周 濤，賀中華▲，梁 虹，張顯強(qiáng)，李永柳，梁永娜，邢 愿

(1貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院，貴州 貴陽(yáng) 550001；2貴州省道路交通事故鑒定工程技術(shù)中心 ，貴州 貴陽(yáng) 550005)

?

貴州省道路交通事故影響因素及演化趨勢(shì)的探討*

周 濤1，賀中華1▲，梁 虹1，張顯強(qiáng)2，李永柳1，梁永娜1，邢 愿1

(1貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院，貴州 貴陽(yáng) 550001；2貴州省道路交通事故鑒定工程技術(shù)中心 ，貴州 貴陽(yáng) 550005)

為減少貴州省道路交通事故的發(fā)生次數(shù)，加強(qiáng)對(duì)道路交通事故誘因監(jiān)管力度。以貴州省作為研究對(duì)象，將灰色系統(tǒng)與耗散結(jié)構(gòu)中的熵結(jié)合起來(lái)，從2009—2013年《交通年鑒》中選取影響交通事故的8個(gè)因素序列數(shù)據(jù)，在灰色關(guān)聯(lián)系數(shù)計(jì)算結(jié)果基礎(chǔ)上，進(jìn)一步探究影響因素熵關(guān)聯(lián)順序；以便從整體上把握交通系統(tǒng)演化方向的判別，結(jié)果表明：天氣(晴)0.920 5>機(jī)動(dòng)車違法0.901 0>責(zé)任者駕齡0.898 9>照明條件0.890 6>地形(山區(qū))0.889 0>公路行政等級(jí)0.885 5>路面類型(瀝青)0.880 1>路表情況(干燥)0.879 0 ，受以上因素的影響熵值變化呈現(xiàn)先減小后增加再減小再增加的趨勢(shì)；由熵變值可知，系統(tǒng)整體處于良性循環(huán)狀態(tài)，但今后交通系統(tǒng)若要朝著有序狀態(tài)方向演化，還須采取相關(guān)措施使熵值減小，以實(shí)現(xiàn)貴州省道路交通系統(tǒng)的可持續(xù)發(fā)展。

交通事故，灰關(guān)聯(lián)熵，影響因素，演化

0 引言

近年來(lái)，隨著經(jīng)濟(jì)的快速發(fā)展，汽車擁有量陡然增加，交通安全形勢(shì)也隨之日趨惡化，道路交通事故的發(fā)生已嚴(yán)重的危及到經(jīng)濟(jì)發(fā)展、社會(huì)安定、生命財(cái)產(chǎn)安全，據(jù)貴州省2009—2013年貴州省《交通年鑒》統(tǒng)計(jì)由于交通事故造成的經(jīng)濟(jì)損失為720萬(wàn)元，受傷、死亡人數(shù)達(dá)16 471人。研究道路交通事故產(chǎn)生原因及演化方向，為實(shí)現(xiàn)社會(huì)和諧穩(wěn)定具有重大的現(xiàn)實(shí)意義。

