基于時空結(jié)合的道路交通事故的黑點判別方法

關(guān)鍵詞： 道路交通事故；交通安全；事故黑點；黑點判別方法；時空重疊率

中圖分類號： U 491.31 文獻(xiàn)標(biāo)識碼： A DOI： 10.3969/j.issn.1674-8484.2024.03.004

據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，道路交通事故從2012 年的20.4 萬起增加到2021 年的27.3 萬起，這給人民的生命和財產(chǎn)安全帶來巨大損失。事故黑點是指在統(tǒng)計周期內(nèi)，事故次數(shù)明顯高于其他路段，或超過規(guī)定的閾值的某些路段[1]，研究道路交通事故黑點的判別方法，對于改善道路安全狀況具有重要意義。

在事故黑點的判別方法中，大多是基于數(shù)理統(tǒng)計原理，馮海霞等[2] 通過事故當(dāng)量法結(jié)合緩沖區(qū)分析方法鑒別研究區(qū)的事故多發(fā)區(qū)域。程國柱等[3] 利用累積頻率曲線法判別事故多發(fā)路段。WANG Fu 等[4] 采用改進(jìn)的累積頻率曲線法對山區(qū)高速公路事故黑點進(jìn)行識別。

聚類算法也是事故黑點判別的常用方法，耿超等[5]、張云菲等[6] 均通過改進(jìn)傳統(tǒng)的DBSCAN 空間聚類算法來進(jìn)行事故黑點的判別。牛志鵬等[7] 以106 車km 事故率和當(dāng)量事故次數(shù)為指標(biāo)，運用系統(tǒng)聚類法鑒別公路交通事故多發(fā)點。郭璘等[8]、任毅等[9] 均通過改進(jìn)k-means 聚類算法來判別事故黑點。張琦等[10] 用兩階段聚類算法（Two-stage clustering approach，TSCA） 識別事故黑點。YUAN Tengfei 等[11] 結(jié)合地理信息系統(tǒng)（geographic information system，GIS） 和螢火蟲聚類算法來判別事故黑點。WANG Dianhai 等[12] 使用GIS 的融合處理和Hdbscan 模型識別事故黑點。

此外， 田準(zhǔn)等[13]、曾強(qiáng)等[14]、LIANG Guohua等 [15] 均基于經(jīng)驗Bayes 法識別事故黑點。WAN Yan等 [16] 將灰色Verhuls 與經(jīng)驗Bayes 組合方法識別事故黑點。王穎志等[17] 提出將網(wǎng)絡(luò)時空核密度估計值作為判別指標(biāo)，將超過臨界值的路段判別為事故黑點。吳佩潔等[18] 提出一種基于時空立方體的事故數(shù)據(jù)挖掘方法來識別事故黑點。劉戎陽等[19] 提出一種基于thiessen 多邊形的事故多發(fā)點識別方法。GE Huimin等[20]、D. Baranyai 等[21] 均基于核密度估計識別事故黑點。WANG Zhuangzhuang 等[22] 使用優(yōu)化熱點分析（optimized hot spot analysis，OHSA） 檢測黑點。B.Debrabant 等[23] 使用Poisson-Tweedie 模型識別交通事故黑點。T. Tanprasert 等[24] 提出了一種利用街景圖像識別黑點的新技術(shù)。

上述學(xué)者大多是從空間維度去研究道路交通事故黑點的判別方法，雖然也有時間上的統(tǒng)計分析，但多數(shù)是先將空間上的事故黑點判別出來，再進(jìn)行簡單的交通事故時間分布說明。

基于此，本文提出時空結(jié)合的道路交通事故黑點基礎(chǔ)判別模型，既考慮到劃分單元分別在空間和時間上的危險程度，又考慮到時空結(jié)合的危險程度。采用時空重疊率來衡量道路危險程度，并利用雙曲正切函數(shù)對時空重疊率的累積頻率進(jìn)行擬合，將擬合函數(shù)最小曲率半徑對應(yīng)的點規(guī)定為臨界值，若時空重疊率大于此臨界值，則將該時空段判別為事故黑點。然后利用成南高速馮店隧道段的交通事故數(shù)進(jìn)行實例研究。最后，將時空結(jié)合的事故黑點判別方法與其他方法進(jìn)行了對比，提出該方法的優(yōu)勢。

