高速公路交通事故與交通流量的定量關系分析

薛瑜鵬，邵玉新，李慶印，孫愛美，黃兆輝，趙軍

(1. 德州市公安局 高速公路交通警察支隊, 山東 德州 253000；2. 山東理工大學 交通與車輛工程學院, 山東 淄博 255049；3.山東同力建設項目管理有限公司 項目管理部，山東 淄博 255000)

隨著高速公路路網建設的日益完善，小型車、中型車、大型車等在高速公路交通流量中的占比愈加復雜，交通事故頻發愈加顯著，交通事故的有效防控成為亟待解決的難題，因此也成為高速公路交通管理部門和專家學者研究的重要領域，目前已取得一定成果。

楊夢蝶等[1]基于VISSIM構建交通事故微觀仿真模型，結果表明通過對高速公路檢測點的累計占有率和累計流量進行分析可以有效研判交通事故的發生概率；孫維富等[2]以我國2006—2013年2 000起高速公路事故數據為基礎，采用支持向量機模型建立高速公路交通事故嚴重程度分類識別模型，多角度、多層次地研究高速公路交通事故與駕駛員、車輛、道路、環境等因素間的關系；牛毅等[3]以2012—2017年浙江省37萬起發生在高速公路的貨車事故數據為樣本，構建從宏觀到微觀關聯規則挖掘流程，實現對浙江省內高速公路貨車交通事故發生時間、事故形態、事故地點(樁號)和事故原因等七類事故影響因素間關聯關系的深層次分析。

國內專家學者對交通事故的研究主要集中在事故發生時段、路段、車輛類型、駕駛員年齡、涉及違法行為等維度[4]。對于交通流量與交通事故之間相關性的研究也僅僅是正相關的定性分析，鮮有普遍適應性的定量研究方法[5]。為定量分析交通事故與車流量之間的關系，本文以德州市高速公路自然交通流量和歷史事故數據為研究對象，通過區分車輛類型，制作事故發生的風險分析表；同時通過標準車流量的轉化對交通流量降維分析，進行建模求解，確定不同高速路段事故高發時的交通流量閾值，為管控交通流量提供理論依據。

1 獲取交通流量數據

1.1 數據多源獲取及預處理

交通事故具有偶發性的特點，為準確研究高速公路發生交通事故和交通流量的關系，本文采用公安部的綜合管控平臺，獲取了事故發生前15 min、30 min和1 h的交通流量數據，并且樣本事故均發生在無互通立交的高速公路封閉路段。考慮到不同機動車類型對交通流量的影響不同，為降低機動車類型對建模結果的影響，僅將機動車劃分為大型車和小型車兩種類型。

本文獲取的數據為2018—2019年德州高速公路境內的全部交通事故數據，每條數據由事故類型、事故發生地點、方向、時間、車輛類型等參數組成，數據來源于公安部綜合管控平臺數據庫；為保證數據的準確性，與德州交警“12123”網上平臺和德州高速支隊匯總的事故數據進行對比，多源數據相互補充。對數據進行預處理，手工插補缺失數據，刪除無效數據，精確比對異常數據，保證了數據質量，得到重點路段事故分析數據2 383條，數據節選見表1。

對2018—2019年德州高速公路境內的全部交通事故數據進行可視化分析，如圖1所示。從圖1可以清楚地看到事故點位，發現濟聊高速、濟南繞城高速的交通事故總量和交通流量均較高。

圖1 數據可視化結果

表1 交通流量數據節選

1.2 維度相關性分析

為判斷3個時段車流量數據和車型比的相關性，對數據有條件取舍，進行降維分析[6]，本文定義的車型比為小型車除以同期車流量的總數。由表2可知，15 min車流量和1 h車流量的相關性(相關系數=0.832)低于15 min車流量和30 min車流量的(相關系數=0.908)，即1 h的車流量變化幅度更大，15 min的車流量更能體現事故發生時的車流量情況，因此，本文選擇15 min車流量。車型比相關性均在0.92以上，實際交通過程中，經常有重型貨車按照車隊行駛，造成階段性車型比例波動較大，本文選擇平均值進行統計分析。

