浙江省二級加寬公路安全統(tǒng)計建模研究

陳宏飛 王雪松

摘 要：為提升浙江省二級加寬公路安全管理水平，選取全省115個二級加寬公路典型路段，對這些路段的14個自變量和3個因變量進(jìn)行了統(tǒng)計建模分析。建立了負(fù)二項回歸事故統(tǒng)計模型，探討自變量和因變量之間的相關(guān)性和相關(guān)程度。基于安全可提高空間法，建立了二級加寬公路的事故多發(fā)路段判別模型。本研究是省級事故統(tǒng)計建模的有益嘗試，對進(jìn)一步開展定量化、專業(yè)化的安全管理具有積極意義。

關(guān)鍵詞：二級加寬公路；事故統(tǒng)計模型；事故多發(fā)路段判別；安全可提高空間法

Study of the safety of second grade highways in Zhejiang Province

CHEN Hongfei1，WANG Xuesong2

（1. Traffic Administration Bureau of Zhejiang Provincial Public Security Department，Hangzhou310016，China；2. School of transportation engineering，Tongji University，Shanghai201804，China）

Abstract： In order to improve the safety management level of secondary widened highways in Zhejiang Province， 115 typical sections of secondary widened roads in the province were selected and data analysis was conducted on 14 independent variables and 3 dependent variables. A statistical model of negative binomial regression accident was established to explore the correlation and degree of correlation between the independent and dependent variables. Based on the method of potential for safety improvement， an identification model of accident-prone sections for secondary widened roads was established.

Keywords： Second grade widening highway；crash statistical model；identification of crash-prone locations；potential of safety improvement method

二級加寬公路是特定歷史條件下的產(chǎn)物，采用了設(shè)計規(guī)范體系以外的設(shè)計標(biāo)準(zhǔn)，在原有二級公路設(shè)計的基礎(chǔ)上簡單地增加車道。較好的線形和寬闊的路面給駕駛?cè)丝梢钥焖傩熊嚨腻e誤信息，與其車種復(fù)雜、人車混行、橫向干擾大的實際情況反差極大[1]。根據(jù)浙江省2015—2017年二級加寬公路交通事故統(tǒng)計，年公里死亡人數(shù)較一級公路高200%，較二級公路高314%，其余各項安全指標(biāo)也遠(yuǎn)高于省內(nèi)其他道路同期水平，交通安全問題十分突出。由于存在突出的安全問題，浙江省在公路新建、改建時已不再采用二級加寬公路技術(shù)標(biāo)準(zhǔn)，但全省二級加寬公路的存量仍很大。對現(xiàn)有二級加寬公路進(jìn)行科學(xué)的安全評價，分析可提高安全空間，有的放矢、按照輕重緩急進(jìn)行整改優(yōu)化，實現(xiàn)效率和安全雙統(tǒng)一，是解決當(dāng)前二級加寬道路突出問題的有效路徑。

1二級加寬公路基本情況

二級加寬公路是現(xiàn)行標(biāo)準(zhǔn)體系以外的存在。這類公路通行能力介于一級公路和二級公路之間，大部分設(shè)計指標(biāo)和二級公路接近或等同，但設(shè)有多條車道，在浙江省被稱為“二級加寬公路”，在其他地區(qū)也有“超二級公路”“寬二級公路”等不同叫法[2]。根據(jù)實踐經(jīng)驗，二級加寬公路的典型路基寬度為15.5m（見圖1），18m和22m的也較為常見，其余不同路基寬度的二級加寬公路的橫斷面布置，一般參照其所臨近的典型路基寬度，區(qū)別在于車道和硬路肩寬度不同。所以，二級加寬公路具體形態(tài)大致為：雙向四車道公路，也有極少量雙向六車道的公路，一般都未設(shè)置中央分隔帶（見圖2），有中央護(hù)欄的一般都為后期增設(shè)（見圖3）。

由于這類公路初始不設(shè)中間帶，部分公路沒有硬路肩或硬路肩寬度不足，導(dǎo)致行車很不規(guī)范，汽車越過中心線超車、非機動車侵占機動車道、行人隨意橫穿公路的情況經(jīng)常發(fā)生，事故普遍高發(fā)[2]。

