高速公路危險貨物運輸人員暴露風險實時評價分析

陶 健，王文君，龐奪峰，殷傳峰

(山西省交通科技研發有限公司，山西 太原 030006)

0 引 言

隨著我國經濟快速發展及人們對物質需求的增長，道路危險貨物運輸周轉量逐年增加，危險貨物運輸事故頻發且事故引發的后果極其嚴重[1]。近年來發生的晉濟巖后隧道“3.1”和包茂高速“8.26”特大危險貨物運輸交通事故后果讓人觸目驚心，引起社會廣泛關注，道路危險貨物運輸已成為需要迫切解決的社會公共安全問題。

道路危險貨物運輸風險評價與監控是預防運輸事故的有效手段。其中，人員暴露風險是衡量運輸風險中事故傷害程度主要指標；密度相對集中、缺乏保護的道路上暴露人員，因所受到風險更加突出而成為研究重點[2]。學界在該方向開展一系列研究，任常興等[3]和沈小燕[4]分別指出危險貨物道路運輸風險主要來自影響區的人員暴露風險，在對危險貨物運輸影響區域暴露人員的選取進行了深入探討，并給出交通狀況和人員分布對風險的影響權重；尹晉[5]利用路段的日平均交通流，并引入時段對交通流的變化修正系數確定交通密度，進而計算道路上暴露人員，確定人員暴露風險；魏航等[6]和賀政綱等[7]分別針對時變條件下對人員出行和事故概率影響，提出了時變條件下的人員暴露風險。

事故影響區域暴露人員密度是評價人員暴露風險的關鍵指標，其精度直接影響對風險的精準評價。由于其具有流動和時變特性，目前關于相關研究大多是通過計算該路段日平均交通量的交通密度來確定道路人員暴露量，但方法顯然還不夠精確。為更加精確的評估路上人員暴露風險，實現實時采集運輸風險，筆者提出了基于物聯網技術實時采集運輸過程車輛和道路動態參數，通過分析車速和道路條件對交通密度影響，建立路上人員暴露風險模型，以達到提高人口暴露風險評價精度并實現實時評價運輸風險的目的。

1 人員暴露研究內容和暴露量確定

1.1 人員暴露研究內容

危險貨物在運輸過程中一旦發生事故，所產生的毒性、爆炸及燃燒等傷害會對道路及道路兩側一定范圍的人員產生風險。因此，人員暴露數量是衡量道路危險貨物運輸事故后果嚴重程度的重要指標。人員暴露量與事故影響區域面積及區域內人員密度相關。道路運輸事故影響范圍，主要由運輸貨物類別和運輸量決定。

風險區域中暴露人員密度具有流變特性，為便于計算，根據人員密度差別，將人員劃分為路上人員、路下人員，并將人員密集場所人員獨立核算。一方面，在高速公路上人員直接處于事故中心區域，且路面平整缺乏保護，同時高速公路作為封閉道路，當事故發生時會導致交通擁堵，人員撤離困難；另一方面，高速公路有較寬的道路紅線，隔離帶起到一定的傷害緩減作用，同時路下直接受影響人員相對不集中。因此，筆者將路上和為道路服務的密集區域暴露人員作為高速公路危險貨物運輸風險評估的重點研究對象。

1.2 路上人員暴露量確定

路上人員主要為各種交通參與者，包括車內司乘人員、路上行人和非機動車參與者。這需要確定道路車輛密度、車輛人員平均承載系數、風險影響區域及道路交通組成比例。對于高等級道路而言，因禁止非機動車和行人通行，路上人員全為機動車司乘人員。故本研究針對高速公路的路上暴露人員數量與交通密度、車輛人員平均承載系數、車道數和風險影響區域有關。道路上客運車載客數量多，對路上人員暴露量影響顯著，目前公路客車均被要求裝有車輛衛星定位[8]，可通過衛星定位系統對危險貨物影響范圍的客車及載客數進行識別和統計。故筆者將顯著影響人口暴露量的客車進行獨立計算。路上人員暴露量計算如式(1)：

