王　海， 李瑞敏

(1.清華大學 交通研究所， 北京　100084；　2.軍事交通學院 聯(lián)合投送系，天津　300161)

?

緩沖區(qū)分析方法在事故多發(fā)點鑒別的應用研究

王海1,2， 李瑞敏1

(1.清華大學 交通研究所， 北京100084；2.軍事交通學院 聯(lián)合投送系，天津300161)

[摘要]道路事故多發(fā)點鑒別是道路交通安全管理工作的重要內容,提出了基于改進的緩沖區(qū)分析技術的事故多發(fā)點鑒別方法。在對三類“異常數據”進行清洗的基礎上,提出了改進的點緩沖區(qū)分析方法，即采取“變長半徑的點緩沖區(qū)分析”和“疊置分析”相結合的方法進行事故多發(fā)點鑒別。將該方法在某城市部分交通事故數據的基礎上進行了應用，得到了有關交通事故的3個多發(fā)區(qū)域和2個多發(fā)路段。結果表明，本文提出的改進的緩沖區(qū)分析技術可以用于有效的道路事故多發(fā)點鑒別。

[關鍵詞]交通安全管理； 事故多發(fā)點鑒別； 數據清洗； 緩沖區(qū)分析； 疊置分析

0前言

事故多發(fā)點，又稱事故黑點，英文俗稱為“Black-spots”。數十年來國內外學者們對于事故多發(fā)點的研究和探討就從未停止過，對事故多發(fā)點的基本理論及內涵經過多年的探討得出了較為一致的認識結果：“事故多發(fā)點就是指在一個比較長的時間范圍里或者規(guī)定的統(tǒng)計周期內，某些道路位置(地點、路段、區(qū)域)上發(fā)生的交通事故數量或者事故具有的特征明顯比其他道路異常的突出[1]”。因此，事故多發(fā)點是道路交通安全管理中需要密切關注的區(qū)域，通過對道路交通事故多發(fā)點的研究鑒別，能夠為進一步的預測、預防交通事故提供數據信息的支持，從而提高道路交通安全水平。

最為早期、普遍而簡單地鑒別出道路交通事故多發(fā)點的方法有：絕對數、相對數、當量事故次數、質量控制法、臨界率法、矩陣法等。隨著對道路交通安全問題研究的不斷深入及空間分析技術的發(fā)展，事故多發(fā)點段的判斷方法也不斷得以改進。在國外，Saffet Erdogan等人[2]以及Ismail Bulent Gundogdu[3]分別使用了泊松統(tǒng)計方法和貝努利統(tǒng)計(核密度分析)的方法，在GIS地圖上鑒別出相同的事故熱點；HSIS(Highway Safety Information System)[4-6]的總結分析報告中提出建立一個基于GIS的事故識別和分析系統(tǒng)，使用點/交叉口分析、聚類分析、條帶分析、滑動比例評價、走廊分析、行人、自行車分析對道路上某個地點、路段甚至區(qū)域的事故發(fā)生情況進行鑒別分析；ThobiasSando[5]等學者提出一種基于GIS的成本效益比率方法的事故分析方法分析到事故的多發(fā)地點；DeeleshMandloi[7]提出使用模糊和神經網絡聚類的方法進行事故黑點的識別；CARE研究和開發(fā)實驗室[8]進行了一個MAP項目，主要是將事故數據和交通罰單數據通過GIS地圖集成起來，識別包括商用車在內的碰撞事故高發(fā)點。在國內，王詩文[9]以及張力[10]等人應用主成分分析模型對事故多發(fā)點(段)進行識別；林汀等人[11]提出了基于灰色理論的聚類方法對山區(qū)高速公路的安全性進行指標評價；于建游[12]提出使用事故異常間距這個具體數值來鑒定事故的多發(fā)點的方法；邱磊[13]提出了選用累計頻率曲線法進行路段事故多發(fā)點的鑒別方法；薛大維[14]提出采用經驗-鑒別指數法對道路上的事故多發(fā)點段進行識別。

