基于大數(shù)據(jù)可視化技術(shù)的城市交通事故分析

葉文菁　黃楠木

摘 要：針對(duì)道路交通事故頻發(fā)，城市道路安全面臨巨大挑戰(zhàn)的嚴(yán)峻現(xiàn)狀。本文提出了一種大數(shù)據(jù)可視化技術(shù)的城市道路事故分析模型，從影響交通安全的主要因素出發(fā)，分析挖掘道路交通事故的規(guī)律與特征，為城市道路交通安全工作帶來(lái)新的機(jī)遇，同時(shí)為肅清道路安全隱患提供一定的參考作用與應(yīng)用價(jià)值。研究成果一方面將有利于城市道路交通安全工作，另一方面，將有利于拓展交通惠民應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù)；交通事故；時(shí)空關(guān)聯(lián)性；可視化。

1引言

伴隨著機(jī)動(dòng)車輛數(shù)量的急劇增長(zhǎng)，道路交通壓力日益增加，道路交通事故發(fā)生率不斷升高，交通安全形式日益嚴(yán)峻，人民生命財(cái)產(chǎn)安全與經(jīng)濟(jì)穩(wěn)步快速發(fā)展之間的矛盾成為交通管理部門(mén)亟待解決的難題。

道路交通事故往往是由人、車、道路、環(huán)境等兩種或多種因素共同作用的人或物遭受損失的過(guò)程。鑒于道路交通事故具有多因素性、偶然性和模糊性等特征，因此本文將建立時(shí)空關(guān)聯(lián)的道路交通事故可視化分析模型，以歷史道路交通事故數(shù)據(jù)為樣本，多角度、多層次地分析挖掘引起道路交通事故與各個(gè)因素之間的相關(guān)性，從而揭示出各類型交通事故與影響因素之間潛在的規(guī)律與特征，輔助道路交通安全管理及事故防治。

目前，廈門(mén)交通管理面對(duì)的壓力與挑戰(zhàn)主要為：首先，有限的道路設(shè)施資源無(wú)法滿足人民群眾快速增長(zhǎng)的交通出行需求；其次，道路通行效率與道路安全之間存在尖銳矛盾；再次，繁重的交通保障任務(wù)使得交警警力不足的問(wèn)題日益凸顯。交通安全形勢(shì)不容樂(lè)觀。

2影響道路交通事故的關(guān)鍵因素

道路交通系統(tǒng)是由人、車、道路、環(huán)境等因素構(gòu)成的復(fù)雜動(dòng)態(tài)系統(tǒng)。四種不同類別的因素，在構(gòu)成具有特定功能的道路交通系統(tǒng)整體時(shí)，因素間就產(chǎn)生了互相作用的、不可分離的關(guān)系，任何一種要素的行為或?qū)傩缘淖兓疾辉倬哂歇?dú)立性，而是整體對(duì)道路交通系統(tǒng)產(chǎn)生影響。世界各國(guó)的道路交通事故信息采集，即是通過(guò)各種設(shè)備和技術(shù)手段，圍繞道路交通事故發(fā)生時(shí)的人、車、道路、環(huán)境因素展開(kāi)調(diào)查，并最終形成統(tǒng)一、規(guī)范的道路交通事故數(shù)據(jù)體系的過(guò)程。

分析各影響因素對(duì)道路交通事故的作用規(guī)律和影響機(jī)理，對(duì)構(gòu)建道路交通事故分析體系，提出事故影響因素指標(biāo)具有十分重要的意義。

（1）人的影響因素

在影響交通安全的諸因素中，人是造成交通事故的決定因素。人的因素主要包括：年齡、性別、駕齡等。年齡影響人的感知判斷及操作特性，年輕駕駛?cè)朔磻?yīng)和應(yīng)激能力較強(qiáng)并不代表不易發(fā)生事故。研究顯示，年輕駕駛?cè)笋{駛經(jīng)驗(yàn)不足，駕駛習(xí)慣更為激進(jìn)，因此年輕駕駛?cè)私煌ㄊ鹿事室话愀摺Ｔ谕ǔｑ{駛條件下，男女駕駛?cè)藢?duì)交通狀況的處理能力差別不大，男女駕駛?cè)说男詣e差異對(duì)駕駛行為的影響多數(shù)表現(xiàn)在對(duì)突發(fā)情況的處理和駕駛習(xí)慣上。 駕駛機(jī)動(dòng)車是一項(xiàng)操作技能，駕駛經(jīng)驗(yàn)的累積會(huì)使駕駛操作更適當(dāng)、更準(zhǔn)確、更嫻熟，從而直接影響駕駛安全。研究不同駕齡的交通事故特征，可謂分析不同駕齡駕駛?cè)笋{駛行為、實(shí)施相應(yīng)的安全管理和事故預(yù)防措施提供參考。

