基于GIS的濟南市交通事故成因分析

馮海霞,寧二偉,王 琦,李 健

(山東交通學院 交通與物流工程學院,山東 濟南 250399)

0 引 言

近年來,隨著城市化以及各種先進技術的發展,我國的交通越來越發達。同時,車輛的增多也導致交通安全問題越來越嚴重。據統計,2018年,全國汽車保有量增加2 285萬輛,達到2.4億輛;駕駛人數增加2 455萬人,達到4.09億人;公路通車里程增加8.6萬km,達到486萬km。根據世界衛生組織發布的《2018年全球道路安全現狀報告》,道路交通死亡人數繼續上升,每年達到135萬人。2018年,全國發生交通事故約24.5萬起,造成約6.3萬人死亡。交通事故會對社會穩定產生負面影響,造成大量人員傷亡和財產損失。道路交通安全已成為一個社會問題關注的焦點。如何通過交通事故分析,找出交通事故的成因,從而減少交通事故的發生是急需解決的問題。

國內外學者對交通安全問題都十分重視,并對其進行了相關的研究,取得了大量的成果。毛應萍等[1]提出了基于事故嚴重程度的GIS事故多發點段動態分析模型;孫燁垚等[2]基于GIS分析平臺對高速公路道路交通事故特征及其事故成因進行分析,提出了交通安全改善對策及措施;劉堯等[3]利用時空網絡核密度估計、熱點分析法等方法進行交通事故的時空特征分析;陸化普等[4]利用聚類分析與密度分析法對道路交通事故多發的區域和事故嚴重程度較高的區域進行鑒別分析;彭璇等[5]實現了基于GIS的全國高速公路事故時序特征分析、事故空間特征分析、事故趨勢綜合分析等可視化應用;王麗雅等[6]將GIS系統和交通事故數據相結合,融合了事故數據的屬性信息以及空間位置,得到了城市道路的真實安全情況;熊麗[7]提出一種基于地理信息系統(GIS)的交通事故熱區鑒別的方法,通過對事故本身屬性以及空間屬性的綜合考慮,對道路網的交通事故空間分布特征進行探索,并對事故高發區進行鑒別;張光南等[8]結合GIS對2010年廣州市道路基礎設施對交通事故的影響進行分析,并給出相應建議;A.AL-OMARI等[9]利用地理信息系統(GIS)和模糊邏輯對不同地點的事故熱點進行預測,分析事故成因并提出預防措施;T. H.HAYIDSO等[10]利用ArcGIS將全局定位系統點數據和事故數據添加到路網數據中,根據事故嚴重程度確定熱點區域;M.E.BOLLA等[11]基于GIS并以ArcView GIS為界面,開發了交通事故資料庫以提供交通事故綜合信息;G.A.SHAFABAKHSH等[12]利用ARCMAP核密度估計(KDE)和SANet軟件(4版)對交通事故區域進行了分析,使網絡分析結果與傳統的KDE方法進行了比較,揭示空間因素對其形成的影響。筆者擬采用地理信息系統(GIS)技術,如核密度分析、緩沖區分析、地理加權回歸分析等,主要從事故的空間特性方面進行分析,尋找事故成因。

1 研究區和研究數據

1.1 研究區域

濟南市位于山東省中西部,具體經緯坐標為北緯36°01′ ～ 37°32′、東經 116°11′ ～ 117°44′。筆者以濟南市為研究區域,包括市中區、天橋區、槐蔭區、歷下區、歷城區、長清區、章丘區、濟陽區、商河縣、平陰縣8區2縣的數據。(2018年,萊蕪區與鋼城區未并入濟南市)。

濟南市2018年公路通車里程為12 637.7 km,其中,境內高速公路488.5 km。公路客運量為3 149.0萬人;旅客周轉量為52.9億 人. km;公路貨運量為2.6億t;貨運周轉量為474.0億t.km;機動車保有量超過230萬輛。

1.2 研究數據及數據預處理

筆者主要使用了2018年濟南市10個區縣的交通事故數據(2018年鋼城區和萊蕪區未并入濟南市,因此筆者未對這2個區域進行研究),數據來自濟南市交警支隊。因數據存在重復錄入等情況,故對數據進行了預處理,即對原始數據進行排序和去重;并使用地理信息系統(GIS)的地址編碼技術獲取每個事故的經緯度數據。濟南市2018年發生了6 796起交通事故,交通事故數據如圖1。