事故多發(fā)點的鑒別主要涉及事故屬性和空間這兩類數據，而GIS(地理信息系統(tǒng))平臺能夠很好地融合這兩種類型的數據，可以以一種高效率、圖形化的方式對事故數據進行必要的管理和研究分析工作。空間分析作為GIS的核心和靈魂，是GIS的主要特征之一。能夠基于地理對象的位置和形態(tài)進行空間數據的分析，其目的在于提取和傳輸空間信息。

本文結合道路交通事故多發(fā)點鑒別分析需求，提出了一種空間分析技術的改進方法，即將“變長半徑的點緩沖區(qū)分析”和“疊置分析”相結合應用到道路交通事故的多發(fā)點鑒別分析中，并以實際事故數據進行了案例分析。

1緩沖區(qū)分析和疊置分析

1.1緩沖區(qū)分析方法

通常情況下，緩沖區(qū)分析是指對空間中存在的點、線、面三種類型對象展開分析，分別以3種類型為基本核心，簡單方便地建立不同半徑寬度的緩沖區(qū)多邊圖形區(qū)域，從而鑒別分析出空間對象可能與周邊事物、環(huán)境等方面的關聯(lián)規(guī)則以及影響的范圍和程度[15]。

緩沖區(qū)分析的基本思想是指給定一個空間物體(的集合)，確定它(們)的某鄰域，而鄰域的大小則由領域半徑R決定。因此物體Oi的緩沖區(qū)的定義如下：

即對象Oi的半徑為R的緩沖區(qū)就是以對象Oi為核心，建立的半徑為d長度的多邊形區(qū)域范圍內所有的點集合，d一般取值為最小歐氏距離。如果空間目標O涉及到多個對象的集合情況：

則其半徑為R的緩沖區(qū)就是合并為多個對象緩沖區(qū)的集合緩沖區(qū)，即：

對于不同類型的目標實體，所產生的緩沖區(qū)也是不同的。

在點緩沖區(qū)分析應用中，如果緩沖區(qū)的半徑R選取固定的數據值，可能會出現以下兩種結果：一方面，如果半徑R取值比較小，那么對于每一個事故的緩沖區(qū)分析的結果如圖1(a)所示，進一步通過疊置分析，發(fā)現每一個事故的緩沖區(qū)都沒有重疊的部分出現，因此，無法鑒別出交通事故的多發(fā)點、路段或者區(qū)域；另一方面，如果半徑R取值比較大，那么對于每一個事故的緩沖區(qū)分析的結果如圖1(b)所示，進一步通過疊置分析，發(fā)現每一個事故的緩沖區(qū)都出現了重疊的現象，因此，這樣鑒別出來的事故多發(fā)點、路段或者區(qū)域的范圍會比較大，不符合實際的事故情況。所以，只有改進緩沖區(qū)半徑的取值方法，使得每一個事故點可以做出不同半徑Ri的緩沖區(qū)分析，結合疊置分析可以得到與實際事故情況基本相符合事故多發(fā)點的鑒別結果。

(a)

(b)

圖1 固定半徑R值的緩沖區(qū)分析結果Figure1 FixedradiusRvalueofbufferanalysisresults

具體方法就是將GIS圖中的每一個隨機事故點作為一類點狀地物，而點緩沖區(qū)的鄰域半徑R的選取，則是根據事故的嚴重程度來進行確定，本文中將每一起事故的嚴重程度作為緩沖區(qū)半徑Ri，通過研究分析可以看出，受所獲取數據的限制，可以用于事故多發(fā)點的鑒別、反映事故嚴重程度的數據項包括有：死亡人數、受傷人數(重傷)、受傷人數(輕傷)、直接財產損失、損壞車輛數(機動車)、損壞車輛數(非機動車)。

通過比較、數理統(tǒng)計分析等方法，并結合本文將要使用道路交通事故調查表實際數據情況，在此采用以“損失工作日”(指被傷害失能的工作時間)為參照物，涵蓋事故中的實際輕傷人數、重傷人數、死亡人數和直接經濟損失4大類指標的“道路交通事故當量死亡人數計算模型”[16]。