1 基于時空結(jié)合的事故黑點判別方法

本文提出采用時空重疊率來判斷事故黑點，即按照一定的尺度將空間與時間劃分為對應(yīng)的單元，再將時間單元和空間單元兩兩組合形成時空復(fù)合點。如在調(diào)查路段的統(tǒng)計周期內(nèi)，某時空復(fù)合點的時空重疊率顯著高于其他點或超過臨界值時，則該時空復(fù)合點即為事故黑點。此事故黑點用時空復(fù)合的形式來表述，具體的空間尺度和時間尺度可根據(jù)目標(biāo)來確定。根據(jù)圖1所示。X 軸為時間軸，Y 軸為空間軸，Z 軸為時空重疊率軸。X、Y 兩軸形成時空復(fù)合點，Z 軸則表示每個時空復(fù)合點對應(yīng)的時空重疊率，Z 值越大，球體體積越大，顏色越深。圖1 中桃粉色平面為臨界值平面，在平面上方的點則判別為事故黑點。

2 基于時空結(jié)合的事故黑點判別實證研究

2.1 研究區(qū)域與數(shù)據(jù)來源

1） 研究區(qū)域。馮店隧道位于成南高速79.0～80 km區(qū)間，具體位置為79.2～79.62 km，由2 個約420 m的單洞隧道組成，其中南充到成都方向為上坡，成都到南充方向為下坡，坡度約為3%。79.0～79.62 km 的道路線形為直線，79.7～79.9 km 的道路線形為平曲線。

2） 數(shù)據(jù)來源與處理。

調(diào)研收集了四川省成南高速馮店隧道段的道路條件和4 年的交通事故數(shù)據(jù)。由于人為因素，交通事故數(shù)據(jù)存在數(shù)據(jù)缺失、異常值等問題，為保證數(shù)據(jù)的可靠性，剔除缺失值和異常值，最終得到64 條有效的交通事故數(shù)據(jù)。

2.2 事故黑點判別過程

1） 時間單元和空間單元權(quán)重確定。

將馮店隧道段4年（2004—2007年）發(fā)生的交通事故進(jìn)行統(tǒng)計，在時間上以1 h為統(tǒng)計單位，數(shù)據(jù)篩選時按 n＜（T_j / h）≤（n + 1）（n為自然數(shù)，取0≤n≤23）進(jìn)行；在空間上以100 m為統(tǒng)計單位，數(shù)據(jù)篩選時按79 + 0.1 n＜（S_i / km）≤79 + 0.1 （n + 1） （取0≤n≤9），其中79 km處發(fā)生的事故數(shù)統(tǒng)計在79.0～79.1 km內(nèi)。

通過試算， 發(fā)現(xiàn)直接用熵權(quán)法、變異系數(shù)法、Critic 權(quán)重法、復(fù)相關(guān)系數(shù)法等方法計算出的權(quán)重并不合適，因此本文用4 年事故數(shù)的平均值和標(biāo)準(zhǔn)差來計算每個單元的權(quán)重。統(tǒng)計結(jié)果如圖3、圖4所示。

用熵權(quán)法賦予平均值與標(biāo)準(zhǔn)差相應(yīng)的權(quán)重，得到平均值的權(quán)重為94%，標(biāo)準(zhǔn)差的權(quán)重為5.9%。因此79.0～79.1 km 對應(yīng)的權(quán)重為2.2，其余單元的權(quán)重計算方法相同。再對計算出的權(quán)重進(jìn)行歸一化處理，79.0～79.1 km 的最終權(quán)重為7%，部分單元的最終權(quán)重如表1 所示。

2） 時空重疊率結(jié)果。按照式（1） 和式（2） 計算空間和時間重疊率。由于時空重疊率既要考慮時空重疊部分的影響，也要考慮各單元原始事故數(shù)據(jù)的影響，其中各單元原始數(shù)據(jù)的影響是用各單元對應(yīng)的權(quán)重來體現(xiàn)，因此要使空間和時間重疊率中沒有0 值，可以對計算結(jié)果進(jìn)行整體平移，此處對計算結(jié)果都加上2×10^-3。

79.0～79.1 km 與00：00—01：00 的時空重疊率為

其余復(fù)合形式的時空重疊率以此類推，結(jié)果如圖5所示。

3） 事故黑點臨界值確定。按照一定的尺度進(jìn)行分組，根據(jù)時空重疊率結(jié)果的數(shù)據(jù)特征，可采取異距分組。例如：

（1.0～4.2）×10^-4 分為42 組， 組距為0.1×10^-4 ；（4.2～140.0）×10^-4 分為1 組； （150～480）×10^-4 分為34組，組距為10×10^-4。將時空重疊率歸入不同的組別中，計算時空重疊率的累積頻率。

在Origin 中輸入時空重疊率的累積頻率，并作散點圖，再用雙曲正切函數(shù)y=a+btanh（cx +d） 進(jìn)行擬合，將擬合函數(shù)最小曲率半徑對應(yīng)的點規(guī)定為臨界值[26]，擬合結(jié)果如圖6 所示。擬合函數(shù)為y = -281.43 -282.41tanh（-0.03x -3.14）。可通過曲率半徑公式得出最小曲率半徑對應(yīng)的y 值為46，46 組對應(yīng)的時空重疊率是0.016～0.017。因此將0.017作為臨界值。

