发布时间：2018-12-29所属分类：科技论文浏览：1次
摘 要： 摘要:为分析城市道路交通事故的时空分布模式，本文基于网络空间线性最邻近指数和Knox时空检验方法，对武汉市青山区道路交通事故的热点路段分布以及时空交互模式进行检验。实验结果表明，城市道路交通事故在空间和时空层面均呈现显著聚集分布。事故热点主要分
摘要:为分析城市道路交通事故的时空分布模式，本文基于网络空间线性最邻近指数和Knox时空检验方法，对武汉市青山区道路交通事故的热点路段分布以及时空交互模式进行检验。实验结果表明，城市道路交通事故在空间和时空层面均呈现显著聚集分布。事故热点主要分布在主干道和道路交叉口等人流量大和路网密集的区域，显著性时空交互现象发生于近时空区域内。本文结果可为交通事故防控、交通设施优化提供理论参考。
关键词:交通事故,线性最邻近指数,网络核密度,Knox检验,时空交互
道路交通事故严重威胁着人民群众人身和财产安全，是全球交通运输行业常年关注的话题。由于受道路属性、路网结构、景观条件、人/车流量等客观因素的影响，道路交通事故往往在时空上呈非均匀分布，不仅在空间层面聚集，在时空层面也存在显著交互模式，即在空间上邻近的事故，在时间上也趋向邻近[1-2]。
国内外关于交通事故时空分布模式已有较多研究成果，如TKAnderson利用核密度估计和K均值聚类的方法提取交通事故多发路段[3];KZHtut等直接利用ArcGIS空间分析工具中核密度估计法识别高速公路事故聚集路段并对其严重性进行分级[4];谭锦艳等利用时空GIS技术综合考虑交通事故发生次数、空间位置、严重程度等因素对城市道路黑点进行鉴别[5];陈宽民等通过简单统计方法得出交通事故在时间和空间上的分布特征，探讨其形成原因并提出了改善道路交通安全的对策[6];王振宏也对交通事故的时间分布、空间分布和人群分布特点进行分析[7]。
以上研究大多侧重于从空间或时间层面分析事故的分布规律及模式，而交通事故作为一种时空事件[8]，同时受时间和空间变量的影响，故有必要研究其在时空层面的分布模式。本文以武汉市青山区道路交通事故为研究对象，首先，利用网络空间线性最邻近指数检验其空间聚集性，并通过网络核密度估计方法可视化事故热点路段，其聚集性结果是探讨时空聚集性的基础;在时空层面，基于Knox检验分析事故时空聚集分布模式，提取显著性时空交互点对并对其形成原因进行初步分析。实验结果表明，城市道路交通事故不仅在空间上聚集分布，在近时空区域内也存在显著聚集性。
1数据与研究方法
1.1研究区域与数据
本文研究区域为武汉市青山区，该区位于长江中游南岸，是华中地区工业重镇。辖区面积80.58km2，常住人口15余万，流动人口6万(2015年)，境内有武汉钢铁集团、武汉石油化工厂、武汉钢铁设计研究总院、武汉科技大学等10多个大型企业和科研机构，民众出行需求极大;交通方面路网总长度达138km，以4条主干道为枢纽连接武汉三镇，形成了四通八达的交通网络。本文选取青山区2016年9月一般等级交通事故(财产损失、受伤、死亡类事故)作为研究对象，数据来源于武汉市交管局事故预防与处理大队，每条记录包括事故发生的经纬度、时间、事故类型等信息。
1.2研究方法
道路交通事故作为路网约束下的时空点事件，具有一阶和二阶性质。一阶性质是指事件密度随空间分布的变化情况，常用线性最邻近指数(NearestNeighborIndex，NNI)进行空间聚集性检验，并可通过网络核密度估计方法进行聚集区域可视化[9-10];二阶性质考察事件间的时空依赖性，代表方法为Knox时空交互检验[11]，通过一阶性质探讨得到的空间聚集性结果可作为探讨二阶性质空聚集性的依据，二阶性质也内在地体现了一阶性质。
1.2.1线性最邻近指数与网络核密度估计
线性最邻近指数用来探讨网络约束下点事件的空间聚集性，该方法通过计算最邻近点对之间网络距离的平均值，并与随机分布零假设条件下的平均距离做相似性检验，判断其空间分布模式。
1.2.2道路网约束下的Knox时空交互检验
Knox检验常用来分析事件时空聚集性，由于其运算方便、易于理解等特性，广泛运用于流行病学、犯罪分析[13]、公共卫生管理等领域。其方法需事先指定时间阈值Tt和空间阈值St，针对N个事件点组成的N×(N-1)/2个事件对，计算各事件对的时间距离Tij和空间距离Sij;若Sij≤St，则事件对在空间上邻近，若Tij≤Tt，则事件对在时间上邻近。通过判断各事件对的时空邻近性，可得到时空邻近关系统计表。
