各指標判定結(jié)果(分值),或Y′=(y′1,y′2,y′3)作為網(wǎng)絡輸入,利用前述樣本學習獲得的穩(wěn)定權(quán)值和閾值對輸入的某個城市指標進行評價,評價過程是正向計算各層節(jié)點的輸出.某層節(jié)點的輸出為Oi=11+e?netii,neti=∑jWijOj+θj.(6)Οi=11+ei-neti,neti=∑jWijΟj+θj.(6)對輸出層有U′i=Oi,其中U′i為城市道路交通安全等級評價集,由此,U′i=(u′1,u′2,u′3,u′4),即為評價結(jié)果.根據(jù)建立的神經(jīng)網(wǎng)絡模型,利用MATLAB中BP算法函數(shù),編制了具有自學習、自組織功能的智能分類程序.2計算2.1酶活動類本文選取12個樣本(城市),按表1所示的3個一級指標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)絡的隱蔽層為1層,含6個節(jié)點,訓練迭代次數(shù)為4000次,收斂度達0.0016,經(jīng)過學習,網(wǎng)絡完全識別了所給的學習樣本,建立了判別因素與城市道路交通安全等級之間的復雜映射關系,見表3所示,誤差曲線見圖2所示.2.2交通安全監(jiān)管評價某城市交通安全評價一級指標打分評判結(jié)果為:yi={0,25,-5}.將3個指標判定結(jié)果作為訓練后的神經(jīng)網(wǎng)絡的輸入,進行交通安全等級評價,得到的最后結(jié)果為:“0.1046,0.1020,0.0987,0.9000”,屬于Ⅳ類,根據(jù)該評價結(jié)果,在今后的城市交通安全管理中采取有效措施,減少交通事故和財產(chǎn)損失.3基于學習樣本集的p神經(jīng)網(wǎng)絡安全評價提出了面向城市交通安全可持續(xù)發(fā)展的評價指標集,應用神經(jīng)網(wǎng)絡技術建立城市道路交通安全評價模型,采用MATLAB軟件編制了具有自學習功能的智能化評價軟件,用BP神經(jīng)網(wǎng)絡進行城市道路交通安全評價,其學習樣本集規(guī)模及代表起關鍵作用,通過大量樣本的訓練,對“未知”樣本的