大型汽車交通死亡事故空間分布規律分析

榮映雪，劉少華

大型汽車交通死亡事故空間分布規律分析

榮映雪，劉少華

（長江大學 地球科學學院，湖北 武漢 430100）

掌握大型汽車交通事故分布規律是交通安全管理的重要基礎。以武漢市為例，應用最近鄰分析法和核密度估計法研究大型汽車交通死亡事故的空間分布模式和主要高發區域，并結合研究區的結構布局分析事故高發原因。結果表明，事故在研究區內分布呈顯著聚集特征，存在多個高發區，將高發區歸納為以下4大類，即路網密集、道路復雜的居民點和商業區，高速公路和高架橋附近，大型重型貨車繁忙的工業園集中區省道和國道，人流車流承載壓力大的主干道。

大型汽車；交通死亡事故；最近鄰分析；核密度估計

由《中國統計年鑒2018》和《中華人民共和國道路交通事故統計年報（2017 年度）》統計，2017全國發生交通事故共203 019起，致死數為63 772人[1]。其中，大型汽車參與的交通事故約3.8萬起，約占18%。大型汽車參與的交通事故致死數約為1.89萬人，占比高達29%，說明大型汽車參與的交通事故往往更容易造成人員死亡，因此，掌握大型汽車交通死亡事故發生分布規律，對預防交通死亡事故的發生具有重要意義。

地理信息系統（Geo-graphic Information System，GIS）相比于傳統的統計分析方法更有優勢。首先GIS的可視化特征可以直觀地展示交通事故空間方位情況，從而能對交通事故多發點有一個總體的把握；另外，GIS空間分析工具有助于從多角度的挖掘事故點的空間分布特性和各事故點間的空間關系[2]。

本文以武漢市2017-04—2018-04的大型汽車死亡交通事故為研究對象，利用ArcGIS軟件，研究事故的空間分布規律，并對事故分布高發區加以分析，供交通管理部門決策時做參考。

1 數據與研究方法

1.1 數據來源

數據來源于湖北省交通安全綜合服務管理平臺（https：//hb.122.gov.cn/#/index）上發布的“互聯網死亡事故負有責任駕駛人公示”，包括每起事故的當事人信息、事故事實、傷亡程度、財產損失、車輛類型、車輛所屬企業、事故認定部門等信息，收集到時間跨度為2017-04—2018-04的288條大型汽車交通死亡事故數據[1]。

1.2 研究方法

通過騰訊地圖得到各點的地理坐標，用ArcGIS通過Add XY Date功能將數據轉成shp格式。利用最近鄰分析法分析事故分布模式，然后通過核密度估計實驗對武漢市大型汽車交通死亡事故高發區域進行分析。

1.2.1 最近鄰分析

最近鄰分析法（Nearest Neighbor Analysis，NNA）中，首先假設在研究區域內，隨機分布的平均距離記為e，然后測量各要素質心之間的距離，最后計算這些距離平均值記為o。令o/e，得出平均最近鄰指數（Nearest Neighbor Index，NNI）。若<1，則表示分布模式趨向于聚集；若>1，那么就表示分布模式趨向于離散，越接近1，就表示隨機的概率越大[3]。

1.2.2 核密度估計法

核密度估計法（Kernel Density Estimation，KDE）認為事件的發生在空間上的位置是任意的，在不同的位置上發生的概率大小不同。核密度估計的思想是在空間上一某點為圓心，統計在半徑內事故發生數量，然后除以該圓的面積[4-5]，則得到點s處的密度表達式，如下所示：