（2）道路因素

影響道路交通安全的道路因素包括幾何特征、道路結(jié)構(gòu)和路面以上的全部設(shè)施，如車道數(shù)、道路寬度、坡度。

（3）路況因素

路況對(duì)交通安全也有較大影響，主要包括流量、車速等因素。例如當(dāng)路況較為擁堵時(shí)，容易引發(fā)事故。

（4）環(huán)境因素

環(huán)境也是影響道路交通事故不可忽略的因素之一。自然環(huán)境中，包括晴天、雨、雪、霧、大風(fēng)等天氣情況都會(huì)對(duì)道路安全造成影響。人工環(huán)境中對(duì)交通安全影響較大的主要有土地使用狀況、路側(cè)干擾、障礙物和施工區(qū)等。

3 海量的道路交通事故數(shù)據(jù)的預(yù)處理

對(duì)交通事故數(shù)據(jù)進(jìn)行處理，包含事故位置（道路名稱，經(jīng)度，緯度），事故車輛，時(shí)間以及車輛類型、年齡、性別和司機(jī)等特征。

在本文中，我們使用以下四個(gè)數(shù)據(jù)集對(duì)事故發(fā)生和碰撞類型分析：

（1）dataset_1 包括從2016年7月到2016年12月六個(gè)月的道路交通事故數(shù)據(jù)，共38754條記錄。每個(gè)記錄有112個(gè)字段。

（2）dataset_2 描述事故相關(guān)的車輛和司機(jī)個(gè)人信息，記錄了發(fā)生事故的司機(jī)的年齡、性別、駕齡等。

（3）dataset_3 是廈門(mén)市從2016年7月到2016年12月的天氣預(yù)報(bào)數(shù)據(jù)。

（4）dataset_4 是廈門(mén)的公路網(wǎng)絡(luò)，它包含行政區(qū)、高速公路、城市主要道路，分支道路等。

預(yù)處理階段包括兩個(gè)步驟：

路網(wǎng)的預(yù)處理：首先對(duì)路網(wǎng)進(jìn)行過(guò)濾，提取廈門(mén)市島內(nèi)的主干道、次干道、橋隧以及快速路，以交叉路口為分割點(diǎn)，將其分割為144個(gè)路段。

路口的標(biāo)記：基于處理后的路網(wǎng)信息，對(duì)重要路口進(jìn)行標(biāo)記，提取存在交通信號(hào)控制的路口作為研究對(duì)象，路口以150m為半徑，共標(biāo)記了98個(gè)交通路口。

事故數(shù)據(jù)清洗和預(yù)處理：第一，將三個(gè)原始數(shù)據(jù)集（Dataset_1 Dataset_2和Dataset_3）進(jìn)行融合，過(guò)濾掉無(wú)用的字段，從三個(gè)數(shù)據(jù)集提取15字段。第二，對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)規(guī)約。

4道路交通事故的時(shí)空分析

大數(shù)據(jù)可視化分析旨在利用計(jì)算機(jī)自動(dòng)化分析能力的同時(shí)，充分挖掘人對(duì)于可視化信息的認(rèn)知能力優(yōu)勢(shì)，借助人機(jī)交互式分析方法和交互技術(shù)，將人、機(jī)的各自強(qiáng)項(xiàng)進(jìn)行有機(jī)融合，輔助人們更為直觀和高效地洞悉大數(shù)據(jù)背后的信息、知識(shí)與智慧。大數(shù)據(jù)可視化分析技術(shù)為交通大數(shù)據(jù)分析提供了一種直觀有效的方法。它支持對(duì)結(jié)果的交互式篩選和瀏覽，并將復(fù)雜的交通數(shù)據(jù)及其分析結(jié)果通過(guò)可視化方式直觀地展現(xiàn)出來(lái)。

將大數(shù)據(jù)可視化分析技術(shù)應(yīng)用在道路交通事故的可視化分析中，主要通過(guò)時(shí)間、空間兩個(gè)方面的進(jìn)行，可以從這幾方面找到規(guī)律，如事故的周期性、易發(fā)路段等。此外，在此基礎(chǔ)上將結(jié)合時(shí)間維度與空間維度，對(duì)交通事故進(jìn)行時(shí)空關(guān)聯(lián)的可視化分析，更加深入的了解交通事故的時(shí)空聯(lián)動(dòng)特性，從而保障道路交通安全。

4.1時(shí)間維度可視化

道路交通事故的發(fā)生是復(fù)雜隨機(jī)的，它受到路況、道路特征、天氣等因素共同作用的影響。然而市民出行在時(shí)間上具有較強(qiáng)的規(guī)律性，因此有必要探討交通事故發(fā)生的在時(shí)間維度上的特征，這里針對(duì)廈門(mén)市道路交通事故發(fā)生的時(shí)間與周期性進(jìn)行探討。

圖1為交通事故時(shí)間分布曲線，展示了一天24小時(shí)中交通事故隨時(shí)間的變化規(guī)律，其中紅色代表工作日，綠色代表周末。從圖中不難看出，工作日與周末交通事故分布具有較大差異，圖1左上方的工作日交通事故曲線呈現(xiàn)出明顯的早晚高峰特征，而左下方的周末交通事故分布曲線沒(méi)有明顯的早晚高峰。通過(guò)對(duì)比可以發(fā)現(xiàn)，周末事故高峰期相比于工作日有推遲的現(xiàn)象。究其原因，工作日車輛出行集中在上下班時(shí)段，此時(shí)車流量大、道路擁堵，導(dǎo)致交通事故量增加，而周末車輛出行時(shí)間相比于工作日較晚，且分布相對(duì)均勻。

