基于熵权-TOPSIS的高原高速公路路段安全评价研究

Study on Safety Evaluation of Plateau Expressway Sections Based on Entropy Weight-TOPSIS Method

摘要

针对高原特殊环境下高速公路的安全评价需求，构建道路线形、路面状况、道路安全设施、交通环境和管理服务5个一级指标、17个二级指标的安全评价体系，以西藏拉林高速公路18处典型路段为研究对象，运用熵权-TOPSIS法客观量化指标权重并计算路段与理想解的贴近度，实现道路安全等级的划分。结果显示：路段7和路段11评为Ⅱ级，路段14评为Ⅳ级，其余15个路段为Ⅲ级，与拉林高速公路各路段的实际情况一致。该方法可以克服传统方法的主观偏差与地理适应性不足的问题，为高原地区高速公路风险识别、养护决策及安全治理提供科学依据，具有一定的理论意义与工程实践价值。

Abstract

To address the safety evaluation needs of expressways in plateau-specific environments, a safety evaluation system comprising five primary indicators—road alignment, pavement condition, road safety facilities, traffic environment, and management services—and 17 secondary indicators was established. Taking 18 typical sections of the Lhasa-Nyingchi Expressway in Xizang as the research subject, the entropy weight-TOPSIS method was applied to objectively quantify indicator weights and calculate the proximity of each section to the ideal solution, thereby achieving the classification of road safety levels. Based on the results,Section 7 and Section 11 were rated as Level II, Section 14 was rated as Level IV, and the remaining 15 sections were rated as Level III, which is consistent with the actual conditions of corresponding sections on the Lhasa-Nyingchi Expressway. This method can overcome the subjective bias and geographical adaptability limitations of traditional approaches, providing a scientific basis for risk identification, maintenance decision-making, and safety management of expressways in plateau regions. It possesses certain theoretical significance and practical engineering value.

关键词

高原交通 / 路段安全评价 / 熵权-TOPSIS模型 / 拉林高速公路

Key words

Plateau transportation / road section safety evaluation / entropy weight-TOPSIS method / Lhasa-Nyingchi expressway

引 言

公路安全性评价是以保障公路运营交通安全为目的，采用定性和定量方法，从公路使用者（驾驶员和乘客）安全性和舒适性角度对公路交通安全进行全面系统的分析与评价^[1]。国内外许多学者就如何构建一套科学合理的公路高等级安全评价体系进行了深入的研究。如，Tabucanon等^[2]采用层次分析法（AHP），结合定量与定性指标评价农村公路改善项目的综合效益；Milton等^[3]提出基于交通、道路及气象特征的事故伤害严重程度分布模型，解析多因素对事故后果的影响机制；Long等^[4]针对高速公路出入口拥堵与事故风险，开发三种通行管理模型并通过仿真验证其效率和安全性；Jongdae^[5]针对交通流特征在公路安全评估中的区域分类不足，提出基于行政区划的交通流分类法，经韩国数据验证有效提升评估精度；Yasser等^[6]运用集成模糊AHP与TOPSIS方法，定量评估埃及危险路段安全因素，识别弯曲截面为高风险区域，辅助政府优化资源配置；石斌等^[7]基于视觉边缘理论设计干预标线，通过调整车辆轨迹降低曲线段事故率；李波^[8]构建可拓理论模型，将高速公路线形安全划分为优、中、差三级，计算指标隶属度实现动态评价；王昌衡等^[9]结合区间数理论与熵权法，建立路段安全区间逼近模型；王仲祥^[10]从线形、路基、构造物及交通工程四维度构建安全评价体系；王梓帆^[11]针对山区二级公路隐患特征，采用层次分析-模糊评价法提出贵州路段整改策略；杨涛^[12]通过问卷调查与AHP-模糊法分析改扩建工程安全因素，提出吉康高速施工管理优化路径；王益等^[13]构建场景化公路安全设施评价体系，结合北京G109案例验证其合规性；邹渊等^[14]基于TOPSIS-熵权法与RSR法建立山区公路风险评估模型，识别风险源并提出防控措施。既有研究在公路安全评价领域取得丰硕成果，多层次、多维度构建了多样化的评价模型与方法体系。然而，针对高原高速公路这一特殊场景，现有方法仍存在一定的局限性，高原复杂环境对安全指标的动态影响未被充分量化，同时传统权重分配方法存在一定的主观性，导致评价结果与高原实际风险结果存在一定偏差。