2 武漢市大型汽車交通死亡事故分布規律

2.1 交通事故分布模式

通過使用ArcGIS分析工具下的點距離和空間統計的平均最近鄰分析功能，分別統計整個武漢市288個事故點和繞城高速內179個事故點，結果如表1所示。

表1 武漢市大型汽車交通事故最近鄰分析結果

最大值/m最小值/m平均觀測距離/m預期平均距離/m最鄰近指數Z值得分p值 160 363.3213.452043.063304.580.62﹣12.390

由結果可知，武漢市事故點最近鄰指數為0.62，小于1，表明武漢市大型汽車交通死亡事故點在空間上相互靠近，呈聚集模式。得分表示標準差的倍數，而標準差反映的是數據集的離散程度，||>1.65時，<0.1，置信度為90%；||>2.58時，<0.01，置信度為99%[7]。在結果中的得分為﹣12.393，顯著性水平小于0.01，說明大型汽車交通死亡事故在空間上呈顯著聚集分布。

2.2 大型汽車死亡事故熱點分析

為了更直觀反映大型汽車死亡事故在空間上的分布規律，使其達到可視化要求，需要對交通事故點進行核密度分析，求出事故熱點區域，并對高發區進行分析。

2.2.1 核密度分析結果

為了對比不同像元大小和搜索半徑對核密度估計的影響，本文實驗設計了3項實驗，實驗Ⅰ和實驗Ⅱ都采用 100 m像元大小，分別設定2 000 m和4 000 m搜索半徑，分析搜索半徑結果的影響。實驗Ⅱ和實驗Ⅲ分別設定200 m和500 m的像元大小，均采用4 000 m搜索半徑，分析像元大小對結果的影響。將核密度圖在ArcScene中顯示，如圖1、圖2、圖3所示。

圖1 實驗Ⅰ密度圖

圖2 實驗Ⅱ密度圖

圖3 實驗Ⅲ密度圖

對比圖1與圖2，在相同像元大小情況下，搜索半徑較小的局部變異細節較多，熱點細節展現越豐富，搜索半徑較大，熱點之間會顯示相對平滑，可視化效果好，但是重要細節會缺失。對比圖2和圖3，在搜索半徑相同的情況下，較小的像元，局部細節展現更多，但是計算量大；較小的像元，局部展現較少，但計算量大。

2.2.2 事故高發點分析

對288起事故點進行核密度分析，得到武漢市大型汽車交通死亡熱點區域的中高發區分別為：東西湖區東西湖大道（興工三路至額頭灣立交橋路段）、東吳大道（高橋五路至七雄路段）、高橋五路（東吳大道至聯盟路段）、臨空大道（武川公路經惠安大道至東吳大道段）；硚口區的工農路（額頭灣立交橋至古田二路段）；江漢、江岸區的機場二高速（二環線至三環線姑嫂立交橋段）；三環線（宜秀路經姑嫂立交橋至盤龍立交橋）；青山區青王公路、青化路、21號公路、工人村路；武漢繞城高速黃陂段（臨空南路附近經橫店互通橋至黃陂互通橋段）；黃陂區的黃土公路（釣臺道至木蘭景區段）；國道106新洲段（詹上灣至新洲博物大道段）；新洲陽邏平江大道（漢施公路經陽光大道至外環高速）；洪山區的民族大道、關山大道、白沙洲大道；蔡甸區的興華路、江城大道。

針對這10個高發區，結合武漢的結構布局，將這幾個區域劃分為5類，不同類別間的特征總結如下。

2.2.2.1 第Ⅰ類：路網密集，道路復雜的居民點或商業地區

這一類地區包括東西湖區的東西湖大道、東吳大道、高橋五路、臨空大道。這類事故高發區居民點和商業地區也比較集中，人口密集，加上路網密集復雜，十字路口多，司機在駕駛頻繁變道變速，從而導致交通事故的發生。

2.2.2.2 第Ⅱ類高發區：高速公路和高架橋附近

這類地區包括武漢繞城高速和三環線的姑嫂立交橋、盤龍立交橋以及孟家鋪立交附近。三環線與許多道路接通，造成三環線車流量增加，加上三環線整體車速較快，使其成為高發區。這可能是因為高速公路上司機行駛過快，容易造成群死群傷的惡性事故，且在高速公路上施救難度大，時間緊，易造嚴重堵塞甚至引發二次交通事故，傷亡慘重。

