基于GIS 空間聚類的事故多發(fā)路段鑒別分析系統(tǒng)

朱新宇，叢浩哲，支 野，索子劍

(公安部道路交通安全研究中心，北京100062)

截至2016年末，中國(guó)已有64個(gè)城市的機(jī)動(dòng)車保有量超過(guò)100萬(wàn)輛，有49個(gè)城市的汽車保有量超過(guò)100萬(wàn)輛。在城市機(jī)動(dòng)車數(shù)量飛速增長(zhǎng)的同時(shí)，城市交通安全問題也日益突出。2016年中國(guó)城市道路交通事故死亡人數(shù)逾2萬(wàn)人，占道路交通事故死亡總?cè)藬?shù)的31.68%[1]。城市道路交通事故正在嚴(yán)重威脅城市社會(huì)功能的正常運(yùn)行，關(guān)注和確保城市道路交通安全，不僅考驗(yàn)著城市的運(yùn)行管理水平，更是保護(hù)人民群眾安全、保證弱勢(shì)群體出行權(quán)益的重要舉措[2]。而如何對(duì)城市中的交通事故多發(fā)路段進(jìn)行精準(zhǔn)定位和鑒別分析則成為道路交通安全管理中亟須解決的問題之一。

1 交通事故多發(fā)路段研究概述

國(guó)外對(duì)交通事故多發(fā)路段的研究分析已經(jīng)歷了較長(zhǎng)時(shí)間的發(fā)展：20世紀(jì)40年代，美國(guó)佛羅里達(dá)州交通管理部門就開始用事故數(shù)法識(shí)別道路交通事故多發(fā)點(diǎn)，這是最早提出的事故多發(fā)點(diǎn)鑒別方法[3-4]。20世紀(jì)50年代，丹麥、意大利、泰國(guó)等國(guó)家利用交通事故調(diào)查數(shù)據(jù)，結(jié)合交通量數(shù)據(jù)，建立了事故率評(píng)價(jià)指標(biāo)體系[5]。隨后，美國(guó)相繼提出質(zhì)量控制法[6]和交通沖突技術(shù)法[7]，蘇聯(lián)提出安全系數(shù)法等事故多發(fā)路段分析方法[8]。進(jìn)入20世紀(jì)90年代，美國(guó)開始將GIS等技術(shù)應(yīng)用到交通事故分析中，威斯康星州建立了基于GIS的道路交通事故信息系統(tǒng)，愛荷華州運(yùn)輸局交通運(yùn)輸安全辦公室構(gòu)建了基于GIS的事故點(diǎn)及分析系統(tǒng)(GIS-Based Accident Location andAnalysis System,GIS-ALAS)[9]。

中國(guó)在交通事故多發(fā)路段的鑒別方面雖然起步較晚，但結(jié)合近年來(lái)蓬勃發(fā)展的大數(shù)據(jù)分析等先進(jìn)技術(shù)，使得中國(guó)擁有相應(yīng)的后發(fā)優(yōu)勢(shì)。然而，在中國(guó)現(xiàn)階段的城市道路交通事故分析中，大多數(shù)仍采用統(tǒng)計(jì)學(xué)描述方法，利用事故數(shù)、死亡人數(shù)等指標(biāo)對(duì)道路交通安全性進(jìn)行評(píng)價(jià)或預(yù)測(cè)研究，例如文獻(xiàn)[10]利用道路交通事故的隨機(jī)性特點(diǎn)，采用多元統(tǒng)計(jì)方法分析了各風(fēng)險(xiǎn)因素對(duì)交通事故的影響。研究發(fā)現(xiàn)，在城市道路交通中，主次干路路段、交叉口、無(wú)信號(hào)控制出入口等位置交通安全問題較為突出。文獻(xiàn)[11]以5 190起交通事故為基礎(chǔ)，采用專家意見和數(shù)據(jù)融合方法建立城市道路交通事故分析的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)此網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練，可以較為準(zhǔn)確地對(duì)城市道路交通事故進(jìn)行預(yù)測(cè)分析。文獻(xiàn)[12]根據(jù)烏魯木齊市近5年的交通事故統(tǒng)計(jì)數(shù)據(jù)，分析了事故的嚴(yán)重程度與事故影響因素之間的相互關(guān)系。此外，文獻(xiàn)[12]還采用Logistic回歸模型對(duì)交通事故的嚴(yán)重程度進(jìn)行分析，并對(duì)模型參數(shù)進(jìn)行估計(jì)與可靠性分析。

