發(fā)布時間：2018-12-29所屬分類：科技論文瀏覽：1次
摘 要： 摘要:為分析城市道路交通事故的時空分布模式，本文基于網(wǎng)絡(luò)空間線性最鄰近指數(shù)和Knox時空檢驗方法，對武漢市青山區(qū)道路交通事故的熱點路段分布以及時空交互模式進行檢驗。實驗結(jié)果表明，城市道路交通事故在空間和時空層面均呈現(xiàn)顯著聚集分布。事故熱點主要分
摘要:為分析城市道路交通事故的時空分布模式，本文基于網(wǎng)絡(luò)空間線性最鄰近指數(shù)和Knox時空檢驗方法，對武漢市青山區(qū)道路交通事故的熱點路段分布以及時空交互模式進行檢驗。實驗結(jié)果表明，城市道路交通事故在空間和時空層面均呈現(xiàn)顯著聚集分布。事故熱點主要分布在主干道和道路交叉口等人流量大和路網(wǎng)密集的區(qū)域，顯著性時空交互現(xiàn)象發(fā)生于近時空區(qū)域內(nèi)。本文結(jié)果可為交通事故防控、交通設(shè)施優(yōu)化提供理論參考。
關(guān)鍵詞:交通事故,線性最鄰近指數(shù),網(wǎng)絡(luò)核密度,Knox檢驗,時空交互
道路交通事故嚴(yán)重威脅著人民群眾人身和財產(chǎn)安全，是全球交通運輸行業(yè)常年關(guān)注的話題。由于受道路屬性、路網(wǎng)結(jié)構(gòu)、景觀條件、人/車流量等客觀因素的影響，道路交通事故往往在時空上呈非均勻分布，不僅在空間層面聚集，在時空層面也存在顯著交互模式，即在空間上鄰近的事故，在時間上也趨向鄰近[1-2]。
國內(nèi)外關(guān)于交通事故時空分布模式已有較多研究成果，如TKAnderson利用核密度估計和K均值聚類的方法提取交通事故多發(fā)路段[3];KZHtut等直接利用ArcGIS空間分析工具中核密度估計法識別高速公路事故聚集路段并對其嚴(yán)重性進行分級[4];譚錦艷等利用時空GIS技術(shù)綜合考慮交通事故發(fā)生次數(shù)、空間位置、嚴(yán)重程度等因素對城市道路黑點進行鑒別[5];陳寬民等通過簡單統(tǒng)計方法得出交通事故在時間和空間上的分布特征，探討其形成原因并提出了改善道路交通安全的對策[6];王振宏也對交通事故的時間分布、空間分布和人群分布特點進行分析[7]。
以上研究大多側(cè)重于從空間或時間層面分析事故的分布規(guī)律及模式，而交通事故作為一種時空事件[8]，同時受時間和空間變量的影響，故有必要研究其在時空層面的分布模式。本文以武漢市青山區(qū)道路交通事故為研究對象，首先，利用網(wǎng)絡(luò)空間線性最鄰近指數(shù)檢驗其空間聚集性，并通過網(wǎng)絡(luò)核密度估計方法可視化事故熱點路段，其聚集性結(jié)果是探討時空聚集性的基礎(chǔ);在時空層面，基于Knox檢驗分析事故時空聚集分布模式，提取顯著性時空交互點對并對其形成原因進行初步分析。實驗結(jié)果表明，城市道路交通事故不僅在空間上聚集分布，在近時空區(qū)域內(nèi)也存在顯著聚集性。
1數(shù)據(jù)與研究方法
1.1研究區(qū)域與數(shù)據(jù)
本文研究區(qū)域為武漢市青山區(qū)，該區(qū)位于長江中游南岸，是華中地區(qū)工業(yè)重鎮(zhèn)。轄區(qū)面積80.58km2，常住人口15余萬，流動人口6萬(2015年)，境內(nèi)有武漢鋼鐵集團、武漢石油化工廠、武漢鋼鐵設(shè)計研究總院、武漢科技大學(xué)等10多個大型企業(yè)和科研機構(gòu)，民眾出行需求極大;交通方面路網(wǎng)總長度達138km，以4條主干道為樞紐連接武漢三鎮(zhèn)，形成了四通八達的交通網(wǎng)絡(luò)。本文選取青山區(qū)2016年9月一般等級交通事故(財產(chǎn)損失、受傷、死亡類事故)作為研究對象，數(shù)據(jù)來源于武漢市交管局事故預(yù)防與處理大隊，每條記錄包括事故發(fā)生的經(jīng)緯度、時間、事故類型等信息。
