考慮時空相關的交通事故熱點道路識別方法

張忠貴 董 鑫 李成峰 程志遠 王玉嵐

1(湖北第二師范學院建筑與材料工程學院 湖北 武漢 430205)

2(湖北省BIM智慧建造國際科技合作基地 湖北 武漢 430205)

3(熊貓智慧水務有限公司 上海 201799)

0 引 言

隨著我國城鎮(zhèn)化進程加快,道路設施規(guī)模迅速擴大,車輛保有量增大,道路交通事故(以下簡稱交通事故)頻發(fā)。與其他發(fā)達國家相比,中國的交通事故問題尤為嚴重,從萬車事故死亡率來看,中國是9.93,遠高于美國1.79、俄羅斯1.04、日本0.81的水平[1],嚴重影響了公眾的生命財產安全。

道路交通系統(tǒng)是包括“人、車、路、環(huán)境”四大要素的一體化復雜系統(tǒng)。從交通設施管理部門角度,改造道路設施,提升道路通行條件,是降低交通事故的有效途徑之一。但是面對海量的道路設施,在有限的經費和人力條件下,先改造哪些道路才能降低交通事故發(fā)生的頻率,是交通管理部門面對的難題。

國內外學者在交通事故道路熱點分析領域進行了一系列研究。戴永安[1]在城市化與交通事故發(fā)生之間關系分析的基礎上,考察中國交通事故發(fā)生的空間相關性,并對影響交通事故次數(shù)和經濟損失的因素進行了空間計量分析。陸化普等[2]以密度分析方法對深圳市道路交通事故多發(fā)的區(qū)域和事故嚴重程度較高的區(qū)域進行鑒別。蔣宏等[3]提出了基于空間自相關鑒別城市道路事故多發(fā)點的方法,并生成交通事故多發(fā)點分布圖。王穎志等[4]提出一種基于交通事故場景的網絡時空核密度估計值作為鑒別指標,用累計頻率法和零膨脹的負二項回歸模型確定鑒別閾值的事故多發(fā)點鑒別方法。Blazquez等[5]對智利圣地亞哥2000年-2008年期間兒童交通事故進行了時空分析,并采用核密度方法分析高密度的兒童交通事故聚類。Mitra[6]采用空間自相關和貝葉斯空間統(tǒng)計方法分析道路交叉口與交通事故的空間關系。Ouni等[7]基于道路安全風險指數(shù),研究了空間自相關度量的性能穩(wěn)定性。上述研究成果為本文的研究內容提供了堅實的基礎。

但是,交通事故本質上作為一種道路現(xiàn)象,必須依附于交通網絡。從交通設施管理部門的角度,上述研究多聚焦于交通事故的熱點分析,較少考慮交通事故與道路網絡的時空相關特征,不夠直接,影響了交通事故道路熱點分析方法的實用性。

針對上述問題,本文從交通設施管理部門角度出發(fā),以道路網絡而非交通事故為核心研究對象,考慮交通事故與道路網絡的時空相關特征,提出線模式交通事故熱點道路分析方法。本文方法可直接發(fā)現(xiàn)交通事故熱點道路,從而為交通設施管理部門制定合理的改造計劃提供支撐,降低交通事故發(fā)生的頻率。

1 交通事故場景下時空相關的定義

從交通工程的角度,道路作為交通的載體,構成了復雜的交通網絡,對交通事故的發(fā)生頻率具有重要的影響。交通事故必然發(fā)生于某條道路上,本質上作為一種道路現(xiàn)象,與道路空間上密切相關,時間上趨于鄰近,具有空間與時間聚集性。

此外,從地理信息科學的角度,時空相關可分為幾何、拓撲、屬性、時間相關。具體到交通事故領域,可分為幾何相關、屬性相關、時間相關。

綜上所述,交通事故場景下時空相關可分為交通事故-道路幾何相關、交通事故-道路屬性相關、交通事故-交通事故時間相關。

定義1交通事故-道路幾何相關。交通事故與-道路的最短距離小于半徑參數(shù)ε時,交通事故與道路幾何相關。

考慮到道路繪制精度與交通事故的全球衛(wèi)星定位導航系統(tǒng)(GNSS)(如北斗系統(tǒng)、GPS系統(tǒng))的定位精度,交通事故與道路通常并不是嚴格意義上的幾何相交。因此,半徑參數(shù)ε與研究區(qū)域內道路寬度、繪制精度、定位精度相關。