針對(duì)道路交通事故的研究，通過(guò)建立Cox風(fēng)險(xiǎn)模型及實(shí)例分析，明確了造成交通持續(xù)擁堵的時(shí)間因素和地區(qū)[1]；將高斯混合模型和卡爾曼濾波語(yǔ)言進(jìn)行耦合，構(gòu)造出了新的交通安全指標(biāo)，實(shí)現(xiàn)了對(duì)高速公路交通事故率預(yù)測(cè)[2]；通過(guò)對(duì)比分析GM(1.1)模型和灰色Verhulst模型特性，結(jié)合中國(guó)道路交通事故現(xiàn)狀，對(duì)交通事故死亡人數(shù)進(jìn)行的預(yù)測(cè)[3]；利用灰色殘差模型特性使預(yù)測(cè)誤差降低有效地對(duì)公路交通事故進(jìn)行預(yù)測(cè)[4]；耦合灰色模型，馬爾可夫理論兩者優(yōu)點(diǎn)使該模型具備在較長(zhǎng)的周期內(nèi)進(jìn)行波動(dòng)狀態(tài)的精準(zhǔn)預(yù)測(cè)[5]。以駕駛員作為研究對(duì)象，經(jīng)灰色聚類法分析，得出性別、駕齡、年齡三者因素作用于交通事故傾向性[6]；交通標(biāo)識(shí)在不同信息背景下，將對(duì)駕駛員形成不同的視認(rèn)特性，優(yōu)化字?jǐn)?shù)、高度可大大提高高速公路安全性[7]；最大限度的保障交叉口的順暢，建立相應(yīng)模型并進(jìn)行VISSIM仿真，優(yōu)化了綠燈時(shí)間間隔[8]；運(yùn)用分析研究了廣東省特大交通事故形態(tài)及時(shí)間分布特征，為今后采取相關(guān)措施，降低交通事故的發(fā)生提供一定的理論依據(jù)[9]；應(yīng)用統(tǒng)計(jì)方法明確指出江蘇省交通事高發(fā)的時(shí)間分布特征及危險(xiǎn)時(shí)段，并提出可建設(shè)意見(jiàn)[10]；運(yùn)用相關(guān)性分析了京津塘高速公路交通事故與氣象條件的關(guān)系，得出交通事故時(shí)間分布特征及與氣象因素間的關(guān)系[11]；其余研究成果[12-13]。

就貴州省道路交通事故影響因素研究而言國(guó)內(nèi)研究成果較少涉及，大多都以全國(guó)、北部、東部城市作為研究對(duì)象，未涉及西南地區(qū)，尤其是西南喀斯特地區(qū)，因此本文以貴州省為研究對(duì)象，應(yīng)用灰關(guān)聯(lián)熵得出影響道路交通事故因素的強(qiáng)弱順序，建立交通系統(tǒng)演化方向的判別模型，為進(jìn)一步研究貴州省道路交通事故奠定基礎(chǔ)。

1 研究區(qū)概況

貴州省地處中國(guó)西南部，位于103°36′E～109°35′E，24°37′N～29°13′N，國(guó)土面積17.62萬(wàn) km2，屬于云貴高原向東過(guò)渡的斜坡地帶，地貌以丘陵為主，喀斯特強(qiáng)烈發(fā)育面積達(dá)13萬(wàn) km2，占到全省面積的73 %，其中95 %的縣市都有喀斯特的分布。受季風(fēng)的影響氣候類型以亞熱帶高原季風(fēng)濕潤(rùn)氣候?yàn)橹?。全省?個(gè)州市組成。2015年年底貴州省實(shí)現(xiàn)縣縣通高速總里程達(dá)到5 100公里，“十三五”貴州高速總里程將超過(guò)7 000公里，貴州省交通路線分布如圖1所示。

圖1 貴州省交通路線分布圖

2 數(shù)據(jù)與方法

2.1 交通數(shù)據(jù)

交通數(shù)據(jù)的獲取是根據(jù)貴州省各級(jí)公安機(jī)關(guān)交通管理部門整編的《交通年鑒》。地區(qū)為貴州省的9個(gè)州市，選取影響交通事故較強(qiáng)的8個(gè)因素，時(shí)間段為2009—2013年 ，須指出由于2009—2011年的數(shù)據(jù)的缺失，在本文中是以內(nèi)插法實(shí)現(xiàn)的補(bǔ)缺，目的是為了保證最終的計(jì)算結(jié)果更加切合實(shí)際。取5年各項(xiàng)指標(biāo)的平均值作為原始數(shù)據(jù)表1。作為判別貴州省交通事故演化方向及影響因素強(qiáng)弱的依據(jù)。

表1 2009—2013年貴州省道路交通事故發(fā)生次數(shù)及萬(wàn)車事故率

2.2 灰關(guān)聯(lián)熵分析方法

2.2.1 灰關(guān)聯(lián)熵原理

交通系統(tǒng)由于受道路等級(jí)、天氣情況、照明條件等諸多因素的共同作用使得該系統(tǒng)呈現(xiàn)出多樣性和復(fù)雜性，而且從目前的研究狀況來(lái)看人們對(duì)喀斯特現(xiàn)象和喀斯特地區(qū)交通的認(rèn)識(shí)不全面，大量的不確定性因素仍然未能得到正確認(rèn)識(shí)。這些性質(zhì)具有灰色特征，從而導(dǎo)致交通系統(tǒng)是一個(gè)具有模糊性的灰色系統(tǒng)。