圖1 濟南市交通事故數據Fig.1 Traffic accident data in Ji’nan

2 研究方法

筆者主要采用了核密度分析、熱點分析、緩沖區分析、地理加權回歸分析等方法。首先,使用核密度分析的方法直觀地描述濟南市交通事故在空間上的分布特征;其次,通過事故當量法結合緩沖區分析方法鑒別研究區的事故多發區域;最后,通過構建地理加權回歸(GWR)模型,分析人口、車輛數、公路通車里程等因素對事故數量的影響,從空間特性方面分析事故的成因。

2.1 核密度分析

核密度分析從數據的樣本出發,研究數據的分布特征。這種方法能夠充分地利用原始的數據信息,且在不附加任何假定條件下研究數據分布。依照地理學第一定律,所有的事物都是與其相鄰近的事物相關的,且距離越近,相關性就越強。基于這一定律,核密度分析通過核函數對一定空間范圍內事故點的密度進行計算,距離越遠,其核心的影響強度就越弱,因此空間差異性較強,可以對交通事故的空間分布進行分析[13]。

2.2 熱點分析

熱點分析能夠計算每個要素的Getis-Ord Gi*統計。首先對所有要素進行查看,計算各個要素與其相鄰要素的局部總和,然后與所有要素的綜合進行對比,若局部總和與預期局部總和差距過大,分析結果不是隨機產生的,則會生成具有顯著統計學意義的Z得分。正值Z得分越高,則熱點的聚類越緊密;負值Z得分越低,則冷點聚類越緊密。

2.3 緩沖區分析

筆者選用緩沖區分析的方法鑒別事故多發區域,以當量事故死亡人數作為各事故點的緩沖區半徑;再利用GIS里的緩沖區向導工具對事故點進行緩沖;最后通過緩沖區結果圖得到事故多發區域,結合交通事故熱力圖對道路基礎設施情況的統計,得出事故多發原因。

2.4 地理加權回歸模型

地理加權回歸(geographic weighted regression, GWR)具有較強的空間數據局部分析能力。它對空間范圍內的各點建立了局部回歸方程〔式(1)〕,從而探索和研究一定尺度上研究對象的空間變化規律和相關驅動因素,可以很好的揭示空間異質性條件下的空間關系,并可用于對未來結果的預測。地理加權回歸是普通線性回歸模型的一種擴展,它將數據的空間位置嵌入到回歸方程中,考慮了空間對象的局部效應,從而提高了準確性[14]。

(1)

式中:yi為因變量在i點的值;(μi,vi)為樣點i坐標;βk(μi,vi)為樣點i的第k個回歸參數;xij為觀測到i的第k個影響變量;p為影響變量的個數;εi為回歸殘差。

3 結果分析

3.1 核密度分析與熱點分析結果比較

將核密度分析結果與熱點分析結果進行疊加,結果如圖2。

圖2 核密度分析與熱點分析對比Fig.2 Comparison between kernel density analysis and hot spot analysis

由圖2可知:在人口聚集、車輛和道路密度更大的市區,交通事故相比于其他地區發生更為頻繁;事故多發地具有明顯的聚集性,濟南市有多個事故多發中心。

熱點分析的結果同樣表明,市區的交通事故發生更為頻繁。

對比結果顯示:文中熱點分析與核密度分析均能夠鑒別交通事故的多發區域,但相較于熱點分析,核密度分析能夠更全面的顯示交通事故多發區域。故選取核密度分析與緩沖區分析進行疊加分析。

3.2 緩沖區分析

為進一步分析事故成因,筆者采用“事故當量死亡人數法”和緩沖區分析相結合的方法,鑒別事故多發區域,分析事故成因。

3.2.1 事故當量死亡人數法

筆者以交通中的死亡人數、受傷人數以及直接財產損失作為反映交通事故的嚴重程度的數據項。事故嚴重程度通過道路交通事故當量死亡人數計算模型[15]確定,如式(2):

nD, E=nD+KZnZ+KQnQ+KClC

(2)

式中:nD, E為當量死亡人數;nD、nZ、nQ、lC分別為死亡人數、重傷人數、輕傷人數及直接經濟損失;KZ、KQ、KC分別為重傷、輕傷和直接經濟損失的換算系數。

而換算系數KZ、KQ、KC的計算中,主要使用“標準損失工作日S”這一指標。一人死亡損失工作日是死者由于道路交通事故而喪失的工作時間。假設一年有250個工作日,其計算公式如式(3):

S=(YR-Y)×250

(3)