在綜合交通事故的空間因素方面，中國(guó)也開展了相應(yīng)研究[13]，例如文獻(xiàn)[9]采用ArcGIS軟件，利用空間數(shù)據(jù)管理工具，采用當(dāng)量事故次數(shù)指標(biāo)搭建事故多發(fā)點(diǎn)鑒定軟件系統(tǒng)，實(shí)現(xiàn)了多發(fā)點(diǎn)的自動(dòng)鑒定。文獻(xiàn)[14]提出基于空間自相關(guān)鑒別城市道路事故多發(fā)點(diǎn)的方法，利用交通事故點(diǎn)的二維分布，將GIS與空間數(shù)據(jù)挖掘結(jié)合，用城市道路網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元，采用核密度空間聚類分析，生成事故多發(fā)點(diǎn)分布圖。然而，這些研究多數(shù)是單純借鑒國(guó)外的交通GIS分析模式，而中國(guó)道路交通管理及事故信息處理與國(guó)外有著顯著差異，事故點(diǎn)的定位方式較國(guó)外有很大區(qū)別。因此，很難將國(guó)外的研究成果直接應(yīng)用于中國(guó)道路交通安全領(lǐng)域，開發(fā)適合中國(guó)國(guó)情的道路交通事故多發(fā)路段鑒別分析系統(tǒng)顯得尤為重要。

本文以深圳市城市道路交通事故多發(fā)路段鑒別分析為例，描述從獲取道路交通事故數(shù)據(jù)到最終形成適合中國(guó)國(guó)情的基于空間聚類的城市道路交通事故多發(fā)路段鑒別分析系統(tǒng)的研究過(guò)程。

表1 深圳市交通事故數(shù)據(jù)總體情況Tab.1 Overall data of traffic accidents in Shenzhen

2 城市道路交通事故數(shù)據(jù)處理與分析

通過(guò)參與深圳市交通事故數(shù)據(jù)開放分析競(jìng)賽，獲取深圳市2014—2016年轄區(qū)內(nèi)全部交通事故數(shù)據(jù)信息，共計(jì)23萬(wàn)余條，其字段類型中包含事故編號(hào)、事故發(fā)生時(shí)間、路號(hào)、路名、公里數(shù)、傷亡人數(shù)和事故原因等多項(xiàng)指標(biāo)。事故數(shù)據(jù)總體情況如表1所示，本文根據(jù)獲取的交通事故數(shù)據(jù)信息開展城市交通事故多發(fā)路段分析工作。

為便于開展數(shù)據(jù)分析，首先需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，具體過(guò)程如下：

1）清洗各字段空值。

由于各字段中含有大量空值，而空值會(huì)對(duì)計(jì)算機(jī)程序開展計(jì)算分析產(chǎn)生影響，因此需先編寫程序，將數(shù)據(jù)中所有空值刪除或替換，以便利用程序開展大數(shù)據(jù)量運(yùn)算。同時(shí)還需計(jì)算每個(gè)字段的數(shù)據(jù)缺失比，綜合評(píng)判每個(gè)字段的數(shù)據(jù)適用性。

2）制作字典表。

由于本次競(jìng)賽提供的數(shù)據(jù)中并沒有包含字典表，因此需要通過(guò)查詢數(shù)據(jù)庫(kù)規(guī)范、事故現(xiàn)場(chǎng)信息采集表、代碼填寫說(shuō)明的相關(guān)資料，整理匯總相關(guān)字段的字典表，用于支撐后續(xù)分析。同時(shí)對(duì)于部分字段僅有漢字沒有查詢到對(duì)應(yīng)標(biāo)準(zhǔn)代碼的情況，采用自編代碼的形式在字典表中體現(xiàn)，支撐計(jì)算機(jī)開展后續(xù)計(jì)算應(yīng)用。

