電動自行車交通安全管理系統(tǒng)的構(gòu)建與應(yīng)用

何俞林 曹睿賢 楊國辰 姜鵬飛

摘要：電動自行車在給人們帶來生活便捷的同時，也帶來了不容忽視的交通安全問題。突出表現(xiàn)為部分電動自行車駕駛?cè)税踩熊嚒⑹胤ㄒ庾R不高，突出表現(xiàn)為不按規(guī)定車道騎行、逆行、超速行駛、闖紅燈等交通違法行為時有發(fā)生，導致交通事故頻發(fā)。本文基于數(shù)據(jù)可視化技術(shù)（Tableau技術(shù)）針對南京市電動自行車的時空分布以及事故發(fā)生率等交通安全信息進行動態(tài)統(tǒng)計，通過人工智能算法分析數(shù)據(jù)，打造電動自行車分布狀況與安全控制的交通管理系統(tǒng)，旨在實現(xiàn)城市電動自行車安全、高效的電動數(shù)據(jù)式智慧監(jiān)管。

關(guān)鍵詞：電動自行車;交通安全;智能管理

1.研究背景及意義

1.1研究背景

近年來，公共自行車、共享單車和電動自行車已經(jīng)成為我國城市非機動車發(fā)展的重要方向之一。西方發(fā)達國家的電動自行車歷史也比較早，購買電動自行車時，購買者不需要像其他地區(qū)購買者那樣進行登記注冊、申領(lǐng)牌照，駕駛?cè)送瑯右膊恍枰ㄟ^考試領(lǐng)取駕照和上路佩戴頭盔，但是對電動自行車的立法管理卻非常嚴格。英國法規(guī)規(guī)定：駕駛?cè)四挲g必須達到14周歲才有資格考取相對應(yīng)的駕駛證。車身重量低于40kg，最大功率不高于250瓦;當駕駛?cè)送Ｖ鼓_踏時，電動自行車輔助動力應(yīng)同時停止，防止難以控制的交通事故出現(xiàn);最高行超過25km/h輔助電力就會減少。

我國國內(nèi)大部分城市都十分重視電動自行車的管理，盡管沒有哪個城市管理措施成熟先進，都處于探索改進階段。通過地方立法的形式加強管理的城市有海口、南昌、太原。管理措施有“禁、限、疏”三種模式。在全國，珠海市走在了“立法禁電”的先列。廣州市2016年發(fā)布公告道路上所有行駛的電動自行車都被視為非法。上海交警總隊借鑒機動車駕駛?cè)擞浄止芾碇贫取ａ槍δ承┩赓u平臺電動自行車推出實行記分管理和內(nèi)部疊加處罰制度以1個季度為記分周期，配送員凡是1個記分周期內(nèi)記滿12分的，按滿分次數(shù)給予相應(yīng)天數(shù)的停運處罰，并責令參加志愿者服務(wù);1個記分周期內(nèi)滿分達到3次的，解除雇傭關(guān)系，并將人員信息納入黑名單，不再錄用。在日常交通管理工作中，一旦配送員因交通違法被公安交警查處的，現(xiàn)場民警除依法對配送員進行處罰外，還將在企業(yè)印制發(fā)放的“交通文明記分卡”。上登記配送員交通違法行為，再交由企業(yè)依據(jù)違法信息對配送員進行記分，并按照記分管理制度進行企業(yè)內(nèi)部疊加處罰。2名配送員因1個記分周期內(nèi)滿分達到3次被公司清退。

1.2研究意義

電動自行車作為目前城市之中重要交通工具之一，以其環(huán)保、方便、低能耗及高性價比等優(yōu)勢，深受大家的喜愛，我國的電動自行車購買率穩(wěn)步上升。根據(jù)最新數(shù)據(jù)統(tǒng)計，2022年我國電動自行車的保有量預(yù)計突破4億。然而，它在滿足人們?nèi)粘６叹嚯x出行需求的同時，也存在著許多隱患。2020年7月1日，全國第一部專門針對電動自行車的地方性法規(guī)《江蘇省電動自行車管理條例》正式施行。到目前為止，雖然各類交通違法行為都有所減少，但由于闖紅燈、逆行、超速等違法行為時有發(fā)生，所涉及的交通事故數(shù)量在全省交通事故總數(shù)中占比接近二分之一。也給交通管理部門帶來了很大的難題。因此，亟需一種有效的手段來加強電動自行車管理。

2.可視化系統(tǒng)的設(shè)計與實現(xiàn)

數(shù)據(jù)可視化主要是借助于圖形化手段，清晰有效地傳達與溝通信息。但是，這并不就意味著，數(shù)據(jù)可視化就一定因為要實現(xiàn)其功能用途而令人感到枯燥乏味，或者是為了看上去絢麗多彩而顯得極端復雜。為了有效地傳達思想概念，美學形式與功能需要齊頭并進，通過直觀地傳達關(guān)鍵的方面與特征，從而實現(xiàn)對于相當稀疏而又復雜的數(shù)據(jù)集的深入洞察。然而，設(shè)計人員往往并不能很好地把握設(shè)計與功能之間的平衡，從而創(chuàng)造出華而不實的數(shù)據(jù)可視化形式，無法達到其主要目的，也就是傳達與溝通信息。數(shù)據(jù)可視化與信息圖形、信息可視化、科學可視化以及統(tǒng)計圖形密切相關(guān)。

