王鎮(zhèn)波， 管滿泉

(浙江警察學(xué)院交通管理工程系， 浙江杭州 310053)

區(qū)域交通事故接警量的預(yù)測與分析

王鎮(zhèn)波， 管滿泉

(浙江警察學(xué)院交通管理工程系， 浙江杭州 310053)

掌握區(qū)域的交通事故增漲規(guī)律，是一個區(qū)域公安交通管理部門合理地分配警力、提高交通管理水平的重要手段。通過分析浙江省某縣級區(qū)域十年間的110接處警數(shù)據(jù)，對每個月的日平均交通事故報警量進行統(tǒng)計和分析，實現(xiàn)了區(qū)域交通事故接警量的月和年預(yù)測方法，為公安交通管理部門短期、中期工作安排提供數(shù)據(jù)參考；通過千人擁車量等指標(biāo)，參照發(fā)達(dá)國家的汽車發(fā)展，為計算未來交通事故報警量的增漲峰值提出了基于最佳歷史數(shù)據(jù)的Logistic模型的遠(yuǎn)期預(yù)測方法。預(yù)測2017～2033年為中國汽車的快速增長期，中國的千人擁車量峰值為769，同時，對區(qū)域交通事故進行了預(yù)測和分析，并建議未來8年內(nèi)某區(qū)域(全國則為未來16年內(nèi))應(yīng)形成針對交通事故處理逐步提高10%的年應(yīng)對警力的發(fā)展戰(zhàn)略。

交通事故報警量； 預(yù)測方法； 千人擁車量； 快速增長期

0 引言

汽車數(shù)量的發(fā)展，提高了社會活動的運輸能力，給人們帶來生活上的便利，同時也帶來了負(fù)面影響。因為城市車輛保有量的急劇上升，引起的城市交通擁堵和交通事故頻發(fā)的現(xiàn)象已經(jīng)成為嚴(yán)重的社會問題。2016年底，由公安部交管局統(tǒng)計數(shù)據(jù)顯示，機動車駕駛?cè)诉_(dá)到3.6億人，其中汽車駕駛?cè)顺^3.1億人；全國機動車保有量達(dá)2.9億輛，其中汽車1.94億輛，汽車剛性需求保持旺盛，新注冊量和年增量均達(dá)歷史最高水平。汽車量的迅速增漲誘發(fā)了交通事故量的增漲，處理每天發(fā)生的交通事故，已成為當(dāng)前公安交通管理部門的工作之一。如何掌握區(qū)域交通事故規(guī)律，合理地應(yīng)對交通事故的發(fā)生，從宏觀的角度改善城市交通安全的管理狀況已經(jīng)成為社會發(fā)展的一個迫切任務(wù)。根據(jù)世界衛(wèi)生組織發(fā)布的《2015年全球道路安全現(xiàn)狀報告》內(nèi)容，自 2007 年以來全球道路交通死亡人數(shù)處于穩(wěn)定水平。大部分研究表明，我國的道路交通安全管理水平得到了一定程度的提高。2003 年以來，全國公安機關(guān)深入開展了道路交通事故預(yù)防工作，大力整治道路交通秩序，取得了明顯成效。

但如何客觀并定量分析一個區(qū)域的交通事故管理好壞，掌握地區(qū)的交通事故發(fā)展趨勢，對公安機關(guān)交通管理部門而言，是公安技術(shù)學(xué)中一個重要又有價值的課題。目前，進行全國或地區(qū)的交通事故預(yù)測的學(xué)術(shù)研究，以事故死亡人數(shù)為基礎(chǔ)數(shù)據(jù)為主，較為傳統(tǒng)的有：回歸分析預(yù)測法、時間序列法、統(tǒng)計模型法、經(jīng)驗?zāi)Ｐ头ǖ萚1]，也有新近發(fā)展的灰色理論預(yù)測、人工神經(jīng)網(wǎng)絡(luò)和基于馬爾可夫鏈的結(jié)合理論方法等[2-3]， 結(jié)合人、車、道路和環(huán)境以及歷史的時間序列數(shù)據(jù)完成事故的預(yù)測分析，能夠獲得宏觀參考性的交通事故預(yù)測結(jié)果。由于諸多原因，以事故次數(shù)、死傷人數(shù)和直接經(jīng)濟損失的分析，數(shù)據(jù)源本身的真實性和客觀性都受到一定的質(zhì)疑。