基于此，本研究引入熵权-TOPSIS模型，通过熵权法客观量化高原环境下道路线形、交通环境等关键指标的贡献度，结合TOPSIS法动态计算路段与理想解的贴近度，构建兼顾数据驱动与地理适应性的安全评价体系。该研究不但发展了现有多维指标评价理论，而且通过高原实际案例验证了评价模型的有效性与可靠性，研究结果可为高海拔地区公路安全治理提供科学依据和技术支撑。

1 研究区概况与评价模型

1.1 研究区概况

林芝市位于西藏自治区东南部，地处雅鲁藏布江中下游，平均海拔约3 000 m，地势自西北向东南倾斜，高差悬殊。区域内地形以高山峡谷为主，雅鲁藏布大峡谷和帕隆藏布大峡谷贯穿全境，形成典型的深切河谷地貌。这种地形特征对交通线路的选线和建设带来了巨大挑战，需克服陡峭地形和复杂地质条件。林芝市属高原温带湿润气候，年平均气温8.7℃，年降水量约650 mm，降水主要集中在6月至9月，占全年降水量的70%以上。雨季频繁的降雨易引发山体滑坡、泥石流等地质灾害，对公路建设和运营维护构成严重威胁。同时，区域内气候垂直分异明显，从河谷到高山呈现显著的温度和降水梯度变化，需在公路设计中充分考虑不同海拔路段的气候适应性。

拉萨至林芝高速公路是西藏自治区“十二五”重点交通建设项目，全长约409.2 km，采用一级公路标准建设，设计时速80 km/h，双向四车道。该公路沿318国道线或尼洋河路线布设，全线共建有220座桥梁和20座隧道，桥隧比高达26%。全线设有13座互通式立交和10个服务区，采用智能交通管理系统，包括隧道智能照明控制和全程电子测速设备。公路在设计和建设过程中充分考虑了高原特殊环境条件，采用了多项技术创新，为类似地区的高等级公路建设提供了宝贵经验。作为川藏高级公路的重要组成部分，拉林高速公路进一步完善了西藏自治区的主干线公路网络，增强了区域交通保障能力。

1.2 评价指标体系

本研究参照现有文献，构建高速公路安全多维度评价体系。首先，对于评价体系的一级指标，选取道路线形、路面状况、道路安全设施、交通环境和管理服务作为评价层^[15,16]。对于二级指标层，结合高原特点选取平面线形、纵面线形、视距、横断面、与道路线形组合作为衡量道路线形的指标^[17-19]。基于《公路技术状况评定标准》（JTG 5210—2018）^[20]和Bo等^[21]的研究成果，选取平整度、抗滑能力、路面养护水平与路面损坏情况作为衡量路面状况的指标；选取标志标线、路测设施作为衡量道路安全设施的指标^[22,23]；选取车速、交通饱和度、交通组成与气象条件作为衡量交通环境的指标^[24-26]；选取管理水平、监控系统与事故救援系统作为衡量管理服务的指标^[27]。最终构建出具备5个一级指标与17个二级指标的高速公路路段安全评价体系，如表1所示。安全性等级可划分为Ⅰ\simⅤ级，分别表示二级指标安全性很高、安全性较高、安全性一般、安全性较低、安全性很低^[15]。