(1)

式中：Son為路上人員暴露量，人；A為風險影響區域，km2；n為車輛當前行駛道路的雙向車道數；θ為除客車外其它車輛平均承載系數，人/輛；ki為車道i上的車輛密度，人/km；m為風險影響區域內客車數量；Si為第i個客車的核定載客人數；z為客車實載率。

1.3 路上密集區人員暴露量確定

對緊鄰道路且人員密集的區域，如服務區、收費站等場所，一旦事故發生于該區域，因人員較為密集，其造成的后果將極其嚴重，故需專門針對該區域的平均人員數量進行評估。目前由于危險貨物實施限時運輸，故暫不考慮該區域人員聚集數量的時變條件影響。路段各人員密集區人員暴露量計算如式(2)：

Sc=∑p(i)[λ+(1-λ)δj]

(2)

式中：Sc為道路上人員密集區人員暴露量，人；P(i)為路上人員密集區i的人員數量，人；λ為人員密集區人員出現在室外的比例；δj為第j種貨物導致室內人員受影響概率。

2 人員暴露量影響因素研究

2.1 交通密度對人員影響及與車速相關性分析

高速公路路上的人員暴露量，主要來源于車輛中的司乘人員，故獲取道路的車輛數量，可進而計算路上人員暴露量，其交通量和車輛密度與車速有顯著相關性[9]。通過建立車速與車輛密度關系，利用實時采集的車輛速度，即可計算危險貨物運輸事故傷害區域暴露人員數量。

交通流密度與速度關系的可分為單段函數和多段函數兩類[10]。國內學者從理論上對交通密度與速度關系進行了探討，針對不同道路和交通狀態，對交通流密度與速度進行統計分析[11-13]，建立起多段式速度密度模型[14]；同時，通過對我國大量高速公路數據采集分析，研究了不同道路服務水平對應的交通密度和速度范圍[15]，為建立適合我國交通量模型提供數據支撐。

當道路交通密度處于較小范圍時，車輛不受其他車輛影響，駕駛員以期望車速行駛，既滿足其高效的出行效率又不違反道路限速規定。當車速在期望車速范圍內，其與交通密度沒有明顯相關性，且交通密度較小，因此當車速保持較高車速時，交通密度通常取常量作為該速度范圍對應密度。

隨著交通密度進一步增加，交通流趨于穩定狀態，在車流尚未達到飽和狀態時，交通密度適中，交通密度與車速成線性關系。當交通密度進一步增加，接近道路通行能力以后，交通密度較大，此時交通密度與車速符合對數函數關系。

針對高速公路特點及交通密度和車速特征，筆者建立了多段式的密度-速度模型，用來表征高速公路不同車速條件下的車輛密度。模型曲線如圖1，模型如式(3)：

(3)

式中：v為道路平均運行車速，km/h；k為各車速范圍對應的交通密度，輛/km·車道；kz為自由流時交通密度上限值，輛/km·車道；a、b分別為交通流處于穩定流時，車速與交通密度線性關系系數；kj為阻塞時交通密度，輛/km·車道；vm為車流達到通行能力的車速取值，km/h；v1、v2分別為小密度、中密度交通密度對應的平均臨界車速，km/h。

圖1 速度-密度模型曲線

2.2 模型參數確定

根據道路車輛密度和車速來表征高速公路服務水平。不同的服務水平，對應不同的車速和交通密度范圍。高速公路不同道路參數交通密度范圍和對應平均車速范圍如表1。

當車速處于較高范圍時，每公里單車道車輛密度上限為7輛，故高速公路處于自由流時，將交通密度上限值kz=7；當服務水平處于4級時，交通流接近飽和狀態，故將交通密度45作為中密度上限；當車輛密度進一步增大，交通狀態飽和，此時速度和密度滿足對數關系。根據以上分析，確定速度-密度模型對應參數，如表2。