而本文通過區(qū)域交通事故接警量的預(yù)測和警情特征分析，對浙江省某縣級區(qū)域的交通管理部門內(nèi)多年來的交通事故報警量進行統(tǒng)計和分析，數(shù)據(jù)源上不以事故死亡人數(shù)為基礎(chǔ)數(shù)據(jù)，而來源于真實的交通報警數(shù)據(jù)，能夠保證真實性和客觀性。同時，假設(shè)汽車量的增長與交通事故相關(guān)，結(jié)合國際上發(fā)達(dá)國家和我國的千人擁車量的變化及預(yù)測[4-5](部分研究已較為成熟，但未能結(jié)合用于交通事故的分析)，提出基于最佳歷史數(shù)據(jù)的Logistic模型的遠(yuǎn)期預(yù)測方法，能夠在戰(zhàn)略上預(yù)見并更合理分析交通事故的變化趨勢，對未來公安交通管理工作的重點有戰(zhàn)略上的影響，對當(dāng)前和未來的警力分配有重要貢獻(xiàn)。

1 交通事故報警量

1.1 交通事故和交通事故報警量的定義

《中華人民共和國道路交通安全法》中定義，交通事故是道路交通事故的簡稱，是指車輛在道路上因過錯或者意外造成的人身傷亡或者財產(chǎn)損失的事件。其中，“道路”，是指公路、城市道路和雖在單位管轄范圍但允許社會機動車通行的地方，包括廣場、公共停車場等用于公眾通行的場所[6]。

然而，實際上并不容易完全獲得一個地區(qū)的交通事故發(fā)生量。實際操作中， 122或者110接處警轉(zhuǎn)接到地方交通警察大隊的二級接處警平臺，由交警部門(交警大隊或交警支隊)記錄存檔。在及時剔除了重復(fù)報警的記錄后，形成的交通事故報警量，客觀上代表了該地區(qū)的交通事故發(fā)生量。

1.2 交通事故的現(xiàn)狀和統(tǒng)計

1.2.1 交通事故報警量

區(qū)域交通事故報警量是反映一個地區(qū)交通安全的基礎(chǔ)信息，也是衡量一個地區(qū)的公安交通管理部門的工作量、交通管理水平和交通管理成效的客觀指標(biāo)之一。論文將通過浙江省某縣級市(以下簡稱某區(qū)域)公安局交通警察大隊的二級接處警平臺，導(dǎo)出多年來交通事故報警量數(shù)據(jù)，對某區(qū)域的現(xiàn)狀進行簡述，并對每年發(fā)生的交通事故進行統(tǒng)計。

根據(jù)歷史的軟件系統(tǒng)記錄，由二級接警平臺系統(tǒng)軟件所能導(dǎo)出的數(shù)據(jù)庫數(shù)據(jù)有超過10年(2004年4月～2014年12月) 的每天的交通事故報警記錄，且這些數(shù)據(jù)是已經(jīng)剔除了重復(fù)報警的交通事故報警量數(shù)據(jù)。數(shù)據(jù)表明，此地區(qū)交通事故報警量歷年增加，增漲迅速，并且未來仍保持大幅度增漲趨勢。目前此地區(qū)能夠查到的最早記錄是2004年4月份的交通事故報警記錄，2004年4月平均每天發(fā)生的交通事故報警量為37.2起，而10年后2014年4月平均每天發(fā)生的交通事故報警量為163.0起，10年的時間里交通事故報警量增長了4.3倍。至2014年12月平均每天發(fā)生的交通事故報警量為220起，2014年年交通事故報警量增漲幅度為13%，并且每年各個月份的事故量有顯著的變化規(guī)律，如每年12月是交通事故最高發(fā)生月份，每年春節(jié)1月份最低。具體的現(xiàn)狀數(shù)據(jù)見圖1所示。

圖1 某區(qū)域2004年4月～2014年12月的交通事故報警量(每月的日平均量)

通過統(tǒng)計，目前已知某地區(qū)年交通事故實際報警量如表1所示。

表1 某區(qū)域年交通事故實際報警量

1.2.2 汽車保有量和人口等

自2000年起，某區(qū)域年汽車保有量迅猛增長，2011年汽車保有量年增30%，增幅達(dá)到頂峰，當(dāng)前汽車保有量增長率不低于15%，且每3～4年內(nèi)汽車保有量翻一翻，增幅仍然非常大，見表2所示。

1.3 交通事故報警量的預(yù)測和分析

1.3.1 中期年事故報警量預(yù)測

歷年的交通事故報警量都在增加，并且呈一定的數(shù)學(xué)增漲規(guī)律。假設(shè)交通事故報警量與增加的汽車保有量成正比，而報銷報廢的汽車量可以忽略，那么經(jīng)過每個月的累積，時間的增長將帶來穩(wěn)定的新增汽車的交通事故報警量，即可假定交通事故報警量與時間成二次曲線。通過快捷的二項式擬合[7]，足以對未來3年的交通事故進行粗略的預(yù)測，如圖2所示。

