戢曉峰，張琪

(昆明理工大學，交通工程學院，昆明650504)

0 引言

通學出行在城市出行活動中占據(jù)越來越重要的地位，使通學問題成為研究熱點[1]。通學相關(guān)研究主要集中于通學模式、通學行為分析，如Smith[2]指出步行校車既能緩解城市交通擁堵，又能促進孩子的身體健康，提升安全意識。張蕊等[3]以兒童通學調(diào)查問卷為基礎(chǔ)，基于結(jié)構(gòu)方程構(gòu)建以家庭為單位的兒童通學模型。Jorge 等[4]利用克里格回歸法分析通學距離與通學方式的關(guān)系，指出歐氏距離和步行距離是決定步行通學的最佳預(yù)測因子。

隨著通學研究的不斷深入，通學安全開始受到重視。Huertas 等[5]基于西班牙兒童活躍通學問卷調(diào)查數(shù)據(jù)分析得到，通學交通安全是影響兒童活躍通學的主要因素。Roya 等[6]以通學調(diào)查問卷為基礎(chǔ)數(shù)據(jù)指出，通學安全性較差會致使父母使用小汽車接送兒童上下學。Haruhiko 等[7]基于日本47 個縣的兒童參與交通事故數(shù)據(jù)發(fā)現(xiàn)，兒童通學事故中死亡和重傷人數(shù)在不同地區(qū)有較大差異。Sun等[8]基于兒童通學出行問卷數(shù)據(jù)，基于二元Logistic 回歸模型得到安全感知對兒童活躍通學具有積極影響。Rahman 等[9]對學校周邊通學區(qū)域進行微觀交通仿真發(fā)現(xiàn)，降低車速和減少車道數(shù)能顯著降低學校區(qū)域事故風險。

通學安全逐步成為通學領(lǐng)域的研究熱點，現(xiàn)有研究大多使用問卷調(diào)查數(shù)據(jù)或?qū)嵉赜^測學校區(qū)域數(shù)據(jù)對通學安全進行評估，基于城市交通系統(tǒng)大數(shù)據(jù)的實證研究較為鮮見。我國大多城市為兒童能更好接受公共教育，教育管理部門根據(jù)實際需要，在一定的地理空間范圍內(nèi)打破行政區(qū)劃界線劃分了學區(qū)，故急需開展學區(qū)尺度下通學安全研究?；诖耍疚牟杉瘜W區(qū)尺度下的城市交通事故數(shù)據(jù)和道路運行數(shù)據(jù)，構(gòu)建城市通學事故風險評估模型，進一步分析其影響因素，以深圳市中心城區(qū)為例進行實證分析，以期為交通安全與教育管理部門開展通學安全管理提供理論依據(jù)。

1 評估指標體系構(gòu)建

1.1 通學事故風險評價指標

通學事故風險一方面與通學環(huán)境中的危險程度有關(guān)，另一方面與小學生在危險環(huán)境中的時長相關(guān)[10]。衡量通學環(huán)境危險程度時，選取交通事故數(shù)、死亡人數(shù)、受傷人數(shù)、事故財產(chǎn)損失、道路長度等5個因素為評價指標[10]。通學個體在危險環(huán)境中時長由通學距離與運行速度共同決定。相關(guān)評價指標及定義如表1所示。

1.2 通學事故風險影響因素

為探究影響學區(qū)尺度下通學事故風險的關(guān)鍵因素，結(jié)合既有研究[11]和本文研究目標，以學區(qū)為基本研究單元，選取學區(qū)劃分面積、小區(qū)密度、小學密度、高等級道路密度、遠距離通學小區(qū)比例、學區(qū)距城中心距離6個因素，采用隨機森林模型探究其對通學事故風險的影響。各類變量的定義如表2所示。

表1 通學事故風險評估指標體系Table 1 School commuting accident risk evaluation index system

表2 通學事故風險影響因素指標體系Table 2 Index system of influencing factors of school commuting accident risk

