交通事故的時(shí)空熱點(diǎn)分析

劉堯，王穎志，王立君，張豐*，杜震洪，劉仁義

（1.浙江大學(xué) 浙江省資源與環(huán)境信息系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，浙江杭州310028；2.浙江大學(xué)地理信息科學(xué)研究所，浙江 杭州310027；3.浙江警察學(xué)院 交通管理工程系，浙江 杭州310053）

近年來(lái)，隨著我國(guó)城市化進(jìn)程的加快，機(jī)動(dòng)化水平不斷提高，機(jī)動(dòng)車保有量和駕駛員人數(shù)不斷增加，城市的交通安全問(wèn)題日益突出。我國(guó)是世界上交通事故發(fā)生最多的國(guó)家之一[1]，交通安全不容樂(lè)觀，1990年交通事故成為我國(guó)意外死亡的第10大因素，2010年超過(guò)癌癥，排第4，2013上升至第3[2]。在我國(guó)，交通事故已成為威脅人身安全、造成經(jīng)濟(jì)損失的重要因素之一，采取行之有效的措施降低交通事故的發(fā)生，對(duì)社會(huì)的穩(wěn)定與發(fā)展具有重要意義。

國(guó)外學(xué)者早在20世紀(jì)70年代就開(kāi)始研究交通事故的高發(fā)點(diǎn)，國(guó)內(nèi)的研究大致起步于20世紀(jì)90年代，但發(fā)展迅速，目前交通事故已成為公共安全領(lǐng)域的研究熱點(diǎn)之一，主要分析方法有數(shù)理統(tǒng)計(jì)方法[3-6]和空間統(tǒng)計(jì)方法[7-10]。例如，OKABE 等[11]系統(tǒng)闡述了Voronoi 圖、網(wǎng)絡(luò)核密度估計(jì)、網(wǎng)絡(luò)Huff模型等方法，并用來(lái)分析道路網(wǎng)絡(luò)上發(fā)生的事件；郭曉魁等[12]運(yùn)用核密度估計(jì)原理和數(shù)理統(tǒng)計(jì)方法對(duì)不同時(shí)段、季節(jié)的交通事故進(jìn)行了分析，得到了城郊公路交通事故的時(shí)空分布規(guī)律；朱杰等[13]用統(tǒng)計(jì)方法分析了城市交通事故在不同道路實(shí)體上的時(shí)空分布規(guī)律，采用基于網(wǎng)絡(luò)的核密度估計(jì)方法分析了事故易發(fā)點(diǎn)；聶可等[14]的研究表明，網(wǎng)絡(luò)核密度估計(jì)法可直觀體現(xiàn)交通事故沿城市路網(wǎng)的聚類模式，對(duì)核密度估計(jì)結(jié)果進(jìn)行局部Moran’s I 統(tǒng)計(jì)，能夠鑒別交通事故的易發(fā)路段。總體而言，現(xiàn)有的研究在交通事故的時(shí)空分析上取得了一系列成果，但將時(shí)空屬性納入統(tǒng)一分析過(guò)程的研究相對(duì)較少，因此往往無(wú)法具體把握交通事故的時(shí)空分布特征。

本研究以H市2013―2015年3 a的交通事故數(shù)據(jù)為研究對(duì)象，根據(jù)自組織神經(jīng)網(wǎng)絡(luò)、平行坐標(biāo)系、時(shí)空顏色矩陣和時(shí)空網(wǎng)絡(luò)核密度估計(jì)、熱點(diǎn)分析法分別從行政區(qū)劃以及道路網(wǎng)絡(luò)上進(jìn)行交通事故時(shí)空特征分析，以期從宏觀和微觀角度揭示交通事故的時(shí)空熱點(diǎn)區(qū)域，準(zhǔn)確確定交通事故時(shí)空熱點(diǎn)路段的范圍與邊界，為交通事故的分析提供新的視角，也為該市的交通安全整治工作提供科學(xué)依據(jù)。

1 研究方法

1.1 自組織神經(jīng)網(wǎng)絡(luò)