2二級加寬公路事故建模

2.1 數(shù)據(jù)收集

本次數(shù)據(jù)收集選取了浙江省二級加寬公路的部分路段。單個路段最短不低于500米，最長不超過10公里，保證單個路段在同一行政區(qū)劃內(nèi)，道路流量相近，橫斷面和隔離設(shè)施等基本情況相同。對于事故和流量信息無法完整獲取的路段不予選取。根據(jù)上述原則，共在全省范圍內(nèi)選取了115個路段，其中最長路段9.906km，最短路段0.5km，平均長度3.628Km，總計里程417.277km，占全省二級加寬公路總里程的20.86%。

2.2 數(shù)據(jù)定義

為分析浙江省二級加寬公路交通事故特征，以浙江省內(nèi)115個二級加寬公路典型路段2017—2019年發(fā)生的38708起交通事故為研究對象，研究道路條件、設(shè)施條件、交通條件及沿線土地利用情況對交通事故起數(shù)、死亡人數(shù)、受傷人數(shù)的影響分析。本文從以上四個方面，選取影響因素14項，各影響因素的定義與表達(dá)如表1所示。

2.3數(shù)據(jù)分析

對道路行政等級、中央有無物理隔離、中央隔離類型、機非有無物理隔離、機非隔離類型、設(shè)計速度、限制速度、速度關(guān)系等8個非連續(xù)變量和交通事故起數(shù)、死亡人數(shù)、受傷人數(shù)進(jìn)行齊方差分析，并使用Kruskal-Wallis、MannWhitney 方法進(jìn)行非參數(shù)檢驗。

對路段長度、斷面寬度、路段流量、燈控交叉口密度、非燈控交叉口密度、沿線村莊密度等6個連續(xù)變量和交通事故起數(shù)、死亡人數(shù)、受傷人數(shù)進(jìn)行Pearson相關(guān)分析。

2.4模型構(gòu)建

其中，yiexp為路段i的事故期望值，也是與路段i具有相同道路交通特征地點的事故期望值。變量X1是影響交通事故的因素，β1是變量X1對應(yīng)的系數(shù)，α為負(fù)二項模型的離散系數(shù)。

2.5模型求解

2.5.1事故起數(shù)模型求解

本文采用逐步后退法選取變量，最初選入模型的變量一共包括 14個，根據(jù)顯著性水平（p<0.05）的檢驗，最終逐步回歸選取事故起數(shù)顯著性變量包括路段長度、中央隔離設(shè)施類型、設(shè)計速度和沿線信號交叉口密度四項。通過負(fù)二項回歸分析，得到結(jié)果如表2、表3所示。

式中：X1代表路段長度，X2 代表路段設(shè)計速度，X3代表沿線信號交叉口密度，X4代表中央隔離設(shè)施類型。

2.5.2死亡人數(shù)模型求解

同理根據(jù)顯著性水平（p<0.05）的檢驗，通過逐步回歸法選取的死亡人數(shù)顯著性變量包括路段長度、是否具有中央隔離設(shè)施、是否具有機非隔離設(shè)施三項。通過負(fù)二項回歸分析，得到結(jié)果如表4，表5所示。

式中：X1代表路段長度，X2代表是否具有中央物理隔離設(shè)施，X3代表是否具有機非物理隔離設(shè)施。

2.5.3受傷人數(shù)模型求解

同理根據(jù)顯著性水平（p<0.05）的檢驗，最終逐步回歸選取受傷人數(shù)顯著性變量包括路段長度、路段設(shè)計速度、沿線信號交叉口密度三項。通過負(fù)二項回歸分析，得到結(jié)果如表6、表7所示。

式中：X1代表沿線信號交叉口密度，X2代表路段長度，X3代表設(shè)計速度。

3事故多發(fā)路段判別

3.1 事故多發(fā)路段判別方法

事故絕對數(shù)法直觀明了、簡單易用，而且符合結(jié)果導(dǎo)向的考核模式，因此在實際應(yīng)用中占很大比例。但事故絕對數(shù)法忽略了其他交通因素的影響，判別出的事故多發(fā)路段一般會是交通流量較大的路段或路口，會忽略流量不大但存在設(shè)計隱患、易發(fā)生事故的路段或路口。在絕對數(shù)法的基礎(chǔ)上又衍生出事故率法、等效物損法等方法，雖然一定程度上提高了判別的科學(xué)性，但都無法克服事故數(shù)的隨機波動特性。