3）數(shù)據(jù)編碼化處理。

在原始數(shù)據(jù)中，存在大量漢字與代碼混雜的情況，不僅難以直接開展統(tǒng)計(jì)分析，更不利于利用計(jì)算機(jī)開展大數(shù)據(jù)量程序計(jì)算。因此需要編寫數(shù)據(jù)編碼程序，利用制作的字典表，將原始數(shù)據(jù)中涉及的所有漢字全部替換成編碼，以便開展后續(xù)分析。

3 基于GIS空間聚類的城市道路交通事故多發(fā)路段鑒別分析法

基于空間聚類的城市道路交通事故多發(fā)路段鑒別分析法是指：從事故分布的地理視角出發(fā)，以道路空間單元之間的鄰近關(guān)系為前提，結(jié)合道路空間單元上的事故屬性值描述其地理分布特征，探討交通事故空間位置及屬性的相互關(guān)系，將空間聚類方法應(yīng)用于城市道路事故多發(fā)點(diǎn)鑒別，為城市道路交通安全評(píng)價(jià)及管理提供思路與手段的一種鑒別分析方法。

在空間上準(zhǔn)確鑒別事故多發(fā)路段，首先要對(duì)交通事故的地理位置進(jìn)行精確測(cè)定，這個(gè)步驟在歐美發(fā)達(dá)國(guó)家是事故處理環(huán)節(jié)進(jìn)行的。當(dāng)交警抵達(dá)事故現(xiàn)場(chǎng)后，基于車載電腦對(duì)照GIS地圖即可直接獲取事故點(diǎn)的GPS經(jīng)緯度坐標(biāo)，無(wú)須記錄文字信息，同時(shí)在GIS地圖上可進(jìn)行修改、確認(rèn)等操作[15]。雖然中國(guó)警用地理信息系統(tǒng)(P-GIS)[16]正在逐步推廣，但目前交警對(duì)交通事故位置的數(shù)據(jù)采集依然采用傳統(tǒng)的“道路名稱+里程樁號(hào)”以及“事故地點(diǎn)信息描述”的形式進(jìn)行事故定位，在數(shù)字信息社會(huì)環(huán)境下，這種位置采集方法已顯得較為滯后。

以深圳市為例，轄區(qū)內(nèi)包含高速公路、普通公路、城市道路等多種道路類型。高速公路、國(guó)道的道路里程信息較為完善，采用道路名稱+里程樁號(hào)字段對(duì)其進(jìn)行事故定位相對(duì)較為準(zhǔn)確；但普通公路、城市道路就較少有里程樁號(hào)等實(shí)體可供參考，事故地點(diǎn)信息描述由于沒有固定格式，更是描述得千差萬(wàn)別。針對(duì)如此復(fù)雜的事故數(shù)據(jù)信息情況，首先要解決的就是事故的準(zhǔn)確定位問題。為此，本文采用以下幾種方式分別對(duì)事故多發(fā)路段進(jìn)行定位鑒別。

3.1 基于數(shù)字地圖API 的事故坐標(biāo)定位分析法

在中國(guó)的交通事故信息數(shù)據(jù)采集中，交警對(duì)于城市道路交通事故現(xiàn)場(chǎng)地點(diǎn)的描述不是用經(jīng)緯度點(diǎn)位信息來(lái)確定，而是利用道路里程和明顯特征地點(diǎn)、地物來(lái)確定事故位置，通常還會(huì)引用附近的特征點(diǎn)作為參考，并輔以交通事故位置相對(duì)參考點(diǎn)的方向和偏移量。這樣雖然便于交警記錄，但是在事故后想再次獲取事故的準(zhǔn)確點(diǎn)位信息變得十分困難。