自組織神經(jīng)網(wǎng)絡(luò)[15]（self-organizing map，SOM）是一種非監(jiān)督神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，通過(guò)自適應(yīng)的學(xué)習(xí)競(jìng)爭(zhēng)可以進(jìn)行數(shù)據(jù)的聚類劃分，由于其引入了具有拓?fù)潢P(guān)系的鄰域函數(shù)，較傳統(tǒng)的K-means 等聚類算法受初值影響小[16]，結(jié)果較為穩(wěn)定。自組織神經(jīng)網(wǎng)絡(luò)中每個(gè)輸入層神經(jīng)元都與所有的輸出層神經(jīng)元相連，連接的權(quán)值為wij，計(jì)算方法為：首先將權(quán)值wij隨機(jī)初始化，并令迭代次數(shù)為0，然后隨機(jī)加入輸入向量x，并計(jì)算輸入向量x與輸出層神經(jīng)元j之間的距離dj，選擇與輸入向量x距離最小的輸出層神經(jīng)元作為獲勝神經(jīng)元，最后更新獲勝神經(jīng)元及其領(lǐng)域內(nèi)其他神經(jīng)元的連接權(quán)值，完成之后增加迭代次數(shù)，重復(fù)以上操作，直到達(dá)到最大迭代次數(shù)時(shí)聚類結(jié)束，其計(jì)算公式如下：

式(1）～（3)中，dj為輸入向量與輸出層神經(jīng)元j之間的距離，m為輸入層神經(jīng)元個(gè)數(shù)，xi為第i個(gè)輸入向量，wij為第i個(gè)輸入層神經(jīng)元與第j個(gè)輸出層神經(jīng)元的網(wǎng)絡(luò)連接權(quán)值，t為迭代次數(shù)，α(t)為學(xué)習(xí)速率。

1.2 時(shí)空網(wǎng)絡(luò)核密度估計(jì)原理

核密度估計(jì)原理[17-18]（kernel density estimation,KDE）的基本思想：認(rèn)為某一點(diǎn)處的密度值大小與該點(diǎn)一定范圍內(nèi)所包含的數(shù)據(jù)點(diǎn)有關(guān)。時(shí)空網(wǎng)絡(luò)核密度估計(jì)原理是在核密度估計(jì)原理的基礎(chǔ)上，用網(wǎng)絡(luò)距離代替歐氏距離，基本分析單元由空間子路段拓展為時(shí)空子路段形成。如圖1所示，其搜索區(qū)域不再是以核中心為圓心，以寬窗為半徑的圓形區(qū)域（虛線圓表示），而是以核中心為起始點(diǎn)，以寬窗為長(zhǎng)度極限所能到達(dá)的所有道路的線段范圍（加粗線表示），其公式為

1.3 熱點(diǎn)分析法

空間統(tǒng)計(jì)方法主要有空間自相關(guān)法（Global Moran's I）[19]，高/低聚類法（Getis-Ord General G）[20]，聚類和異常值分析法（Anselin Local Moran's I）[21]，熱點(diǎn)分析法（Getis-Ord Gi*）[22]等。其中熱點(diǎn)分析法非常適合犯罪、流行病學(xué)、投票模式、經(jīng)濟(jì)地理學(xué)、零售、交通事故分析以及人口統(tǒng)計(jì)學(xué)分析[23]。熱點(diǎn)分析法計(jì)算研究區(qū)域中每個(gè)要素的Getis-Ord Gi*統(tǒng)計(jì)，其原理是查看每一要素，計(jì)算每個(gè)要素及其相鄰要素的局部總和并與所有要素的總和進(jìn)行比較，當(dāng)局部總和與預(yù)期的局部總和差距較大，無(wú)法成為隨機(jī)產(chǎn)生的結(jié)果時(shí)，會(huì)產(chǎn)生一個(gè)具有顯著統(tǒng)計(jì)學(xué)意義的z得分。正值z(mì)得分越高，高值（熱點(diǎn)）的聚類就越緊密；負(fù)值z(mì)得分越低，低值（冷點(diǎn)）的聚類就越緊密，其計(jì)算公式為：

圖1 時(shí)空網(wǎng)絡(luò)核密度估計(jì)原理Fig.1 Principle of spatial-temporal network kernel density estimation

式(5）～（7)中，xj為要素j的屬性值，wi,j為要素i與要素j的空間權(quán)重，n為要素總數(shù)，G*i為z得分。

2 實(shí)例分析

2.1 研究區(qū)域概況與數(shù)據(jù)