式中:S為死亡一人所對應的損失工作日;YR為平均退休年齡;Y為平均死亡年齡。

根據公安交通管理部門提供的數據可知,2006—2009年,中國道路交通事故的平均死亡年齡為40歲,平均退休年齡為60歲,所以每一人死亡對應的標準損失工作日大約是5 000 d。

重傷換算系數KZ的計算方法如式(4)。不同級別的重傷對應的損失工作日為SZ,用其除以死亡一人的標準損失工作日S,即可求得重傷換算系數KZ:

(4)

當無法按傷殘的評級折算時,由于重傷損失工作日的范圍是100～5 000 d,取其算數平均值作為代表值,則其換算系數取0.51。

輕傷換算系數KQ的計算方法如式(5):

(5)

其中,輕傷的損失工作日SQ∈[2,100]。

直接經濟損失換算系數KC的計算方法如式(6):

(6)

式中:KC為直接經濟損失換算系數;G為上一年度職工的平均工資標準,萬元。

計算出死亡一人標準損失工作日S對應的經濟損失總額,取其倒數,即可推算出1萬元直接經濟損失的死亡換算系數KC。

根據國家統計局2018年發布的數據,城鎮集體單位職工年平均工資為60 664元。經計算得直接經濟損失的死亡換算系數KC約為0.008。對死亡人數、重傷人數、輕傷人數、直接財產損失進行相應的換算,最后求和得到各個交通事故的當量死亡人數。換算結果如表1。

表1 事故當量死亡人數換算

3.2.2 緩沖區分析

根據表1中的事故當量死亡人數,每個交通事故點以事故當量死亡人數的數值為半徑進行緩沖區分析。由于每個事故點的當量死亡人數不同,分析結果即為半徑不同的緩沖區。將緩沖區的結果和濟南市的行政規劃圖疊加后,結果如圖3。

圖3 濟南市交通事故緩沖區分析Fig.3 Analysis of traffic accident buffer zone in Ji’nan

圖3的分析結果顯示:A、B、C、D、E、F 共6個區域為事故多發區域,其區域面積分別為51、30、1 350、495、135、144 km2;每個多發區域的緩沖區個數分別為8、12、167、33、12、8個,如表2。用緩沖區個數除以對應的面積,得到單位面積緩沖區個數分別為0.159、0.400、0.124、0.067、0.089、0.056個。單位面積緩沖區個數計算結果表明,事故多發最為嚴重的區域為B,其次為A。C區域內的交通事故數量最多,計算結果也顯示事故較為嚴重。

表2 事故多發區的面積和緩沖區個數

3.2.3 與核密度分析的異同

將緩沖區分析結果與核密度分析結果進行疊加,結果如圖4。

圖4 核密度分析和緩沖區分析結果對比Fig.4 Comparison of kernel density analysis and buffer analysis results

圖4的疊加結果顯示,緩沖區分析與核密度分析均可以鑒別出事故多發區域,但也有一些不同之處。緩沖區分析的結果顯示A、B、C這3個區域均為事故多發區域,但核密度分析的結果顯示A、B、C這3個區域均不是事故多發區域。

通過對原始數據進行分析,得出以下結論:A區域的3個緩沖區的事故發生次數分別為1、6、1次,死亡人數分別為3、0、0人,受傷人數分別為0、1、3人;B、C區域與A區域類似。綜上,造成緩沖區分析與核密度分析差異的原因是,核密度分析是對事故發生次數進行分析,而緩沖區分析則是對交通事故的嚴重程度進行分析。

3.2.4 交通事故特征分析

對6個事故多發區域的事故特征數據進行統計,結果如表3。其中,路面不完整包括施工、凹凸等;道路物理隔離包括機非隔離、中央隔離等。

表3 事故多發區事故特征統計

經計算,事故多發路段無路側防護設施與無道路物理隔離的占比分別高達36.3%和35.2%,夜間無照明與路面不完整的占比則分別為3.8%和2.6%。綜上可知,無道路物理隔離與無路側防護設施是交通事故多發的主要原因。

3.3 地理加權回歸分析

為進一步對事故成因的空間差異性進行分析,筆者采用能充分反應空間異質性的地理加權回歸模型進行分析,選取了人口、交通財政支出、區域面積、車輛數、公路通車里程等作為備選解釋因子。根據統計年鑒等數據,2018年濟南市各區縣的人口、交通財政支出、區域面積、車輛數、公路通車里程以及交通事故數等數據如表4。

表4 濟南市各區縣基本情況數據

3.3.1 空間自相關分析

對交通事故進行空間自相關分析。莫蘭指數作為一個用來衡量空間自相關的經典指標,其值若為正,則表示空間正相關;若為負,則表示空間負相關。筆者利用ArcGIS中空間自相關工具中的莫蘭(Moran I)指數進行分析,其結果如圖5。