圖1 數(shù)字地圖API事故點(diǎn)位搜索示例Fig.1 Example of digital mapAPI search of accident locations

圖2 2014—2016年深圳市非簡(jiǎn)易事故空間分布地圖Fig.2 Spatial distribution of non-trivial accidents in Shenzhen from 2014 to 2016

表2 博深高速事故次數(shù)與相應(yīng)路段數(shù)的累計(jì)頻率Tab.1 Cumulative frequency of accidents and corresponding roadway segments of Boluo-Shenzhen Expressway

本文采用大數(shù)據(jù)的形式，利用已有的事故路段信息結(jié)合相關(guān)數(shù)字地圖API進(jìn)行搜索定位。API(Application Programming Interface)是應(yīng)用程序編程接口，指一些預(yù)先定義的函數(shù)接口，目的是提供應(yīng)用程序與開發(fā)人員基于某軟件或硬件得以訪問一組例程的能力，而又無(wú)須訪問源碼或理解內(nèi)部工作機(jī)制的細(xì)節(jié)。

圖3 博深高速累計(jì)頻率曲線擬合及轉(zhuǎn)點(diǎn)位置Fig.3 Cumulative frequency curve fitting and turning point of the Boluo-Shenzhen Expressway

表3 博深高速事故黑點(diǎn)位置與事故次數(shù)Tab.3 Location of black spots and number of accidents of the Boluo-Shenzhen Expressway

通過(guò)數(shù)字地圖API的POI檢索接口，可以直接調(diào)用數(shù)字地圖的POI搜索功能。對(duì)深圳市交通事故數(shù)據(jù)中的“事故地點(diǎn)”字段進(jìn)行搜索，并在數(shù)字地圖中將與該字段信息匹配度最高的點(diǎn)位信息確定出來(lái)，從而獲取事故點(diǎn)位信息的相應(yīng)坐標(biāo)(見圖1)。

本文中的POI主要用來(lái)解決城市道路交通事故點(diǎn)位問題，采用多字段關(guān)聯(lián)API搜索算法，包括事故地點(diǎn)的描述性文字、與道路交叉口位置關(guān)系的描述、所屬轄區(qū)街道辦及鄉(xiāng)鎮(zhèn)等行政區(qū)劃字段來(lái)約束事故點(diǎn)位，使其不會(huì)有大的偏離；另外，事故編號(hào)的唯一性可以保證每一起事故的POI唯一，即使在同一地點(diǎn)發(fā)生多起事故也可以進(jìn)行分析識(shí)別。

獲取事故點(diǎn)位的坐標(biāo)信息后，將其相應(yīng)坐標(biāo)轉(zhuǎn)換為火星坐標(biāo)，即可將事故點(diǎn)位數(shù)據(jù)準(zhǔn)確導(dǎo)入數(shù)字地圖中。為了更好地分析重大事故多發(fā)的特性，本文選擇非簡(jiǎn)易事故進(jìn)行事故坐標(biāo)定位，并導(dǎo)入數(shù)字地圖(見圖2)。

利用基于數(shù)字地圖API的事故坐標(biāo)定位方式，可以清晰直觀地看出深圳市2014—2016年非簡(jiǎn)易事故發(fā)生的坐標(biāo)位置，并能夠?qū)γ科鹗鹿实奈恢玫葘傩赃M(jìn)行查詢分析，從而依照空間分析方式基于事故坐標(biāo)地點(diǎn)來(lái)確定事故多發(fā)路段。這種方式可滿足一般性事故多發(fā)路段分析需求，也是目前中國(guó)應(yīng)用較為廣泛地與GIS結(jié)合的事故多發(fā)路段鑒別方式。