2.1.1 研究區(qū)域概況

H市下轄8個(gè)鎮(zhèn)、4個(gè)街道，共有161個(gè)行政村、64個(gè)社區(qū)。本研究使用的數(shù)據(jù)包括交通事故數(shù)據(jù)與道路交通網(wǎng)絡(luò)數(shù)據(jù)，如圖2所示。交通事故數(shù)據(jù)來(lái)自該市2013—2015年3 a的交通事故記錄，共計(jì)176 897 條。每條交通事故記錄包含6 大類屬性，分別為基本屬性、時(shí)間屬性、位置屬性、天氣屬性、道路屬性以及事故評(píng)價(jià)屬性。道路交通網(wǎng)絡(luò)數(shù)據(jù)來(lái)自經(jīng)該市行政邊界裁剪的openstreetmap（OSM）2017年的矢量路網(wǎng)數(shù)據(jù)。為了盡可能地還原真實(shí)路網(wǎng)情況，裁剪后的道路交通網(wǎng)絡(luò)數(shù)據(jù)還需根據(jù)高精度的遙感影像數(shù)據(jù)進(jìn)行人工補(bǔ)全和細(xì)化，共計(jì)11 270 條路段。

圖2 H市交通事故數(shù)據(jù)與道路交通網(wǎng)絡(luò)數(shù)據(jù)Fig.2 Traffic accident data and traffic network data in H city

2.1.2 數(shù)據(jù)預(yù)處理

交通事故記錄是由交通安全管理部門在事故發(fā)生地記錄而來(lái)，由于人為記錄的不完善和采集儀器誤差，數(shù)據(jù)中難免出現(xiàn)空值和錯(cuò)誤，因此，需要進(jìn)行數(shù)據(jù)清洗，根據(jù)實(shí)際情況共刪除13 503 條包含空值的數(shù)據(jù)，修正2 089 條存在錯(cuò)誤的數(shù)據(jù)，剩余實(shí)驗(yàn)數(shù)據(jù)163 394 條。

圖3 路網(wǎng)匹配原理Fig.3 Road network matching principle

交通事故數(shù)據(jù)點(diǎn)的空間位置往往并不準(zhǔn)確位于道路網(wǎng)絡(luò)上，如圖2放大區(qū)域所示，因此需要進(jìn)行路網(wǎng)匹配，具體方法如圖3所示。首先對(duì)道路網(wǎng)絡(luò)建立一定寬度（h）的緩沖區(qū)，如果事故點(diǎn)（點(diǎn)A）位于緩沖區(qū)以內(nèi)，則將事故點(diǎn)投影到道路網(wǎng)絡(luò)上（點(diǎn)B）；若事故點(diǎn)（點(diǎn)C）位于緩沖區(qū)以外，則剔除這些偏離過(guò)遠(yuǎn)的數(shù)據(jù)。在實(shí)際操作中，通過(guò)統(tǒng)計(jì)使緩沖區(qū)包含80%的數(shù)據(jù)點(diǎn)，設(shè)置緩沖區(qū)寬度為44 m，將130 715條交通事故數(shù)據(jù)匹配到道路網(wǎng)絡(luò)上，刪除其余不在緩沖區(qū)內(nèi)的數(shù)據(jù)。

每起交通事故的嚴(yán)重程度不同，嚴(yán)重程度大的交通事故具有更大的危害性，在分析交通事故的時(shí)空分布規(guī)律時(shí)需考慮交通事故的嚴(yán)重程度，只有這樣才能真實(shí)反映交通事故的實(shí)際分布情況。因此，引入事故嚴(yán)重程度指數(shù)S作為權(quán)重因子，根據(jù)《道路交通事故等級(jí)劃分標(biāo)準(zhǔn)》，交通事故嚴(yán)重程度指數(shù)主要由事故經(jīng)濟(jì)損失值和人員傷亡數(shù)量來(lái)確定，其公式為

式(8)中，Si表示第i起交通事故的嚴(yán)重程度指數(shù)，A1，A2和A3分別表示死亡人數(shù)、受傷人數(shù)和經(jīng)濟(jì)損失值，W1，W2和W3為權(quán)重系數(shù)，分別設(shè)置為0.5，0.02和1/300 00。