2 事故發生率與交通流量的定性分析

2.1 雙維度散點圖分析

散點圖是分析交通事故的重要技術手段[7]，本文分析繪制了事故多發典型地點的散點圖。

濟聊高速的交通事故發生前15 min車流量散點圖如圖2所示，對于圖2的交通流量和車型比進行分析，發現兩個事故密集區域的范圍是以車流量200輛/(15 min)、車型比0.75為中心的區域和以車流量500 輛/(15 min)、車型比0.92為中心的區域。

圖2 濟聊高速事故前15 min車流量散點圖

濟南繞城高速的交通事故前15 min車流量散點圖如圖3所示，對于圖3的交通流量和車型比進行分析，發現兩個事故密集區域范圍是以車流量600 輛/(15 min)、車型比0.75為中心的區域和以車流量1 000 輛/(15 min)、車型比0.90為中心的區域。

圖3 濟南繞城高速事故前15 min車流量散點圖

表2 相關性矩陣

通過分析更多的散點圖，發現事故高發路段具有同樣的事故發生規律：雖然車流量隨高速公路寬度不同有較大的變化，但是交通事故都相對集中在小型車占比為0.70～0.75和0.90～0.95的兩個范圍內，且當小型車占比為0.70～0.75的時候，事故次數更多。

2.2 事故色階圖分析

色階圖是分析交通事故的另一重要技術手段，本文對多處事故發生地進行了分析。

2.2.1 事故密度色階圖

以濟南繞城高速為例，對縱坐標(車流量)以100輛次為組距，分為0～100、100～200、200～300、…、1 400～1 500共計15個組；對橫坐標(車型比)以0.05為組距進行等分，分為0.2～0.25、0.25～0.3、0.3～0.35、…、0.95～1共計16個組，從而得到15×16的方格矩陣，然后統計方格中散落點個數并進行染色處理，得到了事故發生密度的色階圖，如圖4所示。通過對圖4分析，同樣發現車流量為500～600 輛/(15 min)、車型比為0.7～0.75時，事故次數最多。

2.2.2 事故概率色階圖

將圖4每個方格中的數字除以方格矩陣中事故總數，得到事故發生概率的色階圖，即事故發生概率為每個方格內的事故數除以方格矩陣中事故總數，如圖5所示。通過對圖5分析，發現車流量為500～600 輛/(15 min)、車型比為0.7～0.75時，事故發生概率為8.9%，此時發生事故概率最大。

圖4 事故密度色階圖

圖5 事故概率色階圖

通過分析更多的散點圖，發現事故高發路段具有同樣的事故發生規律，據此對高速公路的事故風險進行預測評估。

3 交通事故與交通流量的定量分析

3.1 建立計算模型

為了方便進行交通事故與交通流量之間的定量分析， 需要根據《交通工程學》[8]的相關理論和 《公路工程技術標準》[9]的國標要求，將大型車換算成標準車流量。標準車流量換算公式為

Ve=VΣPiEi,

(1)

式中：Ve為標準車流量；V為總的自然交通量；Pi是第i類車輛占總交通量的百分比；Ei是第i類車的車輛換算系數。

傳統的交通量調查雖然有車輛折算系數[10]，本文獲取的數據將中型車、大型車和貨運汽車列車統一識別為大型車。實際工作中發現高速公路上6軸的貨運汽車列車占比較大，載質量多為49 t，按照通用標準汽車列車的折算系數“4”來說偏低,不能按照折算表格分類統計。本文根據獲取數據類型進行合理轉換，將小型車以外的所有車型均按照平均折算系數，換算為標準車流量，建立模型為