DD=D+KiZ+KjQ+KcC

式中：DD為當量死亡人數；D、Z、Q、C分別為死亡人數、重傷人數、輕傷人數及直接經濟損失；Ki、Kj、Kc分別為重傷、輕傷和直接經濟損失的換算系統(tǒng)。其中，表示直接經濟損失的C是事故數據表中的直接財損、損壞車輛數(機動車)和損壞車輛數(非機動車)3個數據項合并而成的。

由此，計算模型可以進一步改進為：

式中：ZC為直接財損，JC為損壞車輛(機動車)財損，FC為損壞車輛(非機動車)財損。其中，機動車財損平均按照一輛機動車10萬元，非機動車按照一輛非機動車0.1萬元折算。

通過引入“損失工作日”這一指標，可將死亡人數、重傷人數、輕傷人數、以及直接經濟損失進行統(tǒng)一標準的換算，Ki、Kj、Kc的換算系統(tǒng)分別取為0.06、0.01和0.024。

根據前面介紹的計算規(guī)則和模型，可將原事故調查表中的每一個數據項進行換算，然后對每一項換算值求和，得出每一起交通事故的事故當量死亡人數。從而，可以將每一個事故點為圓心，以每一起事故的事故當量死亡人數作為半徑Ri,在GIS地圖上形成每一個事故點的緩沖區(qū)。

1.2疊置分析方法

疊置分析的基本思想就是一個將多個數據層進行疊加的過程，其中每一個數據層中都包含有用戶可能感興趣的一些空間要素的對象，最終會整合成一個綜合性要素的數據圖層。該綜合圖層包括了用于合并的原多個圖層的所有數據信息，同時，該層的屬性數據是通過用于疊置的各個數據層的原始屬性數據通過簡單的邏輯合并的方法或者是復雜的函數運算方式組合而成的結果。簡單的來說，疊置分析就是將層(對象)與層(對象)的疊加合并，再結合各種邏輯運算的方式分析出各個層(對向)之間存在的關聯(lián)規(guī)則和內容。

如果GIS數據基本結構是矢量數據的話，則可將GIS疊置分析稱為矢量數據疊置分析。具體可以分別進行的疊置對象包括：“點與點之間”、“點與線之間”、“點與多邊形之間”、“線與線之間”、“線與多邊形之間”、“多邊形與多邊形之間”這6種方式，進而可以劃分為6種相對應的疊置分析的類別。

應用中，將所有事故點形成的每一個事故緩沖區(qū)圖層進行多邊形圖層與多邊形圖層的疊置過程，形成一個嶄新的綜合性事故圖層，進而分析出事故多發(fā)的各種情況，最后，再將反映事故多發(fā)的新圖層與道路交通地理圖層進行多邊形與線的疊置分析，鑒別出事故多發(fā)的路段或者區(qū)域。

2交通事故數據預處理

2.1事故數據來源與篩選

本文是選用2006年國內某市市區(qū)內采集的道路交通事故數據作為應用數據對本文提出的方法進行分析。本案例事故數據表結構中采集了事故發(fā)生的時間、路名/地點、死亡人數、重傷人數、輕傷人數等共161個相關信息字段，本研究共選取了1789條實際發(fā)生的道路交通事故數據。結合交通事故多發(fā)點鑒別方法以及模型的選用，從數據源中篩選出描述交通事故的幾個基本屬性信息，包括有：事故發(fā)生的時間、地理位置、死亡人數、輕重傷人數、直接經濟損失、損壞車輛數(機動車)、損壞車輛數(非機動車)等數據信息。

2.2事故數據整理

由于交通管理部門采集的事故數據信息都是面向交通事故這個主題的數據的集合，這些數據是在不同的時期(時間段)、不同的地點位置、不同的天氣狀況下使用不同的采集設備進行采集的，甚至是不同的采集系統(tǒng)共同作用下采集到的事故歷史源數據，這樣就避免不了有的數據是錯誤數據、有的數據相互之間有沖突、有的數據是重復數據、有的數據是突變值數據，稱為“臟數據”[4]。所以，需要對獲取的原始事故數據進行數據清洗。