2实验结果和分析
2.1空间聚集性分析
基于网络线性最邻近指数，对研究区域内交通事故进行空间聚集性分析，结果表明，事件对最小网络邻近距离为6.65m，最大值为1892.51m，平均最邻近距离为361.84m，线性最邻近指数NNI小于1，p值小于0.01，说明事故存在显著性空间聚集现象，该平均最邻近值可为时空检验提供依据。为了对事故聚集分布路段进行可视化，本文采用SANET4.1对交通事故进行网络核密度分析[16]，并在ArcGIS10.3中对分析结果进行可视化。网络核密度估计中需确定核函数、带宽和lixel粒度3个参数，在实际分析中，需要结合事件的具体分布特征来综合考虑。
本实验中核函数采用EqualSplit函数，带宽和lixel粒度分别设为500m和10m，既体现了细节上的变化，显示效果也较直观，青山区交通事故在空间上呈现不均匀分布。从地理位置来讲，主要集中于西部区域，该区域分布着众多居民区和商业区，且紧邻武汉的政治、文化、信息中心，人口和道路密集，车流量大，发生交通事故的风险较大;东部区域主要集中了武钢等大型国企、工厂，路网较为稀疏且多为内部道路，车流量较少，为交通事故低发区域。
从路网结构来看，事故热点区域大多集中于交叉口和主干道，交叉口是人流、车流汇集的场所，由于受信号灯设置不合理、行人/车辆不遵守信号灯指示抢行等因素的影响，成为事故多发区域;主干道是城市的交通枢纽，承担着民众出行需求的重要任务，其交通流量大、车速快，因此，也成为事故热点区域。
2.2时空聚集性分析
在利用Knox检验对事件进行时空聚集性分析时，关键步骤是时空阈值的确定。在不同的时空阈值下，事件往往表现出不同的时空交互模式，时空阈值的选择对实验结果有决定性影响。传统的人工主观确定阈值方法存在一定随意性，为此Eckley等以地理学第一定律为基础，提出基于平均最邻近距离的Knox检验时空阈值确定方法[17]。
由于顾及了事件的时空邻近性，与已有的阈值确定方法相比，利用该阈值确定方法的Knox检验能更有效地识别出事件的显著性时空交互模式，上文中探讨事故一阶性质空间聚集性时，在平均最邻近距离条件下结果显示事故具有显著的空间聚集性，本文将平均最邻近距离362m作为空间阈值，用相同的计算方法得到平均最邻近时间为4h，以此作为时间阈值。该阈值条件计算得到χ2=5.34，p=0.02，说明道路交通事故在近时空区域内存在显著的交互性，即在空间上邻近发生的事件，在时间上也趋向于邻近，这就为交道路通事故预防提供了决策依据。利用Knox检验，可以探测出具有时空邻近重复发生关系的事件对。
在空间阈值362m，时间阈值4h条件下，得到4对时空邻近对，查询当天的天气状况为阵雨/小雨，发生的位置为二十一号公路和武汉石油化工厂南大门附近，二十一号公路为青山区西部的主干道，该主干道主要承担武汉石油化工和武钢两大工厂的运输任务，运输量较大且以大货车为主，对该路段的路况造成一定影响，再加上当天阵雨的原因，通行状况较差，可能是形成时空聚类点对的主要原因;发生时间为9月30日17:19和16:45，天气状况为小雨/小雨，该位置位于冶金大道和工业一路交叉口附近，冶金大道为主干道，在该交叉口冶金大道两侧都为房产开发商施工现场，对交通造成一定影响。
发生时间为9月9日19:30和22:10，天气状况小雨/小雨，事故发生地位于冶金大道和工业一路交叉口附近，冶金大道两侧有较多娱乐休闲设施和商业银行，相对较繁华，同时实地考察发现，该交叉口只有东西向通车，南北向有马路围栏阻隔，这也在通行高峰期给交通造成压力;对发生时间为9月15号16:01和16:53，天气状况为阵雨/多云，该点对发生位置为和平大道和三弓路交叉口附近，和平大道为青山区西部主干道，交叉口向西100m左右有加油站，造成路口的车流量较大，同时交叉口西南侧为大型公园，这也增加了该地方人流量，这些都会给交通造成一定压力。
通过对时空点对的初步分析，得到青山区交通事故时空模式特征如下:从整体来看，事故多发生在较为繁华区域，尤其道路主干道，这里人流量、车流量较大，对交通的通行要求比较高，发生交通事故的风险也较高，主要在青山区东部的居民密集区域，点对位置相对偏郊区，人流量较小，但是该位置处于工业集中地，该区域有大量的运输任务，以物流为主，又通过实地考察发现，该路段的道路都有不同程度的损坏，这也增加了交通事故的风险。