Ve=aV+(1-a)EV,

(2)

式中：Ve為標準車流量；V為總的自然交通量；a為小型車占比；E為平均折算系數。

通過建模分析，對于高速公路交通事故的預測評估，由交通流量和車型比兩個維度降為標準車流量一個維度。

3.2 確定平均轉換系數

以濟南繞城高速為例，在傳統的車輛折算系數基礎上，本文通過平均折算系數進行數據測算，發現折算系數取值為5.5時，其變異系數(標準差/均值)最小。即當折算系數在5.5時，散點圖中事故點的聚集程度最高，折算系數所對應的變異系數值見表3。

按平均折算系數5.5，推算每起交通事故的標準車流量，對標準車流量下的事故發生率進行密度檢測，并對密度的直方圖進行擬合,曲線如圖6所示，發現擬合的曲線符合正態分布。

圖6 繞城高速交通事故折算流量密度分布和分布曲線

表3 折算系數所對應的變異系數值

3.3 求解交通流量閾值

圖6中，標準車流量下的事故密度分布柱狀圖中最高的為5 000～5 250的范圍區間，而在標準正態分布曲線中，頂點數值為全部數據的均值，因此，將換算系數5.5條件下事故發生的標準流量求均值，得出結果為5 238.327，且處于上述范圍之間，說明結果合理。再將其代入原有自然車流量和小型車占比的散點圖中進行驗證，得到一條上升的曲線穿行兩個事故密集區域，如圖7所示，本文將此均值定義為臨界值(事故飽和流量)。根據正態分布的規律，上下一個標準差的范圍將涵蓋68.2%的事件發生概率，因此得到了標準差為1 285.969的兩條雙黃線的區間，即閾值上限(上警戒線)和閾值下限(下警戒線)。

圖7 上、下警戒線分布圖

通過計算，濟南繞城高速的臨界值(事故飽和流量)為5 238輛/ h，折算系數為5.5。

同理，計算出其他路段的事故飽和流量，見表4，發現不同路段由于限速值、路面寬度等因素，事故飽和流量和平均折算系數有較大不同。

表4 各路段的事故飽和交通流量

4 實際應用與成效

本文研究表明，高速公路事故多發路段的交通流量應該低于閾值下限，以減少事故發生風險。據此，德州市公安局高速公路警察支隊制定了不同高速路段的事故發生風險評價表和事故飽和流量值，管理方式實現了以經驗為主導向以數據為主導的轉變，實踐中德州市公安局高速公路交通警察支隊按照事故風險三級響應機制進行管理：

1)當標準車流量低于閾值下限時，適用常態事故風險綠色響應，加強視頻巡邏，強化重點車輛查控。

2)當標準車流量介于閾值下限和臨界值之間時，啟動事故風險黃色響應，預警信息，強化路面巡邏，收費站間隔放行車輛。

3)當標準車流量高于臨界值時，啟動事故風險紅色響應，封閉遠端互通立交匝道，交警、路政、救援等增派人員不間斷聯動巡邏，交通事故快處快賠，收費站分時段限行重型貨車。

根據統計數據，此成果自2020年3月應用以來，轄區五一、十一、元旦、春節等重大節假日期間的事故發生總量，從2018年節假日期間的日均44.7起，下降到2020年的日均25.9起，下降了42.1%，成效顯著，降低了事故發生風險，具有推廣價值。

5 結束語

本文通過對已有的交通事故和交通流量數據進行分析研究，提出了一種高速公路交通事故與交通流量的定量分析方法，為高速公路交通事故預防的科學決策提供了理論依據；德州市公安局高速公路交通警察支隊根據此理論進行了實際應用，驗證了能夠降低事故發生的概率，證明了這一理論的正確性；該定量分析方法彌補了高速公路基于交通流量因素的事故準確預防的缺失，為今后全省、全國高速公路精準控制交通流量，預防交通事故提供了理論依據。