2.2 基于行政區(qū)劃的時(shí)空特征分析

在行政區(qū)劃上，本研究采用自組織神經(jīng)網(wǎng)絡(luò)對(duì)不同等級(jí)的交通事故進(jìn)行聚類劃分，并結(jié)合平行坐標(biāo)系和時(shí)空顏色矩陣分析結(jié)果[24]。首先采用Jenks自然間斷點(diǎn)分級(jí)法確定交通事故嚴(yán)重等級(jí)。Jenks自然間斷點(diǎn)分級(jí)法是基于數(shù)據(jù)中存在的固有自然分組對(duì)分類間隔進(jìn)行識(shí)別的方法，因此可以對(duì)相似的值進(jìn)行最恰當(dāng)?shù)姆诸悾⑶沂垢鞣诸愔g的差異達(dá)到最大化[25]。本研究中根據(jù)交通事故嚴(yán)重程度指數(shù)將交通事故劃分為5類：輕微事故、較輕事故、一般事故、較重事故、嚴(yán)重事故。然后利用自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行聚類分析，輸入向量由不同時(shí)段、不同區(qū)域、不同等級(jí)的交通事故率構(gòu)成，輸入向量在時(shí)間維度上包含一天24 h，分為8個(gè)時(shí)段，在空間上包含H市12個(gè)鎮(zhèn)或街道，輸出層為8個(gè)神經(jīng)元，最大迭代次數(shù)為1 000。圖4(a)～(h)為分層設(shè)色法填充的地圖矩陣，每種顏色代表一種聚類；平行坐標(biāo)系表示每種聚類在不同嚴(yán)重等級(jí)下交通事故率的聚類中心，其橫軸代表不同等級(jí)的交通事故，縱軸代表每km2的交通事故率；時(shí)空顏色矩陣具有多維圖例的作用，表示對(duì)應(yīng)時(shí)間、空間的聚類類別，通過(guò)3種方法的結(jié)合可以直觀表現(xiàn)交通事故熱點(diǎn)區(qū)域在時(shí)間和空間上的演變情況。

圖4 基于行政區(qū)劃的H市交通事故時(shí)空熱點(diǎn)圖Fig.4 Spatial-temporal hotspots map for traffic accidents based on administrative divisions in H city

從圖4的平行坐標(biāo)系中可以看出，整體上看8個(gè)聚類，從聚類1到聚類8 嚴(yán)重程度依次下降，其中聚類1、聚類2、聚類3的5種交通事故率均處于較高水平；聚類4的一般及以下事故率處于較高水平，較重及以上事故率處于較低水平；聚類5的輕微事故率處于較高水平，較輕及以上事故率處于較低水平；聚類6的一般及以下事故率處于較高水平，較重及以上事故率處于較低水平，但整體上小于聚類4；聚類7、聚類8的各種交通事故率均處于較低水平，并且聚類7 略大于聚類8。結(jié)合圖4的平行坐標(biāo)系和時(shí)空顏色矩陣，從地圖矩陣中可以看出，0:00―6:00 全市所有鎮(zhèn)或街道均處于聚類8，說(shuō)明凌晨至黎明時(shí)段全市各類交通事故率均處于最低水平，從全天看，只有C 鎮(zhèn)和H 鎮(zhèn)一直處于聚類8，其他鎮(zhèn)或街道在6:00 以后均有不同變化，說(shuō)明C 鎮(zhèn)和H 鎮(zhèn)交通情況良好，全天各類交通事故率均處于最低水平；A 鎮(zhèn)、B 鎮(zhèn)在6:00―21:00 處于聚類7，D 鎮(zhèn)、E 鎮(zhèn)在6:00―18:00 處于聚類7，說(shuō)明這4個(gè)鎮(zhèn)在白天時(shí)段各類交通事故率均有所上升，D 鎮(zhèn)、E 鎮(zhèn)在進(jìn)入夜晚后有所下降，而A 鎮(zhèn)、B 鎮(zhèn)會(huì)繼續(xù)持續(xù)一段時(shí)間；相較夜晚，F(xiàn) 鎮(zhèn)只在早高峰時(shí)段各類交通事故率有所上升，而G 鎮(zhèn)在早、晚高峰時(shí)段均有所上升；I 街道在6:00―18:00 處于聚類6，說(shuō)明該街道白天與夜晚嚴(yán)重交通事故率變化不大，但一般及以下交通事故率有明顯上升；J 街道在6:00―15:00 處于聚類2，在15:00―18:00 處于聚類1，說(shuō)明J 街道白天時(shí)段，尤其是在晚高峰時(shí)段是全市各類交通事故率最高的區(qū)域；K 街道在6:00―18:00 處于聚類4，是H市中各類交通事故率第2高區(qū)域；L 街道在6:00―19:00與15:00―18:00 處于聚類5，說(shuō)明該區(qū)域在早、晚高峰時(shí)段較輕及以上事故發(fā)生率與夜晚相差不大，但輕微事故發(fā)生率卻顯著上升。整體來(lái)說(shuō)，從時(shí)間上看，白天各類交通事故發(fā)生率高于夜晚，并且在早、晚高峰時(shí)段達(dá)到最高；從空間上看，4個(gè)街道各類交通事故率高于8個(gè)鎮(zhèn)，并且市政府所在地J 街道是各類交通事故率最高的區(qū)域。因此，在H市交通安全整治中應(yīng)著重關(guān)注4個(gè)街道所在的城市中心區(qū)域，尤其是J 街道；各鎮(zhèn)或街道在治理過(guò)程中應(yīng)著重關(guān)注早、晚高峰時(shí)段。