4） 事故黑點判別結(jié)果。由上述可知臨界值為1.7×10^-2，所以可以將大于1.7×10^-2 的時空復(fù)合點判別為事故黑點。其中：79.0～79.1 km 與00：00—01：00 的復(fù)合形式用0K-0 表示，79.1～79.2 km 與01：00—02：00 的復(fù)合形式用1K-1 表示，其余復(fù)合形式的表達(dá)以此類推。因此，圖5 中的深色系部分即為事故黑點，一共有如下13 個事故黑點：0K-3、0K-2、0K-19、7K-23、6K-15、7K-5、6K-10、6K-16、6K-3、6K-20、6K-11、6K-21、7K-14。

2.3 事故黑點判別結(jié)果分析

在上述時空維度的13 個事故黑點處，共發(fā)生31起事故，主要事故形態(tài)為撞擊固定物和側(cè)翻，其中12起事故為側(cè)翻，9起為撞擊固定物，6起為追尾，3起為其他類型。

1） 在時間方面，事故多發(fā)在夜晚（19：00—07：00），共計19起，而白天（07：00—19：00） 則有12起。夜晚的交通量明顯少于白天，說明夜晚的事故率更高。主要原因是白天隧道內(nèi)無燈光，出隧道時需經(jīng)歷明適應(yīng)過程；而夜晚隧道內(nèi)有燈光，出隧道則需經(jīng)歷暗適應(yīng)過程，暗適應(yīng)的時間明顯大于明適應(yīng)，因此夜晚的事故率遠(yuǎn)超白天。

2） 在方向方面，27起發(fā)生在成都至南充方向，4起發(fā)生在南充至成都方向，事故主要發(fā)生在下坡路段。馮店隧道成都至南充方向段為下坡，速度較快，這也是該方向事故數(shù)大于南充至成都方向事故數(shù)的原因之一；且隧道出口處銜接平曲線路段，由于出隧道時的暗適應(yīng)或明適應(yīng)，導(dǎo)致駕駛員還沒有反應(yīng)過來便撞上了路邊護(hù)欄；或引起過大的反應(yīng)，比如猛打方向盤、猛踩剎車等現(xiàn)象，從而導(dǎo)致車輛的側(cè)滑、側(cè)翻等。因此撞擊固定物和翻車是事故的主要形態(tài)。

3） 在空間方面，6起發(fā)生在79.0～79.1km，18起發(fā)生在79.6～79.7 km，7起發(fā)生在79.7～79.8 km，事故主要發(fā)生在成都至南充方向的出口附近。在成都至南充方向隧道出口外不遠(yuǎn)處設(shè)置了60 km/h 的限速標(biāo)志，但受到明適應(yīng)和暗適應(yīng)影響，當(dāng)駕駛員視覺還沒有完全恢復(fù)時，又遇到限速標(biāo)志，往往會緊急制動。在下坡及曲線路段的情況下，緊急制動極其容易導(dǎo)致車輛側(cè)翻。在79.0～79.1 km，貨車側(cè)翻和追尾是主要的事故類型。因為車輛在進(jìn)入隧道前有減速的趨勢，當(dāng)前方有車輛突然減速時，而貨車本身質(zhì)量大，且處于下坡路段，便可能產(chǎn)生側(cè)翻和追尾。

2.4 事故黑點治理建議

根據(jù)上述事故黑點形成原因分析，分別從隧道照明、道路線形、交通設(shè)施3 個方面對馮店隧道段提出針對性的治理措施。

1） 隧道照明。通過調(diào)整隧道內(nèi)外的燈光設(shè)置，解決明暗適應(yīng)問題。具體措施：夜晚時，隧道外兩側(cè)的一截路段需開啟燈光，使隧道內(nèi)外光線強(qiáng)度趨于一致，同理在白天也可考慮開啟隧道內(nèi)燈光。

2） 道路線形。下坡加平曲線路段導(dǎo)致事故分布的方向性明顯，因此可以采取工程措施來減小成都至南充方向隧道出口處路段的曲率，從而改善道路安全性。

3） 交通設(shè)施。隧道出口處的限速標(biāo)志是事故發(fā)生的原因之一。為治理此問題，可調(diào)整交通設(shè)施布置：

a） 將60 km/h 限速標(biāo)志移至成都至南充隧道方向隧道入口前，使車輛以較低速度通過，以便在遇到明暗適應(yīng)時，能通過小幅度的調(diào)整來保持安全性；在60 km/h 限速標(biāo)志前增設(shè)80 km/h 限速標(biāo)志，提供車輛減速的緩沖路段。

