黃合來(lái)，程逸旻，鄧奇春，趙海深

(1.中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410075；2.湖南省交通科學(xué)研究院，湖南 長(zhǎng)沙 410015；3.湖南省公安廳 交通管理局，湖南 長(zhǎng)沙 410100)

長(zhǎng)株潭城市群區(qū)域公路網(wǎng)事故頻率研究

黃合來(lái)1，程逸旻1，鄧奇春2，趙海深3

(1.中南大學(xué) 交通運(yùn)輸工程學(xué)院，湖南 長(zhǎng)沙 410075；2.湖南省交通科學(xué)研究院，湖南 長(zhǎng)沙 410015；3.湖南省公安廳 交通管理局，湖南 長(zhǎng)沙 410100)

摘要:交通事故發(fā)生率是體現(xiàn)道路安全水平的重要指標(biāo)之一。按行政區(qū)劃將長(zhǎng)株潭城市群劃分為23個(gè)區(qū)域，利用區(qū)域事故頻率預(yù)測(cè)方法中條件自回歸(CAR)模型，關(guān)聯(lián)區(qū)域交通事故頻率與相應(yīng)人-車-路系統(tǒng)中的各種風(fēng)險(xiǎn)因素，挖掘長(zhǎng)株潭城市群區(qū)域路網(wǎng)事故頻率的主要影響因素，并提供相應(yīng)改善建議。

關(guān)鍵詞：城市群；事故頻率；CAR模型

交通作為長(zhǎng)株潭建設(shè)“兩型社會(huì)”的核心級(jí)引擎，近年來(lái)發(fā)展迅猛，但薄弱的安全設(shè)施供給和滯后的安全管理理念嚴(yán)重制約道路安全水平的提高。為更好地服務(wù)長(zhǎng)株潭城市群經(jīng)濟(jì)的發(fā)展，推進(jìn) “兩型社會(huì)”試驗(yàn)區(qū)建設(shè)，建立一套符合長(zhǎng)株潭區(qū)域公路網(wǎng)實(shí)際情況的安全評(píng)價(jià)體系和改善方法具有重要的理論意義和實(shí)用價(jià)值[1]。

交通事故發(fā)生率是體現(xiàn)道路安全水平的重要指標(biāo)之一[2]。傳統(tǒng)交通安全研究中，事故預(yù)測(cè)模型是最為核心的微觀分析工具，事故頻率預(yù)測(cè)可以關(guān)聯(lián)交通事故發(fā)生頻率與人-車-路-環(huán)境系統(tǒng)中的各種風(fēng)險(xiǎn)因素，同時(shí)還能預(yù)測(cè)在各因素不同取值和組合條件下的事故發(fā)生期望頻率，從而獲得降低事故發(fā)生概率的改善措施。隨著近年來(lái)歐美等發(fā)達(dá)國(guó)家對(duì)宏觀交通安全水平的重視，區(qū)域事故預(yù)測(cè)模型逐漸成為研究熱點(diǎn)。就統(tǒng)計(jì)方法而言，傳統(tǒng)事故預(yù)測(cè)模型，如常用的泊松-對(duì)數(shù)正態(tài)模型[3-4]和泊松-伽馬模型(又稱為負(fù)二項(xiàng)模型)[5-6]假定事故的分布在空間上不相關(guān)。然而安全數(shù)據(jù)具有復(fù)雜的空間分布，對(duì)空間特征的忽略將大大影響安全水平估計(jì)的準(zhǔn)確性和魯棒性。本文考慮到長(zhǎng)株潭城市群各區(qū)域之間空間相關(guān)性，引入條件自回歸項(xiàng)反映相鄰單元間可能的空間關(guān)聯(lián)，利用條件自回歸模型(conditionallyautoregressive，CAR)[7]預(yù)測(cè)長(zhǎng)株潭城市群事故頻率期望值。