1.2研究方法
道路交通事故作為路網(wǎng)約束下的時空點事件，具有一階和二階性質(zhì)。一階性質(zhì)是指事件密度隨空間分布的變化情況，常用線性最鄰近指數(shù)(NearestNeighborIndex，NNI)進行空間聚集性檢驗，并可通過網(wǎng)絡(luò)核密度估計方法進行聚集區(qū)域可視化[9-10];二階性質(zhì)考察事件間的時空依賴性，代表方法為Knox時空交互檢驗[11]，通過一階性質(zhì)探討得到的空間聚集性結(jié)果可作為探討二階性質(zhì)空聚集性的依據(jù)，二階性質(zhì)也內(nèi)在地體現(xiàn)了一階性質(zhì)。
1.2.1線性最鄰近指數(shù)與網(wǎng)絡(luò)核密度估計
線性最鄰近指數(shù)用來探討網(wǎng)絡(luò)約束下點事件的空間聚集性，該方法通過計算最鄰近點對之間網(wǎng)絡(luò)距離的平均值，并與隨機分布零假設(shè)條件下的平均距離做相似性檢驗，判斷其空間分布模式。
1.2.2道路網(wǎng)約束下的Knox時空交互檢驗
Knox檢驗常用來分析事件時空聚集性，由于其運算方便、易于理解等特性，廣泛運用于流行病學(xué)、犯罪分析[13]、公共衛(wèi)生管理等領(lǐng)域。其方法需事先指定時間閾值Tt和空間閾值St，針對N個事件點組成的N×(N-1)/2個事件對，計算各事件對的時間距離Tij和空間距離Sij;若Sij≤St，則事件對在空間上鄰近，若Tij≤Tt，則事件對在時間上鄰近。通過判斷各事件對的時空鄰近性，可得到時空鄰近關(guān)系統(tǒng)計表。
2實驗結(jié)果和分析
2.1空間聚集性分析
基于網(wǎng)絡(luò)線性最鄰近指數(shù)，對研究區(qū)域內(nèi)交通事故進行空間聚集性分析，結(jié)果表明，事件對最小網(wǎng)絡(luò)鄰近距離為6.65m，最大值為1892.51m，平均最鄰近距離為361.84m，線性最鄰近指數(shù)NNI小于1，p值小于0.01，說明事故存在顯著性空間聚集現(xiàn)象，該平均最鄰近值可為時空檢驗提供依據(jù)。為了對事故聚集分布路段進行可視化，本文采用SANET4.1對交通事故進行網(wǎng)絡(luò)核密度分析[16]，并在ArcGIS10.3中對分析結(jié)果進行可視化。網(wǎng)絡(luò)核密度估計中需確定核函數(shù)、帶寬和lixel粒度3個參數(shù)，在實際分析中，需要結(jié)合事件的具體分布特征來綜合考慮。
本實驗中核函數(shù)采用EqualSplit函數(shù)，帶寬和lixel粒度分別設(shè)為500m和10m，既體現(xiàn)了細(xì)節(jié)上的變化，顯示效果也較直觀，青山區(qū)交通事故在空間上呈現(xiàn)不均勻分布。從地理位置來講，主要集中于西部區(qū)域，該區(qū)域分布著眾多居民區(qū)和商業(yè)區(qū)，且緊鄰武漢的政治、文化、信息中心，人口和道路密集，車流量大，發(fā)生交通事故的風(fēng)險較大;東部區(qū)域主要集中了武鋼等大型國企、工廠，路網(wǎng)較為稀疏且多為內(nèi)部道路，車流量較少，為交通事故低發(fā)區(qū)域。
從路網(wǎng)結(jié)構(gòu)來看，事故熱點區(qū)域大多集中于交叉口和主干道，交叉口是人流、車流匯集的場所，由于受信號燈設(shè)置不合理、行人/車輛不遵守信號燈指示搶行等因素的影響，成為事故多發(fā)區(qū)域;主干道是城市的交通樞紐，承擔(dān)著民眾出行需求的重要任務(wù)，其交通流量大、車速快，因此，也成為事故熱點區(qū)域。
2.2時空聚集性分析