b） 在隧道入口前設(shè)置警告標(biāo)志，提醒駕駛員出口處銜接平曲線路段。

由于改變道路線形花費過高，故可將隧道照明與交通設(shè)施方面的措施作為實際實施的措施。

3 基于時空結(jié)合的事故黑點判別方法與其他方法的對比分析

3.1 不同事故黑點判別方法對比

傳統(tǒng)的事故黑點判別方法主要有事故率法、質(zhì)量控制法、核密度分析法等。事故率法將事故率大于臨界值的路段判斷為事故黑點。質(zhì)量控制法[18] 將事故率大于相似路段平均值的路段識別為事故黑點。而核密度分析法[18] 基于核密度函數(shù)來識別事故黑點。不同事故黑點判別方法的對比見表2。

3.2 不同事故黑點判別方法結(jié)果

不同黑點判別方法的可視化結(jié)果如圖7 所示，紅色標(biāo)記路段為馮店隧道，位于下方的是成都至南充方向，上方是南充至成都方向。

圖7a中空間黑點a 對應(yīng)79.0～79.1km，黑點b 對應(yīng)79.6～79.7km， 黑點c 對應(yīng)79.7～79.8km。圖7b 為對事故點進(jìn)行核密度分析的結(jié)果。圖7c 是將事故率排名前30% 的路段判別為事故黑點的結(jié)果。再利用傳統(tǒng)方法識別時間上的事故黑點，事故率法同樣取前30%，累積頻率曲線法取80% 分位對應(yīng)值作為臨界值[17]，同時引入碰撞預(yù)測準(zhǔn)確率指標(biāo)（crash prediction accuracyindex，CPAI） 來檢驗事故黑點判別模型在空間維度的準(zhǔn)確性[20]，可定義為

式中： n為事故黑點內(nèi)的事故數(shù)量； N為研究區(qū)事故總數(shù)；l 為事故黑點的道路長度；L是研究區(qū)域內(nèi)的道路總長度。CPAI 值越大，表示模型的識別效果越好。

由表3可知：時空重疊率法在空間維度具有良好的判別準(zhǔn)確性。從時間維度來看，若在某個時間黑點內(nèi)發(fā)生的事故在空間上極其分散，這些事故可能是由于偶然因素或者空間因素造成的，這就造成了時間黑點的誤判；若某些事故在同一地點和同一時間具有聚集性，利用傳統(tǒng)的黑點判別方法就容易造成這些時間黑點的漏判。例如，21：00—22：00發(fā)生的3起事故均在79.6～79.7 km，而22：00—23：00發(fā)生的4起事故數(shù)分布3 個位置，考慮事故的空間和時間聚集性，21：00—22：00的危險程度更高。

由此可見，若脫離空間維度去研究時間維度的事故黑點可靠性較低。時空重疊率法能將時間和空間2個維度結(jié)合起來描述道路的危險性，也并非分別從2個維度去單獨描述道路的危險性，再做簡單疊加，而是同時考慮時間和空間因素。并且事故黑點以時空復(fù)合點的形式展示。可見時空結(jié)合的黑點判別方法可以更全面、準(zhǔn)確地評估道路的危險性。

4 結(jié)論

本文構(gòu)建了時空結(jié)合的事故黑點判別方法，該方法從時空結(jié)合的維度出發(fā)，利用時空重疊率作為指標(biāo)，判別道路交通事故黑點，并以成南高速馮店隧道段（79.0～80.0 km）4年（2004—2007年） 發(fā)生的交通事故數(shù)據(jù)進(jìn)行實證，得到的主要結(jié)論如下：

1） 基于時空結(jié)合的事故黑點判別方法，能夠結(jié)合時間和空間2 個方面充分描述道路的危險程度，精準(zhǔn)識別高速公路上的事故黑點，該方法應(yīng)用到馮店隧道段證明有效。對比了不同的黑點判別方法，事故頻率法、累積頻率曲線法、核密度分析法、時空重疊率法的CPAI 值分別為2.29、2.03、2.03、2.29，意味著時空重疊率法具有良好的判別準(zhǔn)確性。

2） 時空重疊率法暫未考慮事故嚴(yán)重程度，可以將事故數(shù)、事故受傷人數(shù)和事故死亡人數(shù)相結(jié)合，從多個角度來描述道路的危險程度。且時空重疊率法適用于中、微觀層面，因此采用較小的劃分尺度來研究此路段，可以判別出小尺度（100m） 的事故黑點，據(jù)此進(jìn)行了更具針對性事故黑點形成原因分析，并提出整改措施。

3） 道路交通事故黑點臨界值確定的原理在于區(qū)分出高風(fēng)險低占比和低風(fēng)險高占比的時空點。臨界值也可根據(jù)實際情況下的目標(biāo)、經(jīng)費等來確定。