定義2交通事故-道路屬性相關。交通事故的道路名稱屬性與道路的名稱屬性相匹配,交通事故與道路屬性相關。

定義3交通事故-道路空間相關。將與交通事故幾何相關的道路集合按照交通事故與路段的最短距離從小到大排列。該集合中第一條與交通事故屬性相關的道路與交通事故空間相關。

特別地,由于交通事故位置或道路名稱屬性錄入的不規(guī)范或缺失,當交通事故無屬性相關的道路時,交通事故幾何相關道路集合中與交通事故最鄰近的路段為交通事故空間相關道路。

典型的交通事故-道路空間相關如圖1所示。交通事故1與道路2、3幾何相關,與道路2屬性相關,與道路2空間相關。

圖1 交通事故-道路空間相關

需要指出的是,由于存在定位精度和繪制精度的問題,與交通事故幾何最鄰近的道路不一定為空間相關道路。

定義4交通事故-交通事故時間相關。交通事故發(fā)生的時間距離小于時間窗口ΔT時,交通事故-交通事故時間相關。

2 方法設計

2.1 交通事故空間聚合算法

基于交通事故-道路空間相關的定義,將交通事故、道路空間數(shù)據(jù)作為輸入,采用如圖2所示的核心數(shù)據(jù)結構,空間聚合交通事故。算法數(shù)據(jù)結構包括交通事故(crash)、道路(road)、交通事故集合(crash_tbl)、道路集合(road_tbl)等核心空間對象。

圖2 算法核心數(shù)據(jù)結構

交通事故空間聚合算法包括如下步驟,偽代碼如圖3所示。

圖3 交通事故空間聚合算法

(1) 讀取交通事故、道路空間數(shù)據(jù)的屬性、幾何、拓撲信息到交通事故表、道路表。

(2) 遍歷交通事故表,當所有交通事故均訪問時終止。

(3) 對于任意交通事故,進行交通事故空間聚合,構建交通事故緩沖區(qū)。考慮10車道道路(標準車道寬度3.7 m,道路中心線距離道路邊線為18.5 m)及交通事故定位精度10 m,緩沖區(qū)半徑ε取28.5 m。

(4) 交通事故-道路幾何相關分析。空間查詢道路空間數(shù)據(jù)中與交通事故緩沖區(qū)相交的道路,得到與交通事故幾何相關道路集合,并按照交通事故與道路的最短距離從小到大排序。

(5) 交通事故-道路空間相關分析。求解幾何相關道路集合中第一個與交通事故屬性相關的道路,設置為交通事故空間相關道路。若無屬性相關道路,將幾何相關道路集合中第一條道路設置為與交通事故空間相關的道路。

(6) 若存在交通事故空間相關道路：交通事故的空間相關道路id賦值;道路的空間相關交通事故數(shù)目加一,添加到交通事故id列表。

(7) 將交通事故表、道路表寫回交通事故、道路空間數(shù)據(jù)。

2.2 交通事故時空立方體

交通事故時空立方體采用二維坐標軸(x、y軸)來表示交通事故的平面位置,用一維的時間軸(z軸)表示平面位置上交通事故數(shù)量隨時間的變化,從而構建一個由平面空間和時間軸組成的融合交通事故數(shù)量的時空立方體[8]。可運用時間維的幾何特性來表達交通事故的空間分布隨時間的變化過程。

交通事故時空立方體模型基于統(tǒng)一尺寸的平面位置網格,通過統(tǒng)計各時空條柱中包含的交通事故數(shù)目,將交通事故統(tǒng)計到統(tǒng)一尺寸時空條柱中。但是,交通事故空間分布于線狀道路上。線狀道路長度不同、形態(tài)各異,采用統(tǒng)一尺寸的平面位置網格來統(tǒng)計交通事故數(shù)目存在一定的偏差。因此,時空條柱高事故率不一定是交通事故熱點。本文將通過線模式熱點道路分析,得出交通事故熱點道路。

2.3 線模式熱點道路分析(Getis-Ord Gi*)

Getis-Ord G統(tǒng)計量[9]包括Getis-Ord General G和Getis-Ord Gi*,由Ord教授和Getis教授提出。Getis-Ord General G用于定性判定是否存在高值空間聚類或低值空間聚類。Getis-Ord Gi*用于定量計算研究區(qū)域中具有統(tǒng)計顯著性的高值空間聚類和低值空間聚類。