交通系統(tǒng)也從屬于耗散結(jié)構(gòu)，所以其存在與發(fā)展必然會(huì)受到耗散結(jié)構(gòu)規(guī)律的支配，要使交通系統(tǒng)保持有序狀態(tài)，那么必須使人員、地形、路面、天氣等子系統(tǒng)相互協(xié)調(diào)。而利用耗散結(jié)構(gòu)中熵變與系統(tǒng)有序性的關(guān)系可以更好地把握這些因素的相互關(guān)系[14]。

灰關(guān)聯(lián)熵實(shí)質(zhì)是運(yùn)用離散的數(shù)據(jù)列解決無(wú)限的空間問(wèn)題，并得出主要的影響因素及其強(qiáng)弱關(guān)系。

2.2.2 灰關(guān)聯(lián)系數(shù)的計(jì)算

2)為了消除量綱的影響，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，記作Xi，Yj(1≤i≤n)：

(1)

3)計(jì)算兩個(gè)數(shù)列中對(duì)應(yīng)絕對(duì)值的最大值和最小值：

(2)

4)得到灰色關(guān)聯(lián)系數(shù)：

(3)

其中：Rj為灰色關(guān)聯(lián)系數(shù)，ρ為分辨系數(shù)通常取0.5，通過(guò)調(diào)整ρ值的大小可實(shí)現(xiàn)對(duì)數(shù)據(jù)轉(zhuǎn)化的影響，其取值越小關(guān)聯(lián)系數(shù)之間的差異性越顯著。

2.2.3 灰色關(guān)聯(lián)熵的計(jì)算

根據(jù)熵變理論，灰色關(guān)聯(lián)熵可表示為：

(4)

式中：HΦ為交通系統(tǒng)的灰色關(guān)聯(lián)熵，當(dāng)系統(tǒng)狀態(tài)保持一定時(shí)，熵值就可以確定；對(duì)參考數(shù)列和比較數(shù)列進(jìn)行映射處理，可得灰關(guān)聯(lián)系數(shù)的分布密度Ph

(5)

由于灰熵具有Shannon熵的全部性質(zhì)，為了使結(jié)果更具代表性，消除不確定性，灰熵具有最大值：

HΨ(X)=lnn

(6)

(7)

交通系統(tǒng)受到多個(gè)因素的共同影響且各因素間相互聯(lián)系，當(dāng)其中一個(gè)因素變動(dòng)會(huì)引起整個(gè)系統(tǒng)信息熵的變化，所以可以利用熵值的變化來(lái)衡量交通系統(tǒng)的演化方向，因此建立交通系統(tǒng)演化方向熵變的判別模型：

ΔHΦ=H(x+1)-H(x)

(8)

式中：H(x+1)為交通系統(tǒng)t時(shí)段的末態(tài)熵，H(x)為交通系統(tǒng)t時(shí)段的初態(tài)熵，ΔH為交通系統(tǒng)受其他影響因素引起的熵變。ΔH可大于、小于、等于零，根據(jù)熵變值的大小即可判斷交通系統(tǒng)演化方向和內(nèi)部協(xié)調(diào)程度。當(dāng)ΔH>0時(shí)表示交通系統(tǒng)總熵增加，系統(tǒng)結(jié)構(gòu)處于不穩(wěn)定狀態(tài)，整個(gè)交通環(huán)境陷于惡性循環(huán)當(dāng)中。ΔH<0總熵減小，系統(tǒng)有序度增強(qiáng)，系統(tǒng)穩(wěn)定呈現(xiàn)出良好發(fā)展趨勢(shì)。ΔH=0熵值無(wú)變化，系統(tǒng)狀態(tài)與初始一樣。

3 結(jié)果與分析

3.1 道路交通事故影響因素灰色關(guān)聯(lián)系數(shù)