隨著對(duì)安全水平空間關(guān)聯(lián)重要性的逐漸認(rèn)識(shí)，歐美等發(fā)達(dá)國(guó)家已經(jīng)做了大量定量研究來(lái)分析不同規(guī)劃層面的影響因素與交通安全水平的關(guān)聯(lián)。其空間分析單元包括州、縣、行政區(qū)劃、交通分析小區(qū)(TAZ)、人口普查區(qū)劃、地理網(wǎng)絡(luò)區(qū)域等。已有研究主要從道路網(wǎng)絡(luò)特征(公路里程、道路密度、交叉口密度)、交通流特征(限速、平均行駛速度、交通流量)、天氣特征(降雨量、降雪量、年降雨天數(shù))、土地利用特征(商業(yè)區(qū)、住宅區(qū)、城郊區(qū))、以及各種經(jīng)濟(jì)社會(huì)人口特征(人口、年齡結(jié)構(gòu)、就業(yè)、收入、醫(yī)療服務(wù)水平等)等幾個(gè)方面進(jìn)行分析。

1研究對(duì)象及初步分析

1.1研究對(duì)象

城市群公路網(wǎng)交通安全受到了諸如社會(huì)經(jīng)濟(jì)發(fā)展、周邊土地利用、道路網(wǎng)絡(luò)結(jié)構(gòu)、交通設(shè)施布局、道路幾何設(shè)計(jì)、道路交通流量和交通政策法規(guī)等宏、微觀因素的影響。根據(jù)這些因素的變化可以更為準(zhǔn)確地了解當(dāng)前道路交通安全水平及預(yù)測(cè)未來(lái)年份的變化趨勢(shì)。因此首先要對(duì)長(zhǎng)株潭城市群進(jìn)行區(qū)域劃分并對(duì)事故數(shù)據(jù)初步統(tǒng)計(jì)分析，為后續(xù)研究奠定基礎(chǔ)。

區(qū)域?qū)用媸鹿暑A(yù)測(cè)可按照功能區(qū)域、行政管轄區(qū)域、一定尺度的規(guī)則柵格三種劃分方式分別進(jìn)行建模分析。本文基于“長(zhǎng)株潭”城市群公路網(wǎng)運(yùn)營(yíng)現(xiàn)狀和相關(guān)數(shù)據(jù)信息完整度，按照行政管轄區(qū)域進(jìn)行區(qū)域劃分，總共劃分為23個(gè)區(qū)域，具體分區(qū)見(jiàn)表1，區(qū)域劃分圖如圖1所示。

表1　區(qū)域劃分表

圖1　研究區(qū)域劃分Fig.1 Research area division

1.2初步統(tǒng)計(jì)分析

從交管部門(mén)收集到長(zhǎng)沙、株洲以及湘潭3市2010初至2013年底共4年的一般交通事故和簡(jiǎn)易交通事故數(shù)據(jù)。交管部門(mén)將只造成輕微傷或無(wú)傷害的事故定義為簡(jiǎn)易事故，其他為一般事故。數(shù)據(jù)表包含事故編號(hào)、事故發(fā)生時(shí)間等30個(gè)事故屬性信息。

分析一般交通事故受傷人數(shù)、死亡人數(shù)和事故起數(shù)屬性，可以得到長(zhǎng)株潭城市群一般事故數(shù)據(jù)的總體情況，如圖2所示。由事故總體情況圖可知，4年12 521起一般交通事故中造成17 013人受傷、3 451人死亡，3項(xiàng)指標(biāo)的變化趨勢(shì)相對(duì)平穩(wěn)，沒(méi)有明顯波動(dòng)。但是考慮到近些年長(zhǎng)株潭地區(qū)機(jī)動(dòng)車數(shù)目的快速增長(zhǎng)，相對(duì)平穩(wěn)的總體安全趨勢(shì)能體現(xiàn)出相關(guān)部門(mén)的交通安全管理工作卓有成效，但依舊有較大提升空間。

圖2　一般交通事故總體指標(biāo)及趨勢(shì)Fig.2 General overall index trend chart of common traffic accidents