2 通學事故風險評估模型構(gòu)建

2.1 通學事故風險評估模型

為實現(xiàn)學區(qū)尺度下通學事故風險評估，綜合考慮通學環(huán)境中事故發(fā)生可能性及事故嚴重程度。以通學路徑上發(fā)生的交通事故數(shù)、嚴重程度及道路長度綜合度量道路暴露度，即

式中：Ei為研究區(qū)域內(nèi)i類等級道路的暴露度，將深圳市中心城區(qū)道路分為快速路、主干道、次干道、支路4類；Ui為i類等級城市道路研究時間內(nèi)交通事故發(fā)生總次數(shù)；Ii為事故死亡人數(shù)；Ri為事故受傷人數(shù)；Gi事故財產(chǎn)損失(萬元)；Li為i類等級城市道路長度(km)；α為死亡事故權(quán)重；γ為受傷事故權(quán)重；β為財產(chǎn)損失權(quán)重。借鑒既有研究[12]對權(quán)重α、γ、β進行選取，設(shè)定α=2.0 ，γ=1.5 ，β=1.0。

將小學生在不同道路環(huán)境中的暴露度與暴露時長積分后求和得到小學生通學事故風險，將單一學區(qū)內(nèi)小學生通學事故風險取平均得到學區(qū)通學事故風險，即

式中：Sm為學區(qū)m的通學事故風險值；ti為小學生使用小汽車在i類等級城市道路的通學暴露時長(min)；qm為學區(qū)m內(nèi)部小區(qū)數(shù)量。

2.2 隨機森林模型

隨機森林(RF)模型通過bootstrap 重采樣技術(shù)從原訓練樣本集中隨機抽取并生成訓練樣本子集，根據(jù)訓練樣本集生成多個決策樹并組成隨機森林。對于分類問題，結(jié)果由最多投票數(shù)獲得；對于回歸問題，結(jié)果由單個樹的預(yù)測平均值決定。樣本未被抽取的概率P為

式中：N為樣本的總數(shù)量。當N→+∞時，樣本未被抽取的概率為

3 實證分析

3.1 研究對象及數(shù)據(jù)采集

3.1.1 研究區(qū)域

深圳市是全國性經(jīng)濟中心和國際化超大城市[13]。深圳市道路機動車密度位列我國大中城市第一，全市日均交通事故數(shù)和日均死亡人數(shù)處于較高水平。本文以道路機動車密度較高且交通事故頻發(fā)的深圳市中心城區(qū)為研究對象，研究區(qū)域包括南山區(qū)、福田區(qū)和羅湖區(qū)3個行政區(qū)。深圳市教育局將深圳市中心城區(qū)劃分為144 個學區(qū)，共包含173所小學，學區(qū)資源劃分如圖1所示。

圖1 深圳市中心城區(qū)學區(qū)及小學分布Fig.1 School divided district and primary school distribution in central city of Shenzhen

3.1.2 研究數(shù)據(jù)采集

為評估學區(qū)尺度下小學生通學事故風險并探究其影響因素，采集深圳市中心城區(qū)行政區(qū)劃數(shù)據(jù)，2016-2017年交通事故數(shù)據(jù)，學區(qū)劃分數(shù)據(jù)，以及道路運行數(shù)據(jù)。

(1)行政區(qū)劃數(shù)據(jù)。深圳市中心城區(qū)行政邊界、城市道路等數(shù)據(jù)來自于開源數(shù)據(jù)平臺OpenStreetMap。其中，城市道路包括快速路、主干道、次干道和支路。

(2)交通事故數(shù)據(jù)。采用深圳市2016-2017年交通事故數(shù)據(jù)，共計15966 條，包括簡易事故程序和非簡易事故程序，交通事故記錄中包括死亡人數(shù)、受傷人數(shù)、財產(chǎn)損失，以及事故的經(jīng)緯度。