1.3 指标归一化处理

基于所构建的高速公路安全评价体系，道路线形中的纵面线形（{\mathrm{C}}_{\mathrm{2}}）、交通环境中的车速（{\mathrm{C}}_{\mathrm{11}}）、交通饱和度（{\mathrm{C}}_{\mathrm{12}}）及交通组成（{\mathrm{C}}_{\mathrm{13}}）被界定为成本型指标，指标值增大表征安全性降低；其余13项二级指标均为效益型指标，指标值增大表征安全性提升。由于各指标量纲具有显著差异，需通过归一化处理消除量纲干扰并实现数据可比性^[28]。本研究采用[0,1]区间标准化方法，该方法不仅直观反映指标相对优劣程度，还可以有效规避极端值干扰，为后续熵权法权重计算及TOPSIS模型运算提供兼容性更高的数据基础^[29]。对于成本型指标等级越低安全性越高，故使用表1中I级数据作为最大边界；效益型指标等级越高则安全性越高，故使用表1中V级数据作为最大边界。基于此，分别构建效益型指标与成本型指标的分段线性映射函数^[30]。效益型指标（正向指标）和成本型指标（逆向指标）公式分别如下：

（1）

（2）

式中，x_i为原始值；x_{\mathrm{m}\mathrm{a}\mathrm{x}}、x_{\mathrm{m}\mathrm{i}\mathrm{n}}分别为指标的最大值与最小值；对于效益型指标，x_{\mathrm{m}\mathrm{a}\mathrm{x}}为V级等级对应的指标数据；对于成本型指标，x_{\mathrm{m}\mathrm{a}\mathrm{x}}为V级等级对应的指标数据。

1.4 指标权重测算

影响高速公路路段安全性的因素复杂多样，且各指标的影响程度不同。为了合理确定高速公路路段安全评价指标的权重，本文采用熵权法对各指标进行量化^[31]。熵权法通过量化指标数据分布的差异性客观赋权，指标数据离散程度高则表示其对综合评价的贡献度更大、权重更高；反之，数据分布越均匀，权重越低^[32]。基于此原理，结合高原高速公路路段安全评价需求，具体计算公式如下：

p_{ij}=\frac{x_{ij}}{{\displaystyle \sum _{i=\mathrm{1}}^n}{x}_{ij}}（3）

式中，x_{ij}为第i个评价对象在第j项指标上的归一化值；p_{ij}为第i个评价对象在第j项指标上的比重。

计算出第j项指标的熵值，具体公式如下：

e_j=k{\displaystyle \sum _{i=\mathrm{1}}^n}{p}_{ij}\mathrm{l}\mathrm{n}{p}_{ij},k>\mathrm{0},e_j>\mathrm{0}（4）

式中，e_{ij}为熵值。

计算各指标的权重，具体公式如下：

d_j=\mathrm{1}-e_j(j=\mathrm{1,2},\cdots ,m)（5）

w_j=\frac{d_j}{{\sum }_{j=\mathrm{1}}^m{d}_j}(j=\mathrm{1,2},\cdots ,m)（6）

式中，d_j为差异系数；w_j为指标权重。

1.5 TOPSIS综合评价法

TOPSIS（优劣解距离法）是一种基于理想解逼近的多属性决策方法，因其计算效率高、结果客观性强，被广泛应用于有限方案的多指标综合评价中^[33]。在高原高速公路安全评价场景下，该方法通过量化各路段与理想安全状态的几何距离，实现安全等级的精准排序。

根据表1将理想情况下的高速公路路段二级指标数据确定为6组标准样本，将实际采集到的高速公路路段指标定为评估样本。由于存在6组标准样本，调查得到n组评估样本、17个评估指标，则依实际情况构建的原始评估指标矩阵如下所示：

X={\left(x_{ij}\right)}_{n+\mathrm{6,17}}=\left[\begin{array}{ccc}{x}_{\mathrm{1,1}}& \cdots & x_{\mathrm{1,17}}\\ ⋮& ⋮& ⋮\\ \cdots x_{n+\mathrm{6,1}}& \cdots & x_{n+\mathrm{6,17}}\end{array}\right]（7）

式中，x_{ij}为第i个评价对象第j个指标的初始值。

对原始评估指标矩阵X进行向量规范化:

y_{ij}=\frac{x_{ij}}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^{n+\mathrm{6}}}{x}_{ij}^{\mathrm{2}}}}（8）

式中，y_{ij}为规范化后的指标值。

由此得到归一化后的评估指标矩阵Y，公式如下：

Y={\left(y_{ij}\right)}_{n+\mathrm{6,17}}=\left[\begin{array}{ccc}{y}_{\mathrm{1,1}}& \cdots & y_{\mathrm{1,17}}\\ ⋮& ⋮& ⋮\\ y_{n+\mathrm{6,1}}& \cdots & y_{n+\mathrm{6,17}}\end{array}\right]（9）