2區(qū)域事故頻率預(yù)測(cè)建模與分析

2.1相關(guān)數(shù)據(jù)收集

采用長(zhǎng)株潭城市群23個(gè)劃分區(qū)域2010至2012總共4年的事故數(shù)據(jù)，以及各區(qū)域道路特征數(shù)據(jù)和相關(guān)社會(huì)-經(jīng)濟(jì)-人口數(shù)據(jù)。事故數(shù)據(jù)來(lái)源于湖南省交管部門(mén)，道路特征數(shù)據(jù)來(lái)源于“長(zhǎng)株潭”城市群GIS地圖統(tǒng)計(jì)結(jié)果，社會(huì)-經(jīng)濟(jì)-人口數(shù)據(jù)則來(lái)源于《湖南省統(tǒng)計(jì)年鑒》。基于對(duì)上述數(shù)據(jù)的進(jìn)一步處理，得到區(qū)域?qū)用娴淖兞咳缦拢?/p>

1)事故數(shù)據(jù)：一般交通事故起數(shù)，簡(jiǎn)易交通事故起數(shù)，事故死傷人數(shù)，事故直接財(cái)產(chǎn)經(jīng)濟(jì)損失；2)道路特征數(shù)據(jù)：道路總里程數(shù)，高速道路里程數(shù)，按行政等級(jí)(國(guó)道/省道/縣道/鄉(xiāng)鎮(zhèn)村道)分類的道路里程數(shù)；3)社會(huì)-經(jīng)濟(jì)-人口數(shù)據(jù)：區(qū)域面積，國(guó)內(nèi)生產(chǎn)總值(GDP，grossdomesticproduct)，按產(chǎn)業(yè)類型(第一/第二/第三/工業(yè))經(jīng)濟(jì)生產(chǎn)總值，常住人口數(shù)，按性別(男性/女性)分類人口數(shù)，按城鄉(xiāng)戶口(城鎮(zhèn)/農(nóng)村)分類人口數(shù)，就業(yè)狀況(就業(yè)人口數(shù))。2.2事故數(shù)據(jù)預(yù)處理

為了更好地反映各種因素對(duì)事故風(fēng)險(xiǎn)的影響，上述采集的裸數(shù)據(jù)必須經(jīng)過(guò)進(jìn)一步的處理和標(biāo)準(zhǔn)化。道路特征數(shù)據(jù)方面，用道路總里程數(shù)與區(qū)域面積的比值，經(jīng)過(guò)標(biāo)準(zhǔn)化，得到路網(wǎng)密度變量。同樣的方法可以得到高速密度、國(guó)道密度、省道密度、縣道密度以及鄉(xiāng)鎮(zhèn)村道密度變量。社會(huì)-經(jīng)濟(jì)-人口數(shù)據(jù)方面，用常住人口數(shù)與區(qū)域面積的比值作為人口密度變量。用GDP除以常住人口數(shù)，可得到人均GDP變量。用工業(yè)生產(chǎn)總值與GDP的比值，即工業(yè)比例作為新變量，同理可以得到第一產(chǎn)業(yè)比例、第二產(chǎn)業(yè)比例和第三產(chǎn)業(yè)比例。用女性人口數(shù)與常住人口數(shù)的比值可以得到女性比例變量。用城鎮(zhèn)人口數(shù)與常住人口數(shù)的比值則可以得到城鎮(zhèn)化率變量。用就業(yè)人口數(shù)除以常住人口數(shù)可以得到就業(yè)率變量。

定義一般事故起數(shù)、簡(jiǎn)易事故起數(shù)為模型的響應(yīng)變量，將常住人口總數(shù)作為事故機(jī)會(huì)變量[8]，其余變量則作為風(fēng)險(xiǎn)變量。上述變量的統(tǒng)計(jì)性描述見(jiàn)表2。

表2　區(qū)域事故頻率變量統(tǒng)計(jì)描述

2.3模型選擇與建立

空間相關(guān)廣泛地存在于相鄰的空間分析單元中，對(duì)影響事故頻率因素的參數(shù)估計(jì)的準(zhǔn)確度有顯著影響。貝葉斯空間模型能有效擬合空間相關(guān)特征。本項(xiàng)目擬在傳統(tǒng)事故預(yù)測(cè)模型(泊松對(duì)數(shù)正態(tài)回歸模型)的基礎(chǔ)上，引入條件自回歸項(xiàng)反映相鄰單元間可能的空間關(guān)聯(lián)。條件自回歸模型，形式如下：

