基于FAHP-BP神经网络的高速公路养护作业占道施工风险管理研究

张军华

摘  要：针对高速公路养护作业占道施工存在的风险，将模糊层次分析法（FAHP）和误差反向传播（BP）神经网络各自优势进行分析组合，提出基于FAHP-BP的作业区占道施工风险评估方法，运用FAHP-BP模型展开风险评估，并根据评估结果展开分析，找到作业区占道施工的薄弱环节，制定针对性措施。通过实际工程应用，表明了FAHP-BP的作业区占道施工风险评估方法适用于开展高速公路风险识别、风险评估、风险控制全过程风险管理，对提高高速工作作业区占道施工风险管控水平，以及保障驾乘人员及施工作业人员的人身安全具有重要的实用价值。

关键词：高速公路  养护施工  风险管理  模糊层次分析  BP神经网络

中图分类号：TU415.1 文献标识码：A 文章编号：1674-098X（2021）07（a）-0023-06

Research on Risk Management of Highway Maintenance Construction Based on FAHP-BP Neural Network

ZHANG Junhua

（Shandong High Speed Co.， Ltd.， Jinan， Shandong Province， 250014  China）

Abstract： In view of the risks existing in the road occupation construction of highway maintenance operation， the respective advantages of fuzzy analytic hierarchy process （FAHP） and error back propagation （BP） neural network are analyzed and combined， and the risk assessment method of road occupation construction in operation area based on FAHP-BP is proposed. The risk assessment is carried out by using FAHP-BP model， and the analysis is carried out according to the assessment results， find out the weak links of road occupation construction in the operation area and formulate targeted measures. Through practical engineering application， it shows that the risk assessment method of road occupation construction in the operation area of FAHP-BP is suitable for the whole process risk management of highway risk identification， risk assessment and risk control. It has important practical value for improving the risk control level of road occupation construction in the high-speed operation area and ensuring the personal safety of drivers and construction workers.

Key Words： Highway; Maintenance construction; Risk management; Fuzzy analytic hierarchy process; BP neural network

日常养护管理是保证高速公路技术状况的重要途径。随着我国高速公路建成通车里程的增加，日常养护管理越来越显示其重要性和必要性。在日常养护管理技术方面，我国进行了诸多探索，也取得了丰硕的成果，但是日常养护施工作业风险管理相对不足，也没有形成系统性的技术体系。

日常养护占道施工，会影响车辆通行效率和行驶安全性，因此对高速公路作业区占道施工安全风险因素展开分析，同时对作业区进行风险评估和控制研究，形成全过程的作业区施工风险管理，对提高高速公路日常养护安全管理水平具有重要意义。

1  评估方法的构建

高速公路作業区占道施工风险评估涉及指标多，具有一定的模糊复杂性，故整体系统性评估困难[1]。现有风险评估方法大多依赖单一评估方法，将两种评估方法组合起来评价并未广泛应用，本文将FAHP模糊层次分析法与BP神经网络结合对作业区施工风险进行评估。

FAHP与BP神经网络各有优势，将两种方法结合，构成FAHP-BP评估方法。一方面，利用FAHP优势，考虑指标模糊难以量化并将专家经验融入评估系统[2];另一方面，利用BP神经网络挖掘潜藏规律和延展性强的优势，减少评估过程中主观随意性，使评估结果更可信，并方便新样本的快速评估[3]。

FAHP-BP评估方法的基本思路是，首先采用模糊优先规划求解三角模糊判断矩阵，完成FAHP方法下指标赋权，然后对各指标评分，得分经归一化和加权处理后，作为BP神经网络的训练样本数据。FAHP方法赋权使得BP神经网络训练时凝练了专家经验，待网络鲁棒性和精确度达标后，保存各网络参数。当新样本加入评估时，只需将各指标对应的数据输入已训练好的BP神经网络中，网络根据从训练样本提取的隐含的规律，给出仿真结果，实现流程如图1所示。 FAHP-BP评估方法既包含FAHP方法处理复杂决策系统化的特点，也包含BP神经网络自学习、自适应的优势，因此可减少评估过程中人的主观随意性、思维不定性，进而更有效地提高评估的正确性和扩展性[4]。

2  评估指标体系的构建

2.1 风险源来源

风险识别作为风险评估的第一阶段，在高速公路作业区占道施工安全问题中，风险识别的核心是要确定风险源来源[5]。从管理者、施工者和驾驶者3个维度分析，作业区施工风险主要主要包含管理风险、施工风险和行车风险。其中，驾驶者是整体风险的主要制造者，因此驾驶者在风险控制中占据着主动的地位。根据以往占道施工的事故案例以及相关评估经验，从道路交通系统分析的角度出发，本文将高速公路作业区占道施工风险源分为人员因素、车辆及道路因素、环境因素和施工因素4个方面，将其作为评估一级指标[6]。

通过头脑风暴法确定一级指标体系下的二级指标，结合问卷调查，采用主层次分析法完成二级指标的删减和优化，最终确定风险评估指标体系，详见表1。

2.2 风险评估指标权重

利用FAHP确定指标权重的方法有多种，考虑到计算过程的复杂程度和选用的模糊化方法，选取Mikhailov提出的模糊优先规划（fuzzy preference programming，FPP）方法进行三角模糊数的求解，得到高速公路作业区占道施工风险评估指标权重。经计算，高速公路作业区占道施工风险评估指标权重见表2。

