如何提升氣象災害風險預測準確性

文/圖 四川省氣象服務中心 楊泓 陳云強 鐘雪 胡丹 楊軍 成都信息工程大學 盧軍

川西高原地理氣象環境條件特殊，其所處四川省地跨青藏高原、橫斷山脈、云貴高原、秦巴山地、四川盆地等幾大地貌單元，地勢西高東低，由西北向東南傾斜，地形復雜多樣；且因特殊的地理地質條件，具有極高山峰、低海拔冰川、深壑峽谷、湍急河流、高寒草原等地貌，海拔高差大，氣候立體變化明顯，季節和晝夜溫差大，地質環境典型，地表生態脆弱，故而對公路交通事故影響明顯，極具研究價值。

復雜地質、氣象因素使川西高原高速公路建設技術要求高、運營管理難。四川省交通運輸廳 供圖

目前，國內關于高原地區交通事故與氣象關系的研究較少，高原交通氣象融合研究勢在必行。通過將交通和氣象進行充分融合，對智慧交通氣象服務系統風險進行分析和研究，找出氣象因素與公路交通事件等之間的內在聯系，實現交通氣象風險的分類、分級和精細化、網格化智能分析，能夠為公路交通管理部門及公路使用者的預警監測、決策支撐提供方法和模型的科學基礎。

研究思路方法

針對雨雪天氣對公路交通事故的頻率和嚴重程度的研究表明，降水和公路交通事故的頻率之間存在正相關關系。但受不同地區交通流量及氣象條件的差異影響，氣象條件與交通事故之間的關系不總是線性的；也有一部分研究結果表明，兩者間存在的關系，不僅與氣象因素有關，還與地理因素、時間因素、空間因素存在較大關系。

西北工業大學學者靖連天在《非極端惡劣氣象條件與高速公路交通事故之間的關系研究》中，分析了2010年至2012年西漢高速交通事故與氣象條件之間的關系，研究方法采用了統計整個西漢高速區段內的交通事故與平均氣象條件。

中國氣象局武漢暴雨研究中心學者白永清、何明瓊、劉靜等在《高速公路交通事故與氣象條件的關系研究》中指出，降水與高溫天氣對交通事故有明顯的影響作用。但該文也指出，由于傳統的常規氣象站分布密度太低（G50漢宜高速長度約有280公里，僅建有6個常規氣象觀測站，氣象觀測站密度約為每45公里一個），嚴重影響了交通氣象風險的模型精度與預測準確性。

漢宜高速公路沿線常規氣象站的空間分布

基于上述分析可以看出，傳統氣象觀測站的分布密度不夠，且傳統分析方法主要以整條公路沿線的氣象要素平均值為主，研究局限性較大。在高速途經范圍廣，通達里程長，沿途海拔變化高，地理變化復雜，公路受地理條件、氣象條件的影響巨大的背景下，“十里不同天”，氣象條件可能完全不同。因此，采用整條公路平均氣象要素來分析精度難以達到實際需求，甚至可能得出錯誤結論。基于高速公路精細化分段管理的現實，對整條高速公路進行氣象要素下的交通事故分析，得出整條高速公路的平均交通事故發生率，對高速公路實際生產、運營指導作用不大。

基于四川省氣象局與四川省交通運輸廳路網監測與應急處置中心的工作基礎，川西高原公路交通氣象災害風險智能網格化時空模型與預測機制研究首次將川西高原公路交通氣象災害與氣象智能網格預報結合起來，采用美國哥倫比亞大學統計系羅曉華教授發明的i-score隱變量分析方法來確定主要的時空網格氣象要素，基于支持向量機（SVM）的非對稱樣本空間回歸方法，建立了公路網格級（5公里×5公里）的“氣象要素—交通事故”模型，根據川西高原公路特有的地理復雜、氣象多變特點，川西高原公路交通氣象災害風險智能網格化時空模型與預測機制，為高原地區交通氣象融合的進一步研究打下基礎。

主要研究任務

構建川西高原公路運行時空特征數據庫

基于四川省交通運輸廳路網監測與應急處置中心掌握的歷史數據與觀測檢測方法，以全時段交通歷史數據為基礎，進行公路運行特征分類，分別從空間和時間兩個維度，開展特征網格化分布分析，綜合形成符合公路運行特征的時空分布數據庫和分布圖。通過對川西高原公路基礎設施特征空間分布數據庫和分布圖、運行特征的時空分布數據庫和分布圖進行融合關聯分析，形成公路綜合運行特征時空分布數據庫、分布圖和關聯數據庫、關聯圖。