Yit|λit～Poisson(λit)

(1)

(2)

θi～normal (0,1/τh)

且

(3)

α=sd(φ)/sd(θ)+sd(φ)

(4)

對(duì)于區(qū)域空間鄰接矩陣ω的權(quán)重，主要有如下4種形式：

1)0-1權(quán)重。若第i個(gè)單元與第j個(gè)單元共享邊界，則ωij=1，否則為0；

2)基于共享邊界長(zhǎng)度的權(quán)重。若第i個(gè)單元與第j個(gè)單元的共享邊界長(zhǎng)度為lij，則ωij=lij，若無(wú)共享邊界，則ωij=0。為避免數(shù)據(jù)冗余，可對(duì)鄰接矩陣ω進(jìn)行行標(biāo)準(zhǔn)化處理；

3)基于幾何質(zhì)心距離的權(quán)重。根據(jù)地理學(xué)第一定律，兩個(gè)對(duì)象之間的關(guān)系是其距離的函數(shù)，且空間作用關(guān)系隨著距離的增加而減弱。以往研究表明，單元之間空間關(guān)系的強(qiáng)度隨著距離的減弱程度要強(qiáng)于線性比例關(guān)系，因此經(jīng)常采用質(zhì)心距離平方的倒數(shù)作為權(quán)重。

(5)

其中：dij—第i個(gè)單元與第j個(gè)單元的幾何質(zhì)心之間的距離。

4)基于事故權(quán)重質(zhì)心距離的權(quán)重?；诜治鰡卧獌?nèi)事故點(diǎn)的空間分布位置可得到該單元內(nèi)事故的權(quán)重質(zhì)心。相比(3)，該方法綜合考慮了事故空間聚集特征。

(6)

式中：dij為第i個(gè)單元與第j個(gè)單元的事故權(quán)重質(zhì)心之間的距離。

本研究采用第一種鄰接矩陣權(quán)重形式[9]。

2.4區(qū)域事故頻率安全分析

1)事故說(shuō)明

圖2表明“長(zhǎng)株潭”各分區(qū)2010至2013年死亡人數(shù)地理分布特征。這4年，“長(zhǎng)株潭”城市群23個(gè)分區(qū)共發(fā)生交通事故123 024起，其中一般事故9 793起、簡(jiǎn)易事故113 231起，死亡1 729人。一般事故起數(shù)最低為韶山市41起、最高為瀏陽(yáng)市829起；簡(jiǎn)易事故起數(shù)最低為湘鄉(xiāng)市212起、最高為醴陵縣12 146起；死亡人數(shù)最低為炎陵縣14人，最高為瀏陽(yáng)市175人。一般事故起數(shù)、簡(jiǎn)易事故起數(shù)、死亡人數(shù)的標(biāo)準(zhǔn)差分別為261.41，3 006.85及47.40，可知簡(jiǎn)易事故起數(shù)的變化范圍較大 ，死亡人數(shù)變化范圍較小。

圖2　長(zhǎng)株潭地區(qū)2010-2013交通事故死亡人數(shù)地理分布Fig.2 Changsha-Zhuzhou-Xiangtan area road deaths geographical distribution during 2010-2013

2)模型運(yùn)行

用WinBUGS軟件對(duì)“長(zhǎng)株潭”進(jìn)行事故頻次的預(yù)測(cè)，經(jīng)過(guò)六十萬(wàn)次的迭代，最終得到比較穩(wěn)定的參數(shù)估計(jì)，各變量參數(shù)估計(jì)結(jié)果如表3所示。

3)變量分析

表3和表4分別為一般事故、簡(jiǎn)易事故CAR模型WinBUGS運(yùn)行參數(shù)估計(jì)結(jié)果，數(shù)值為95%統(tǒng)計(jì)顯著。結(jié)果表明一般事故有人口、女性人口比例、常系數(shù)三個(gè)變量顯著，即三個(gè)因素顯著影響事故的發(fā)生。簡(jiǎn)易事故則有人口、縣道密度、女性人口比例、就業(yè)率、常系數(shù)五個(gè)變量顯著，即上述五個(gè)因素顯著影響事故的發(fā)生。