首先，由于參考數(shù)列與比較數(shù)列的綱量存在差異，須按照(1)式進(jìn)行標(biāo)準(zhǔn)化處理；其次，依據(jù)(2)式計(jì)算兩個(gè)數(shù)列中對(duì)應(yīng)絕對(duì)值的最大值和最小值；最后根據(jù)(3)式計(jì)算得到灰色關(guān)聯(lián)系數(shù)。計(jì)算結(jié)果如表2所示。為之后敘述方便分別取影響因素機(jī)動(dòng)車違法(Z1)、照明條件(Z2)、公路行政等級(jí)(Z3)、責(zé)任者駕齡(Z4)、路面類型(瀝青)(Z5)、路表情況(干燥)(Z6)、地形(山區(qū))(Z7)、天氣(晴)(Z8)。

表2 2009—2013年貴州省道路交通事故各影響因素灰關(guān)聯(lián)系數(shù)

關(guān)聯(lián)系數(shù)越大表明：道路交通事故發(fā)生的次數(shù)與萬(wàn)車事故率呈正相關(guān)，由表2中各地區(qū)的兩個(gè)序列的關(guān)聯(lián)系數(shù)可知，六盤水市、安順市灰關(guān)聯(lián)系數(shù)相對(duì)其它州市較大，說(shuō)明兩個(gè)地區(qū)由以上影響因素造成道路交通事故次數(shù)所占萬(wàn)車事故率比例較大，且是誘發(fā)該區(qū)道路交通事故的主要因素，因而可以有針對(duì)性的采取相關(guān)措施，以降低道路交通事故的發(fā)生頻率，從而有效地減緩交通事故帶來(lái)的負(fù)面壓力。而遵義市、黔東南州關(guān)聯(lián)系數(shù)較小，可知，造成道路交通事故的原因是多元存在的，恰好印證了交通系統(tǒng)是一個(gè)具有模糊性的灰色系統(tǒng)，同時(shí)也是一個(gè)動(dòng)態(tài)的開(kāi)放系統(tǒng)[15]。貴陽(yáng)市、銅仁市、黔西南州、畢節(jié)市、黔南州關(guān)聯(lián)系數(shù)介于兩者之間，可得，道路交通事故與該區(qū)域的經(jīng)濟(jì)發(fā)展、交通監(jiān)管、道路布局、城市規(guī)劃等有著密切的關(guān)系。受其自身局限性的影響關(guān)聯(lián)系數(shù)不能從整體上反映交通系統(tǒng)的動(dòng)態(tài)變化。只能單方面揭示出各個(gè)地區(qū)內(nèi)交通事故次數(shù)與萬(wàn)車事故率的協(xié)調(diào)程度，因此有必要進(jìn)行交通系統(tǒng)灰色關(guān)聯(lián)的計(jì)算。

3.2 道路交通事故影響因素灰色關(guān)聯(lián)熵及熵關(guān)聯(lián)度

將表2中的灰關(guān)聯(lián)系數(shù)代入(4)式中進(jìn)行灰色關(guān)聯(lián)熵HΦ的計(jì)算，結(jié)果見(jiàn)表3。

表3 2009—2013年貴州省道路交通事故影響因素與萬(wàn)車事故率灰關(guān)聯(lián)熵

為進(jìn)一步探究影響因素強(qiáng)弱的關(guān)系將(4)、(6)式中結(jié)果代入(7)式中，并由熵關(guān)聯(lián)度準(zhǔn)則可得，若比較數(shù)列的熵關(guān)聯(lián)度越大，那么它就與參考數(shù)列具有極強(qiáng)的關(guān)聯(lián)性，計(jì)算結(jié)果見(jiàn)表4。

表4 各影響因素熵關(guān)聯(lián)度及排序

由表4可得，影響交通事故強(qiáng)弱順序Z8>Z1>Z4>Z2>Z7>Z3>Z5>Z6。因此，在今后探究交通事故形成機(jī)理時(shí)應(yīng)優(yōu)先考慮較強(qiáng)的影響因素：Z8、Z1、Z4、Z2，同時(shí)兼顧較弱的影響因素：Z7、Z3、Z5、Z6，這樣便能使整個(gè)交通系統(tǒng)朝著規(guī)范合理的方向發(fā)展。在明確影響因素強(qiáng)弱的基礎(chǔ)上便能更好的把握住交通系統(tǒng)的演化趨勢(shì)。