利用負(fù)二項回歸計算得到的路段交通事故預(yù)測值是在有限自變量影響下路段事故的期望值，但這個期望值會與路段交通事故的實際觀測值存在一定差異，差異越大說明該路段除負(fù)二項回歸包括的自變量因素外，還存在事故的其他誘發(fā)因素，路段預(yù)計為事故多發(fā)路段，危險性較大，安全可提高空間較大；相反如果交通事故實際觀測值與負(fù)二項回歸分析驗證的事故期望值相差不大，說明路段的事故環(huán)境因素與負(fù)二項回歸的自變量特征緊密聯(lián)系，在當(dāng)前特征情境中，路段的安全可提高空間不大[9]。

由于交通事故的實際觀測值存在較大的波動性，所以在研究中往往通過貝葉斯方法計算事故的估計值，并用估計值代替實際觀測值來計算安全可提高空間。

3.2 交通事故預(yù)測模型

其中，E[r|x]為經(jīng)驗貝葉斯事故預(yù)測數(shù)；E[r]為基于負(fù)二項模型得到的事故期望值，即yiexp。

3.3 事故多發(fā)路段判別

根據(jù)經(jīng)驗貝葉斯交通事故預(yù)測模型對事故起數(shù)計算各個二級加寬公路路段的安全可提高空間，按照事故起數(shù)安全可提高空間降序?qū)β范芜M(jìn)行排序，選取排名前十的路段為事故起數(shù)多發(fā)路段，結(jié)果如表8所示。

同理，各個二級加寬公路路段的死亡人數(shù)安全可提高空間也運用經(jīng)驗貝葉斯交通事故預(yù)測模型進(jìn)行計算。按照死亡人數(shù)安全可提高空間降序?qū)β范芜M(jìn)行排序，選取排名前十的路段為死亡人數(shù)多發(fā)路段，結(jié)果如表9所示。

同理，各個二級加寬公路路段的受傷人數(shù)安全可提高空間按照受傷人數(shù)安全可提高空間降序?qū)β范芜M(jìn)行排序，選取排名前十的路段為受傷人數(shù)多發(fā)路段，結(jié)果如表10所示。

4結(jié)語

本文以浙江省二級加寬公路的典型道路為研究對象，在全省共選取典型路段115個，通過查詢設(shè)計資料、調(diào)取系統(tǒng)數(shù)據(jù)、現(xiàn)場勘查詢問等方式收集了道路條件、設(shè)施條件、交通條件、沿線土地利用情況和交通事故等5個方面共17個指標(biāo)的數(shù)據(jù)。通過負(fù)二項回歸分析了道路行政等級等14個自變量和事故起數(shù)、死亡人數(shù)、受傷人數(shù)3個因變量的關(guān)系，分別構(gòu)建了事故起數(shù)、死亡人數(shù)、受傷人數(shù)三個事故分析模型。首次在浙江省采用安全可提高空間法對二級加寬公路交通事故多發(fā)路段進(jìn)行判別，對115個典型路段從事故起數(shù)、死亡人數(shù)、受傷人數(shù)三個維度的可提高空間分別進(jìn)行了判別。

參考文獻(xiàn)

[1]蔡果.二級公路成為事故之路的癥結(jié)[J].中國安全科學(xué)學(xué)報，2004，14（11）.

[2]中華人民共和國交通運輸部.公路路線設(shè)計規(guī)范：JTG D20-2006[S].北京：人民交通出版社.2006.

[3]王雪松，宋洋，黃合來，等.基于分層負(fù)二項模型的城郊公路安全影響因素研究[J].中國公路學(xué)報，2014，27（1）：100-106.

[4]Abdel-Aty M A，Radwan A E.Modeling traffic accident occurrence and involvement [J]. Accident Analysis & Prevention，2000，32（5）：633-642.

[5]Shankar V，Mannering F，Barfield W.Effect of roadway geometrics and environmental factors on rural freeway accident frequencies[J]. Accid Anal Prev，1995，27（3）：371-389.

[6]Quddus M A. Modelling area-wide count outcomes with spatial correlation and heterogeneity：An analysis of London crash data[J]. Accident Analysis & Prevention，2008，40（4）：1486-1497.

[7]Amoros E，Martin J L，Laumon B. Comparison of road crashes incidence and severity between some French counties[J]. Accident Analysis and Prevention，2003，35（4）：537-547.

[8]Chang L Y. Analysis of freeway accident frequencies：Negative binomial regression versus artificial neural network[J]. Safety Science， 2005，43（8）：541-557.

[9]樊天翔，王雪松. 城市主干道安全建模與影響因素分析[J]. 交通信息與安全，2016，34（01）.