人口作為機(jī)會(huì)變量在一般、簡(jiǎn)易事故模型中都與事故起數(shù)顯著正相關(guān)，這說(shuō)明人口的增長(zhǎng)會(huì)導(dǎo)致交通事故顯著增加。這一點(diǎn)不難解釋，更多的人意味著更多的交通需求，顯著增加的交通需求導(dǎo)致更多的交通產(chǎn)生，從而增加交通事故產(chǎn)生的可能性。

女性人口比例在一般事故模型中為顯著正相關(guān)，相對(duì)于男性駕駛員，女性駕駛員駕駛技能、緊急情況下的應(yīng)變能力處于劣勢(shì)，所以更容易產(chǎn)生一般事故。而在簡(jiǎn)易事故模型中，女性人口比例成顯著負(fù)相關(guān)，這可能與女性性格更為溫和，開(kāi)車更為謹(jǐn)慎有關(guān)，男性普遍易沖動(dòng)，容易引發(fā)刮擦等簡(jiǎn)易事故。相關(guān)管理部門(mén)可以有針對(duì)性地加強(qiáng)女性駕駛員的駕駛技能和應(yīng)變能力。

縣道密度在簡(jiǎn)易事故模型中與事故起數(shù)顯著正相關(guān)?！伴L(zhǎng)株潭”城市群的縣道密度相較于其他行政等級(jí)道路較高，與居民的出行也息息相關(guān)?？h道的技術(shù)等級(jí)要求不高，交通設(shè)施的維護(hù)、交通運(yùn)行的管理相對(duì)來(lái)說(shuō)滯后，為交通事故的產(chǎn)生埋下嚴(yán)重隱患。

就業(yè)率與簡(jiǎn)易事故起數(shù)顯著負(fù)相關(guān)。就業(yè)率高的地區(qū)一般經(jīng)濟(jì)條件都較好，人口素質(zhì)相對(duì)較高，而且出行行為相對(duì)較為規(guī)律。在這些區(qū)域，，交管部門(mén)業(yè)務(wù)素質(zhì)、技術(shù)水平、和管理重視程度往往也較高一些，帶來(lái)了相對(duì)較低的事故發(fā)生率。

表3　一般事故參數(shù)估計(jì)結(jié)果

表4　簡(jiǎn)易事故參數(shù)估計(jì)結(jié)果

3結(jié)論

1)長(zhǎng)株潭城市群公路網(wǎng)總體交通安全形勢(shì)良好，無(wú)論是一般事故數(shù)、簡(jiǎn)易事故數(shù)還是死亡人數(shù)都處在較為平穩(wěn)狀態(tài)，說(shuō)明交管部門(mén)的安全保障工作是有效的，但是仍然有優(yōu)化空間。

2)長(zhǎng)株潭23個(gè)分區(qū)事故數(shù)和部分道路特征、經(jīng)濟(jì)社會(huì)人口數(shù)據(jù)標(biāo)準(zhǔn)差較大，即23個(gè)分區(qū)有明顯差異。事故頻率研究部分采用條件自回歸(CAR)模型，得到顯著影響一般交通事故發(fā)生的人口、女性人口比例因素和顯著影響簡(jiǎn)易交通事故發(fā)生的人口、女性人口比例、縣道密度、就業(yè)率因素。

3)相關(guān)部門(mén)應(yīng)當(dāng)加強(qiáng)女性駕駛員的駕駛管理與技能培訓(xùn)，在合理范圍內(nèi)減緩新建縣道的建造速度，并對(duì)服役時(shí)間較長(zhǎng)、條件較差的縣道予以合理改建，淘汰部分不符合交通發(fā)展需求的縣道，同時(shí)多部門(mén)配合提升當(dāng)?shù)鼐蜆I(yè)率，這些措施都能夠直接、間接降低事故發(fā)生的頻率。

參考文獻(xiàn)：

[1] 汪海,蔣滌非. 構(gòu)建長(zhǎng)株潭數(shù)字城市群的理論分析與實(shí)施建議[J].鐵道科學(xué)與工程學(xué)報(bào), 2012,9(2)：110-114.