确定由\mathrm{Y}所在列的最大元素构成的方案为最优方案，同理可以得出最劣方案。在此基础上计算每个高速公路路段与上述两种方案的欧式距离，具体公式如下：

\begin{array}{l}{D}_i^{+}=\sqrt[]{{\displaystyle \sum _{j=\mathrm{1}}^{\mathrm{17}}}{w}_j\times {\left(Y_j^{+}-y_{ij}\right)}^{\mathrm{2}}}\\ D_i^{-}=\sqrt[]{{\displaystyle \sum _{j=\mathrm{1}}^{\mathrm{17}}}{w}_j\times {\left(Y_j^{-}-y_{ij}\right)}^{\mathrm{2}}}\end{array}（10）

式中，D_i^{+}为第i个路段到正理想解的欧氏距离；D_i^{-}为第i个路段到负理想解的欧氏距离。最后计算各路段与最优方案的相对接近度E_i，具体公式如下：

E_i=\frac{D_i^{-}}{D_i^{-}+D_i^{+}},E_i\in [\mathrm{0,1}]（11）

式中，E_i为i个路段的相对贴近度，E_i值越大，表明此段高速公路安全程度越高。

2 结果分析

2.1 研究数据及处理

本研究以西藏自治区拉林高速公路为实证对象，系统选取18个典型路段进行多维度指标测量，涵盖道路线形、路面状况、交通环境等17项二级指标，构建综合评估样本集。其中，前6组样本已覆盖安全性等级Ⅰ级至Ⅴ级，分别对应“安全性很高”“较高”“一般”“较低”与“很低”5类等级。因此，选取该6组数据作为标准样本，通过熵权-TOPSIS模型进行基准验证，并以此划分安全等级阈值，确保评价体系的科学性与可比性。

如1.2节所述，二级指标体系中存在成本型指标，其数值越大表征安全性越低。为统一指标方向并消除量纲差异，根据公式（2）对原始数据进行逆向化处理。

2.2 评价等级的确定

基于上文所选取的6组标准样本数据，根据公式（10）和公式（11）计算各样本与正负理想解的欧氏距离及相对贴近度，结合熵权法确定的指标权重（表2），对实测路段进行加权综合评价。具体流程为：将6组标准样本的指标数据代入已构建的熵权-TOPSIS模型中，通过公式（10）和公式（11）计算其标准样本与理想解的相对贴近度。由于各标准样本已事先明确其对应的安全等级，故该组贴近度结果可作为划定安全等级区间的依据，即指标范围，进而输出各路段安全等级综合指标范围（表3）。

由表2可知，各二级指标在安全评价体系中所占权重差异明显。首先，道路安全设施中的“标志标线、路测设施”（C₁₀）与管理服务中的“事故救援系统”（C₁₇）权重最高，分别为0.07091与0.07155，表明外部管理响应与安全设施在保障公路运行安全中具有关键作用。其次为“抗滑能力”（C₇）和“路面损坏情况”（C₉），权重分别为0.06611与0.06337，表明路面性能状态对评价结果具有显著影响。然而，“视距”（C₃）、“横断面”（C₄）及“交通组织”（C₁₃）等指标权重相对较低，表明其在整体评价中影响相对有限。总体来看，指标权重分布体现了以结构完好性、运行安全性及应急响应能力为核心的综合评价导向，符合西藏高原复杂环境下的道路安全管理重点。

2.3 评价模型的建立

通过式（11）计算评估样本相应的评价结果，具体如表4所示。由表可知，在拉林高速公路18个实测路段中，路段7（评价值0.0478）和路段11（0.0493）可评为Ⅱ级；路段14（0.0281）被判定为Ⅳ级；其余15个路段评价值分布于0.0343\sim0.0449，均属Ⅲ级。评价结果与与拉林高速公路各路段的实际结果接近，验证了该方法在高速公路安全评价中的科学性与工程可靠性。