(3)學區(qū)劃分數(shù)據(jù)。利用Python編程在深圳市政府數(shù)據(jù)開發(fā)平臺中獲取學區(qū)劃分數(shù)據(jù)，深圳市中心城區(qū)學區(qū)平均面積為1.77 km2，最大學區(qū)面積為25.5 km2，最小學區(qū)面積為0.11 km2。

(4)道路運行數(shù)據(jù)。以出租車在中心城區(qū)道路上的平均運行速度作為道路實際運行速度，該數(shù)據(jù)每5 min更新一次，采集時長共4 h。采集時段為上午7:00-9:00，下午16:00-18:00，共采集90118 條道路運行狀態(tài)數(shù)據(jù)，涵蓋深圳市中心城區(qū)所有道路。

3.2 通學事故風險評估結(jié)果

為獲取深圳市不同等級道路的道路暴露度，將事故數(shù)據(jù)和道路數(shù)據(jù)進行空間匹配，獲取各級道路在研究時段內(nèi)發(fā)生的交通事故。根據(jù)式(2)計算得到不同等級的城市道路暴露度，如表3所示。由表可知，深圳市中心城區(qū)道路暴露度的大小依次為城市快速路、主干道、次干道和支路。

利用ArcGIS 構(gòu)建基于城市道路的網(wǎng)絡(luò)數(shù)據(jù)集，得到基于小學生通學的OD 成本矩陣，以小學生在學區(qū)內(nèi)部小學通學為原則，篩選得到學區(qū)尺度的通學路徑。分析深圳市中心城區(qū)道路運行狀態(tài)數(shù)據(jù)，得到上、下學通學路徑運行速度相差并未超過5 km·h-1，故將上、下學路徑運行速度取平均作為道路運行速度。根據(jù)道路狀態(tài)運行速度與通學路徑匹配獲得通學時間，以各等級道路暴露度與小學生在該等級道路通學時間積分求和得到小學生通學事故風險。將學區(qū)內(nèi)所有小學生暴露風險取平均值得到學區(qū)通學事故風險。

表3 不同等級城市道路暴露度Table 3 Different grades of urban road exposure

以學區(qū)為通學事故風險評估的基本空間單元，按自然間斷點法將深圳市中心城區(qū)通學事故風險劃分為4類，如圖2所示。

圖2 深圳市中心城區(qū)學區(qū)劃分通學風險Fig.2 Central city school district zoning school commuting accident risk in Shenzhen

由圖2可得：高暴露風險學區(qū)9個，占比6.3%，主要聚集于南山區(qū)北部和羅湖區(qū)北部；較高暴露風險學區(qū)31個，占比21.5%；較低暴露風險學區(qū)41個，占比28.5%；低暴露風險學區(qū)63個，占比43.7%。南山區(qū)中南部和福田中部學區(qū)通學安全性最高。

3.3 通學事故風險影響因素

本文基于深圳市中心城區(qū)144 個學區(qū)通學事故風險樣本數(shù)據(jù)，以學區(qū)通學事故風險為因變量，以小學密度、學區(qū)面積、小區(qū)密度、遠距離小區(qū)比例、高等級道路密度和距城中心距離等影響因素為解釋變量，運用隨機森林模型分析解釋變量對學區(qū)通學事故風險的影響。按3∶7 劃分測試集和訓練集進行模型預(yù)測，得到預(yù)測模型準確率為85.9%，模型預(yù)測精度較高，說明隨機森林回歸方法能較好解釋自變量對學區(qū)通學事故風險的影響，預(yù)測結(jié)果如圖3所示。

為探究解釋變量對學區(qū)通學事故風險的具體影響，根據(jù)隨機森林分類算法得到學區(qū)暴露風險的影響因子重要度排序，如圖4所示。

圖3 隨機森林回歸模型預(yù)測精度Fig.3 Prediction accuracy of regression model random forests

圖4 學區(qū)暴露風險影響因素重要度排序Fig.4 Ranking of school divided district exposure risk influencing factors in importance

