黑岱溝露天礦1215端幫路事故率分析及其控制

1、黑岱溝露天礦1215端幫路事故率分析 摘要：針對(duì)黑岱溝露天煤礦生產(chǎn)運(yùn)輸作業(yè)現(xiàn)狀，運(yùn)用交通流模型，從流量、車速標(biāo)準(zhǔn)差以及出入口密度三方面對(duì)事故率進(jìn)行估計(jì)。關(guān)鍵詞：交通流，年均日流量，速度標(biāo)準(zhǔn)差，出入口密度，事故率正文：第一節(jié) 1215端幫路交通概況 運(yùn)輸作業(yè)歷來(lái)是露天開采過程中的重要環(huán)節(jié)。對(duì)于單斗-卡車工藝而言，道路運(yùn)輸安全尤為重要。1215端幫路作為黑岱溝露天礦交通主干道，承擔(dān)著運(yùn)煤卡車至破碎站，采場(chǎng)剝離卡車至內(nèi)排土場(chǎng)西部，坑下所有指揮、工程、維修車輛過往的運(yùn)輸任務(wù)。下圖為2011年9月及2013年1月1215端幫路交叉口概況平面圖： 圖11（2011年9月-1215） 圖12（2013年1月

2、-1215)隨著采場(chǎng)的推進(jìn)及產(chǎn)量的逐年提升，露天礦車流逐漸加大。1215端幫路交叉口是全礦車流量最為密集的交叉口。依據(jù)黑岱溝露天煤礦2011年12月26日-2012年12月25日運(yùn)行記錄數(shù)據(jù)，剝離卡車全年共計(jì)936642車次（重車運(yùn)行），上煤卡車共計(jì)297610車次（重車運(yùn)行）。由于近年坑線布置相近，剝采比穩(wěn)定，故2012年全年坑下各主要線路車流量比例可參照2013年春季運(yùn)行數(shù)據(jù)。依據(jù)2013年3月份數(shù)據(jù)平均結(jié)果，8點(diǎn)班、4點(diǎn)班和0點(diǎn)班剝離量分別占全天總量的25.3%、37.9%和36.8%。下面以礦用重型卡車運(yùn)行比重最大(81.25%)的4點(diǎn)班(三班)為例，分別計(jì)算各班的日均車流量(單向)。

3、剝離：經(jīng)過1215端幫路的剝離量占全月單斗剝離總量的34.4%。年班車次=936642×34.4%×37.9%=322401×37.9%=122190車次/年全年有效工作日按照350天計(jì)算。日班車次 = 122190/350 = 351車次/班上煤：年班車次 = 297610×37.9% = 112908車次/年日班車次 = 112908/350 = 323車次/班 指揮車(倒班)13臺(tái)指揮車，年運(yùn)行總里程數(shù)為780000公里。以單次下坑20公里/次計(jì)：年車次 = 780000/20 = 39000車次/年年班車次 = 39000/3 = 13000車次

4、/年日班車次 = 13000/350 = 37車次/班工程車輛，包括平路機(jī)、膠輪推土機(jī)等共計(jì)22臺(tái)年出動(dòng)車次為24904車次日班車次 = 24904/(350*3) = 23.4車次/班灑水車11臺(tái)年出動(dòng)車次為12718臺(tái)日班車次 = 12718/(350*3) = 12.11車次/班黑實(shí)公司車輛，8臺(tái)送飯車，2臺(tái)防凍液車日班車次 = 8 + 2 = 10車次/班設(shè)備維修（倒班）車輛28臺(tái)日班車次 = 28車次/班油槽車16臺(tái)，8點(diǎn)班及4點(diǎn)班加油，部分加油，部分提油，均經(jīng)過1215端幫日班車次 = 11.5車次/班1215端幫4點(diǎn)班運(yùn)行總車次 = 796車次/班按往返路計(jì)算，該交叉口4點(diǎn)班交通