這種方法也有自身的缺陷所在，首先它只獲取了數(shù)字地圖圖層和POI點(diǎn)圖層的信息，而交通事故都是在道路上發(fā)生的，針對(duì)道路的線狀要素信息仍然缺失，雖然能看出事故點(diǎn)位主要發(fā)生在數(shù)條相應(yīng)的主干路上，但有些確定的事故點(diǎn)并不能完全準(zhǔn)確的定位在主干路內(nèi)。其次，搜索引擎是利用事故點(diǎn)位信息描述字段進(jìn)行位置搜索的，基于文字描述的復(fù)雜性，雖然選擇了與“事故地點(diǎn)”字段信息匹配度最高的點(diǎn)位作為事故點(diǎn)，但依然可能出現(xiàn)位置識(shí)別偏離的情況。

3.2 基于累計(jì)頻率法的道路事故黑點(diǎn)分析法

為了更好地鑒別分析線性圖層，即處在線狀道路上的事故黑點(diǎn)與多發(fā)路段，本文對(duì)含有道路里程數(shù)據(jù)的主干道路(高速公路和部分普通公路)進(jìn)行事故黑點(diǎn)數(shù)據(jù)歸一化分析。首先選取深圳市境內(nèi)事故發(fā)生次數(shù)較多的10條高速公路、2條國(guó)道以及2條快速路，進(jìn)行基于累計(jì)頻率法的事故黑點(diǎn)鑒別分析。累計(jì)頻率法是指將事故數(shù)(或事故率)按照發(fā)生的頻率排序，得到累計(jì)頻率較小、事故數(shù)較高的位置，從而將其作為事故多發(fā)路段的可能位置。本文以博深高速和惠深沿海高速為應(yīng)用實(shí)例進(jìn)行闡述。

1）博深高速。

事故次數(shù)與相應(yīng)路段數(shù)的累計(jì)頻率見表2，累計(jì)頻率曲線擬合及轉(zhuǎn)點(diǎn)的位置如圖3所示。根據(jù)累計(jì)頻率曲線得到博深高速公路擬合公式為y=1-ae-bx+ae-b，a=0.2905390，b=3.487 342 2； SSE=0.001 098 8， R2=0.986 798 1。可以看出，轉(zhuǎn)點(diǎn)位置發(fā)生在歸一化事故次數(shù)為0.103 143 3的位置。事故黑點(diǎn)的位置和事故次數(shù)如表3所示。

2）惠深沿海高速。

累計(jì)頻率曲線擬合及轉(zhuǎn)點(diǎn)的位置如圖4所示。根據(jù)累計(jì)頻率曲線得到惠深沿海高速擬合公式為 y=1-ae-bx+ae-b，a=0.479 457 6，b=19.098 280 5； SSE=0.078 650 5， R2=0.897 912 5。可以看出，轉(zhuǎn)點(diǎn)位置發(fā)生在歸一化事故次數(shù)為0.134 099 6的位置，即事故次數(shù)大于等于18.505 75可認(rèn)為是事故黑點(diǎn)。事故黑點(diǎn)的位置和事故次數(shù)如表4所示。

圖4 惠深沿海高速累計(jì)頻率曲線擬合及轉(zhuǎn)點(diǎn)位置Fig.4 Cumulative frequency curve fitting and turning point of the Huizhou-Shenzhen Coastal Expressway

表4 惠深沿海高速事故黑點(diǎn)位置與事故次數(shù)Tab.4 Location of black spots and number of accidents of the Huizhou-Shenzhen Coastal Expressway