2.3 基于道路網(wǎng)絡(luò)的時(shí)空特征分析

在道路網(wǎng)絡(luò)上，采用時(shí)空網(wǎng)絡(luò)核密度估計(jì)方法進(jìn)行交通事故的時(shí)空分析，由于交通事故是嚴(yán)格約束在道路網(wǎng)絡(luò)上的事件，采用網(wǎng)絡(luò)距離代替歐氏距離可以更好地反映核中心的真實(shí)密度，并且通過(guò)時(shí)間維度的拓展可以反映交通事故在時(shí)間維度的聚集性，因此，有助于具體把握交通事故的時(shí)空分布特征。由時(shí)空網(wǎng)絡(luò)核密度估計(jì)的原理可知，其考量標(biāo)準(zhǔn)為寬窗內(nèi)數(shù)據(jù)點(diǎn)的數(shù)量與距離，這樣勢(shì)必會(huì)在交通事故多發(fā)區(qū)域形成密度熱點(diǎn)，但由于交通事故的嚴(yán)重程度不同，因此將事故嚴(yán)重程度指數(shù)S作為權(quán)重因子，構(gòu)建一種顧及交通事故嚴(yán)重程度的時(shí)空網(wǎng)絡(luò)核密度估計(jì)方法對(duì)交通事故進(jìn)行密度估計(jì)，其計(jì)算公式為：

式(9)和(10)中，λ表示顧及交通事故嚴(yán)重程度的時(shí)空網(wǎng)絡(luò)核密度估計(jì)值，K為高斯核函數(shù)，其余參數(shù)同式(4)。

根據(jù)近似密度與真實(shí)密度的均方誤差最小時(shí)的寬窗為最優(yōu)寬窗的原則進(jìn)行計(jì)算，得到空間寬窗h1為669.4 m，根據(jù)最優(yōu)寬窗的十分之一確定空間步長(zhǎng)為66.94 m。按照空間步長(zhǎng)將11 270 條路段劃分子路段，其中不足空間步長(zhǎng)的部分單獨(dú)作為子路段，最后得到58 414 條子路段。同樣經(jīng)過(guò)計(jì)算得到時(shí)間寬窗h2為0.34 h，空間步長(zhǎng)為0.03 h，考慮到交通事故的現(xiàn)實(shí)情況，將時(shí)間步長(zhǎng)劃分至1 h 以下沒(méi)有現(xiàn)實(shí)意義，因此根據(jù)實(shí)際情況，設(shè)置時(shí)間寬窗h2為3 h，時(shí)間步長(zhǎng)為1 h，最終得到58 414×24 條時(shí)空子路段。然后，分別計(jì)算每條時(shí)空子路段的核密度估計(jì)值，利用ArcScene 實(shí)現(xiàn)可視化顯示，結(jié)果如圖5所示。圖5中，道路交通網(wǎng)絡(luò)的高度代表時(shí)間維度，分為24 h，最底部為0:00―1:00的核密度，最高處為23:00―0:00的核密度。從圖5中可以直觀地看出，交通事故存在明顯的時(shí)空聚集性，但通過(guò)目視判讀的方法無(wú)法有效確定交通事故的嚴(yán)重區(qū)域，尤其是對(duì)于嚴(yán)重區(qū)域邊界的判定存在主觀臆斷性，因此需要對(duì)核密度估計(jì)的結(jié)果進(jìn)行有效的鑒別。