2.1系統(tǒng)需求分析

本文以“屬地網(wǎng)格化精準治理”為基本建模理念，針對南京市大數(shù)據(jù)局公布的交通安全違法及事故情況構(gòu)建基礎(chǔ)數(shù)據(jù)庫。通過數(shù)據(jù)篩選、并集、交集、差集、高級分組、字段提取等方法，提取近一年內(nèi)南京市電動自行車的違法信息及事故信息。構(gòu)建可實現(xiàn)屬地網(wǎng)格化精準治理的電動自行車交通安全監(jiān)管模型，數(shù)據(jù)可視化的本質(zhì)是將數(shù)據(jù)映射成對應(yīng)的圖表繪制在系統(tǒng)頁面上。城市電動自行車數(shù)據(jù)的可視化系統(tǒng)中主要包含對基本統(tǒng)計圖表和地圖可視化的實現(xiàn)，以及地圖軌跡和熱力圖的實現(xiàn)。精通過數(shù)據(jù)分析并進行可視化分級分布呈現(xiàn)，為城市實現(xiàn)數(shù)據(jù)式智慧監(jiān)管及精準治理提供可靠依據(jù)。本系統(tǒng)目的是為南京市交通管理部門設(shè)計開發(fā)一個數(shù)據(jù)可視化系統(tǒng)，針對南京市電動自行車的區(qū)域分布，事故發(fā)生率等交通安全信息進行動態(tài)統(tǒng)計，實現(xiàn)城市電動自行車管控數(shù)據(jù)平臺的數(shù)據(jù)可視化。確監(jiān)督追溯電動自行車不文明行為的源頭。

2.2可視化軟件選取

當前國內(nèi)外涌現(xiàn)了一大批數(shù)據(jù)可視化框架和工具，主要分為面向?qū)W術(shù)界用戶和面向商業(yè)分析者兩大類，學術(shù)界用的較多的是 R、ggplot、ggivs、Python 可視化庫等。國外的數(shù)據(jù)可視化分析工具中，Tableau 是數(shù)據(jù)可視化領(lǐng)域較為成熟的產(chǎn)品，針對不同的需求分為三個軟件版本，使用 Tableau 可以通過拖放式的交互創(chuàng)建出各種個性化的圖表。而國內(nèi)的國內(nèi)的可視化工具平臺有 BI 商業(yè)智能數(shù)據(jù)分析平臺、百度圖說等等。數(shù)據(jù)可視化平臺大多基于 Web，在功能方面沒有國外的平臺豐富。由于本文研究內(nèi)容需要大量的數(shù)據(jù)圖表敵人呈現(xiàn)，最終選擇Tableau可視化軟件來進行系統(tǒng)的開發(fā)及實現(xiàn)。

2.3數(shù)據(jù)分析

為進一步降低電動自行車交通事故的隱患，分析電事故損傷程度及影響，采用多因素logistic模型對影響因素建模，為后續(xù)的定量分析提供數(shù)據(jù)支撐。計算公式如下：

其中，表示影響的第個因素，它可以是定性變量也可以是定量變量。

將統(tǒng)計得到的事故類型、違法行為、事故發(fā)生時間等因素的相關(guān)數(shù)據(jù)帶入公式。此時p為電動自行車交通事故造成傷害的概率;、為影響因素自變量;為待標定參數(shù)。由于各個觀測樣本之間相互獨立，因此，它們的聯(lián)合分布為各邊緣分布的乘積，就得到似然函數(shù)為：

使得似然函數(shù)取得最大值的參數(shù)估計值就是logistic模型的參數(shù)。

對L（β）取對數(shù)為

繼續(xù)對這上式求偏導，得：

部分計算結(jié)果如下表所示。此處所得結(jié)果能夠為后續(xù)系統(tǒng)的驗證提供有效的數(shù)據(jù)支撐。

2.4電動自行車數(shù)量統(tǒng)計可視化

電動自行車統(tǒng)計數(shù)據(jù)可視化部分主要包含按照劃分的不同區(qū)域內(nèi)的數(shù)量。通過人員網(wǎng)格化信息，將南京市1323個不同的鄉(xiāng)鎮(zhèn)（街道、社區(qū)）網(wǎng)格化。將各個街道、社區(qū)電動自行車違法及事故的起數(shù)，并與相應(yīng)街道人數(shù)進行比對得出各個街道、社區(qū)電動自行車千人違法率，涉及責任的（全責、主責、同等、次要）電動自行車駕駛?cè)饲耸鹿事剩纬呻妱幼孕熊囍攸c違法社區(qū)、企業(yè)、個人的違法分布地圖。