5、量 = 796×2 = 1592車次/班 依照上述方法分別計(jì)算得出1215每日各運(yùn)行班交通量。 8點(diǎn)班：2033.78車次/班； 4點(diǎn)班：1592車次/班； 0點(diǎn)班：1551.5車次/班?？鄢厥鈼l件不作業(yè)，按照全年350個(gè)運(yùn)行日計(jì)算，可得1215端幫路年交通量為1812048車次/年。 表11黑岱溝露天礦近年產(chǎn)量及卡車運(yùn)行統(tǒng)計(jì) 2008年2009年2010年2011年煤（噸）22838830232207072632352631257194煤（車）263044262182254468291787剝離（車）843770781391773836923153 對(duì)于其他各年份的交通量，依據(jù)上

6、表統(tǒng)計(jì)數(shù)據(jù)，剝離及上煤卡車實(shí)算，其余輔助生產(chǎn)車輛依據(jù)年產(chǎn)量按照相應(yīng)百分比折算。得到近年1215端幫路交通量數(shù)據(jù)如下表：年份20082009201020112012交通量(萬(wàn)車/年)162.50 153.21 150.97 178.37 181.20 表12 1215端幫路歷年車流量統(tǒng)計(jì)表交通量柱狀圖如下圖： 圖13 1215端幫交通柱狀圖第二節(jié) 交通流與道路安全 交通事故率mi和交通流之間存在著一定的函數(shù)關(guān)系，即“交通事故預(yù)測(cè)函數(shù)”（如圖2-1所示）?？梢钥闯鲈谄渌蛩夭蛔兊那闆r下某一事故的發(fā)生概率隨交通量變化的情況。圖21 交通事故率預(yù)測(cè)函數(shù)圖交通事故率的單位為次/年，交通量的單位為車次/天

7、。事故率是原點(diǎn)和交通事故預(yù)測(cè)模型上的點(diǎn)連線的斜率。例如圖2-1中的點(diǎn)A，當(dāng)某路段年平均日交通量（AADT）為3000輛/天、預(yù)計(jì)年事故發(fā)生量為1.05次/年時(shí)，事故率為1.05/（3000×365）=0.96×10-6人次/車。同時(shí)，交通流的三個(gè)相互關(guān)聯(lián)的特性交通流量、交通流速和交通密度都影響著交通安全的三個(gè)相互關(guān)聯(lián)的方面發(fā)生事故的可能概率、概率的偶然性及事故的嚴(yán)重性。因此完全依靠純粹的歸納演繹方法很難得出交通流與交通安全之間關(guān)系的數(shù)學(xué)模型。m單車 =q*p式中： q交通量； p單車道下每輛車發(fā)生事故的概率。這里的p一般不受q的影響。但是隨著車流量和車輛密度的增加，車輛之間

8、的距離會(huì)影響事故發(fā)生的概率。此時(shí)p是q的正比例函數(shù)，用p=f(q)表示。此時(shí)m單車的變化率要大于p的變化率。相反，若車流量和車輛密度很小時(shí)，m單車的變化率會(huì)小于p的變化率。實(shí)際當(dāng)中甚至?xí)霈F(xiàn)當(dāng)車流量增大到某一點(diǎn)時(shí)，q增大反而會(huì)使m單車= q*f（q）減小的情況。因此，由邏輯分析的方法我們可以得出這樣的結(jié)論：交通安全影響函數(shù)在靠近原點(diǎn)的某一范圍內(nèi)近似為一條直線。當(dāng)交通安全取決于兩股或者更多相沖突的交通流（汽車-火車、交叉口汽車-行人等）時(shí)，mi在原點(diǎn)附近，會(huì)隨兩股交通流量變化而變化，此時(shí)m與q的關(guān)系將在本節(jié)后半部分具體討論。此時(shí)需要注意的是車輛追尾事故的發(fā)生率與q2成正比。當(dāng)然，這種推理只適于低