構建川西高原公路氣象數據與交通災害數據庫

調查掌握川西高原公路交通主要的氣象災害隱患路段基本信息；收集近年來川西高原發生的主要交通事故資料，以及事故發生時附近交通氣象站或者其他氣象站的監測數據。在此基礎上，掌握川西高原公路近年來交通事故數據，并收集與公路相關的交通氣象數據。

建立公路交通事故與時空網格氣象要素的關聯模型

由于氣象因素影響交通事故的作用機理復雜，因此利用交通事故資料和相應的氣象監測數據進行多維度立體數據分析，基于i-score方法高維數據核心因素分析，并基于改進的支持向量機處理非對稱樣本空間的回歸，從而計算川西高原公路交通事故與氣象因素、時間、空間之間的相關關系。

四川日報 何海洋 攝

分析主要致災時空網格氣象要素、影響程度和災害閾值

基于網格化大數據因素影響力分析方法，得出對川西高原地區安全行車影響較大的若干氣象要素，從而得到影響川西高原地區安全行車的幾種主要氣象災害類型、主要致災氣象因子、影響程度，并確定不同氣象災害的閾值。

研究高原地區交通氣象網格化預警預報技術

利用交通氣象站、區域氣象站、探空站、氣象衛星、多普勒雷達等氣象探測資料及交通事故資料，特別是基于中國氣象局推出的智能氣象網格預報服務，研究基于智能網格預報的高原地區交通氣象精細化預警預報技術，通過觀測與預測的氣象信息結合的預測模型，對交通事故發生概率預測預警。

重點技術研究

采集與整理高原公路網格化交通事故大數據

中國氣象局“智能網格預報”產品

在大數據的采集與整理上，有兩個難點，即網格化氣象數據和網格化交通事故數據。2017年，中國氣象局推出空間分辨率達“5公里×5公里”的智能氣象網格預報服務（含歷史數據服務），時間上實現了逐3小時發布未來10天的天氣預報，解決了網格化氣象數據提供的難點。對于網格化交通事故數據，主要通過分析整理歷史數據、規范化采集數據，提供精確到1公里至5公里范圍內的交通事故網格化數據。

網格化時空氣象要素關聯分析

影響川西高原公路氣象的要素有很多，目前的氣象預測研究還難以有效判斷其關鍵核心因素。部分研究成果雖然給出了一些參考，例如地面溫度、濕度、氣壓等，但這些要素具有很強的局限性，在不同的應用環境中，差異很大。為了簡化分析難度，國內外以往的研究通常會以一段公路氣象條件的平均值代替整條公路所有段的氣象值。由于平均值不具有代表性，導致這種大尺度分析的效果很差，構建出的模型的擬合能力不理想。

通過網格化時空預報模型，在時空網格氣象要素中，對于一條普通的公路，假設其網格密度為5公里；時間維度以3小時為刻度，統計觀測節點前置48小時的數據；空間維度以5公里為刻度，統計觀測節點前后左右50公里的數據；氣象要素維度為氣溫、降水、降水相態、風、云量、相對濕度、能見度7種。經計算，密度為5公里的網格大小為44800維度。如果把觀測節點拓展到前后72小時、方圓100公里，那么網格大小則為460800維度。針對如此高維度的數據，必須使用有效地降維方法，找到對交通氣象事故影響最大的要素。

網格化時空預報模型

通過i-score方法，從近5萬維甚至更多維數據中找到影響觀測格點交通事故發生概率最重要的要素，從而避免了復雜的分析與建模。并從高維數據中選擇一部分極小的子集，計算其i-score因子值，從物理意義明顯的i-score因子值中，有效地分辨子集對系統輸出的影響，并確定最主要的影響因子與因子集合，確定其權重。

提高交通事故與時空氣象要素之間的數據分析回歸精度

如何剔除其他因素的影響，建立不同氣象災害的閾值是一個技術難點。為增強支持向量機算法在這種狀況下的回歸性能，研究使用了分段支持向量機回歸的方法。

公路交通迫切地需要應用先進的理論、技術和實驗手段防災減災。四川省交通運輸廳 供圖

首先是針對地形變化特殊分段，對少數樣本進行過抽樣（通過增加分類中少數類樣本的數量來實現樣本均衡），使得抽樣后的樣本數目密度增加，從而提高其在整個回歸中的敏感性。其中過抽樣又分為隨機重取樣與集中重取樣兩種。隨機重取樣就是對少數類樣本隨機重復；集中重取樣是對少數類樣本選擇性重復，只選擇那些處于少數類與多數類邊界之間的值進行重復。之后對于特殊地形區域，生成新的支持向量機回歸模型進行單獨的回歸，從而提高這一區域的擬合效果。