2.2.2.3 第Ⅲ類高發區：大型重型貨車繁忙的工業園集中區、省道和國道

青山區工業園集中，陽邏經濟開發區是華中地區重要物流中心和現代港口工業新城，黃陂區黃土公路沿線側密布砂場、采石場，所涉及的道路青化路、21號公路、工人村路和陽邏的平江大道、106國道、黃土公路（S108）都屬于貨車繁忙路段，重載貨車總是滿載經過。這些道路不堪重負，路面出現大面積塌陷和坑槽病害，即使修補不斷，但超載車輛問題一直未能解決，給道路交通埋下極大的安全隱患。

2.2.2.4 第Ⅳ類高發區：人流車流承載壓力巨大的主干道

這類高發區主要指洪山區的民族大道、關山大道。這類高發區道路道路結構并不復雜，相反民族大道、關山大道這兩條道路都是光谷和江夏之間的主干道，沒有其他道路分擔交通壓力。道路一頭連接著人流量巨大的商圈光谷廣場，而沿線又高校林立，承載所有院校的師生出行，人流車流巨大，導致道路擁堵，極易發生車禍。

3 結語

本文應用平均最近鄰分析法和核密度估計方法得出武漢市大型汽車參與的交通死亡事故的空間分布模式和事故高發區，對幾個高發區進行歸類分析，根據分析結果，結合武漢市未來發展規劃，提出以下建議：①對于路網密集、道路復雜的居民點或商業地區，可以考慮增設道路隔離帶對人和車進行分離，有效調節紅綠燈時長，減少人車混行現象[8]；②在高速公路和高架橋附近，可以加大高速公路和立交橋安全駕駛宣傳與教育力度，對于高速公路特殊路段要增設明顯的誘導標志，起到安全警示作用；③對大型重型貨車繁忙的工業園集中區、省道和國道，加大大型重型貨車的的檢測力度和監管力度，對重點監管車型和重點地區，加大卸載和處罰力度；④人流車流承載壓力巨大的主干道，可通過加快完善道路基礎設施建設，如增加地下軌道交通的建設，分擔城市主干道的壓力。

但由于受調查數據條件的限制，本文缺少交通流水平、燈光條件道路寬度及道路車道數及等變量，這些不足將在后續進行更為詳細的研究。

［1］中華人民共和國國家統計局.2018中國統計年鑒［M］.北京：中國統計出版社，2018.

［2］陸化普，羅圣西，李瑞敏.基于GIS分析的深圳市道路交通事故空間分布特征研究［J］.中國公路學報，2019，32（8）：156-164.

［3］蝦神daxialu.白話空間統計之六［EB/OL］.［2015-08-08］.https://blog.csdn.net/allenlu2008/article/details/47421305，CSDN.

［4］XIE Z X，YAN J.Kernel density estimation of traffic accidents in a network space［J］.Computers，Environment and Urban Systems，2008，32（5）：396-406.

［5］佘冰，朱欣焰，咼維，等.道路網約束下的城市事件空間點模式分析［J］.計算機應用研究，2013（8）：2327-2329.

［6］陳林.交通事故多發位置鑒別方法與實驗研究［D］.武漢：武漢大學，2018.

［7］劉堯.交通事故的時空熱點分析鑒別以及致因因素探究［D］.杭州：浙江大學，2019.

［8］張光南，鐘俏婷，楊清玄.交通違法事故時空分布特征及其影響因素——以廣州為例［J］.交通運輸系統工程與信息，2019（3）：208-214.

2095－6835（2020）24－0112－03

U491.31

A

10.15913/j.cnki.kjycx.2020.24.040

榮映雪（1992—），女，長江大學地球科學學院碩士研究生，主要從事GIS應用研究。

劉少華（1976—），男，博士，長江大學地球科學學院副教授，碩士生導師，主要從事3S技術集成與應用方向的研究。

〔編輯：張思楠〕