3 结 论

本研究基于熵权-TOPSIS模型，针对高原高速公路复杂环境特征，构建了涵盖道路线形、路面状况、交通环境等5个一级指标及17个二级指标的多维度安全评价体系，并通过西藏拉林高速公路18个实测路段数据对模型有效性进行验证。主要得到以下结论：①熵权法通过客观量化高原环境下各指标的离散程度，可以有效避免传统层次分析法（AHP）的主观赋权偏差。②TOPSIS法则通过动态计算路段与理想解的贴近度，精准划分安全等级，解决了高原地区安全评价中地理适应性不足的问题。③在实测路段中，路段7和11评为Ⅱ级（安全性较高）；路段14被判定为Ⅳ级（安全性较低）；其余15个路段为Ⅲ级（安全性一般），评价结果与实际事故记录及巡查数据高度一致。该评价模型可为高原高速公路高风险路段识别、养护资源优化配置及安全治理提供科学依据，可适用于复杂场景下的交通安全动态风险评估。

结 语

本研究基于熵权-TOPSIS模型构建的高原高速公路安全评价体系，在拉林高速公路的实证应用中显示出良好的适用性，评价结果与实际状况基本吻合。本研究的主要优势在于采用客观赋权法避免了主观偏差，并通过多维度指标体系全面反映了高原环境的特殊要求。与传统安全评价方法相比，该方法能够更好地适应高原地区的复杂环境特征，为路段安全等级划分提供了量化依据。

然而，本研究仍存在若干需要改进的方面：①研究范围的局限性较为明显。研究的实证数据局限于拉林高速区域，尽管拉林高速公路具有典型性，但高原地区不同区域的地形地貌、气候条件和交通特征差异显著。未来可进一步扩展至青藏高原不同地貌与气候特征的路段开展横向验证，以检验模型的普适性与地理适应性。②指标体系的动态适应性不足。现有指标多为静态评估参数，尚未纳入气象、灾害等动态环境变量，评价体系难以反映高原地区动态因素对安全性的即时影响。后续研究应结合物联网技术与实时监测数据，构建基于时间序列的动态TOPSIS或entropy-TOPSIS混合模型，提升模型对非线性环境变化的响应能力与动态预测性能，从而增强其在实际工程中的应用广度与决策价值。③模型的实时预警能力有待提升。当前方法更适用于事后评价和周期性评估，对于突发安全风险的实时识别和预警能力有限，这与高原地区对交通安全管理的实时性要求存在一定差距。后续可引入实时监测数据，结合物联网和大数据技术，建立动态更新机制，提升模型的实时响应能力。

总之，高原高速公路安全评价是一个需要多学科协同、持续创新的研究领域。本研究虽然建立了一个初步的评价框架，但仍需通过不断引入新技术、新方法，完善理论体系，提升实践价值，为高原地区高速公路的安全运营提供更加科学、有效的技术支撑。

参考文献

[1] 薛锋, 赵蕾. 高速公路安全设施的改进模糊Borda组合评价方法[J].中国安全科学学报,2018,28(7):165-171.

[2] Tabucanon M T, Lee H M. Multiple criteria evaluation of transportation system improvement projects: the case of Korea[J]. Journal of Advanced Transportation, 1995,29(1):127-143.

[3] Milton J C, Shankar V N, Mannering F L. Highway accident severities and the mixed logit model: an exploratory empirical analysis[J]. Accident Analysis & Prevention, 2008,40(1):260-266.

[4] Long K, Wei J, Xu N, et al. Efficiency and safety assessment of suburban highway access management[J].International Journal of Embedded Systems, 2021,14(1):65-71.

[5] Jongdae B. Highway Regional Classification Method Based on Traffic Flow Characteristics for Highway Safety Assessment[J]. Sensors, 2021,22(1):86.

[6] Gamal Y A S, Mamdouh E H, Wahaballa A M, et al. Evaluation of Road Safety Hazard Factors in Egypt Using Fuzzy Analytical Hierarchy Order of Preference by Similarity to Ideal Solution Process[J]. Sustainability,2024,16(22):9993.

