郄中洋 豐明潔 王雪松

摘 要：伴隨著高速公路的快速發(fā)展，其交通安全問題也日漸凸顯。加強對已建高速公路的管理，提高其安全水平顯得尤為重要。交通事故在空間分布上具有集聚性和不均勻性，事故多發(fā)路段的準確判別是進行高速公路安全改善的前提。本文以蘇州市高速公路為研究設施，介紹了基于安全可提高空間的事故多發(fā)路段判別方法，克服了采用傳統(tǒng)事故絕對數評估道路安全帶來的隨機波動性問題。

關鍵詞：高速公路；安全評估；安全可提高空間；事故多發(fā)路段判別

Freeway safety assessment based on potential for safety improvement

QIE Zhongyang1，FENG Mingjie2，WANG Xuesong2

（1. Suzhou Public Security Bureau Traffic Police Station， Suzhou 215129， China；2. Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China）

Abstract： With the rapid development of the freeway construction， freeway safety problems become more and more prominent. It is particularly important to improve safety situation of the constructed freeways. Since there is agglomeration and in homogeneity in the crash spatial distribution， hotspot identification is the precondition of freeway safety management. By focusing on the freeways in Suzhou， China， this paper introduces the potential for safety improvement based-crash hotspot identification method， which can overcome the problem associated with the fluctuation of observed crashes.

Keywords： Freeway； safety assessment； potential for safety improvement； crash hotspot identification

近20年，蘇州市高速公路發(fā)展迅速，2017年底其總里程達598.3公里，占全市公路的4.73%，已形成“一縱三橫一環(huán)二射三聯(lián)”的基本格局。高速公路為蘇州市提供中大量、長距離的快速交通服務，承擔著長三角區(qū)域大量的過境交通。然而蘇州市高速公路安全問題突出，其行車速度高、交通流連續(xù)、交通流量大，一旦發(fā)生交通事故將造成巨大的生命財產損失，并且嚴重影響交通運行效率。且交通事故的發(fā)生具有集聚性，空間分布上具有不均勻性。因此，判別高速公路事故多發(fā)路段、排摸交通安全隱患是加強高速公路安全管理，提高交通安全水平的關鍵。

事故多發(fā)路段判別是指在統(tǒng)計年限內，判別道路單元內事故發(fā)生水平明顯高于其它單元的路段作為安全問題突出路段，是高速公路交通安全管理的重要內容之一。我國交通管理部門在開展事故多發(fā)路段排查工作時，往往采用傳統(tǒng)的事故絕對數法，如上海市交警總隊采用的《上海市危險路段排摸標準》[1]。然而傳統(tǒng)的事故絕對數法忽略了事故隨機波動性的影響，判別結果可能存在偏差。

安全可提高空間判別方法通過計算貝葉斯方法估計的事故數與具有相同道路交通特征地點的事故期望的差值，對事故多發(fā)路段進行判別；差值越大，表明安全改善潛能越大[2]。該方法消除了事故觀測值的隨機波動性的影響，在發(fā)達國家的道路安全管理工作上得到了廣泛的應用，如美國的道路安全手冊（Highway Safety Manual， HSM）[3]。

因此，本文采用安全可提高空間方法，對蘇州市高速公路路網進行安全評估分析，判別其事故多發(fā)路段，以期為后期開展深入的事故致因分析、交通安全隱患排摸、道路安全改善措施設計提供基礎。

1 數據采集

本文以蘇州市高速公路為分析對象，采集了其2018年的交通事故數據和道路幾何數據。道路幾何數據的具體信息如表1所示。蘇州市14條高速公路一共被劃分為1281個微觀路段單元：主線路段因道路設計參數較為一致，按照一公里劃分；鄰近出入口處，因出入口匝道會對交通運行產生顯著的影響，因此根據匝道位置劃分路段單元。采集的道路幾何變量包括車道數、路段所連接的匝道數和路段長度。

2 模型介紹

2.1 事故預測模型

由于交通事故數據具有隨機、離散、非負的特點，普通線性回歸模型無法捕捉其數據特征，因此廣義線性回歸模型被廣泛采用。其中，泊松模型是最基礎的事故預測模型，然而事故數據存在過度離散特性，不符合泊松模型均值等于方差的這一假設條件[4]，導致在分析事故平均值較低的數據時模型誤差大。通過引入誤差項，研究者提出采用負二項模型應對離散的事故數據，并被廣泛應用[5]。

本文采用負二項回歸建立事故預測模型，假設路段i的事故數yi服從負二項分布，事故期望值yiexp可以與自變量Xi建立回歸關系如下：