圖5 H市交通事故時(shí)空網(wǎng)絡(luò)核密度估計(jì)圖Fig.5 Spatial-temporal network kernel density estimation map for traffic accidents in H city

統(tǒng)計(jì)所有時(shí)空子路段的核密度估計(jì)值發(fā)現(xiàn)，絕大多數(shù)處于較低水平，僅有少部分處于高水平。在核密度可視化顯示中，高值要素（紅色）會(huì)引起注意，但是該要素可能不是具有顯著統(tǒng)計(jì)學(xué)意義的熱點(diǎn)，要成為具有顯著統(tǒng)計(jì)學(xué)意義的熱點(diǎn)，該要素應(yīng)該具有高值，且應(yīng)該被其他具有高值的要素包圍。本研究采用熱點(diǎn)分析法對(duì)核密度估計(jì)的結(jié)果進(jìn)行鑒別，選取時(shí)空子路段的核密度估計(jì)值作為計(jì)算Getis-Ord Gi*統(tǒng)計(jì)的要素屬性值，選擇置信度為99%的統(tǒng)計(jì)顯著性進(jìn)行空間熱點(diǎn)分析計(jì)算，計(jì)算結(jié)果同樣使用ArcScene 進(jìn)行可視化顯示，結(jié)果如圖6所示。圖6中，采用該市行政區(qū)劃作為地理底圖，方便判斷交通事故熱點(diǎn)位置，交通事故熱點(diǎn)可視化方式不變，縱軸為時(shí)間維度，不同的是圖6中只包含置信度為99%的統(tǒng)計(jì)顯著性的交通事故熱點(diǎn)時(shí)空子路段，其余時(shí)空子路段不再顯示，因此可以清晰準(zhǔn)確地判斷熱點(diǎn)時(shí)空子路段的時(shí)空位置與邊界。

由圖6可知，H市交通事故熱點(diǎn)區(qū)域在空間上呈現(xiàn)明顯的“兩帶一中心”分布，市政府所在的行政中心區(qū)域?yàn)榻煌ㄊ鹿首畲鬅狳c(diǎn)區(qū)域，位于H市東北部，其中心位置交通事故最為嚴(yán)重，嚴(yán)重程度由中心向四周擴(kuò)散并逐漸下降；其余交通事故熱點(diǎn)區(qū)域主要為各鎮(zhèn)或街道的中心區(qū)域，這些熱點(diǎn)區(qū)域主要沿硤?jiān)S線與101 省道分布，形成東西走向的帶狀區(qū)域。可以發(fā)現(xiàn)，行政中心區(qū)域由于結(jié)構(gòu)功能復(fù)雜、社會(huì)資源豐富、生產(chǎn)部門集中等，導(dǎo)致人員、貨物流動(dòng)量大，交通繁忙，是交通事故熱點(diǎn)最突出的區(qū)域；此外，城市主要干道運(yùn)載能力強(qiáng)、車速快、車流量大，導(dǎo)致交通事故熱點(diǎn)區(qū)域多發(fā)于主干道上，并且大多是主干道與行政中心區(qū)域相交的區(qū)域。