WANGHai，JIANGDifei.TheoreticalanalysisandproposalsfortheconstructionofChang-Zhu-Tandigitalurbanagglomeration[J].JournalofRailwayScienceandEngineering, 2012,9(2):110-114.

[2] 張晴, 趙晶心,董德存.交通事故管理智能決策支持系統(tǒng)設(shè)計(jì)初探[J].鐵道科學(xué)與工程學(xué)報(bào), 2008,5(3)：83-88.

ZHANGQing,ZHAOJingxin,DONGDecun.Designofintelligentdecisionsupportsystemtotrafficincidentmanagement[J].JournalofRailwayScienceAndEngineering, 2008,5(3)：83-88.

[3]ParkES,LordD,MultivariatePoisson-lognormalmodelsforjointlymodelingcrashfrequencybyseverity[J].TransportationResearchRecord, 2019, 1-6.

[4]MaJ,KockelmanKM,DamienP.AmultivariatePoisson-lognormalregressionmodelforpredictionofcrashescountsbyseverityusingBayesianmethods[J].AccidentAnalysisandPrevention, , 2008(40):964-975.

[5]MiaouSP.Therelationshipbetweentruckaccidentandgeometricdesignofroadsection:Poissonversusnegativebinomialregression[J].AccidentAnalysisandPrevention, 1994(26):471-482.

[6]HaqueMM,ChinHC,HuangH.Applyingbayesianhierarchicalmodelstoexaminemotorcyclecrashesatsignalizedintersections[J].AccidentAnalysisandPrevention, 2010(42):203-212.

[7]QuddusMA．Mldelingarea-widecountoutcomeswithspatialcorrelationandheterogeneity：AnanalysisofLondoncrashdata[J]．AccidentAnalysisandPrevention，2004(36)：1019-1028．

[8]HuangHL，Abdel-ATYM，DatwicheAL．County-levelcrashriskanalysisinflorida:bayesianspatialmodeling[J]．TransportationResearchBoard，2010(2148)：27-37．

[9] 黃合來(lái)，鄧雪，許鵬鵬．考慮空間自相關(guān)的貝葉斯事故預(yù)測(cè)模型[J]．同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，41(9)：1378-1383．

HUANGHelai,DENGXue,XUPengpeng.Consideringspatialautocorrelationofbayesianaccidentpredictionmodel[J].JournalofTongjiUniversity(naturalscienceedition), 2013，41(9)：1378-1383．

Traffic accident frequency research of road networkin Changsha-Zhuzhou-Xiangtan urban agglomeration

HUANG Helai1, CHENG Yimin1, DENG Qichun2, ZHAO Haisheng3

(1.SchoolofTrafficandTransportationEngineering,CentralSouthUniversity,Changsha410075,China;2.HunanCommunicationsResearchInstitute,Changsha410015，China;3.TrafficPoliceBureauHunanDepartmentofPublicSecurityManagement,Changsha410100,China)

Abstract:Traffic accident frequency is one of the important indices of road safety level. This paper firstly divided Changsha-Zhuzhou-Xiangtan Urban Agglomeration into 23 areas according to administrative divisions, then made use of the Condition autoregressive (CAR) model, which was among regional accident prediction methods, to relate the accident frequency to the corresponding various risk factors in driver-car-road system. Finally, the main influencing factors were identified and the corresponding improvement suggestions were made.

Key words:urban agglomeration; traffic accident frequency; CAR model

收稿日期：2015-10-21

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(71371192)；西部交通建設(shè)科技項(xiàng)目(20113187851460)

通訊作者：黃合來(lái)(1979-)，男，湖南湘潭人，教授，從事交通安全、交通規(guī)劃和智能交通系統(tǒng)研究；E-mail：huanghelai@csu.edu.cn

中圖分類號(hào)：U491.1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-7029(2016)05-0994-06