在利用Knox檢驗對事件進行時空聚集性分析時，關(guān)鍵步驟是時空閾值的確定。在不同的時空閾值下，事件往往表現(xiàn)出不同的時空交互模式，時空閾值的選擇對實驗結(jié)果有決定性影響。傳統(tǒng)的人工主觀確定閾值方法存在一定隨意性，為此Eckley等以地理學(xué)第一定律為基礎(chǔ)，提出基于平均最鄰近距離的Knox檢驗時空閾值確定方法[17]。
由于顧及了事件的時空鄰近性，與已有的閾值確定方法相比，利用該閾值確定方法的Knox檢驗?zāi)芨行У刈R別出事件的顯著性時空交互模式，上文中探討事故一階性質(zhì)空間聚集性時，在平均最鄰近距離條件下結(jié)果顯示事故具有顯著的空間聚集性，本文將平均最鄰近距離362m作為空間閾值，用相同的計算方法得到平均最鄰近時間為4h，以此作為時間閾值。該閾值條件計算得到χ2=5.34，p=0.02，說明道路交通事故在近時空區(qū)域內(nèi)存在顯著的交互性，即在空間上鄰近發(fā)生的事件，在時間上也趨向于鄰近，這就為交道路通事故預(yù)防提供了決策依據(jù)。利用Knox檢驗，可以探測出具有時空鄰近重復(fù)發(fā)生關(guān)系的事件對。
在空間閾值362m，時間閾值4h條件下，得到4對時空鄰近對，查詢當(dāng)天的天氣狀況為陣雨/小雨，發(fā)生的位置為二十一號公路和武漢石油化工廠南大門附近，二十一號公路為青山區(qū)西部的主干道，該主干道主要承擔(dān)武漢石油化工和武鋼兩大工廠的運輸任務(wù)，運輸量較大且以大貨車為主，對該路段的路況造成一定影響，再加上當(dāng)天陣雨的原因，通行狀況較差，可能是形成時空聚類點對的主要原因;發(fā)生時間為9月30日17:19和16:45，天氣狀況為小雨/小雨，該位置位于冶金大道和工業(yè)一路交叉口附近，冶金大道為主干道，在該交叉口冶金大道兩側(cè)都為房產(chǎn)開發(fā)商施工現(xiàn)場，對交通造成一定影響。
發(fā)生時間為9月9日19:30和22:10，天氣狀況小雨/小雨，事故發(fā)生地位于冶金大道和工業(yè)一路交叉口附近，冶金大道兩側(cè)有較多娛樂休閑設(shè)施和商業(yè)銀行，相對較繁華，同時實地考察發(fā)現(xiàn)，該交叉口只有東西向通車，南北向有馬路圍欄阻隔，這也在通行高峰期給交通造成壓力;對發(fā)生時間為9月15號16:01和16:53，天氣狀況為陣雨/多云，該點對發(fā)生位置為和平大道和三弓路交叉口附近，和平大道為青山區(qū)西部主干道，交叉口向西100m左右有加油站，造成路口的車流量較大，同時交叉口西南側(cè)為大型公園，這也增加了該地方人流量，這些都會給交通造成一定壓力。
通過對時空點對的初步分析，得到青山區(qū)交通事故時空模式特征如下:從整體來看，事故多發(fā)生在較為繁華區(qū)域，尤其道路主干道，這里人流量、車流量較大，對交通的通行要求比較高，發(fā)生交通事故的風(fēng)險也較高，主要在青山區(qū)東部的居民密集區(qū)域，點對位置相對偏郊區(qū)，人流量較小，但是該位置處于工業(yè)集中地，該區(qū)域有大量的運輸任務(wù)，以物流為主，又通過實地考察發(fā)現(xiàn)，該路段的道路都有不同程度的損壞，這也增加了交通事故的風(fēng)險。
因此，也應(yīng)作為交通事故防范的重點區(qū)域;從道路的結(jié)構(gòu)來看，事故多發(fā)生在城市主干道和交叉口附近，主干道和交叉口附近的交通設(shè)施設(shè)置是否合理將直接影響交通狀況，交叉口設(shè)置了防護欄，附近有加油站，這些都對交通安全造成不同程度的影響，因此應(yīng)對交通設(shè)施環(huán)境進行合理安排;同時，還發(fā)現(xiàn)4個事故點對的共性，即天氣狀況都為小雨或陣雨，說明天氣狀況對交通的影響比較大，交管部門在下雨天或者天氣對交通造成較大影響條件下應(yīng)該在重點時段加強重點區(qū)域的防范措施。
3結(jié)束語
以往對城市交通事故的研究大多以發(fā)現(xiàn)道路“黑點”，識別交通事故熱點為主，而綜合時間和空間研究交通事故時空交互性還較少，本文在分析網(wǎng)絡(luò)條件下事故分布特征基礎(chǔ)上，又利用統(tǒng)計的方法分析交通事故的時空交互性，充分挖掘交通事故的時空分布模式。