2.5電動自行車軌跡數(shù)據(jù)可視化

電動自行車軌跡數(shù)據(jù)可視化部分主要包含其在具體時間內(nèi)的行駛路線。基于監(jiān)控端口和LBS地圖導航，融合GPS定位技術(shù)將電動自行車定位精度提高到厘米級。通過實時定位切入電動自行車運輸管理，輸入具體的車輛 ID 以及時間范圍查詢對應(yīng)時間內(nèi)的行駛軌跡。提高電動自行車遠程管理的效率和精確度。依托南京市交通大數(shù)據(jù)，智能分析基于智能數(shù)據(jù)分析，對接手機APP實時展示其分布、動態(tài)事故率、各項交通指標情況等，對電動自行車進行全面直觀的數(shù)據(jù)展示和分析。

2.6電動自行車流量數(shù)據(jù)可視化

電動自行車流量數(shù)據(jù)可視化部分主要展示監(jiān)控區(qū)域中流量的分布情況，采用基于地圖的熱力圖呈現(xiàn)，根據(jù)熱力圖顏色的深淺讓用戶可以觀察到當前時間系統(tǒng)監(jiān)控區(qū)域內(nèi)流量的情況。用戶點擊進入流量數(shù)據(jù)可視化頁面，加載地圖資源，然后獲取各點所在區(qū)域內(nèi)流量數(shù)據(jù)，再將這些數(shù)據(jù)以熱力圖的形式繪制在地圖對應(yīng)位置上。

2.7系統(tǒng)測試

在確保系統(tǒng)功能的完整性和準確性之后，需要進一步對系統(tǒng)的性能進行測試。對系統(tǒng)的性能測試也可以稱為壓力測試。系統(tǒng)響應(yīng)時間是系統(tǒng)從請求發(fā)出到響應(yīng)結(jié)束所間隔的總時間，通常是針對同一類型的請求，經(jīng)過多次測試而得出的平均響應(yīng)值。對于本論文設(shè)計的數(shù)據(jù)可視化系統(tǒng)來說，系統(tǒng)響應(yīng)時間主要包括各圖表繪制完成的平均消耗時間作為系統(tǒng)性能的指標。通過在頁面腳本中嵌入時間打點腳本記錄頁面加載時間，在良好的網(wǎng)絡(luò)環(huán)境下對系統(tǒng)核心頁面的響應(yīng)時間進行了多次測試并計算平均響應(yīng)時間。

3.結(jié)論

本文依托數(shù)據(jù)可視化定位技術(shù)實現(xiàn)城市電動自行車“數(shù)量分布+事故率控制”，配合城市管理、交警指揮中心等數(shù)據(jù)聯(lián)動，實現(xiàn)電動數(shù)據(jù)式智慧監(jiān)管。

（1）構(gòu)建可實現(xiàn)屬地網(wǎng)格化精準治理的電動自行車交通安全監(jiān)管模型。基于南京市交通管理大數(shù)據(jù)，精確監(jiān)督追溯電動自行車不文明行為的源頭，從重點社區(qū)、重點企業(yè)、重點人員等層面構(gòu)建電動自行車文明指數(shù)黑名單模型。

（2）實現(xiàn)電動自行車交通安全動態(tài)可視化。基于數(shù)據(jù)可視化技術(shù)技術(shù)通過人工智能算法分析數(shù)據(jù)將南京市電動自行車違法行為進行可視化分級分布，確保管理力度到位。可根據(jù)電動自行車數(shù)量分布、違法行為分布、事故發(fā)生率等信息，為精準治理提供依據(jù)。

（3）開發(fā)電動自行車交通安全風險動態(tài)監(jiān)控系統(tǒng)。系統(tǒng)記錄車輛的地區(qū)分布，可實時查看電動自行車分布情況、某些區(qū)域的事故風險，提高監(jiān)管效率;在分布密集度超過上限或危險區(qū)域進行預(yù)警，通知相關(guān)管理部門進行有效監(jiān)管，預(yù)防事故發(fā)生。

參考文獻：

[1]程波.基于交通沖突的電動自行車交通安全研究[D]. 成都：西南交通大學，2014

[2]王衛(wèi)杰，沈軒霆，王貴彬，等.電動自行車騎行者事故傷害程度影響因素分析[J].中國安全科學學報，2019， 29（2）：20-25. WANG Wei jie ，SHEN Xuan ting， WANG Gui bin， etal. Analysis off actors affecting injury to electric bicycle rider in crash [J].China Safety Science Journal，2019， 29（2）：20-25.（in Chinese）

[3]劉穎.城市電動車問題分析與對策研究[D].中國市政工程，2008

基金項目：

本論文由江蘇省高等學校大學生實踐創(chuàng)新創(chuàng)業(yè)訓練計劃（項目編號：202110329047Y）基于動態(tài)數(shù)據(jù)可視化技術(shù)（Tableau）的電動自行車交通安全管理系統(tǒng)的構(gòu)建與應(yīng)用創(chuàng)新訓練項目支撐。