3.3 交通系統(tǒng)演變方向的判別

根據(jù)式(8)可得熵變值ΔHΦ如表5所示，交通系統(tǒng)灰關(guān)聯(lián)熵變化曲線見(jiàn)圖2。

表5 2009—2013年貴州省道路交通事故影響因素與萬(wàn)車事故率熵變值

圖2 2009—2013年貴州省道路交通系統(tǒng)灰關(guān)聯(lián)熵變化曲線

由表5可得，2009—2013年影響道路交通系統(tǒng)的各種因素在該時(shí)段內(nèi)的熵變值存在一定的起伏，但ΔHΦ都小于零，說(shuō)明這幾年貴州省道路交通系統(tǒng)總熵減少有序度變強(qiáng)，系統(tǒng)狀態(tài)總體良好，能較好地支撐社會(huì)與經(jīng)濟(jì)的發(fā)展各項(xiàng)資源能夠得到優(yōu)化配置。

由圖2可得，機(jī)動(dòng)車違法、照明條件、公路行政等級(jí)的熵是在減少的，即交通系統(tǒng)向良性方向過(guò)渡，這主要是由于隨著經(jīng)濟(jì)的發(fā)展基礎(chǔ)設(shè)施得以逐漸的完善，各部門加強(qiáng)對(duì)違法交通事件的監(jiān)管，有效地降低了交通事故的發(fā)生機(jī)率。責(zé)任者駕齡導(dǎo)致熵增加，交通系統(tǒng)開(kāi)始惡化，因?yàn)槿藗兾镔|(zhì)生活水平的大幅提高，使汽車保有量迅速增加而駕駛者沒(méi)有經(jīng)過(guò)長(zhǎng)期的訓(xùn)練就隨意駕車上路，致使事故頻發(fā)。據(jù)《交通年鑒》中統(tǒng)計(jì)駕齡在1年以下造成的事故次數(shù)占到25 %。路面類型(瀝青)、路表情況(干燥)的熵逐漸減少，是由于瀝青路面滲水能力強(qiáng)使路表長(zhǎng)時(shí)間保持干燥，大大降低了交通事故發(fā)生的可能性，OGFC的研究和應(yīng)用就是很好的例證[16]。就地形方面(山區(qū))而言，熵值增大，貴州省喀斯特強(qiáng)烈發(fā)育，地貌以丘陵為主地形起伏較大道路彎拐大、盲區(qū)多屬交通事故多發(fā)區(qū)。天氣(晴)熵增加到最大值，交通系統(tǒng)向惡性方向演化，是由于能見(jiàn)度提高、路表情況好等，易使駕駛者放松警惕盲目自信所致。

4 結(jié)論

通過(guò)上述分析可得出以下結(jié)論：

1)基于各州市與道路交通事故影響因素間的灰關(guān)聯(lián)系數(shù)Rj，可知在任一區(qū)域內(nèi)承受任一原因造成交通事故壓力的大小，便于明確今后有針對(duì)性的進(jìn)行調(diào)整和改變，以降低交通事故的發(fā)生次數(shù)，大大節(jié)省人力和物力實(shí)現(xiàn)資源的優(yōu)化配置，同時(shí)也為生命財(cái)產(chǎn)安全作出了良好的保障。

2)灰關(guān)聯(lián)熵分析結(jié)果表明，影響交通事故因素強(qiáng)弱順序依次為：Z8>Z1>Z4>Z2>Z7>Z3>Z5>Z6，由于影響貴州省道路交通事故的因素眾多，很難明確主次關(guān)系，運(yùn)用灰關(guān)聯(lián)熵分析法可以較準(zhǔn)確地找出各因素之間的關(guān)系，這為今后減少交通事故的發(fā)生提供了一定的科學(xué)依據(jù)。

