城市快速路危险货物运输风险动态评估

王 征，陶 健，王文君

(山西省交通科学研究院，山西 太原 030006)

0 引 言

随着人们生活水平的不断提高，危化品越来越与人们生活息息相关。危化品具有腐蚀性、毒性、易燃性等危害特性，在运输过程中一旦发生泄漏事故，会对人员和环境造成极其严重的损害，加之其运输的动态特性，被称之为“流动的炸弹”。为更好地预防和控制运输动态风险，有必要对危化品道路运输过程带来的风险进行评估和分析。

国内学者对危化品道路运输风险进行了大量研究，通过对事故数据统计和事故原因分析，获取了事故影响时空特征和基础事故概率，并不断完善运输风险的研究框架和内容。近年来，随着3G技术快速发展及研究工作细化，3G技术在危险货物运输风险分析过程中得到快速发展，可对运输过程的关键风险指标如车速、连续驾驶时间等进行动态预警[1-3]。同时，学界不断探索动态因素对危险货物运输过程中的风险影响。魏航等[4]通过引入时变理论分析了时变因素对人口暴露量的影响；贺政刚等[5]分析了时变条件对危险货物运输事故概率影响。这些研究成果极大提高了危险货物运输的风险防控和管理水平。

但已有研究成果因数据条件限制，缺乏对现有预警系统数据用于分析动态运输风险研究的挖掘。危险货物运输过程中，动态交通流特征是集运输时间、道路特征、车速等动态特征的综合，可作为影响运输风险的关键动态参数。笔者利用所采集的车速和车辆位置等数据，基于运输动态参数、城市快速交通流特征和运输风险这3者相关性，建立了城市快速道路危险货物运输动态风险评价模型，旨在提高风险评估准确性，实现动态风险智能评估，满足风险评价和进行风险动态预警，还可辅助人工监控运输风险，利于强化监控效果，提高城市道路危化品运输风险安全管理水平。

1 风险影响和影响因素

1.1 泄漏事故概率

危险货物泄漏事故概率是危化品运输风险评价研究内容之一。对危化品运输事故统计表明：危化品运输过程中的泄漏原因有交通事故和非交通事故两方面。通常交通事故与道路条件、交通条件、车速、运输时间、天气等因素有关。

美国20世纪80年代后期的数据统计发现：非交通事故所引发道路危险货物运输泄漏是交通事故的1.93倍[6]。我国现阶段交通环境、运输企业管理等现状与美国该时期的情况类似[7]。在缺乏我国非交通事故与交通事故引发道路危险货物运输泄漏数比值的情况下，笔者采用美国这一时期的统计值。对城市快速道路，基于现有动态监控参数条件，动态考虑了车速和交通状况对事故概率的影响。因此，综合考虑不同因素对事故概率影响并进行修正，泄漏事故发生概率如式(1)：

(1)

式中：p(l)为路段l运输过程发生泄漏事故的概率；pinc(l)为路段l运输过程发生交通事故的概率；κ为非交通事故与交通事故而引发泄漏事故的比值，K=1.93；prel(l)为路段l运输过程中因交通事故而导致泄漏的概率；Ki为交通事故概率修正因子i修正系数。

1.2 事故后果

危险货物事故后果是危化品运输风险评价另一方面的主要研究内容。危险货物在运输过程中一旦发生泄漏事故，所产生的毒性、爆炸及燃烧等伤害会对道路上人员及道路两侧一定范围人员产生风险。因此，人员暴露数量是衡量道路危险货物运输事故后果严重程度的重要指标。暴露人员量与暴露区域范围和暴露区域人员密度相关。道路运输事故影响范围主要由运输货物类别和运输量共同决定。风险影响区域中暴露人员密度具有路上人员密度流动快、路下人员密度相对稳定等特点。为便于计算，根据人员密度差别，将人员划分为路上人员和路下人员，并将人员密集场所人员独立计算。因此，这里将评估路上、路下和人员密集区域暴露人员作为城市道路危险货物运输风险评估重点研究对象。