同樣由圖6可知，H市交通事故熱點(diǎn)區(qū)域在時(shí)間上呈現(xiàn)明顯的區(qū)域特征分布，結(jié)構(gòu)功能不同的區(qū)域,熱點(diǎn)時(shí)段不同，結(jié)構(gòu)功能相同的區(qū)域,熱點(diǎn)時(shí)段基本一致，具體為：以工業(yè)辦公區(qū)為主的區(qū)域，交通事故熱點(diǎn)出現(xiàn)在9:00 前后的早高峰時(shí)段，如d 區(qū)域東部、h 區(qū)域、o 區(qū)域；以生活住宅區(qū)為主的區(qū)域，交通事故熱點(diǎn)出現(xiàn)在17:00 前后的晚高峰時(shí)段，如d 區(qū)域西部、f 區(qū)域、i 區(qū)域；以商業(yè)消費(fèi)區(qū)為主的區(qū)域，交通事故熱點(diǎn)出現(xiàn)在18:00―21:00的夜晚時(shí)段，如g區(qū)域、k 區(qū)域、m 區(qū)域；此外a 區(qū)域、b 區(qū)域、c 區(qū)域、e 區(qū)域、j 區(qū)域、n 區(qū)域?yàn)樾姓行膮^(qū)域，這些區(qū)域內(nèi)包含多處住宅區(qū)、商業(yè)區(qū)、辦公區(qū)、學(xué)校等，其結(jié)構(gòu)功能復(fù)雜，在9:00和17:00 前后的早晚高峰時(shí)段均出現(xiàn)交通事故熱點(diǎn)。可以發(fā)現(xiàn)，交通事故熱點(diǎn)區(qū)域多為作為“目的地”的區(qū)域，出行人員在早高峰時(shí)段集中前往工業(yè)辦公區(qū)，晚高峰時(shí)段集中前往生活住宅區(qū)，夜晚時(shí)段前往商業(yè)消費(fèi)區(qū)，加大了這些區(qū)域內(nèi)的交通流量，引起交通擁堵、人車混行等不良交通狀態(tài)，更容易發(fā)生交通事故。

圖6 基于道路網(wǎng)絡(luò)的H市交通事故時(shí)空熱點(diǎn)圖Fig.6 Spatial-temporal hotspots map for traffic accidents based on road network in H city

針對(duì)以上分析結(jié)果，在H市交通安全整治工作中應(yīng)著重關(guān)注東北部行政中心區(qū)域以及硤?jiān)S線和101 省道等主要干道，并根據(jù)區(qū)域功能特征分時(shí)段重點(diǎn)整治，加強(qiáng)交通事故熱點(diǎn)路段的疏導(dǎo)與管理，嚴(yán)格規(guī)范機(jī)動(dòng)車與行人的行為，并逐步改善道路環(huán)境，完善道路設(shè)施，減少交通事故的發(fā)生。

3 結(jié) 論

交通事故具有明顯的時(shí)空聚集特性，準(zhǔn)確判斷交通事故的時(shí)空熱點(diǎn)區(qū)域?qū)τ诮煌ò踩喂ぷ饕饬x重大。因此，本研究以H市2013―2015年3 a的交通事故數(shù)據(jù)為研究對(duì)象進(jìn)行分析，結(jié)果表明，H市交通事故在空間上，街道區(qū)域熱點(diǎn)高于鎮(zhèn)區(qū)域熱點(diǎn)，并呈圍繞主要干道聚集、在行政中心區(qū)域形成熱點(diǎn)的模式；在時(shí)間上，早、晚高峰時(shí)段最為嚴(yán)重，夜晚較為輕微，并呈現(xiàn)與區(qū)域特征相關(guān)分布。

在方法選用上，首先結(jié)合自組織神經(jīng)網(wǎng)絡(luò)、平行坐標(biāo)系、時(shí)空顏色矩陣在行政區(qū)劃上分析不同嚴(yán)重等級(jí)交通事故發(fā)生率的聚類模式，通過(guò)3種方法的結(jié)合可以直觀表示交通事故熱點(diǎn)區(qū)域的時(shí)空演變情況；然后構(gòu)建一種顧及交通事故嚴(yán)重程度的時(shí)空網(wǎng)絡(luò)核密度估計(jì)模型，在道路網(wǎng)絡(luò)上對(duì)交通事故進(jìn)行密度估計(jì)，并對(duì)結(jié)果采用Getis-Ord Gi*統(tǒng)計(jì)，在道路網(wǎng)絡(luò)上準(zhǔn)確鑒別了交通事故時(shí)空熱點(diǎn)路段的范圍與邊界。本研究將時(shí)空維度同時(shí)納入考量范圍，有助于具體把握交通事故的時(shí)空分布特征，對(duì)交通安全整治工作提供了更加準(zhǔn)確的依據(jù)。

本研究有助于交通安全管理部門集中精力優(yōu)先解決熱點(diǎn)區(qū)域的交通安全問(wèn)題，形成的分析方法也可應(yīng)用于其他約束在網(wǎng)絡(luò)上的事件，如零售分析、犯罪分析等。但本研究局限于分析交通事故的時(shí)空分布，下一步，將應(yīng)用其他屬性信息，定量分析影響交通事故嚴(yán)重程度的因素，以期對(duì)交通安全整治工作提供更詳細(xì)的依據(jù)。