在空間上結(jié)合交通事故的分布特性，利用網(wǎng)絡(luò)約束條件下的Kernel密度方法得到事故的熱點分布特征，具有更可靠的指導(dǎo)意義;采用平均最鄰近距離的方法選取時空閾值，利用Knox檢驗的方法探討交通事故的時空交互性，從而得到交通事故在時間和空間上的聚集性規(guī)律，實驗結(jié)果表明:研究區(qū)域內(nèi)的交通事故存在時空聚集性，通過對交通事故時空模式的討論分析，可以為交管部門的早期預(yù)警防控提供指導(dǎo)，同時，對交通環(huán)境的改善提供參考，以最大限度地降低交通事故發(fā)生的概率。
由于本文未能采用更多的時空閾值組合進行時空交互性的探索，在后續(xù)的研究中將使用更多的閾值組合進行分析。
參考文獻:
[1]KnoxEG，BartlettMS.TheDetectionofSpace-TimeInteractions[J].AppliedStatistics，1964，13(1):25-30.
[2]NorstrmM，PfeifferDU，JarpJ.Aspace-timeclusterinvestigationofanoutbreakofacuterespiratorydiseaseinNorwegiancattleherds.[J].PreventiveVeterinaryMedicine，2000，47(1-2):107-119.
[3]AndersonTK.KerneldensityestimationandK-meansclusteringtoprofileroadaccidenthotspots.[J].Accident;analysisandprevention，2009，41(3):359-64.
[4]HtutKZ，PiyatadsananonP，RatanavarahaV.IdentifyingtheSpatialClusteringofRoadTrafficAccidentsonNaypyitaw-MandalayExpressway[C]//AtransSympossium:YoungResearcher'sForum2016，"transportationforABetterLife:SafeandSmartCities.2016.
[5]譚錦艷，張湘，邵麗芳，等.時空GIS在廣州市交通事故黑點預(yù)判與鑒別中的應(yīng)用[J].軟件導(dǎo)刊，2016，15(12):116-118.
[6]陳寬民，王玉萍.城市道路交通事故分布特點及預(yù)防對策[J].交通運輸工程學(xué)報，2003，3(1):84-87.
[7]王振宏.我國城市道路交通事故的分布情況和預(yù)防措施[J].建筑工程技術(shù)與設(shè)計，2015(35):55-56.
[8]王勁峰，葛詠，李連發(fā)，等.地理學(xué)時空數(shù)據(jù)分析方法[J].地理學(xué)報，2014，69(9):1326-1345.
[9]OkabeA，YomonoH，KitamuraM.StatisticalAnalysisoftheDistributionofPointsonaNetwork[J].GeographicalAnalysis，1995，27(2):152-175.
推薦期刊：《中南公路工程》于1975年創(chuàng)刊，是中國公路行業(yè)綜合技術(shù)類科學(xué)技術(shù)期刊。同時也是“公路運輸類中文核心期刊”、“中國科技論文統(tǒng)計源期刊”和“中南公路科技情報網(wǎng)網(wǎng)刊”。專門刊載道路、橋梁及交通工程的理論研究與工程應(yīng)用文章。包括公路、橋梁、結(jié)構(gòu)理論、路面、路基、人工結(jié)構(gòu)物、線路勘測設(shè)計、計算機應(yīng)用等內(nèi)容。