9、流量的情況。在一定交通流速下，m怎樣依賴于q，并且駕駛員的敏銳程度等其他行為也是影響交通流量的方面，都不能單獨(dú)預(yù)測(cè)。對(duì)于交通流和事故頻率關(guān)系的經(jīng)驗(yàn)研究第一步是收集、測(cè)定和檢驗(yàn)數(shù)據(jù)，下一步是選擇能服務(wù)于事故預(yù)測(cè)模型的適當(dāng)擬合數(shù)據(jù)。那些看似有理并且決定于交通流的模型在以下列出。交通流，雖然很重要，但僅僅是預(yù)測(cè)事故頻率依賴性的變量之一。這里僅考慮交通流，其他因素我們假定不變。當(dāng)只有一股相關(guān)交通流時(shí)，冪函數(shù)和多項(xiàng)式的模型如下：m=q （2.1）m=q+q²+ （2.2）大多數(shù)情況下，使用的是較為復(fù)雜一點(diǎn)的冪函數(shù)，m=q+logq （2.1.a）當(dāng)它寫成對(duì)數(shù)形形式時(shí)，與多項(xiàng)式2.2有關(guān)。Log

10、(m)=log()+log(q)+log(q)² （2.2.a）式中：m-某一時(shí)期內(nèi)某列交通事故發(fā)生次數(shù)（事故頻率） q-交通流量 、-參數(shù)當(dāng)有相關(guān)的兩股或更多股交通流或者是不同類型的車輛時(shí)，常采用冪函數(shù)乘積的形式：m=q1q2 （2.3）常用的模型的共同特性是他們是線性的或者可以用對(duì)數(shù)形式表示。這簡(jiǎn)化了模型統(tǒng)計(jì)的參數(shù)估計(jì)。這些函數(shù)的形狀如圖2.2所示。圖22 常用函數(shù)模型冪函數(shù)（方程2.1）簡(jiǎn)單并且滿足原點(diǎn)附近的邏輯要求（當(dāng)q=0，m=0并且=1時(shí)可表示與與一股交通流有關(guān)，=2可表示與兩股交通流有關(guān)）。但是，它的簡(jiǎn)單性也是他的不足之處。B=1時(shí)，模型是線性的，不適合交通量大的情況。

11、同樣，當(dāng)=2時(shí)，不適合交通量小的情況。簡(jiǎn)而言之，如果選取是為了滿足邏輯的需要，模型就不可能適合偏離遠(yuǎn)點(diǎn)較遠(yuǎn)的數(shù)據(jù)。相反的，若果選取是為了最好的擬合數(shù)據(jù)，那么就不能滿足邏輯的需要。在經(jīng)驗(yàn)研究中，冪函數(shù)的普及不是由于它的適宜性，而是由于它的方便性。大多數(shù)分析參數(shù)估計(jì)得軟件很容易地求解冪函數(shù)。多項(xiàng)式模型（方程2.2）不能真正的滿足原點(diǎn)附近的要求。它的優(yōu)點(diǎn)是利用更過的條件（更多的參數(shù)），曲線部分可以再?gòu)澢?，幾乎可以任意的變形。這是以參數(shù)的簡(jiǎn)單化為代價(jià)得到的。如果數(shù)據(jù)表明隨著交通量的增加到一定的水平，m（q）的斜率組件減少，甚至可能變成負(fù)數(shù)，這是可以表達(dá)如下：m=qkeq（2.4）根據(jù)原點(diǎn)附件的條件，參