因此，也应作为交通事故防范的重点区域;从道路的结构来看，事故多发生在城市主干道和交叉口附近，主干道和交叉口附近的交通设施设置是否合理将直接影响交通状况，交叉口设置了防护栏，附近有加油站，这些都对交通安全造成不同程度的影响，因此应对交通设施环境进行合理安排;同时，还发现4个事故点对的共性，即天气状况都为小雨或阵雨，说明天气状况对交通的影响比较大，交管部门在下雨天或者天气对交通造成较大影响条件下应该在重点时段加强重点区域的防范措施。
3结束语
以往对城市交通事故的研究大多以发现道路“黑点”，识别交通事故热点为主，而综合时间和空间研究交通事故时空交互性还较少，本文在分析网络条件下事故分布特征基础上，又利用统计的方法分析交通事故的时空交互性，充分挖掘交通事故的时空分布模式。
在空间上结合交通事故的分布特性，利用网络约束条件下的Kernel密度方法得到事故的热点分布特征，具有更可靠的指导意义;采用平均最邻近距离的方法选取时空阈值，利用Knox检验的方法探讨交通事故的时空交互性，从而得到交通事故在时间和空间上的聚集性规律，实验结果表明:研究区域内的交通事故存在时空聚集性，通过对交通事故时空模式的讨论分析，可以为交管部门的早期预警防控提供指导，同时，对交通环境的改善提供参考，以最大限度地降低交通事故发生的概率。
由于本文未能采用更多的时空阈值组合进行时空交互性的探索，在后续的研究中将使用更多的阈值组合进行分析。
参考文献:
[1]KnoxEG，BartlettMS.TheDetectionofSpace-TimeInteractions[J].AppliedStatistics，1964，13(1):25-30.
[2]NorstrmM，PfeifferDU，JarpJ.Aspace-timeclusterinvestigationofanoutbreakofacuterespiratorydiseaseinNorwegiancattleherds.[J].PreventiveVeterinaryMedicine，2000，47(1-2):107-119.
[3]AndersonTK.KerneldensityestimationandK-meansclusteringtoprofileroadaccidenthotspots.[J].Accident;analysisandprevention，2009，41(3):359-64.
[4]HtutKZ，PiyatadsananonP，RatanavarahaV.IdentifyingtheSpatialClusteringofRoadTrafficAccidentsonNaypyitaw-MandalayExpressway[C]//AtransSympossium:YoungResearcher'sForum2016，"transportationforABetterLife:SafeandSmartCities.2016.
[5]谭锦艳，张湘，邵丽芳，等.时空GIS在广州市交通事故黑点预判与鉴别中的应用[J].软件导刊，2016，15(12):116-118.
[6]陈宽民，王玉萍.城市道路交通事故分布特点及预防对策[J].交通运输工程学报，2003，3(1):84-87.
[7]王振宏.我国城市道路交通事故的分布情况和预防措施[J].建筑工程技术与设计，2015(35):55-56.
[8]王劲峰，葛咏，李连发，等.地理学时空数据分析方法[J].地理学报，2014，69(9):1326-1345.
[9]OkabeA，YomonoH，KitamuraM.StatisticalAnalysisoftheDistributionofPointsonaNetwork[J].GeographicalAnalysis，1995，27(2):152-175.
推荐期刊：《中南公路工程》于1975年创刊，是中国公路行业综合技术类科学技术期刊。同时也是“公路运输类中文核心期刊”、“中国科技论文统计源期刊”和“中南公路科技情报网网刊”。专门刊载道路、桥梁及交通工程的理论研究与工程应用文章。包括公路、桥梁、结构理论、路面、路基、人工结构物、线路勘测设计、计算机应用等内容。
SCISSCIAHCI