3)通過(guò)熵變值ΔHΦ可知，道路交通系統(tǒng)狀態(tài)總體呈現(xiàn)良好的態(tài)勢(shì)；由灰色關(guān)聯(lián)熵HΦ及灰關(guān)聯(lián)熵變化曲線，責(zé)任者駕齡和天氣(晴)是導(dǎo)致交通系統(tǒng)向惡性方向演化主要因子。因此，解決此二因子是降低交通事故次數(shù)的有效途徑，其余的影響因子隨著經(jīng)濟(jì)的發(fā)展及科技的進(jìn)步將得到更多的完善，其對(duì)交通系統(tǒng)的影響也將逐漸減弱。

【REFERENCES】

[1] 王文成，楊小寶，周映雪，等.基于Cox風(fēng)險(xiǎn)模型的城市道路交通擁堵持續(xù)時(shí)間分析[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，35(增刊)：235-239.

WANG W C，YANG X B，ZHOU Y X，et al.Cox’s proportional hazard regression model for estimating urban traffic congestion duration[J].Journal of Chang’anUniversity：Natural Science Edition，2015，35(S)：235-239.

[2] Sheng JIN.Short-term traffic safety forecasting using Gau-ssian mixture model and Kalman filter[J].Journal of Zhejiang University-SCIENCE A(Appliedphysics&engineering)，2013，14(4)：231-243.

[3] 王福建，李鐵強(qiáng)，余傳正.道路交通事故灰色Verhulst預(yù)測(cè)模型[J].交通運(yùn)輸工程學(xué)報(bào)，2006，6(1)：122-126.

WANG F J，LI T Q ，YU C Z.Grey verhulst predictive model of road traffic accidents[J].Journal of Traffic and Transportation Engineering，2006，6(1)：122-126.

[4] 李剛，黃同愿，閆河，等.公路交通事故預(yù)測(cè)的灰色殘差模型[J].交通運(yùn)輸工程學(xué)報(bào)，2009，9(5)：88-93.

LI G，HUANG T Y，YAN H，et al.Grey residual error model of highway traffic accident forecast[J].Journal of Traffic and Transportation Engineering，2009，9(5)：88-93.

[5] 錢衛(wèi)東，劉志強(qiáng).基于灰色馬爾可夫的道路交通事故預(yù)測(cè)[J].中國(guó)安全科學(xué)學(xué)報(bào)，2008，18(3)：33-36.

QIAN W D，LIU Z Q.Road traffic accident forecast based on Gray-Markov model[J].China Safety Science Journal，2008，18(3)：33-36.

[6] 胡江碧，曹心濤.道路交通事故肇事駕駛員特征分析[J].中國(guó)公路學(xué)報(bào)，2009，22(6)：106-110.

HU J B，CAO X T.Analysis of characteristic of driver involved in road traffic accident[J].China Journal of Highway and Transport，2009，22(6)106-110.

[7] 彭余華，呂紀(jì)娜.基于駕駛?cè)艘曊J(rèn)特性的高速公路作業(yè)區(qū)文字類交通標(biāo)志尺寸[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，36(4)：71-78.

PENG Y H，LV J N.Text traffic signs in expressway work zone based on driver’s visual characteristics[J].Journal of Chang’s University：Natural Science Edition，2016，36(4)：71-78.

[8] 李鐵軍，常旭.基于交通狀態(tài)的綠燈間隔時(shí)間的優(yōu)化算法[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，36(3)：81-85.

LI T J，CHANG X.Optimization algorithm of green light interval based on traffic condition[J].Journal of Chang’s University：Natural Science Edition，2016，36(3)：81-85.

[9] 陳國(guó)華，曾輝.廣東省特大道路交通事故統(tǒng)計(jì)分析及預(yù)防對(duì)策[J].中國(guó)安全科學(xué)學(xué)報(bào)，2010，20(10)：106-112.

CHEN G H，ZENG H.Statistic analysis of major road accidents in guangdong province and their counte measures[J].China Safety Science Journal，2010，20(10)：106-112.

[10] 李文權(quán)，王曉文.江蘇省交通事故時(shí)間分布分析[J].公路交通科技，2005，22(10)：136-139.

LI W Q，WANG X W.Time distribution analysis of traffic accident in jiangsu province[J].Journal of Highway and Transportation Research and Development，2005，22(10)：136-139.