表2 某地區(qū)汽車保有量、常駐人口和千人擁車量

其中，擬合的數(shù)學(xué)模型采用簡單的二次多項式模型：

f(x)=-312.3*x^2 -125 000 0*x+ 1.25*10^9

(1)

其中，x為第幾個月份，f(x)為第x個月的交通事故報警量。確定系數(shù)R-square為0. 996 1，擬合度非常高。

圖2 交通事故報警量現(xiàn)狀的統(tǒng)計和6年的預(yù)測值

根據(jù)預(yù)測表明，2015～2020年的年交通事故報警量將不低于10%的增長。 未來中期階段至2020年公安交通管理部門將需要在交通事故處理工作中每年多投入10%以上的警力和工作時間。交通事故報警量的增漲，客觀反映了當(dāng)前交通管理工作量的增加，意味著未來的交通管理任務(wù)更加繁重。

1.3.2 短期月事故報警量預(yù)測

由于多年的交通事故報警量呈二次多項式模型增漲趨勢，近3年的每月的日平均交通事故報警量預(yù)測的方法，與公式(1)相似，從實用性的角度，簡便地考慮到交通事故的發(fā)生量存在顯著的年周期性，通過對每年一月份的數(shù)據(jù)進行二項式數(shù)值擬合，得到10年里(2004～2014年)1月份的日平均交通事故報警量的預(yù)測曲線，同樣單獨預(yù)測每年2月份、每年3月份、每年4月份……每年12月份。這樣就能夠?qū)崿F(xiàn)未來每個月的日平均交通事故報警量和當(dāng)月總量的預(yù)測。據(jù)統(tǒng)計，由多年來交通事故報警量數(shù)據(jù)，對每個月發(fā)生的日平均交通事故進行統(tǒng)計，如圖3所示。

圖3 某區(qū)域10年間的交通事故報警量(每月的日平均量)及其預(yù)測

1.3.3 事故報警量的規(guī)律性和交通事故報警量月差異系數(shù)求解

通過分析交通事故報警量，可發(fā)現(xiàn)：10年間，每月的日平均交通事故報警量都在穩(wěn)定增長；存在著周期性變化，每年12月是交通事故最高發(fā)生月份，每年春節(jié)1月份最低。假定每月的日平均交通事故報警量為Q，一部分來源于新增汽車保有量帶來的時間尺度的交通事故增長為ΔQ1，一部分來源于每年相對穩(wěn)定的氣候季節(jié)性的周期性差異量為Q2，以月份為統(tǒng)計差異單元ΔQ2，

Q=ΔQ1+Q2

(2)

其中，時間尺度上，Q1呈二次多項式變化，即

Q1=a*t＾2+b*t+c

(3)

因此，可求Q2=Q-ΔQ1，

(4)

ΔQ2i=(1-ki)Q

(5)

其中，i為第幾個月份，ki為每個月的交通事故報警量月差異系數(shù)，Qmax為當(dāng)年某月份的最大日平均交通事故報警量。

以2005～2014年每一自然年為一個周期分別求解每個月的交通事故報警量月差異系數(shù)ki，獲得10年內(nèi)10次ki值平均，即為最終的交通事故報警量月差異系數(shù)，各項數(shù)據(jù)如圖4所示。

圖4 求解交通事故報警量月差異系數(shù)的各項數(shù)據(jù)

經(jīng)過擬合，

Q1=0.225 3*t＾2+5.744*t+1 290

(6)

得到的交通事故報警量月差異系數(shù)ki平均值如表3所示。

表3 2005～2014年交通事故報警量月差異系數(shù)ki(均值)