12、數(shù)k=1或者2。當(dāng)0時(shí)，函數(shù)q=-k/處有最大值。參數(shù)k=1或者2時(shí)，圖2.3是該模型的圖示。這個(gè)模型的優(yōu)點(diǎn)是它可以擬合原點(diǎn)附件的條件并且可以遵循數(shù)據(jù)的原形。這個(gè)模型的優(yōu)點(diǎn)是不論交通量大小都有很好的擬合效果。圖23 原點(diǎn)擬合模型在上述文章中，重點(diǎn)是研究交通流是如何影響事故率的。因此，模型是根據(jù)流量（q）建立的，這個(gè)參數(shù)是獨(dú)立變化的。但是，交通流并不是影響事故率的唯一因數(shù)。路面形狀，時(shí)間，車速，行為規(guī)范等都起著一定的作用。簡(jiǎn)而言之，事故率的模型建立在本質(zhì)上是多元化的參數(shù)估計(jì)。數(shù)據(jù)收集及模型選擇后的下一步就是對(duì)參數(shù)（和）進(jìn)行標(biāo)定。在早期的工作中，估計(jì)經(jīng)?？繙p少偏差的平方而得到。這在實(shí)際中看上去是不

13、完善的。考慮到事故數(shù)量離散隨機(jī)性，事實(shí)上他們的變化隨著平均值，和可能的過度偏差的存在而增加，這就需要利用統(tǒng)計(jì)學(xué)上的一些方法（如，Hauer 1992，Miaou和Luml 1993）。對(duì)于加利福尼亞的信號(hào)交叉口，Webb給出郊區(qū)車速在40km/h以下的年事故m=0.00019*（主要單路ADT）0.55+(交叉道路ADT)0.55。由于和等參數(shù)的標(biāo)定和干道、交叉路口分流量的獲取均需要一定的統(tǒng)計(jì)手段或經(jīng)驗(yàn)估計(jì)，該部分工作有待今后在生產(chǎn)工作中進(jìn)一步搜集，但無(wú)論如何選取參數(shù)，可以肯定的是ADT在4000車次/天的大型交叉路口，m值均超過了1。個(gè)人建議，我部門組織技術(shù)人員對(duì)道路狀況及車流進(jìn)行抽樣估計(jì)，

14、計(jì)算機(jī)仿真運(yùn)行等先進(jìn)手段，從而對(duì)相關(guān)參數(shù)進(jìn)行標(biāo)定，也可對(duì)我礦提高管理水平，及時(shí)改善運(yùn)輸狀況作出技術(shù)層面的合理建議。第三節(jié) 不同車種比例對(duì)交通安全的影響混合交通是露天煤礦生產(chǎn)的顯著特征之一。根據(jù)歷年來(lái)對(duì)我國(guó)交通事故產(chǎn)生的特點(diǎn)分析可知，混合交通條件下發(fā)生的交通事故占總數(shù)的55.9%，同時(shí)還是主要的死因（占67.2%）；當(dāng)混合交通且缺少交通控制時(shí)，造成的交通事故占總數(shù)的50.8%；死亡人數(shù)占62.4%。混合交通的存在，致使交通流量運(yùn)行復(fù)雜化。對(duì)露天礦而言，所謂混合交通特指車速較高的小型汽車與車速較低的大型汽車所組成的交通，即行駛車輛之間存在的“速度差”。交叉口匯聚了不不同方向的交通流，當(dāng)混合交通流進(jìn)

15、入道路交叉口時(shí)，會(huì)產(chǎn)生分流點(diǎn)、沖突點(diǎn)和合流點(diǎn)，這些特征點(diǎn)的存在，直接影響著交叉口的通行能力。從直覺上看速度和事故的關(guān)系就是速度越高，事故越多、嚴(yán)重性越大，但是它們之間并不是簡(jiǎn)單的線性關(guān)系。1964年大衛(wèi)·所羅門在60km/h公路上對(duì)10000名駕駛員進(jìn)行觀測(cè)，得出了呈“U”型的事故率與車速之間的關(guān)系曲線。車速在平均車速附近時(shí)，事故率低，遠(yuǎn)離平均速度時(shí)事故率高，從而得出了速度的離散性對(duì)交通事故的影響；路易斯安那大學(xué)孫小端教授曾在京津塘高速公路安全評(píng)價(jià)中指出速度差已經(jīng)成為我國(guó)高速公路安全的一個(gè)共性的問題，可見速度的離散性對(duì)高速公路安全的影響值得進(jìn)行研究。 表3-1 國(guó)內(nèi)九條高速均速及事故