因此，在所采用的事故數據中，分別對空值事故數據(數據量為237條，占總事故數據13.4%)、不一致事故數據(數據量為168條，占總事故數據9.3%)、噪聲事故數據(數據量為182條，占總事故數據10.2%)進行了清洗，最終可以用于研究的事故數據為1376條。

3實例應用

基于上述處理后的數據，本文選擇ArcGIS地圖軟件作為實現本文提出方法的平臺。將獲得事故數據導入GIS數據庫后使用本文提出的緩沖區(qū)分析及疊置分析的方法來研究道路交通事故多發(fā)點。

根據前面數據表中折算出的事故當量死亡人數的數值，分別在空間分析工具中設置各個事故點相對應的緩沖區(qū)參數，進而采取緩沖區(qū)的分析，可以在GIS地圖上得到有關每一個交通事故的緩沖區(qū)，因為每個事故的緩沖區(qū)半徑Ri都是根據事故本身所具有的“死亡人數”、“重傷人數”、“輕傷人數”以及“直接經濟損失”這幾項數據值，通過使用道路交通事故當量死亡人數計算模型，綜合折算為統(tǒng)一的“當量死亡人數”的數據值，因此，得到的緩沖區(qū)結果，是一個個不同半徑的事故緩沖區(qū)分析圖層，進而按照之前介紹的疊置分析方法，將每一個事故的緩沖區(qū)圖層進行疊置分析，形成一個新的圖層，緩沖區(qū)域出現重疊的現象越發(fā)嚴重，那么這個區(qū)域就可視為事故高發(fā)。

因此，通過綜合運用緩沖區(qū)分析和疊置分析的方法，可以鑒別出交通事故多發(fā)的地點區(qū)域，如圖2(a、b、c)所示,以及交通事故多發(fā)的路段，如圖3(a、b)所示。圖2(a)中標識的A區(qū)域和圖2(b)中標識的B區(qū)域分別為兩個較大面積的事故多發(fā)區(qū)域，圖2(c)中標識的C區(qū)域為一個較小面積的事故多發(fā)區(qū)域；圖3(a)中標識的事故多發(fā)路段為“320國道引線東湖街道恒生印染廠門口路段”，圖3(b)中標識的事故多發(fā)路段為“余杭區(qū)喬司鎮(zhèn)永西村小學旁路段”。

(a) 事故多發(fā)點A區(qū)域

(b) 事故多發(fā)點B區(qū)域

(c) 事故多發(fā)點C區(qū)域

圖2 交通事故多發(fā)的區(qū)域Figure2Theareaofmoretrafficaccidentshappened

(a) 320國道引線東湖街道恒生印染廠門口路段

(b) 余杭區(qū)喬司鎮(zhèn)永西村小學旁

圖3 交通事故多發(fā)的路段Figure3 Theroadofmoretrafficaccidentshappened

從識別的事故多發(fā)區(qū)域來看，定性觀察可以看到3個區(qū)域內的道路交通事故發(fā)生點較為密集，而從識別的事故多發(fā)路段來看，也可以看到識別出來的兩個路段內的道路交通事故發(fā)生較為密集，由此可見，本文所提出的變半徑的緩沖區(qū)分析方法與疊置分析整合的方法能夠在道路交通事故多發(fā)點的鑒別方面有一定的應用。

4結論

針對道路交通事故多發(fā)點的鑒別問題，本文提出了改進的點緩沖區(qū)分析與疊置分析的綜合性分析方法，以充分地反映事故的各方面特性對事故多發(fā)點鑒別方面的影響。通過應用國內某城市市區(qū)的道路交通事故數據顯示本文提出的方法能夠有效的得到反映事故多方面特性的事故多發(fā)點的鑒別。

本文只是將空間分析技術在道路交通事故多發(fā)點鑒別方面進行了應用探索，實際上，作為一種有效的分析技術，GIS中的空間分析技術在道路交通事故的綜合分析中有廣泛的應用前景，未來需要在道路交通事故致因分析等方面進一步探討空間分析技術的應用。

[參考文獻]

[1]朱麗芳. 基于GIS的道路交通事故多發(fā)點自動搜索及交通事故預測的研究[D]. 烏魯木齊：新疆農業(yè)大學，2006.