研究分析表明，某區(qū)域一年中每個月份的交通事故報警量有明顯的差異，以一二月最少，12月份最多；同時隨時間變化，交通事故報警量呈曲線增漲趨勢。

1.4 交通事故量的發(fā)展趨勢分析

1.4.1 美國、日本和中國的千人擁車量及遠(yuǎn)期預(yù)測

有效借鑒一些發(fā)達(dá)汽車大國的汽車發(fā)展史，能夠為我國交通管理提供長期的戰(zhàn)略指導(dǎo)。汽車大國在發(fā)展過程中都有驚人的相似處： 經(jīng)過一定長時期的較緩慢增長，汽車工業(yè)元年成為各國汽車發(fā)展的標(biāo)志性轉(zhuǎn)折，其中，美國大約位于1916年，日本是1966年，中國是2002年。發(fā)達(dá)國家中，千人擁車量是衡量汽車購買力以及經(jīng)濟發(fā)展的重要標(biāo)準(zhǔn)。與已經(jīng)達(dá)到頂峰的發(fā)達(dá)國家相比，美國的千人擁車量最高為2008年850輛/每千人，日本的千人擁車量為2005年620輛/每千人達(dá)到峰值。至2016年年底，中國(大陸內(nèi)地地區(qū))的千人擁車量約為141輛/每千人。相比于美國和日本，中國(大陸內(nèi)地地區(qū))的人口密度介于二者之間，如表4所示。在此大膽假設(shè)，一定條件下，千人擁車量的峰值一定程度上和人口密度成負(fù)相關(guān)，即國家發(fā)展到穩(wěn)定時期，汽車的購買和使用量穩(wěn)定下來時，人口越密集的地區(qū)人群越傾向于少買車，購車的集體欲望受人口密度影響。因此中國(大陸內(nèi)地地區(qū))的千人擁車量的峰值將介于日本和美國的千人擁車量峰值之間。

粗略地以人口越密集和千人擁車量峰值成反比估算P有：

(7)

求解得：

P=769

即，預(yù)測未來中國(大陸內(nèi)地地區(qū))的千人擁車量峰值P約為769輛/每千人。

表4 各國人口密度和千人擁車量峰值情況表

數(shù)據(jù)來源: 國家統(tǒng)計局 (2011)

杜勇宏等[5]通過Logistic模型，比較中國和日本汽車保有量相似性，預(yù)測中國汽車千人保有量的快速增長期是在2017～2034年之間，已經(jīng)有相對成熟的方法，但簡單地設(shè)定東南亞國家汽車發(fā)展相近，取中國汽車千人保有量峰值等同日本630輛/每千人的做法不夠合理。

圖6 中國千人擁車量和迅猛發(fā)展期的預(yù)測

由于歷史太久的數(shù)據(jù)會影響近期數(shù)據(jù)的擬合度，經(jīng)多次擬合，選取2000～2016年的中國千人擁車量數(shù)據(jù)作為歷史數(shù)據(jù)擬合Logistic模型最佳(R-square為0.9899)，形成基于最佳歷史數(shù)據(jù)的Logistic模型的方法，得到結(jié)果為：

Pt=769/[1+(e349.1-0.172 4*t)]
(t=2017,2018,… 2060)

(8)

取千人擁車量峰值P的20%～80%區(qū)間，即2017～2033年為中國汽車的快速增長期(轉(zhuǎn)折期為2025年)，共16年，比日本快速增長期(1968～1991年)23年減少了7年，也間接說明中國汽車的快速發(fā)展。

通過以上分析，全國自2017年起未來16年進入汽車的快速增長期，交通事故引起的交通管理工作量將年增加10%以上，交通管理部門應(yīng)形成長遠(yuǎn)策略，針對交通事故處理工作，逐步提高10%的年應(yīng)對警力，以滿足人民群眾在交通事故處理方面的需求增長。因此，未來的交通管理工作嚴(yán)峻，需要從戰(zhàn)略上考慮交通管制策略。

1.4.2 區(qū)域千人擁車量和區(qū)域交通事故量的遠(yuǎn)期預(yù)測

某區(qū)域常駐人口68萬，經(jīng)濟發(fā)達(dá)，2016年汽車保有量21萬，2015年的千人擁車量約274輛/每千人(如果包含流動人口約40萬則其千人擁車量約173輛/每千人)，尚有2.8～4.4倍的增漲空間。

同樣，可以通過基于最佳歷史數(shù)據(jù)的Logistic模型的方法預(yù)測某區(qū)域的千人擁車量峰值時間(R-square為0.996 7)，得到結(jié)果為：

Pt=769/[1+(e502.7-0.249 1*t)]
(t=2017,2018,… 2060)

(9)

通過計算，2013～2024年為某地區(qū)汽車的快速增長期(轉(zhuǎn)折期為2019年)，如不進行限號限行等措施，該地區(qū)將更早更快地完成汽車的增長。

假設(shè)交警事故報警量隨汽車保有量的增長而增長，汽車保有量的增加帶來交通事故量的增加，而根據(jù)每年10%以上的增幅，未來還有約8年的時間汽車保有量將繼續(xù)迅猛增漲。由此推斷，在未來將持續(xù)8 年的時間，該區(qū)域交警事故工作量還將年10%以上的增長。