2.3 車型對交通密度影響

在所建立的速度-密度模型中，v為交通流平均速度，實際采集的車速為危險貨物運輸車速。由于危險貨物運輸車輛及其他大型車輛受其動力性、操作性等性能影響及交通法規限速規定要求，故車速與其他小型車不同。因此，需進一步研究大型車車速與交通流平均車速關系。

筆者將法規專項限速及因車輛自身特性影響車速的大型車分為第1類，將僅受交通流影響車速的小型車分為第2類。各車型速度與交通流平均車速關系如式(4)。

v=(1-ω)vs+ωvb

(4)

式中：vb為大型車運行車速，km/h；vs為小型車運行車速；ω為交通流中大車占比。

當高速公路交通流處于自由流時，因大型車低于小型車速度，為防止因車速差太大引發交通事故，故要求大、小車型分車道行駛，大型車輛靠右側車道行駛。研究表明：交通流處于自由流狀況時，大、小車型均以期望車速行駛，最右側車道與最左側車道自由流車速的修正系數為0.71[15]。因此當交通流處于自由流時，其平均車速為小車的0.71倍；大車車速不低于75 km/h。

大、小型車不同交通量下的速度差異曲線如圖2。隨著交通量增加，大、小車型之間相互影響，車速均逐漸下降，且車速逐漸接近。當交通流接近飽和狀態上限時，大、小型的運行車速趨于一致[16]。當車速達到60 km/h時，交通流各車型平均車速幾乎一致。

圖2 大、小車型不同交通量下的速度差異

當危險貨物運輸車輛車速在60～75 km/h之間時，通過對大小型車速數據分析發現，大車車速由75～60 km/h逐漸降低時，大、小型車速度比值呈線性增加，大、小型車速關系如式(5)：

(5)

將式(5)代入式(4)，得大型車車速與平均運行車速的關系，如式(6)：

(6)

2.4 密集區人員評估模型

高速公路人員密集區主要考慮緊鄰道路的服務區，服務區人員主要為進入服務區休息的司乘人員。服務區的流動人員與駛入服務區車輛有關，而駛入服務區的車輛與動態交通流量、車輛駛入服務區的駛入率和車輛平均停車時間有關[17]。各種車型車輛平均停車時間不超1 h[18]，故事故可能影響的服務區休息車輛數為運輸車輛經過服務區時到之前時間段T內所停車輛數，該時間段交通量近視為當前交通流，即單向車道數與車速、車流密度乘積。故服務區影響人員和交通量計算分別式(7)、(8)：

(7)

(8)

式中：Q為路段平均每小時交通量，輛/h；S為駛入率；T為平均停車時間，min。

將式(7)代入式(8)，可得式(9)：

(9)

3 人員暴露風險動態評估模型

車輛在高速公路運輸過程中，車輛終端采集車輛的速度和位置信息，計算每次信息采集過程的路上暴露人員實時風險，該風險為事故概率和暴露人員量乘積。其中：事故發生并泄漏概率與采集期間行駛里程和行駛道路條件下事故發生并泄漏的基本概率有關；暴露人員量為事故發生后傷害區域內暴露的路上人員量。故數據采集一次的高速公路危險貨物運輸路上人員暴露風險如式(10)：

Ri=Kip(R|A)jL(Son+Sc)

(10)

式中：Ri為第i次信息采集時道路危險貨物路上人員暴露風險；L為第i次數據采集過程汽車行駛的路程，km；p(R|A)j為車輛行駛在道路j條件下的事故發生并泄漏基本概率，起/百萬車公里；Ki為交通事故概率影響因素i的修正因子。

分別將式(1)、(2)代入式(10)，有式(11)：

Kip(R|A)∑p(i)[λ+(1-λ)δj]

(11)

對于道路上的傷害區域A，因其車輛分布為沿道路線性分布，故將車輛前后傷害半徑r范圍內雙向各車道范圍作為傷害區域。為便于計算，假設雙向每車道交通量分布一致，人員密集區只考慮高速公路服務區。