由博深高速和惠深沿海高速事故黑點(diǎn)分析實(shí)例可以看出，利用累計(jì)頻率分析法對(duì)道路事故黑點(diǎn)進(jìn)行鑒別和定位的優(yōu)勢(shì)明顯，能夠直接通過(guò)數(shù)據(jù)得到基于線性道路的事故黑點(diǎn)的準(zhǔn)確位置信息，無(wú)須借助任何地圖平臺(tái)，具有實(shí)用性強(qiáng)、計(jì)算簡(jiǎn)單的優(yōu)點(diǎn)。但此方法也有劣勢(shì)：首先，累計(jì)頻率分析法得出的結(jié)論是文字?jǐn)?shù)據(jù)，在直觀展示方面較為薄弱；其次，這種方法對(duì)數(shù)據(jù)質(zhì)量的要求比較高，對(duì)事故點(diǎn)位的里程樁號(hào)字段進(jìn)行分析必須首先確保里程樁號(hào)都處在同一個(gè)起算點(diǎn)下，否則會(huì)出現(xiàn)較大偏差。本文中深圳市境內(nèi)的廣深沿江高速、107國(guó)道等數(shù)條道路都出現(xiàn)了這一問題，廣深沿江高速的里程樁號(hào)數(shù)據(jù)為1～2 030不等，事故點(diǎn)的里程數(shù)據(jù)在幾十乃至幾千之間變動(dòng)，這是因?yàn)槭鹿蕯?shù)據(jù)在錄入時(shí)分別采用了國(guó)家里程標(biāo)準(zhǔn)和省內(nèi)里程標(biāo)準(zhǔn)，這些不統(tǒng)一的里程樁號(hào)標(biāo)準(zhǔn)導(dǎo)致分析結(jié)果出現(xiàn)很大偏差。此外還有龍大高速、福龍快速路數(shù)據(jù)因數(shù)據(jù)質(zhì)量問題而無(wú)法成功進(jìn)行曲線擬合，計(jì)算結(jié)果有誤。

圖5 深圳市轄區(qū)內(nèi)道路零散線狀矢量要素Fig.5 Scattered linear vector elements of roadway in Shenzhen

圖6 道路線狀要素識(shí)別與提取Fig.6 Road linear element identification and extraction

3.3 基于GIS 線性參考技術(shù)的事故多發(fā)路段分析法

在上述兩種事故分析方法的基礎(chǔ)上，為了精確確定事故點(diǎn)位，解決基于API的特征提取點(diǎn)位坐標(biāo)偏移道路的“有點(diǎn)有圖無(wú)路”問題，同時(shí)解決累計(jì)頻率分析法的“有點(diǎn)有路無(wú)圖”問題，本文基于線性參考技術(shù)，利用ArcGIS作為GIS平臺(tái)對(duì)深圳市的道路進(jìn)行線狀要素提取，實(shí)現(xiàn)深圳市轄區(qū)內(nèi)道路矢量化，然后在道路線狀要素的基礎(chǔ)上進(jìn)行事故多發(fā)路段的鑒別分析，做到“有點(diǎn)有路有圖”。

為了實(shí)現(xiàn)深圳市道路矢量化，首先需要提取道路的線性數(shù)據(jù)(見圖5)。根據(jù)深圳市2014—2016年交通事故數(shù)據(jù)以及全國(guó)道路交通網(wǎng)格數(shù)據(jù)，對(duì)深圳市所有道路進(jìn)行線性矢量化提取，將零散的道路數(shù)據(jù)進(jìn)行整合并添加相關(guān)屬性信息。具體步驟如下：對(duì)選中的道路進(jìn)行識(shí)別剝離，脫離繁多復(fù)雜的道路網(wǎng)(見圖6)，然后進(jìn)行矢量化處理，合并其離散的矢量數(shù)據(jù)，最終將其繪制成一條完整的道路。繪制完畢后，還需要添加道路屬性，確定其完整屬性狀態(tài)，并加以識(shí)別區(qū)分(見圖7)。

圖7 道路要素屬性添加Fig.7 Road element attribute addition

圖8 系統(tǒng)算法框架流程及功能展示Fig.8 System algorithm framework flow and functionalities

圖9 基于事故起數(shù)的道路排序分布Fig.9 Ranked road distribution based on the number of accidents

4 基于多種鑒別方法的GIS事故多發(fā)路段鑒別分析系統(tǒng)

本文在GIS平臺(tái)上將利用上述三種鑒別方法獲得的事故點(diǎn)位、事故黑點(diǎn)位置信息與數(shù)字地圖的道路線狀要素進(jìn)行融合，并在此基礎(chǔ)上進(jìn)行獨(dú)立封裝和二次開發(fā)，從而形成了可實(shí)現(xiàn)交通事故統(tǒng)計(jì)、道路要素查詢、事故點(diǎn)位要素查詢、屬性查詢、熱力圖分析等一系列功能的事故多發(fā)路段鑒別分析系統(tǒng)，系統(tǒng)算法的框架流程以及系統(tǒng)功能見圖8。系統(tǒng)應(yīng)用實(shí)例如下：