圖5 空間自相關報表Fig.5 Spatial autocorrelation report

圖5顯示:Z得分為1.914,則隨機產生此聚類模式的可能性小于10%;濟南市交通事故變量的莫蘭指數為0.244,事故具有空間正相關性,即事故的分布呈現出明顯的聚類模式,適用于地理加權回歸模型。

3.3.2 地理加權回歸模型分析

利用GWR模型對濟南市各區縣的交通事故發生次數分別與人口、GDP、交通財政支出、區域面積、車輛數、公路通車里程、路網密度的關系分別進行定量分析,其結果見表5。

表5 因變量為事故發生次數時的結果

GWR模型分析的結果表明,影響交通事故發生的主要因素為車輛數、公路通車里程、GDP以及人口。其回歸系數分別約為0.557、0.353、0.351、0.334。交通財政支出、區域面積、路網密度3個參數的相關性較低,回歸系數均低于0.11。綜上,選取相關性較高(>0.25)的車輛數、人口等4個因子做解釋變量進行相關性分析。

對4個影響因子之間進行相關性分析,其相關性詳見表6。回歸結果顯示,公路通車里程和其他幾個因子之間的相關性都很低,與車輛數的回歸系數為0.045 1,與GDP的回歸系數為0.004 7,與人口的回歸系數為0.142 3,故選擇公路通車里程作為一個解釋變量;車輛數和GDP、人口之間的回歸系數都在0.46以上,即具有較強的相關性,三者之間存在共線性問題,故選取了三者中與交通事故數相關性最高的車輛數作為另一個解釋變量。在GWR的回歸分析結果中,條件數如果小于0或者大于30或者設置為空,就意味著回歸模型中存在較強的局部共線性問題,回歸模型缺乏可信度,文中公路通車里程的條件數全部在3到4之間,車輛數在5到6之間,能夠通過共線性檢驗,可信度較高。因此選取車輛數和公路通車里程作為解釋變量,交通事故數為因變量同時進行地理加權回歸分析,其結果如表7。

表6 因子相關性平方表

表7 車輛數、公路通車里程作為解釋變量GWR結果

每個影響因子都對交通事故的發生有促進或者抑制作用,在回歸結果上表現為回歸參數的正、負情況。回歸系數為正,則表示其會促進交通事故的發生;回歸系數為負,表示其會抑制交通事故的發生。表5的回歸結果顯示,將公路通車里程和車輛數單獨作為解釋變量時,其回歸系數為正,即2個影響因子都會促進交通事故的發生,而相較于分別與事故數進行地理加權回歸,兩者共同作為解釋變量的回歸系數(表7),其結果明顯提高。

4 提高安全措施的建議

從宏觀層面來看,交通財政支出與交通事故數沒有明顯相關性,但是在各類財政支出中,交通財政支出太少;公路通車里程和車輛數的增加導致了交通事故的增加,說明需要從需求側入手,一方面要優化路網結構,最重要的是另一方面要減少需求,比如限行、限號等措施。

從微觀層面來看,無路側防護設施、無道路物理隔離這2個特征在事故中占比高達36.3%和35.2%,因此完善交通設施是最急迫的,可設立機非分隔欄和中央分隔欄并完善照明條件。另外,要加強隱患排查,并且做好日常的維修工作,對損壞的路面、標志標線及時進行維修。

除此之外,還應當加強交通管理,加大科技信息化管控,整治路段重點違法行為,加大對交通違法的懲治力度。

5 結 語

筆者采用GIS分析方法,主要從空間特性方面分析事故的特性和成因,主要獲得以下結論:事故發生具有明顯的聚集性,鑒別出了濟南市6個事故多發區域,無道路物理隔離和無路側防護設施是事故多發區中的主要原因;車輛數、公路通車里程、GDP、人口等都對區域交通事故數有較大影響,且都與交通事故數呈正相關的關系,其中車輛數的影響最大;構建的基于車輛數和公路通車里程的GWR模型相關性回歸系數高達0.75,可根據模型對各區縣事故多發區域進行及時預警和完善相應的交通設施。研究對于減少交通事故發生,提升交通安全水平具有重要意義。但本研究也存在一些不足之處:由于僅獲得了濟南市2018年的交通事故數據,地理加權回歸模型僅有濟南市10個區縣的數據,因此模型的解釋度并不是特別高。這些不足之處將在進一步的研究中加以改進。