[2]Saffet Erdogan, Ibrahim Yilmaz, Tamer Baybura.Geographical information systems aided traffic accident analysis system case study: city of Afyonkarahisar. Turkey Accident Analysis and Prevention[J] .ELSEVIER.2008:174-181 .

[3]Ismail Bulent Gundogdu.Applying linear analysis methods to GIS-supported procedures for preventing traffic accidents: Case study of Konya[J].Safety Science—ELSEVIER.2010:763-769.

[4]GIS-Based Crash Referencing and Analysis System Research, Development & Technology Turner-Fairbank Highway Research Center 6300 Georgetown Pike McLean[R]. HSIS(Highway Safety Information System) SUMMARY REPORT. Virginia 22101-2296.

[5]Using GIS in the Analysis of Truck Crashes Research, Development & Technology Turner-Fairbank Highway Research Center 6300 Georgetown Pike McLean[R]. HSIS(Highway Safety Information System) SUMMARY REPORT.Virginia 22101-2296.

[6]Richard C.Smith.Implementation of GIS-Based highway safety analysis: bridging the gap[J]. HSIS. 2001.

[7]DeeleshMandloi.Evaluation of accident black spots on roads using geographical information system (GIS)[J]. 2003.

[8]Kerri M.Keith.Mapping Crash and Citation Information to Aid Law Enforcement and Improve Traffic Safety[J]. 2005.

[9]王詩文，潘曉東，伊軒軒.基于主成分分析法的城郊公路事故多發(fā)段鑒別[J].公路工程,2011,36(2):157-160.

[10]張力. 基于GIS與主成份分析的道路交通事故黑點研究[J].地理空間信息.2008,6(5):79-82.

[11]林汀，歐陽天水，王劍.基于灰色聚類法的山區(qū)高速公路安全評價[J].公路工程，2014,39(2):41-44.

[12]于建游.基于事故空間分布交通事故多發(fā)地點鑒定新方法[J].交通世界，2007(2-3):99-101.

[13]邱磊. 道路交通事故多發(fā)點的鑒別[J].現代交通技術，2011,8(5):73-76.

[14]薛大維，紀峻嶺. 哈爾濱市區(qū)域事故多發(fā)路段和黑點鑒別及應對措施[J].交通科技與經濟,2013,15(2):56-59.

[15]劉麗娟. 空間分析中緩沖區(qū)生成算法研究及應用[D].開封:河南大學,2009.

[16]曹建軍.道路交通事故當量死亡人數的計算模型研究[J].重慶交通大學學報:自然科學版,2013,32(1):91-94.

Buffer Analysis Method In The Identification of The Accident Black Point Application Research

WANG Hai1,2， LI Ruimin1

(1.Institute of Transportation Engineering，Tsinghua University，Beijing 100084，China; 2.Joint Projection Department，Military Transportation University，Tianjin 300161, China)

[Abstract]Road accident black point identification is an important content of road traffic safety management, this paper proposed an accident black point identification method based on improved buffer analysis technology. After the abnormal data cleaning, an improved point buffer analysis method was presented, that is the " Radius of variable length point buffer analysis" and "superimposed analysis" was combined to analysis the accident black point This method was applied on the basis of traffic accident data in A certain city, and recognized 3 accident black point areas and 2 accident black point sections. Results show that the proposed improved buffer analysis technology can be used for effective road accident black point identification.

[Key words]Traffic safety management; Accident black point identification; Data cleaning; Buffer analysis; Superimposed analysis

[中圖分類號]U 491.31

[文獻標識碼]A

[文章編號]1674-0610(2016)01-0103-05

[作者簡介]王海(1978-)，男，天津人，碩士研究生，主要從事道路交通安全研究。

[收稿日期]2014-12-16