1）道路事故起數(shù)分析。

將深圳市2014—2016年交通事故數(shù)據(jù)輸入GIS事故多發(fā)路段鑒別分析系統(tǒng)后，提取事故起數(shù)排名前30的道路，并在GIS平臺(tái)上展示，得到的數(shù)據(jù)分析結(jié)果見圖9。

2）道路傷亡事故分析。

對(duì)深圳市2014—2016年交通事故起數(shù)排名前30的道路進(jìn)行細(xì)化分析，利用分析系統(tǒng)將每千米路段內(nèi)的傷亡事故數(shù)量在圖中標(biāo)注，可以更好地分析事故多發(fā)點(diǎn)位(見圖10)。

3）道路死亡事故分析。

對(duì)深圳市2014—2016年交通事故數(shù)據(jù)提取死亡事故數(shù)量排名前30的道路。針對(duì)死亡事故本文同樣將事故點(diǎn)位精確到每千米里程路段，以便更好地分析事故多發(fā)點(diǎn)。基于道路線性要素的深圳市死亡事故多發(fā)路段分布見圖11。

4）道路死亡事故區(qū)域熱力分析。

對(duì)深圳市2014—2016年交通事故數(shù)據(jù)提取死亡事故數(shù)量排名前30的道路。針對(duì)死亡事故，在分析事故多發(fā)點(diǎn)的道路線路圖基礎(chǔ)上，基于GIS空間分析功能，生成基于行政區(qū)劃的死亡事故GIS熱力分析圖(見圖12)。

圖10 深圳市道路傷亡事故多發(fā)路段分布Fig.10 Distribution of casualty accident-prone roadway segments in Shenzhen

圖11 深圳市道路死亡事故多發(fā)路段分布Fig.11 Distribution of fatal accident-prone roadway segments in Shenzhen

圖12 深圳市道路死亡事故分布熱力圖Fig.12 Distribution heat map of road fatalities in Shenzhen

5 結(jié)語(yǔ)

本文借助參與深圳市交通事故數(shù)據(jù)開放分析競(jìng)賽的機(jī)會(huì)，根據(jù)深圳市轄區(qū)內(nèi)2014—2016年全部道路交通事故數(shù)據(jù)信息進(jìn)行事故多發(fā)路段的鑒別和分析。分別采用基于數(shù)字地圖API的事故坐標(biāo)定位分析法、基于累計(jì)頻率法的道理事故黑點(diǎn)分析法，以及基于GIS線性參考技術(shù)的事故多發(fā)路段分析法等進(jìn)行城市道路交通事故多發(fā)路段鑒別分析，并綜合比較和分析各種方法的優(yōu)劣，最終采用GIS平臺(tái)對(duì)以上三種事故鑒別方法進(jìn)行融合封裝以及二次開發(fā)，構(gòu)建形成可實(shí)現(xiàn)交通事故統(tǒng)計(jì)、道路要素查詢、事故點(diǎn)位要素查詢、屬性查詢、生成事故點(diǎn)位熱力圖等一系列功能的GIS事故多發(fā)路段鑒別分析系統(tǒng)。該系統(tǒng)的開發(fā)是基于中國(guó)交警所采集的事故數(shù)據(jù)，因此能夠較好地匹配中國(guó)目前的事故數(shù)據(jù)字段形式，未來(lái)還可以將程序移植到其他城市來(lái)實(shí)現(xiàn)城市道路事故多發(fā)路段的鑒別與分析功能。

:

[1]戴帥，劉金廣.中國(guó)大城市道路交通發(fā)展研究報(bào)告：之四[M].北京：中國(guó)建筑工業(yè)出版社，2018.