1.2.1 路上人员暴露量确定

路上人员主要为各种交通参与者，包括车内司乘人员、路上行人和非机动车参与者。笔者的研究主要针对城市快速道路，其道路参与者主要为车内司乘人员，故城市道路上暴露人员数量与交通密度、车辆人员平均承载系数、车道数和风险影响区域有关。对道路上伤害区域，因其人员为线性分布，因此将车辆前后伤害半径r范围内双向各车道作为伤害区域。故路上人员暴露量如式(2)：

(2)

式中：Son为路上人员暴露量，人；r为风险影响半径，km；n为车辆当前行驶道路的双向车道数；θ为车辆平均承载系数，人/辆；ki为车道i上的车辆密度，veh/km。

1.2.2 路下和密集区人员暴露量确定

路下暴露人口由道路两侧暴露区域内的人口密度来决定，路下暴露区域为除道路暴露区域部分的危险货物事故影响区域。路下人口密度一般取该城市平均人口密度，由于城市快速道路两侧分布着人口密集区，如医院、学校、商场、集市、生活区等，这会影响暴露区域人口密度，需将该部分人口独立计算；同时因处于建筑物中人员受建筑物保护，故引入人员出现在室外系数和室内人员受影响概率系数。人员密集区人员出现在室外比例取值为20%，室内人员受影响概率取值为20%[8]。路下及密集区人员暴露量如式(3)：

Soff=(r2-2rbn)ρ+∑p(i)[λ+(1-λ)δ]

(3)

式中：Soff为道路下密集区人员暴露量，人；p(i)为影响区域两侧密集区i的人员数量，人；b为车行道宽度，km；λ为密集区人员出现在室外的比例；δ为室内人员受影响概率；ρ为路下平均人口密度，人/km2。

2 动态参数对风险影响

2.1 交通流量对事故概率影响

交通流量与交通密度和车速密切相关。车速影响通过影响驾驶员驾驶而对事故产生影响，车辆间的影响导致车速离散对事故影响较大[9]，同时交通流还因人们出行规律具有时变特性。因此复杂多变的交通流对交通事故具有综合影响特性，对事故影响较为显著。国内学者建立了实时交通流状态下的高速公路交通事故泊松分布预测模型，研究表明：高速公路交通流状态参数对交通事故影响最明显[10]。通过研究实时交通流对事故概率影响可提高对运输风险评估的准确性。

根据现有研究表明：不同交通流状态其服务水平和事故相对数量不同，其相互关系如图1[11]。交通流分为自由流、稳定流、不稳定流、饱和流和阻塞流。

图1 交通流与事故数的相关性Fig. 1 The correlation between traffic flow and traffic accidents

当交通流状态处于自由流时，车流密度较小，平均车速较高，尤其是营运车辆为确保运输效率会保持较高运行车速；此时交通流量较小，最高不超过800辆/h，对事故影响相对较低。随着交通流量进一步增加，车流密度随之提高，车速逐渐下降，交通流趋于稳定，交通流处于稳定流状态，此时车辆密度和车速成线性关系，交通量逐渐增加。当稳定流前期，车辆行驶顺畅，相互影响较小，交通量低于1 000辆/h，该交通流状态对事故影响与自由流接近。当交通量进一步增加，交通密度继续增加，车流更为稳定，交通流处于稳定流中期区段时，由图1可知，该交通流量下对事故的影响增加。当交通量随交通密度进一步增加，交通流处于稳定流后期，车速继续下降，车辆之间干涉更为明显，交通流量对事故影响更加显著增加。当交通密度进一步增加到车辆间距大大减小、不能超车时，将形成饱和交通流，交通量接近最大值通行能力，交通流开始不稳定，车流平均速度继续下降，交通量对事故影响达到最大。当交通密度继续增加，交通出现拥堵，车辆只能尾随前车缓慢前行，交通流量因车速降低而下降，这时事故发生概率迅速下降且事故危害很小。

基于上述分析，结合交通流对事故概率影响权重研究[12]，笔者建立如表1的城市快速道路各交通量对应运输事故概率影响系数。

表1 城市快速道路各交通量对应运输事故概率修正系数Table 1 Correction coefficient of transportation accident probabilityunder different traffic flow of urban freeway