由圖4可得，小學密度、學區(qū)面積、小區(qū)密度、遠距離小區(qū)比例、高等級道路密度和距城中心距離分別能解釋37.15%、22.86%、17.01%、10.50%、6.29%、6.21%的學區(qū)通學事故風險。小學密度和學區(qū)面積對暴露風險的影響程度最高，距城中心距離的重要性最低。

為獲取學區(qū)尺度下通學事故風險影響因素，進一步對各因素進行分析：

(1)小學密度是影響通學事故風險的主要因素。學區(qū)內(nèi)部小學密度較大，小學生可以在學區(qū)內(nèi)部所有學校入學，而非距離最近的學校，導致通學距離增加，進而增加暴露時長影響通學事故風險。

(2)學區(qū)面積是影響通學事故風險的重要因素。學區(qū)面積較大使小學生通學時長和使用高等級道路的可能性增加，進而增加通學事故風險。

(3)住宅小區(qū)密度是影響通學事故風險的顯著因素。由于通學出行的時間高度聚集性，小區(qū)密度較大使短時間內(nèi)在通學路徑上聚集通學車輛，導致通學路徑產(chǎn)生擁堵，影響小學生暴露在危險環(huán)境中的時間，增加通學事故風險。

(4)遠距離通學小區(qū)比例是影響通學事故風險的相關(guān)影響因素。遠距離通學小區(qū)所占比例越大，長時間通學出行的小學生比例越大，學區(qū)平均通學事故風險也隨之增加。

(5)高等級道路占比是影響通學事故風險的因素之一。高等級道路適用于中長距離的通學出行，基于學區(qū)劃分的通學出行大大減少了中長距離的通學出行比例，即使學區(qū)內(nèi)部高等級道路占比較大，使用其通學的小學生仍較少，故高等級道路占比對通學事故風險存在較小影響。

(6)距城中心距離對通學事故風險的影響最低。由于小學生通學存在學區(qū)劃分，小學生在通學出行中的范圍均在學區(qū)內(nèi)部，與城市中心未產(chǎn)生通學出行聯(lián)系，故學區(qū)所處位置對通學事故風險的影響并不顯著。

3.4 通學安全管理啟示

為提升學區(qū)尺度下小學生通學安全保障水平，根據(jù)上述研究結(jié)論得到考慮學區(qū)劃分的通學安全管理啟示為：盡量按照“一學區(qū)一校”原則對學區(qū)進行劃分，并適當減少劃分學區(qū)內(nèi)部的小學數(shù)量；學區(qū)面積作為通學事故風險的重要影響因素，應(yīng)嚴格控制其規(guī)模大??；在小區(qū)密度較大的區(qū)域應(yīng)增加學區(qū)數(shù)量，合理分配單個學區(qū)內(nèi)部的小區(qū)密度；應(yīng)適當考慮遠距離小區(qū)的占比，以實現(xiàn)學區(qū)的合理劃分。

4 結(jié)論

本文考慮學區(qū)尺度下城市通學安全問題，采集城市全樣本交通事故數(shù)據(jù)和道路交通狀態(tài)數(shù)據(jù)，構(gòu)建學區(qū)通學事故風險評估模型，以深圳市中心城區(qū)為例，對學區(qū)尺度下的通學事故風險進行評估，并結(jié)合隨機森林模型定量分析通學事故風險的影響因素。結(jié)果表明：

(1)基于交通事故和道路長度構(gòu)建城市道路暴露度評估方法，揭示了深圳市中心城區(qū)道路暴露度隨道路等級降低而減小。

(2)小學密度和學區(qū)面積為學區(qū)通學事故風險的主要影響因素，分別能解釋37.15%和22.86%學區(qū)暴露風險值。距城中心距離對暴露風險的影響最小，解釋率僅為6.21%。