[2]戴帥.我國(guó)城市道路交通安全問題及對(duì)策[J].綜合運(yùn)輸，2015，37(7)：9-12+21.Dai Shuai.Urban Traffic Safety Problems and Countermeasures in China[J].China Transportation Review,2015,37(7):9-12+21.

[3]Fernandes A,Neves J.An Approach to Accidents Modeling Based on Compounds Road Environments[J].Accident Analysis and Prevention,2013,53:39-45.

[4]Krammes R A.Interactive Highway Safety Design Model:Design Consistency Module[J].Public Roads.1997,61(2):47-51.

[5]Sawalha Z.Traffic Accident Modeling Statistical Issues and Safety Applications[D].Vancouver:University of British Columbia,2002.

[6]Kononov J.Road Accident Prediction Modeling and Diagnostics of Accident Causality a Comprehensive Methodology[D].Denver:University of Colorado at Denver,2002.

[7]Hidas P.Modelling Vehicle Interactions in Miceoscopic;Simulation of Merging and Weaving[J].Transportation Research Part C-Emerging Technologies,2005,13(1):37-62.

[8]Yannis G,Gollas J,Kanellaidis G.A Comparative Analysis of the Potential of International Road Accident Data Piles[J].ATSS Research,2000,124(2):111-120.

[9]李娜.基于ArcGIS的城市道路交通事故多發(fā)點(diǎn)鑒別系統(tǒng)研究[D].成都：西南交通大學(xué)，2009.Li Na.Identification System for Urban Traffic Accident Hazardous Locations Based on Arcgis[D].Chengdu:Southwest Jiaotong University,2009.

[10]馬明.基于多元統(tǒng)計(jì)方法的城市道路交通事故分析研究[D].武漢：武漢理工大學(xué)，2010.Ma Ming.Research of Urban Road Crash Analysis Based on Multivariate Statistical Techniques[D].Wuhan:Wuhan University of Technology,2010.

[11]趙金寶，鄧衛(wèi)，王建.基于貝葉斯網(wǎng)絡(luò)的城市道路交通事故分析[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，41(6)：1300-1306.Zhao Jinbao,Deng Wei,Wang Jian.Bayesian Network-Based Urban Road Traffic Accidents Analysis[J].Journal of Southeast University(Natural Science Edition),2011,41(6):1300-1306.

[12]馬柱，陳雨人，張?zhí)m芳.城市道路交通事故嚴(yán)重程度影響因素分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(1)：111-114.Ma Zhu,Chen Yuren,Zhang Lanfang.Influence Factors of Accident Severity for Urban Road[J].Journal of Chongqing Jiaotong University(Natural Science),2014,33(1):111-114.

[13]任光賢.基于GIS的城市道路黑點(diǎn)分析與決策支持研究[D].濟(jì)南：山東建筑大學(xué)，2016.Ren Guangxian.Black Spot Analysis and Decision Support Research of Urban Road Based on GIS[D].Jinan:Shandong Jianzhu University,2016.

[14]蔣宏，方守恩，陳雨人，等.基于空間自相關(guān)的城市道路事故多發(fā)點(diǎn)鑒別[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，41(5)：664-669.Jiang Hong,Fang Shouen,Chen Yuren,et al.A Spatial Autocorrelation-Based Approach for Identifying Hot Spots on Urban Road[J].Journal of Tongji University(Natural Science),2013,41(5):664-669.

[15]王雪松，方守恩，喬石，等.中美兩國(guó)道路交通事故信息采集技術(shù)比較研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2012，22(10)：79-87.Wang Xuesong,Fang Shouen,Qiao shi,et al.A Comparison of Crash Data Collecting Technologies Used in China and U.S.[J].China Safety Science Journal,2012,22(10):79-87.

[16]王曉燕，陳學(xué)浩.基于P-GIS的道路交通事故分析系統(tǒng)的構(gòu)建[J].交通信息與安全，2013，31(5)：93-97+103.Wang Xiaoyan,Chen Xuehao.Road Accident Analysis System Based on P-GIS[J].Journal of Transport Information and Safety,2013,31(5):93-97+103.