[11] 丁德平，尹志聰，李迅，等.京津塘高速交通事故與氣象條件之間的關(guān)系[J].公路交通科技，2011，28(s1)：115-119.

DING D P，YIN Z C ，LI X，et al.Relationship between traffic accidents of beijing-tianjin-tangshan Expressway and meteorological condition[J].Journal of Highway and Transportation Research and Development，2011，28(s1)：115-119.

[12] 楊降勇.高速公路疲勞駕駛交通事故的控制[J].中國(guó)安全科學(xué)學(xué)報(bào)，2006，16(1)：44-48.

YANG J Y.Control of traffic accidents due to fatigue driving on express way[J].China Safety Science Journal，2006.16(1)：44-48.

[13] 王洪明.我國(guó)公路交通事故的現(xiàn)狀及特征分析[J].中國(guó)安全科學(xué)學(xué)報(bào)，2009，19(10)：121-126.

WANG H M.Present situation of road traffic accident in china and it’s characteristics[J].China Safety Science Journal，2009，19(10)：121-126.

[14] 馬建華，管華.系統(tǒng)科學(xué)及其在地理學(xué)中的應(yīng)用[M].北京：科學(xué)出版社，2003：133-165.

MA J H，GUAN H.System science and its application in geography[M].Beijing：science press，2003：133-165.

[15] 彭金栓，付銳，邵毅明.道路交通安全系統(tǒng)透析[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，30(6)：72-75.

PENG J S，F(xiàn)U R，SHAO Y M.Systematic analysis of road traffic safety[J].Journal of Chang’s University：Natural Science Edit-ion 2010，30(6)：72-75.

[16] 魏莘欣，陳華鑫，夏慧蕓.降水量對(duì)排水瀝青路面交通安全的影響[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，36(3)：13-18.

WEI X X，CHEN H X，XIA H Y.Effect of precipitation on traffic safety of OGFC pavement[J].Journal of Chang’s University：Natural Science Edition，2016，36(3)：13-18.

Influencing factors and evolutionary trend of road traffic accidents in Guizhou*

ZHOU Tao1，HE Zhonghua1▲，LIANG Hong1，ZHANG Xianqiang2，LI Yongliu1，LIANG Yongna1，XING Yuan1

(1SchoolofGeographicandEnvironmentalScience，GuizhouNormalUniversity，Guiyang550001，China；2EngineeringTechnologyCenterofAppraisalforRoadTrafficAccidents，Guiyang550005，China)

To reduce road traffic accidents in Guizhou，and to strengthen incentive supervision for road traffic accidents，we combined the gray system and the entropy of dissipative structure，selected 8 sequence data of factors influencing traffic accidents from the Traffic Almanac from 2009 to 2013，and explored the entropy relational sequence of the factors based on the calculated results of gray correlation coefficient.The results：weather(sunny)0.920 5>illegal vehicles 0.901 0>driving experience 0.898 9>lighting conditions 0.890 6>terrain(mountainous)0.889 0>highway administrative rank 0.885 5>pavement type(bitumen)0.880 1> road surface conditions(dry)0.879 0.Affected by above factors，the change trends of entropy was reducing-increasing-reducing-increasing.The whole system is in a virtuous circle，but measures should be taken to reduce the entropy，so that the traffic system can evolve towards a more orderly state，and the traffic system of Guizhou can achieve sustainable development.

traffic accidents，gray relational entropy，influence factor，evolution

U

A

2016-09-10；

無(wú)

貴州省道路交通事故鑒定工程技術(shù)中心基金資助(黔道交鑒合G字[2015]10013號(hào))；貴州師范大學(xué)2015年博士科研啟動(dòng)項(xiàng)目；貴州省水利廳自然科研基金(KT201402)。

周 濤(1991-)，男，貴州安順人，貴州師范大學(xué)在讀碩士研究生，研究方向?yàn)樗乃Y源與GIS。

▲通訊作者：賀中華(1976-)，男，貴州興義人，博士，教授，碩士生導(dǎo)師，主要從事喀斯特水文水資源與遙感研究。