2.3 构建BP神经网络结构

Robert Hecht-Nielsen证明了任意给定的连续函数都可以用隐含层仅有一层的神经网络精确地逼近，故本文将BP网络设为隐含层仅为一层的三层结构[7]。以指标体系中的19个二级指标作为输入层神经节点，各指标数据进行无量纲归一化至[0，1]区间内，以满足神经网络传递函数对输入范围的要求。隐含层节点数的确定方法目前尚未统一，综合考虑以往经验公式，即、、（其中l为隐含层节点数，m、n分别为输入、输出层节点数，a为1～10之间的调节常数），经过多次实验，隐含层节点数设为15。由于高速公路作业区占道施工风险状况最后以一个综合评估值表示，因此输出层神经元数目设为1。根据以上分析，BP网络结构如图2所示，同时将风险状况划分为五级，各等级及对应标度区间，详见表3。

2.4 FAHP-BP网络训练及有效性检验

邀请对高速养护施工熟悉的人员进行指标评分，并将结果进行归一化处理，作为BP神经网络样本数据输入值，归一化后的数值与各指标综合权重相乘所得的结果作为样本数据输出值，其中训练样本数据16组，检验样本4组。

用MATLAB.R2012a编写程序进行分析计算，采用梯度下降BP算法（traingd），学习效率值为0.1，迭代次数为20 000，目标误差为10-4，经过3359次迭代训练使得均方误差MSE=9.6888×10-5，满足使用精度要求，训练过程误差下降曲线如图3所示。

训练样本期望输出值与实际输出值绝对误差在（-0.01，0.02）之间，如图4所示。此时保存网络参数。

将第17～20组的检验样本数据输入已训练成熟的BP网络进行仿真测试，以检验其鲁棒性及精确性，结果如图5所示。

比较网络实际输出值与期望输出值，并判断各检验样本隶属等级，详见表4。

由表4可以看出，BP网络输出值与期望值相比，二者数值相当接近，4个检验样本中最大的相对误差仅为1.23%，在高速公路作业区占道施工风险评估中，这样的误差范围是可以被接受的。同时根据网络实际输出值确定风险等级，发现与期望输出等级相一致，表明FAHP-BP评估方法的可行性。

3  工程应用实例

青银高速潍坊段双向八车道长59km，辖段交通量折合小客车8万余辆，日常养护占道施工存在较大的安全风险。占道施工作业主要涉及路基路面病害修补、绿化作业及护栏等安全设施修复。通过头脑风暴进行高速公路作业区占道施工危险源识别，构建起人、车辆道路、环境及施工因素四位一体的指标体系。通过网络节点参数的调节和样本的训练，建立起FAHP-BP高速公路作业区占道施工风险评估模型。利用FAHP-BP评估模型对G20青银高速潍坊段作业区占道施工实际风险状况进行评估，据统计，该段高速自2020年1月至2020年9月，占道施工45次。利用所构建FAHP-BP作业区占道施工风险评估模型进行风险状况的评估，其中前15次占道施工风险评估值如图6所示。

根据风险评估结果，可知G20青银高速潍坊段作业区占道施工风险有2次隶属于安全等级，13次隶属于较安全等级，一般危险等级、较危险等级、危险等级出现次数均为0。7号、15号评分相对较低，存在一定的风险。从占道施工涉及人员、道路车辆、作业区布控管理这三大方面的风险控制措施着手，制定措施降低该作业区占道施工的风险水平。

根据模型风险评估结果，前15次占道施工安全风险评估值为0.8513，平均隶属于较安全等级，经过风险管理措施的逐步实施，第16～45次占道施工风险评估平均值上升到0.9231（见表5），隶属于安全等级。由此可知，该段高速日常养护施工经FAHP-BP模型测算评估，并采取针对性措施后，占道区作业施工风险安全性得到稳步提升。

4  结语

合理选用评估方法开展高速公路作业区施工风险管理研究，对认清作业区占道施工风险水平及抗御事故发生能力具有重要意义。本文从高速公路作业区占道施工系统理论和风险管理相关理论出发，进行风险的識别，构建模糊层次分析法（FAHP）和逆差反向传播（BP）神经网络的风险评估模型开展风险的评估，并提出风险的应对措施，为高速公路运营期间养护作业区占道施工风险管理提供内容参考与模型支持，结合G20青银高速潍坊段作业区占道施工实际案例，完成风险状况的快速评估，对于提高高速公路运营期间养护作业施工风险管理水平，减少事故的发生提供了风险全过程管理理论借鉴，具有重要意义。

参考文献

[1] 平自要，李玉梅.高速公路施工安全管理模糊评价研究[J].中外公路，2016，36（1）：325-329.

[2] 许林新，苑仁腾，王小双.基于模糊层次分析的道路交通安全评价研究[J].北方交通，2019（3）：31-34.

[3] 郑艳江.基于层次分析法的公路施工风险影响量化研究[J].山西交通科技，2021（3）：7-9.

[4] 王聪.高速公路施工现场安全管理评价[J].山东交通科技，2021（2）：123-126.

[5] 刘津楠.高速公路项目施工安全风险评价研究[D].天津：天津大学，2016.

[6] 郑祖恩，龙英.基于AHP-灰色关联度分析的公路工程施工风险评价研究[J].湖南交通科技. 2021，47（1）：48-51.

[7] 陈海龙，彭伟.改进BP神经网络在交通事故预测中的研究[J].华东师范大学学报：自然科学版，2017（2）：66-73.