2.2 交通流对暴露人口量影响

人口暴露量与事故影响区域人口暴露密度有关。相对封闭的城市快速道路的人口主要来源于机动车司乘人员，因此道路交通密度成为影响暴露人口量的关键因素。

交通流特征研究表明：交通密度与区间平均车速密切相关。目前速度-密度模型主要分为两类：单段函数和多段函数。较为典型的单段函数模型研究成果有：针对中密度Greenshields研究的线性模型，针对小交通密度时Greenberg研究的对数模型和针对小交通流Underwood提出的指数模型。典型多段函数有Edie型等，其函数模型如表2。其中：k为交通密度，v为平均车速，kj为阻塞交通密度，vm为车流达到通行能力车速，vf为自由流车速。近年来，国内学者针对越来越容易获取的城市道路交通流特征数据进行了大量研究[13-15]，一致认为多段式速度-密度模型更符合城市道路交通特征。

表2 典型交通流速度-密度模型Table 2 Typical traffic flow speed-density model

基于国内城市快速道路交通流研究成果，根据各交通流状态适应速度与密度函数不同，将交通流状况分为3段：交通密度较小的自由流状态、交通密度适中的稳定流状态、包含不稳定流和饱和流交通大密度状态。阻塞交通流车速接近于0时不考虑该状态。

2.2.1 自由流状态

该状态下，交通密度处于较小范围，交通量较小，车辆之间不受影响，驾驶员以期望车速行驶，驾驶员可根据习惯和出行目的选择车速，驾驶行为分为习惯倾向型和高速倾向型[16]。对营运车辆而言，一般追求高效的运输效率，会尽量保持较大车速。该交通流区间速度与密度之间相关性不强。当车辆行驶车速达到自由流状态下针对城市快速道路统计平均车速以上时，判断为自由流状态。此时交通密度较小，其密度取值为该状态下交通密度下限临界值k1。在自由流状态下，当速度在较高车速范围时，密度取常数，关系如式(4)：

k=k1(v1

(4)

式中：v1为城市快速路自由流车速下限，km/h；k1为自由流状态下最大密度，辆/(km·ln)。

2.2.2 稳定流状态

当处于稳定流状态时，交通量随交通密度增加而增加，车速因车辆间相互作用稳定下降。交通密度越大，车辆间相互作用越明显，车速下降也越大。此时，交通密度与车速成线性关系。根据数据统计，确定该交通流状态下限临界交通密度为k2，所对应的平均车速为v2。该交通状态下车速与交通密度关系如式(5)：

(5)

式中：vf为线性模型下的自由流车速，km/h；kj为线性模型下的阻塞交通密度，辆/(km·ln)。

2.2.3 大密度状态

当交通密度进一步增加，交通密度处于大密度范围，交通流趋于不稳定，并逐渐接近饱和状态，车辆随时可能出现拥堵停车，车速下降速度缓慢，速度与密度关系更符合指数关系，如式(6)：

(6)

式中：vf为指数模型下的自由流车速，km/h；km为指数模型达到最大时的交通密度，辆/(km·ln)。

2.3 风险影响参数确定

根据我国城市快速路交通流数据和相关研究结果，确定城市快速路交通流模型参数取值。为便于数据采集和计算，笔者使用实时采集的运输车辆车速代替道路区间车速。

当交通流处于自由流状态时，由于营运车辆驾驶员多倾向于高速驾驶，故自由流下限车速v1=70 km/h，即当运输车辆车速到达70 km/h及以上时，判定当前交通流处于自由流。则交通密度取自由流状态下限值10辆/(km·ln)。该交通流状态的交通量低于800辆/h。

当交通流处于稳定流状态时，该交通流状态密度上下临界值分别为10、40辆/(km·ln)，则自由车速为80 km/h，阻塞密度为91辆/(km·ln)[17]，对应的车速范围下限为45 km/h。在该状态下，根据交通流量和交通速度-密度函数关系Q=kv，可分别确定不同交通量对应车速。当交通量为1 000时，对应速度为66 km/h；当车速大于66 km/h时，事故概率修正系数取值为0.8。当交通量在1 000～1 500辆/h，车速为56～66 km/h时，事故修正系数为1；当交通量在1 500～1 800辆/h，车速在45～56 km/h时，事故修正系数为1.6。