16、率統(tǒng)計(jì) 圖3-1 車速標(biāo)準(zhǔn)差-事故率散點(diǎn)分布圖 由上圖可知，事故率與速度標(biāo)準(zhǔn)差呈正相關(guān)性分布，即隨著速度標(biāo)準(zhǔn)差的增加，事故率不斷增大。但從表觀上尚不能確定其屬何種函數(shù)分布。 為此，對(duì)表3-1數(shù)據(jù)分別進(jìn)行線性、指數(shù)和對(duì)數(shù)回歸分析。其模型的標(biāo)定及參數(shù)如表3-2所示。 表3-2 模型回歸參數(shù)表 相應(yīng)的線性、指數(shù)以及對(duì)數(shù)模型分別如下：模型1：AR = 4.532 + 0.496 * DIF (3.1)常數(shù)項(xiàng)顯著水平值為SigF = 0.042，自變量的顯著水平值為0.001，模型判定系數(shù)R2 = 0.93163。模型2：AR = 8.808 * e0.025*DIF （3.2）常數(shù)項(xiàng)顯著水平值為Sig

17、F = 0.002，自變量的顯著水平值為0.007，模型的判定系數(shù)R2= 0.87273。模型3： AR = -35.472 + 16.435 * ln（DIF） (3.3)常數(shù)項(xiàng)的顯著水平SigF=0.001，自變量的顯著水平值為SigF=0， 模型的判定系數(shù)R2=0.97294。 三種模型最終的擬合結(jié)果如圖所示： 圖3-2 各類模型擬合結(jié)果圖 由于指數(shù)模型的擬合優(yōu)度最高，故取用指數(shù)模型。在1215端幫路，礦用重型卡車車速保守估計(jì)約為20km/h，指揮車保持常規(guī)速度40km/h，其他車輛一并計(jì)入指揮車集合。按照第一節(jié)數(shù)據(jù)，有Vavg = 1239630*20+（1812048-1239630

18、）*40/1812048 = 26.32km/h，DIF = 9.3km/h，AR = 1.18。但值得注意的是，高速公路中運(yùn)輸卡車與小汽車比例約為1:13，事故發(fā)生率約為1:2。換言之，占交通總量7.14%的運(yùn)輸卡車產(chǎn)生的事故約為全部事故總數(shù)的33.33%。直觀上的理解即為：高速公路運(yùn)行中，1輛運(yùn)輸卡車與6.5輛小汽車發(fā)生事故的概率相當(dāng)。這一點(diǎn)對(duì)考慮交叉路口事故率尤為重要。為此引入車輛折算系數(shù)PCE。將總交通量中各類車輛交通量換算成標(biāo)準(zhǔn)車型交通量之和定義為當(dāng)量交通量，也稱標(biāo)準(zhǔn)車當(dāng)量；PCE(Passenger Car Equivalents)即是將某類型的1輛車換算成為標(biāo)準(zhǔn)車輛的輛數(shù)。公路工

19、程技術(shù)標(biāo)準(zhǔn)中各類車型的PCE系數(shù)如下表所示（以小汽車為標(biāo)準(zhǔn)車型）： 表3-3 各類車型折算系數(shù)表PCE系數(shù)主要與該種車型占用道路資源的大小有關(guān)。露天礦上煤車型主要為小松630E(154t)，剝離卡車從730E至930E(290t)不等。按照噸位及線性尺寸比例，盲區(qū)范圍等因素，初步確定礦用重型卡車PCE = 25。取小汽車為標(biāo)準(zhǔn)車型，DIF = 9.3km/h條件下，公路運(yùn)輸卡車PCE取2.5，當(dāng)量交通量為億車公里時(shí)，AR = 1.066。1215端幫路的年當(dāng)量車流量為31363168車次/年，按照最近月份的綜合運(yùn)距S = 3.523km計(jì)算， 當(dāng)量交通量為1.11億車公里，事故率約為1.17次