圖7 各國和某地區(qū)的歷史數(shù)據(jù)及中國和某地區(qū)的千人擁車量預(yù)測數(shù)據(jù)部分?jǐn)?shù)據(jù)來源: 國家統(tǒng)計局、地區(qū)政府統(tǒng)計局、文獻(xiàn)[6]

2 結(jié)語

論文總結(jié)了區(qū)域交通事故報警量變化的數(shù)學(xué)規(guī)律，發(fā)現(xiàn)每月交通事故報警量的年周期性，并計算一年內(nèi)交通事故的月差異程度，獲得區(qū)域的交通事故報警量月差異系數(shù)(不同區(qū)域很可能差異巨大)，短期內(nèi)逐月對歷年的日平均交通事故報警量進行預(yù)測解決；通過建立二項式模型進行預(yù)測，實現(xiàn)預(yù)測未來至2020年的年交通事故報警量，且中期內(nèi)得出已有數(shù)據(jù)3年后每月的交通事故報警量；長期戰(zhàn)略上，通過千人擁車量等指標(biāo)對未來的交通事故報警量的增漲年限提出了定量的預(yù)測，形成基于最佳歷史數(shù)據(jù)的Logistic模型的方法，得出2017～2033年為中國汽車的快速增長期的結(jié)果，并應(yīng)用于區(qū)域汽車的快速增長期計算，制定提高10%的交通事故處理年應(yīng)對警力。

區(qū)域交通事故接警量的預(yù)測，運用數(shù)學(xué)模型，發(fā)現(xiàn)交通事故量的動向，其目的是預(yù)測交通事故的發(fā)展趨勢和總體現(xiàn)狀，對交通事故量的統(tǒng)計進行分析，得以從宏觀上定量地認(rèn)識事故現(xiàn)象的本質(zhì)和內(nèi)在規(guī)律，對綜合治理交通和保證道路交通安全有重要的作用，并普遍適合于其他區(qū)域的交通事故處理分析，從而幫助公安機關(guān)交通管理部門發(fā)現(xiàn)事故未來發(fā)生的趨勢，對交管部門做好救援工作和戰(zhàn)略發(fā)展都有很好的指導(dǎo)意義。

論文在區(qū)域千人擁車量的分析過程中，暫未引入流動人口，將導(dǎo)致得到的數(shù)值偏于保守。因此，未來應(yīng)對交通事故的區(qū)域交警管理工作將可能比預(yù)測更嚴(yán)峻。

[1] 劉利. 道路交通事故統(tǒng)計分析及預(yù)測模型研究[D]. 重慶：重慶大學(xué), 2004： 22.

[2] 趙玲, 許宏科, 程鴻亮. 基于最優(yōu)加權(quán)組合模型的道路交通事故預(yù)測[J]. Computer Engineering and Applications, 2013, 49(24).

[3] 趙玲. 基于馬爾可夫鏈的道路交通事故預(yù)測研究及應(yīng)用[D]. 西安: 長安大學(xué), 2013.

[4] 趙紅梅. 基于Gompertz曲線模型之上的中國千人汽車保有量中長期預(yù)測[J]. 工業(yè)技術(shù)經(jīng)濟, 2012 (7): 7-23.

[5] 鄧恒進, 胡樹華. 基于Logistic模型的我國汽車保有量增長期分析[J]. 企業(yè)經(jīng)濟, 2008 (8): 111-113.

[6] 公安部. 道路交通事故處理程序規(guī)定[M]. 北京：中國法制出版社, 2008.

[7] 姜啟源，等. 數(shù)學(xué)模型[M]. 北京：高等教育出版社, 2003.

[8] 杜勇宏. 對中國汽車千人保有量的預(yù)測與分析[J]. 中國流通經(jīng)濟, 2011(6):84-88.

[9] 趙海龍. 中國汽車保有量預(yù)測建模及其應(yīng)用研究 [D]. 長沙：湖南大學(xué), 2009.

[10] WU N, ZHAO S, ZHANG Q. A study on the determinants of private car ownership in China: Findings from the panel data[J]. Transportation Research Part A: Policy and Practice, 2016, 85: 186-195.

[11] 魏宏業(yè)，張仲義，呂永波. 促進我國道路交通安全建設(shè)策略的探討[J]. 中國安全科學(xué)學(xué)報，2003，13(6)：68-71.

(責(zé)任編輯陳小明)

D631.5

王鎮(zhèn)波(1987—)，男，廣東惠來人，講師，博士。研究方向為智能交通、交通管理和交通圖像處理。