[7] 石斌,喻泽文,邬芳迪,等.基于视觉心理的山区公路曲线段视觉诱导与安全评价[J]. 公路工程,2018,43(2):257-264.

[8] 李波.基于可拓理论的高速公路线形安全评价研究[J].公路,2017,62(6):181-185.

[9] 王昌衡,张贤育,戴群力.基于熵值-区间逼近的高速公路路段安全评价[J].公路工程,2017,42(2):217-222.

[10] 王仲祥.基于道路条件的高速公路安全性评价研究[D].长沙:长沙理工大学,2012．

[11] 王梓帆.山区二级公路交通安全综合评价应用研究[D].西安:长安大学,2022.

[12] 杨涛.吉康高速公路改扩建项目施工安全评价研究[D].兰州:兰州交通大学,2023.

[13] 王益,荣建,陈家源,等.公路交通安全设施评价方法研究[J].公路,2022,67(4):331-339.

[14] 邹渊,尤良俊.基于TOPSIS-RSR模型的山区普通公路运营安全风险评估实证研究[J].武汉理工大学学报(社会科学版), 2023,36(4):9-18.

[15] 杨春风,高恒楠,孙吉书.基于改进的灰关联度组合赋权法的公路交通安全评价研究[J].公路交通科技,2016,33(2):105-110+119.

[16] 靳文舟,郝小妮,孙博,等.一种高速公路运营综合服务质量实时评估方法:中国,201410090167.1[P].2014-07-23.

[17] 李瑞美,张健,钟小明,等.公路路线比选方案安全性评价研究[J].科学技术与工程,2021,21(36):15603-15608.

[18] 周子鑫.干线公路路线安全设计方法与评价体系分析[J].运输经理世界,2024(28):133-135.

[19] 董宝彦, 武海鹏. 基于线形及速度指标的高速公路安全性评价[J].中国公路,2012(16):116-117.

[20] 交通运输部. 公路技术状况评定标准:JTG 5210—2018 [S].2018.

[21] Bo W, Qian Z, Yu B, et al. MILP-based approach for high-altitude region pavement maintenance decision optimization[J]. Applied Sciences, 2024,14(17):7670.

[22] 孙道成,方守恩.城市道路安全基础设施评价方法研究[J].中国市政工程,2008(3):1-3+93.

[23] 梁钰.城市道路交通管理设施效用评价研究[J].福建交通科技,2020(3):163-166.

[24] 孙文圃,许金良,刘文君.交通环境对高速公路运营安全性影响综合评价[J].公路交通科技,2014,31(12):124-131+138.

[25] 林毅,李倩,张凯,等.气象条件对辽宁省高速公路交通安全的影响研究[J].气象与环境学报,2018,34(3):106-111.

[26] 陈素华,丁建明,黄飞.宜昌市道路交通管理措施及评价[J].浙江交通职业技术学院学报,2019,20(4):29-33.

[27] 甘春泉.探究“互联网+”对道路交通运输安全管理的影响[J].中国航务周刊,2024(25):91-93.

[28] 赵安岭,张建旭.重庆市公路典型路段交通安全仿真评价与安全[J].公路工程,2019,44(4):124-129.

[29] 温惠英,孙佳人,曾强,等.高速公路交通构成的安全效应计量评价[J].华南理工大学学报(自然科学版),2018,46(6):1-7.

[30] 赖延年,方腾源,徐鑫,等.基于人-车-路公路设计阶段安全性评价研究[J].重庆理工大学学报(自然科学),2019,33(6): 24-33.

[31] 陈永,陶美风,陈锦.块核范数的RPCA分解与熵值类稀疏的壁画修复[J].哈尔滨工业大学学报,2021,53(8):72-80.

[32] 王刚,商荦真,刘学麟,等.采用AHP-熵值法的巷道启封中毒窒息致因研究[J].中国安全科学学报,2021,31(7):187-192.

[33] 姜福川,周师,吴增彤,等.基于熵值-TOPSIS法的煤矿安全投入决策分析[J].中国安全科学学报,2021,31(7):24-29.

基金资助

西藏自治区自然科学基金面上项目(XZ202501ZR0051)

西藏大学高层次人才项目(xzdxdr202401)