通過在高速公路服務區觀察統計并參考相關文獻，室外人員比例λ=15%～20%，基于最大風險原則，推薦值為20%，平均停車時間推薦值為30 min，除客車外其它車輛平均承載系數推介值為3人/輛，客車載客率推薦值為90%，服務區車輛駛入率推薦值為0.15。

不同類型危險貨物對人員造成傷害有火災、爆炸、毒害等。毒害對室內人員受影響概率取值為10%[19]，火災對室內人員影響概率取值為20%[20]，爆炸傷害對室內人員的影響概率取值為35.6%[21]。

爆炸品主要危害為爆炸造成的傷害；易燃液體為火災傷害；易燃氣體為火災和爆炸危害；有毒物質為毒害?；谧畲髠υ瓌t，不同種類貨物事故對室內人員影響概率推薦值如表3。

表3 危險貨物種類與室內人員受影響概率關系

將參數及推薦值代入式(11)，人員暴露風險可細化為式(12)：

f(v)vn(0.2+0.8δj)]

(12)

式中：r為運輸貨物的事故傷害半徑，km。

4 算例分析

筆者以一輛運輸LPG的罐車為例進行算例分析。該罐車行駛區域為城市繞城高速，車道為雙向6車道，設計車速為120 km/h，運輸車輛靠右側車道行駛。

車輛信息采集步長為30 s/次。分別計算所采集到的5次運輸風險值。這5次車速分別為：75、70、70、60、60 km/h；根據車道系數修正后的平均車速分別為：105、86、86、60、60 km/h。第3次采集數據時有一輛客車經過，第5次采集數據時經過一高速服務區。LPG暴露區域半徑依據道路危險貨物種類事故潛在影響范圍取值如表4[22]；危險貨物在城市高速公路運輸發生事故并泄漏概率，依據不同道路條件下事故發生并泄漏的基本概率如表5[3]；其它道路參數如線性、道路構筑物及交通環境因素等參數[23-24]對事故概率影響修正現有文獻已研究，筆者在此不再列舉各修正因素及修正系數。

表4 道路危險貨物種類與影響范圍關系

表5 泄漏事故發生的基本概率

為便于采集和計算，大型車交通占比取值方法采用：危險貨物運輸車影響區域內裝有衛星定位系統的車數與區域內當前交通量的比值，本次大車占比取值為5%。LPG危害為燃燒和爆炸，故室內人員受影響概率取0.356，這5次數據采集條件和人員暴露風險如表6。

表6 道路危險貨物運輸人員暴露風險

通過以上計算分析，在相同時間步長條件下，當車速為達到自由流車速105 km/h時，人員密度較小，行駛里程較大，其路上人員暴露風險低于速度相對較低的86 km/h；若在86 km/h條件下遇到客車時，人員暴露風險增加；當車速降低到60 km/h時，不考慮人員密集區人口影響，其路上人口暴露風險高于86 km/h，當途徑人員密集的服務區時，暴露人員風險顯著增加。由此可見，運輸過程既要監控車輛超速情況，同時因該車速下的風險明顯增加，也要加強對車輛本身的監控。

5 結 論

筆者通過分析和實例計算，得出以下結論：

1)根據危險貨物運輸風險評價內容和現有的監控參數，基于車速和道路類型建立了高速公路危險貨物運輸人員暴露風險實時評價模型；重點研究了基于車速的路上人員暴露量和路上密集區人員暴露量計算模型，確定了模型參數推薦值；研究了大型車車速與道路平均車速的修正關系。

2)通過實例驗證，高速公路危險貨物運輸人員暴露風險實時評價模型具有較強的實用性，基于現有的危險貨物監管平臺采集數據，可實現運輸風險實時自動采集，提高風險動態監管能力。

筆者將危險貨物運輸人員暴露量進一步分解為路上司乘人員、客車載客量和路上人員密集區人員，并通過實時采集數據進行估算，彌補了傳統人員暴露評估模型中僅以平均人口密度來評價的缺點，提高了人口暴露風險精度。

3)下一步研究重點為：進一步分析提高道路平均車速采集精度，研究人員暴露風險模型針對其它等級道路的實用性。