采用支持向量機方法在非對稱樣本空間中的擬合作用示意圖

執行情況評價

確定了交通事故與時空關聯網格的關系

收集匯總了交通歷史數據。分別針對雅西高速、雅康高速、國道318線和國道317線等研究樣本公路，收集匯總公路基礎數據和全時段交通歷史數據，包括全路橋、隧、路面、海拔高度、附屬設施等基礎數據，全時段的全車型流量數據、公路阻斷數據、交通事故數據、地質災害數據等交通歷史數據。

分析了交通運行特征分布。針對上述研究樣本公路、以公路基礎數據和歷史數據為基礎，開展公路交通運行特征分布分析。以公路基礎數據為基礎，分析公路基礎設施特征分類，采取空間網格化方式，開展特征空間分布分析，形成公路基礎設施特征空間分布數據庫和分布圖。以全時段交通歷史數據為基礎，進行公路運行特征分類分析。

分別從網格化空間和時間兩個維度，開展特征分布分析，綜合形成公路運行特征的時空分布數據庫和分布圖。對公路基礎設施特征空間分布數據庫和分布圖、運行特征的時空分布數據庫和分布圖進行融合關聯分析，形成公路綜合運行特征時空分布數據庫、分布圖和關聯數據庫、關聯圖。

最后，通過對交通氣象數據的全面分析，找出公路氣象環境關鍵特征、各類特征的空間和時間分布情況。融合公路綜合運行特征時空分布數據庫、分布圖和關聯數據庫、關聯圖和氣象環境特征時空分布數據庫、分布圖進行關聯性分析，形成“公路+氣象”運行特征時空分布數據庫、分布圖和關聯數據庫、關聯圖。

確定了影響最大的時空氣象要素

在川西高原公路氣象預測中，由于各種要素之間高度相關，某些回歸參數的估計值極不穩定，甚至出現有悖常理、難以解釋的情形。為避免這種困擾，先采用i-score分析多個因子對目標產生作用權值，為了充分考慮四川省氣象變化的特點，引入50公里范圍內自動氣象站的氣象觀測要素作為主成分的備選因素。經過基于i-score的多因子聯合主成分分析后，根據分析結果，自動地保留幾個主成分，而不至于導致原變量的信息的過多損失，同時也避免了主成分為自變量進行多重回歸，不再出現共線性的困擾。

確定了每條公路致災氣象因子、氣象災害閾值

由于氣象蝴蝶效應的影響，川西高原公路的氣象變化不僅僅受限制于公路周邊的氣象條件，特別是四川是多山區域，氣象變化更是“隔山如隔天”。在川西高原公路交通氣象預測中，不僅需要考慮川西高原公路較近區域內（1公里至3公里范圍）的氣象變化對川西高原公路的影響情況，還根據大系統規律引入了川西高原公路周圍30公里至50公里范圍內的氣象情況對川西高原公路氣象影響因子，特別是考慮四川多山區域的山脈、河流、峽谷等特殊地形對附近川西高原公路氣象的影響。

根據相關系數計算的結果，找出相關系數較大的幾種氣象要素，確定主要的交通氣象災害類型、致災氣象因子和影響程度，并確定災害閾值。

建立了基于智能網格預報的高原地區交通氣象精細化預警預報技術方法

利用四川省氣象服務中心已掌握的全省自動氣象站實時觀測數據，結合川西高原公路氣象監測站網觀測數據，在整個川西高原公路氣象預測中，加入擴展區域成分因素作為附加的主元素（主元素的選擇以i-score自動分析結果為判斷依據），從而綜合應用四川省氣象數據為川西高原公路氣象預測提供支撐，提高預測分析的客觀性、準確性。

多要素對交通事故的作用機理示意圖

對川西高原公路的交通事故的影響要素，有地形地貌、氣象要素、公路情況、時間因素等，這些要素對交通事故的作用機理如表1分析所示。

表1 交通事故的影響要素與公路交通的作用機理分析

川西高原公路交通氣象災害風險智能網格化時空模型與預測機制研究，將原有的單一時間維度、單一空間維度的分析提高到時空氣象三維度網格中，通過三個不同量綱的數據混合分析，得出更加精確的預測模型。實現從整條高速公路的分析進化到網格化分析，以時空網格的關聯關系反應公路自身特性，通過數據分析揭示氣象、地理、公路之間的內在必然聯系。對每一條公路的氣象災害風險提供了數據分析，就一條公路而言可定期分析并確定交通氣象風險規律；就區域而言，可復制推廣到區域內各條公路，定期形成區域（川西高原）全面的風險庫（風險時空圖）；就四川省路網而言，可復制推廣到各區域所有公路，定期形成全省風險庫（風險時空圖），并可以推廣至全國路網。