当交通流处于大密度状态时，自由流车速取值为110 km/h，最佳交通密度为47辆/(km·ln)[18]，则最佳车速为40 km/h。根据函数关系，当交通密度达到47时，交通量最大为1 900左右。当车速为40～45 km/h时，事故率修正系数取值1.8；当车速低于40 km/h时，修正系数取值为1。

不同交通流状态下的函数参数拟合值和不同修正系数对应的车速范围分别如表3、4。

表3 不同交通流状态下的函数参数取值Table 3 Value of function parameter under differenttraffic flow status

表4 修正系数对应的车速范围Table 4 The correction coefficient for different speed range

3 动态风险模型

车辆在城市快速道路运输过程中，车辆终端采集车辆速度和位置信息，实时计算每次信息采集过程中路上暴露人员风险作为动态运输风险，该风险为泄漏事故概率和暴露人员量乘积。故危险货物运输人员暴露风险如式(7)：

Ri=p(l)L(Son+Soff)

(7)

式中：Ri为第i次数据采集时的动态运输风险；L为第i次数据采集时的汽车行驶路程，km；p(l)为车辆行驶于第l条道路下发生泄漏事故概率，起/106(veh·km)。

将式(1)～(3)代入式(7)，得式(8)：

(8)

为便于计算，笔者假设双向及每车道交通量分布均匀一致，同时将人员密集区人员出现在室外比例λ和室内人员受影响概率δ取值带入，则式(8)可细化为式(9)：

2rbn)ρ+0.36∑p(i)]

(9)

4 算例分析

笔者以一辆LPG危险货物罐车在城市快速道路运输过程的运输风险动态评价为例进行分析。车辆行驶在城市快速道路，该道路为双向6车道，限速为80 km/h，车行道宽度设为0.03 km，该城市路下平均人口密度为400人/km2，途径两处人口密集区人口为300人，每辆车司乘人员设为2人，车辆信息采集时间步长为30 s。

LPG暴露区域半径依据道路危险货物种类与事故潜在影响范围取值为0.8 km。城市道路多车道道路危险货物运输事故概率pinc(l)和条件泄漏概率prel(l)取值见表5，分别为7.75起/106(veh·km)和0.062，事故概率修正主要考虑交通量修正。假设天气条件良好，不考虑天气因素对运输风险影响[19,20]。在运输过程中，分别评估10次运输风险，在不同动态车速条件下，人员暴露风险及相关参数如表6。

表5 城市道路不同参数对应事故概率Table 5 Accident probability corresponding to different parameters ofurban roadways

表6 不同动态条件下的运输风险Table 6 Transportation risks under different dynamic conditions

相同采集时间步长条件下，由于车速不同、行驶里程不同，对交通事故概率影响也不同。同时，不同车速条件表征交通密度和交通量不同，对交通事故概率和道路上人口暴露量影响也不同。另外，当途径人员密集区时，暴露人数量有所增加，对风险影响较为明显。

由表6可见：随着速度降低，运输风险逐渐增加，当交通平均车速为40 km/h时，运输风险最大，因此该交通条件下需加强监控。当车速因车流密度增加而进一步降低后，运输风险开始显著降低。笔者引入动态车速参数，可显著提高运输风险评估精确性。

5 结 论

笔者通过分析和实例计算，可得出以下结论：

1)根据危险货物运输风险评价内容和现有道路运输动态监控参数，基于车速和城市道路交通流特征，建立了城市快速路危险货物运输风险实时评价模型。笔者重点研究了交通量对交通事故概率的影响和交通密度对路上人员暴露量的影响，确定了各模型参数取值。通过实例验证表明：该模型可显著提高运输风险评估精确性；可实现基于现有危险货物监管平台数据的采集；可对运输风险进行实时预警，加强风险监管力度。

2)笔者下一步研究重点应借助电子地图，将敏感环境纳入风险评估范围；同时进一步分析不同事故暮景影响区域和划分事故影响区域的伤害程度。