20、/年。 第四節(jié) 出入口密度對(duì)交通安全的影響 根據(jù)一級(jí)公路出入口密度對(duì)交通安全的影響所述：1、 出入口處為事故多發(fā)段，且事故率為基本路段的5-6倍；2、 側(cè)向相撞、同向相撞及尾隨相撞為事故的三大主要類型，三者之和占整個(gè)事故樣本的75%左右，且造成的損失比例也較大。 通過對(duì)出入口密度進(jìn)行研究，定義： 出入口密度 M=G/L。 式中： M-出入口密度（個(gè)/Km） G-路段內(nèi)有效出入口個(gè)數(shù) L-路段長(zhǎng)度（Km）該論文中一方面使用單因素方差分析法，對(duì)各路段事故進(jìn)行出入口因素的顯著性分析，另一方面依據(jù)出入口當(dāng)量與事故率的散點(diǎn)圖進(jìn)行回歸，得到出入口密度與事故率的線性關(guān)系：億車公里事故率 Y=0.1728*M

21、+0.1451 （4.1）線性關(guān)系顯著。公式中，具體系數(shù)因由國(guó)內(nèi)一級(jí)公路交叉口得出，目前并不適合直接用于估計(jì)露天礦采剝運(yùn)輸系統(tǒng)。但有一點(diǎn)可以肯定的是，事故率隨出入口密度增加呈上升趨勢(shì)。為使公式符合露天礦交通特點(diǎn)，借用第三節(jié)車輛折算系數(shù)PCE概念，將公式中系數(shù)按照1.15:1進(jìn)行放大，得到Y(jié) = 0.19872 * M + 0.1451 (4.2)按照1215端幫路出入口密度5個(gè)/km計(jì)算，得1215端幫億車公里事故率為1.14次/年，與第三節(jié)計(jì)算結(jié)果誤差為2.6%，基本可以認(rèn)定為一致性結(jié)果。以08年至14年黑岱溝露天煤礦為例，隨破碎站移設(shè)以及坑線布置趨于密集，卡車事故發(fā)生的頻率以及嚴(yán)重性逐年上

22、升。如何布置運(yùn)輸坑線，在不增加運(yùn)距的前提下減少出入口密度，控制交叉路口車流量，對(duì)于保障安全生產(chǎn)意義重大。 第五節(jié) 人因工程與露天礦運(yùn)輸安全管理司機(jī)對(duì)周遭的狀況掌握，幾乎都以視力為主，其他的感官知覺皆為輔助，一旦視力減弱或喪失，危險(xiǎn)發(fā)生的幾率當(dāng)然相對(duì)的提高。一般除了燈光照射偏高（例如遠(yuǎn)燈）或正巧行駛至上坡頂端的瞬間外，低燈（或近燈）不至于產(chǎn)生?；?。而高燈（或遠(yuǎn)燈），尤其在郊區(qū)道路周圍燈光昏暗的環(huán)境中，經(jīng)常使對(duì)向來(lái)車駕駛?cè)藛T產(chǎn)生更長(zhǎng)的?；髸r(shí)間，使駕駛?cè)似x車道，容易發(fā)生事故。長(zhǎng)期夜間運(yùn)行，頻繁會(huì)車產(chǎn)生的眩光，更會(huì)加速駕駛員的疲勞度提高，甚至直接導(dǎo)致瞌睡。法國(guó)國(guó)家警察總署交通事故報(bào)告表明，因疲勞瞌睡而發(fā)生車禍的，占人身傷害事故的14.9%，占死亡事故的20.6%。據(jù)世界衛(wèi)生組織的事故調(diào)查顯示，世界范圍內(nèi)由駕