發布時間：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，本文基于網絡空間線性最鄰近指數和Knox時空檢驗方法，對武漢市青山區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。實驗結果表明，城市道路交通事故在空間和時空層面均呈現顯著聚集分布。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，本文基于網絡空間線性最鄰近指數和Knox時空檢驗方法，對武漢市青山區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。實驗結果表明，城市道路交通事故在空間和時空層面均呈現顯著聚集分布。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密集的區域，顯著性時空交互現象發生于近時空區域內。本文結果可為交通事故防控、交通設施優化提供理論參考。
關鍵詞:交通事故,線性最鄰近指數,網絡核密度,Knox檢驗,時空交互
道路交通事故嚴重威脅著人民群眾人身和財產安全，是全球交通運輸行業常年關注的話題。由于受道路屬性、路網結構、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]。
國內外關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重性進行分級[4];譚錦艷等利用時空GIS技術綜合考慮交通事故發生次數、空間位置、嚴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]。
以上研究大多側重于從空間或時間層面分析事故的分布規律及模式，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道路交通事故為研究對象，首先，利用網絡空間線性最鄰近指數檢驗其空間聚集性，并通過網絡核密度估計方法可視化事故熱點路段，其聚集性結果是探討時空聚集性的基礎;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，在近時空區域內也存在顯著聚集性。
1數據與研究方法
1.1研究區域與數據
本文研究區域為武漢市青山區，該區位于長江中游南岸，是華中地區工業重鎮。轄區面積80.58km2，常住人口15余萬，流動人口6萬(2015年)，境內有武漢鋼鐵集團、武漢石油化工廠、武漢鋼鐵設計研究總院、武漢科技大學等10多個大型企業和科研機構，民眾出行需求極大;交通方面路網總長度達138km，以4條主干道為樞紐連接武漢三鎮，形成了四通八達的交通網絡。本文選取青山區2016年9月一般等級交通事故(財產損失、受傷、死亡類事故)作為研究對象，數據來源于武漢市交管局事故預防與處理大隊，每條記錄包括事故發生的經緯度、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約束下的時空點事件，具有一階和二階性質。一階性質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(NearestNeighborIndex，NNI)進行空間聚集性檢驗，并可通過網絡核密度估計方法進行聚集區域可視化[9-10];二階性質考察事件間的時空依賴性，代表方法為Knox時空交互檢驗[11]，通過一階性質探討得到的空間聚集性結果可作為探討二階性質空聚集性的依據，二階性質也內在地體現了一階性質。
1.2.1線性最鄰近指數與網絡核密度估計
線性最鄰近指數用來探討網絡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絡距離的平均值，并與隨機分布零假設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、犯罪分析[13]、公共衛生管理等領域。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，可得到時空鄰近關系統計表。
2實驗結果和分析
2.1空間聚集性分析
基于網絡線性最鄰近指數，對研究區域內交通事故進行空間聚集性分析，結果表明，事件對最小網絡鄰近距離為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NNI小于1，p值小于0.01，說明事故存在顯著性空間聚集現象，該平均最鄰近值可為時空檢驗提供依據。為了對事故聚集分布路段進行可視化，本文采用SANET4.1對交通事故進行網絡核密度分析[16]，并在ArcGIS10.3中對分析結果進行可視化。網絡核密度估計中需確定核函數、帶寬和lixel粒度3個參數，在實際分析中，需要結合事件的具體分布特征來綜合考慮。
本實驗中核函數采用EqualSplit函數，帶寬和lixel粒度分別設為500m和10m，既體現了細節上的變化，顯示效果也較直觀，青山區交通事故在空間上呈現不均勻分布。從地理位置來講，主要集中于西部區域，該區域分布著眾多居民區和商業區，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，發生交通事故的風險較大;東部區域主要集中了武鋼等大型國企、工廠，路網較為稀疏且多為內部道路，車流量較少，為交通事故低發區域。
從路網結構來看，事故熱點區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，成為事故多發區域;主干道是城市的交通樞紐，承擔著民眾出行需求的重要任務，其交通流量大、車速快，因此，也成為事故熱點區域。
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，事件往往表現出不同的時空交互模式，時空閾值的選擇對實驗結果有決定性影響。傳統的人工主觀確定閾值方法存在一定隨意性，為此Eckley等以地理學第一定律為基礎，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檢驗能更有效地識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空間聚集性時，在平均最鄰近距離條件下結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域內存在顯著的交互性，即在空間上鄰近發生的事件，在時間上也趨向于鄰近，這就為交道路通事故預防提供了決策依據。利用Knox檢驗，可以探測出具有時空鄰近重復發生關系的事件對。
在空間閾值362m，時間閾值4h條件下，得到4對時空鄰近對，查詢當天的天氣狀況為陣雨/小雨，發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西部的主干道，該主干道主要承擔武漢石油化工和武鋼兩大工廠的運輸任務，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都為房產開發商施工現場，對交通造成一定影響。
發生時間為9月9日19:30和22:10，天氣狀況小雨/小雨，事故發生地位于冶金大道和工業一路交叉口附近，冶金大道兩側有較多娛樂休閑設施和商業銀行，相對較繁華，同時實地考察發現，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，得到青山區交通事故時空模式特征如下:從整體來看，事故多發生在較為繁華區域，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，發生交通事故的風險也較高，主要在青山區東部的居民密集區域，點對位置相對偏郊區，人流量較小，但是該位置處于工業集中地，該區域有大量的運輸任務，以物流為主，又通過實地考察發現，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險。
因此，也應作為交通事故防范的重點區域;從道路的結構來看，事故多發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施設置是否合理將直接影響交通狀況，交叉口設置了防護欄，附近有加油站，這些都對交通安全造成不同程度的影響，因此應對交通設施環境進行合理安排;同時，還發現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該在重點時段加強重點區域的防范措施。
3結束語
以往對城市交通事故的研究大多以發現道路“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，本文在分析網絡條件下事故分布特征基礎上，又利用統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。
在空間上結合交通事故的分布特性，利用網絡約束條件下的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律，實驗結果表明:研究區域內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警防控提供指導，同時，對交通環境的改善提供參考，以最大限度地降低交通事故發生的概率。
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判與鑒別中的應用[J].軟件導刊，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防對策[J].交通運輸工程學報，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防措施[J].建筑工程技術與設計，2015(35):55-56.
[8]王勁峰，葛詠，李連發，等.地理學時空數據分析方法[J].地理學報，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年創刊，是中國公路行業綜合技術類科學技術期刊。同時也是“公路運輸類中文核心期刊”、“中國科技論文統計源期刊”和“中南公路科技情報網網刊”。專門刊載道路、橋梁及交通工程的理論研究與工程應用文章。包括公路、橋梁、結構理論、路面、路基、人工結構物、線路勘測設計、計算機應用等內容。
SCISSCIAHCI