Getis-Ord Gi*統(tǒng)計量是衡量局部空間自相關[10]特征的一種重要指標,廣泛應用于交通事故分析、犯罪熱點分析[11]等領域。本文采用Getis-Ord Gi*方法,逐一計算每條道路的Getis-Ord Gi*統(tǒng)計量,從微觀上識別具有統(tǒng)計顯著性的交通事故數(shù)目高值道路聚類(即交通事故熱點道路)。

根據(jù)地理學第一定律,地理事物或屬性在空間分布上互為相關,包括集聚或隨機或規(guī)則的空間分布模式。現(xiàn)實中,交通事故具有空間集聚性。從統(tǒng)計學的角度,為了證明交通事故具有空間集聚性,我們需設定“交通事故在研究區(qū)域中是隨機分布”的零假設,并期望檢驗結果推翻該零假設。空間分布模式的檢驗,采用計算標準化的Getis-Ord Gi*統(tǒng)計量的Z得分(Gi*ZScore)和置信度-P值(Gi*PValue)來實現(xiàn)。

Gi*ZScore計算方法如式(1)所示[9,12]。

(1)

對于線模式空間熱點道路分析：xj是道路j相關的交通事故數(shù)目,采用交通事故空間聚合算法計算。wij是道路i和道路j之間的空間權重。當?shù)缆穒和道路j的距離小于距離閾值distanceband且空間權重Wij為道路之間的反距離(1/lij);否則為0,如式(2)所示。

(2)

(3)

Gi*ZScore為道路i的Getis-Ord Gi*統(tǒng)計量Z得分。對于具有顯著統(tǒng)計學意義的Gi*ZScore正數(shù),Gi*ZScore越高,交通事故數(shù)目高值道路聚類越緊密,可判定為具有統(tǒng)計學意義的交通事故熱點道路。

3 方法驗證

3.1 實驗數(shù)據(jù)

本節(jié)以某城市機動車道路與交通事故(非交叉口事故)為例,驗證交通事故熱點道路識別方法。

OSM格式的道路空間數(shù)據(jù)可從Geofabrik’s free server下載,格式為ArcGIS Shapefile。道路空間數(shù)據(jù)包括道路名稱、等級、編碼等信息。交通事故數(shù)據(jù)采用ArcGIS Shapefile格式存儲,包含編號、地理坐標、所在道路、事故等級、發(fā)生時間、處理時間等信息。

857個交通事故空間覆蓋城市757條機動車道路(如圖4所示),時間跨度從2008年到2018年。

3.2 交通事故空間聚合結果

對于實驗數(shù)據(jù),采用“2交通事故空間聚合算法”的方法,計算道路的、,交通事故的屬性值,建立交通事故-道路空間關系。其中,道路的屬性作為核心輸入參數(shù)之一,參與熱點分析。

以78號道路為例,對于表達交通事故-道路空間相關的屬性進行地圖可視化,得到如圖5所示的交通事故空間聚合結果。78號道路空間相關的交通事故列表為649、62、260、659號交通事故,其交通事故數(shù)目為4。

圖5 交通事故空間聚合結果可視化

3.3 交通事故時空立方體分析

基于定義4,采用1個月為時間窗口[13],交通事故發(fā)生的時間距離小于1個月時,交通事故時間相關。對于從2008年到2018年實驗數(shù)據(jù),時空立方體時間上將857個交通事故聚合到126個時間步長間隔內;空間上將857個交通事故聚合到8 300個86 m×86 m方形格網中。在8 300個方形格網中,452個格網對于至少一個時間步長間隔包含至少一個交通事故。因此,具有統(tǒng)計意義的交通事故時空立方體由56 952個時空條柱組成。交通事故計數(shù)隨時間推移具有統(tǒng)計顯著性的減少,如圖6所示。

圖6 交通事故時空立方體分析可視化

3.4 交通事故熱點道路分析

交通事故時空立方體分析未考慮交通事故空間分布于線狀道路上的空間分布特征,存在一定的偏差。本節(jié)以道路而非交通事故為核心研究對象,將道路的屬性作為核心輸入參數(shù),并排除孤立的道路,計算每條道路的Getis-Ord Gi*統(tǒng)計量的Z得分Gi*ZScore、P值Gi*PValue。受限于篇幅,以交通事故數(shù)從大到小排列,列出前30條道路的熱點分析計算結果如表1所示。