綜上，交通事故的分布與市民出行規(guī)律、車流量密切相關(guān)，車流量越大，道路越擁堵，交通事故發(fā)生的概率也越大。因此可以在事故高發(fā)時(shí)段加強(qiáng)交通疏導(dǎo)，緩解交通壓力，從而降低事故發(fā)生率。

4.2空間維度可視化

針對(duì)城市的交通事故分析，提取交通事故的重要特征，包括事故點(diǎn)位分布、區(qū)域分布、路段分布以及路口的分布。將地圖按照行政區(qū)域劃分（圖2（b））、路段劃分（圖2（c））以及路口劃分（圖2（d）），并且案件數(shù)量等級(jí)的劃分采用“自然斷點(diǎn)分級(jí)法”（該方法的作用是確保同等級(jí)內(nèi)差異最小，不同等級(jí)間的差異最大），每個(gè)等級(jí)標(biāo)記一種顏色，顏色越深，表示事故量越大。

圖2展示了交通事故在點(diǎn)位、區(qū)域、路段、路口四個(gè)維度上的分布情況，通過(guò)圖2（a）交通事故點(diǎn)位分布，可以從宏觀上了解事故的分布規(guī)律；通過(guò)圖2（b）交通事故行政區(qū)域分布，可以從宏觀上了解事故的行政區(qū)域分布特性，輔助管理單位進(jìn)行警力部署；通過(guò)圖2（c）交通事故路段分布，可以從微觀上了解事故的高發(fā)路段，結(jié)果可為公眾出行進(jìn)行警示，以及改善不合理交通組織；通過(guò)圖2（d）交通事故路口分布，可以從微觀上了解事故的高發(fā)路口，可輔助信號(hào)控制配時(shí)方案的調(diào)優(yōu)。

4.3時(shí)空關(guān)聯(lián)性分析

在時(shí)空關(guān)聯(lián)分析方面，采用圖3的（b）～（g）形式來(lái)分別表示道路一星期、24小時(shí)的交通事故狀況，其呈現(xiàn)方式如同一個(gè)表格。其中行表示星期，7行分別表示一個(gè)星期的7天；列表示小時(shí)，24列分別表示一天的24小時(shí)。每個(gè)單元格表示某一天的某個(gè)小時(shí)發(fā)生交通事故數(shù)量，同樣采用 “自然斷點(diǎn)分級(jí)法”來(lái)進(jìn)行交通事故等級(jí)的劃分，每個(gè)等級(jí)標(biāo)記一種顏色，顏色越深，表示事故量越大。

圖3 選擇的是廈門(mén)市島內(nèi)6 條有代表性的道路。通過(guò)圖3（b）海滄大橋路段，可以得到事故主要發(fā)生在在工作日的早晚高峰；通過(guò)圖3（c） 鷺江道輪渡碼頭路段，可以得到道路交通事故受到周圍旅游景點(diǎn)的影響，主要集中在周末；通過(guò)圖3（d） 同安路路段（臨近兩個(gè)小學(xué)），可以得到事故受到接送孩子上學(xué)的影響，事故多發(fā)時(shí)間為工作日的早上7點(diǎn)至7 點(diǎn)半之間；通過(guò)圖3（e） 呂嶺路路段（交通要道），可以得到全天事故都比較多，事故分布均勻；通過(guò)圖3（f） 金山路路段（臨近萬(wàn)達(dá)商圈），可以得到其事故集中在晚上和周末，與市民出行萬(wàn)達(dá)時(shí)間吻合；通過(guò)圖3（g） 成功大道路段（快速路），可以得到交通事故較少，符合快速路交通事故規(guī)律特性。

5結(jié)論

交通數(shù)據(jù)的可視分析為交通大數(shù)據(jù)分析提供了一種直觀有效的方法，支持將復(fù)雜的交通數(shù)據(jù)及其分析結(jié)果進(jìn)行簡(jiǎn)化、直觀表達(dá)，使結(jié)果更容易被解讀，其具有廣闊的應(yīng)用場(chǎng)景，能夠輔助城市交通更加安全順暢地運(yùn)行。

參考文獻(xiàn)：

[1]孟小峰， 慈祥. 大數(shù)據(jù)管理： 概念、技術(shù)與挑戰(zhàn)[J]. 計(jì)算機(jī)研究與發(fā)展， 2013（1）： 146-169

[2]王祖超， 郭翰琦， 袁曉如. 城市交通的可視分析研究[J]. 中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊， 2013.

[3]王祖超， 袁曉如. 軌跡數(shù)據(jù)可視分析研究[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)， 2015， 01期：9-25.

[4]Xiaoliang Fan， Baoqin He et al.， Big Data Analytics and Visualization with Spatio-Temporal Correlations for Traffic Accidents， The 15th International Conference on Algorithms and Architectures for Parallel Processing （ICA3PP 2015）， Zhangjiajie， China， November 18-20， 2015.