表1 熱點分析計算結果

一般地,我們認為置信度超過90%時,具有顯著的統(tǒng)計學意義。根據(jù)第三節(jié)的描述,我們設定“交通事故在研究區(qū)域中是隨機分布”的零假設：當Gi*PValue小于0.10且Gi*ZScore大于1.65時,道路i的交通事故數(shù)目的空間分布模式為隨機分布的概率小于10%,道路i的交通事故數(shù)目的空間分布模式為集聚(正相關,熱點)的置信度大于90%;當Gi*PValue小于0.10且Gi*ZScore小于-1.65時,道路i的交通事故數(shù)目的空間分布模式為隨機分布的概率小于10%,道路i的交通事故數(shù)目的空間分布模式為規(guī)則(負相關)的置信度大于90%。同理,可得出95%、99%的置信度的空間分布模式。

在實驗區(qū)域內757條道路中,根據(jù)空間分布模式檢驗規(guī)則,可得出：事故數(shù)大于等于12的16條道路為99%置信度的熱點道路;事故數(shù)在9～11間的7條道路為95%置信度的熱點道路;事故數(shù)在8～9間的3條道路為90%置信度的熱點道路。其他道路為不具有統(tǒng)計顯著性的非熱點道路。

對實驗區(qū)域內于99%、95%、90%置信度的交通事故熱點道路分別以不同線型標注。由于地圖篇幅有限,下圖中部分貼近的道路實際為雙向道路。熱點分析的地圖可視化結果如圖7所示。

圖7 空間相關熱點道路的地圖可視化

對于交通設施管理部門,優(yōu)先改造上述空間相關熱點道路設施,提升道路通行條件,是降低交通事故的有效途徑之一。

3.5 與傳統(tǒng)方法對比

對于該城市的交通事故按照所在道路進行計數(shù)統(tǒng)計,可知其多發(fā)生于US 18/N GRAND AVE、US 18/HIGHWAY BLVD、US 18/S GRAND AVE、W 4TH ST、US 71/11TH ST SW等道路。限于篇幅,以交通事故數(shù)從大到小排列,表2列出了前10條基于所在道路的交通事故計數(shù)統(tǒng)計表。

表2 交通事故計數(shù)統(tǒng)計表

上述道路可記為屬性統(tǒng)計熱點道路。

以表2為參照,驗證表1的交通事故熱點道路識別結果,可得到表3。需要指出的是,表1和表2中道路名稱由兩個不同部門錄入,并不完全匹配,本文采用空間匹配及字符串模糊匹配的方法進行對應,如W 4TH ST與West 4th Street為同一名稱道路。

表3 屬性統(tǒng)計與時空相關熱點道路對比

從表3可知：(1) 交通事故熱點道路與交通事故數(shù)目屬性統(tǒng)計的熱點道路80%吻合。(2) W 5TH ST(West 5th Street)、1ST AVE E(1st Avenue East)兩條道路為屬性統(tǒng)計熱點道路。但是,在考慮了交通事故-道路時空相關性時,上述道路非時空相關熱點道路。現(xiàn)實中,同名道路可能空間上并不連續(xù),空間上距離較遠,僅僅從道路名稱上統(tǒng)計熱點道路并不準確。以1ST AVE E道路為例,如圖8所示,1ST AVE E 全長2 762.80 m,空間上斷開,并分成多個路段,交通事故并非聚集在1ST AVE E道路上,因此非交通事故熱點道路。

通過上述驗證,相對于交通事故數(shù)目屬性統(tǒng)計方法,本文提出的交通事故熱點道路識別方法,可適應長距離同名道路和非連續(xù)同名道路的實際情況,計算出的交通事故熱點道路更加精細及準確。

4 結 語

道路設施作為交通的載體,對交通事故的發(fā)生頻率具有重要的影響。交通設施管理部門可利用時空相關交通事故熱點道路識別方法,定位交通事故高發(fā)道路并開展交通安全決策,以減少交通事故。考慮時空相關的交通事故熱點道路識別方法具有以下特點：

(1) 以道路而非交通事故為核心研究對象,將點狀分布的交通事故通過空間聚合關聯(lián)到道路的屬性“交通事故數(shù)”,使研究成果更有針對性。

(2) 綜合考慮交通事故-道路時空相關及交通事故空間自相關特征,可適應長距離同名道路和非連續(xù)同名道路的實際情況,計算出的交通事故熱點道路更加精細及準確。

考慮時空相關的交通事故熱點道路識別方法充分利用了交通事故-道路時空相關及交通事故空間自相關特征,可應用于道路交通安全評價,但也存在諸如交通事故時空聚合時間窗口確定、網絡約束的道路時空距離計算等問題需要在后續(xù)研究中重點解決。