張 寶，陳 鵬

(1.內(nèi)蒙古公安廳交管局 高速公路二支隊(duì)扎魯特大隊(duì)，內(nèi)蒙古 通遼 028000；2.中國(guó)人民公安大學(xué) 警務(wù)信息工程與網(wǎng)絡(luò)安全學(xué)院，北京 102600)

近年來，我國(guó)道路交通安全問題日益增加，各類交通事故頻發(fā)，已成為交通事故發(fā)生最多的國(guó)家之一[1]，其中高速公路交通事故的傷亡與財(cái)產(chǎn)損失后果與城市道路相比更為嚴(yán)重。因此，深入研究高速公路交通事故的空間分布規(guī)律與影響因素，準(zhǔn)確掌握交通事故特征，分析其變化趨勢(shì)及發(fā)展形勢(shì)[2],尋找有效預(yù)防交通事故、改善交通安全管理形勢(shì)的措施是我國(guó)函待解決的社會(huì)問題之一。

高速公路交通事故是在一定條件下發(fā)生、受多種因素影響的具有隨機(jī)性與偶然性的動(dòng)態(tài)過程，但在長(zhǎng)時(shí)間尺度上又會(huì)呈現(xiàn)出平穩(wěn)性和規(guī)律性，所以通過對(duì)交通事故歷史數(shù)據(jù)進(jìn)行深入研究分析，可發(fā)現(xiàn)影響交通事故的顯著因素并對(duì)其發(fā)展趨勢(shì)做出科學(xué)的預(yù)測(cè)與評(píng)估[3]。目前，國(guó)內(nèi)外對(duì)交通事故空間分析的研究大都針對(duì)事故整體進(jìn)行事發(fā)位置、事故黑點(diǎn)或熱點(diǎn)區(qū)域的鑒別。于建游[4]以交通事故位置的間距為分析手段分析和鑒別了事故多發(fā)地；王龍健等[5]利用累計(jì)頻率曲線法對(duì)不同單位取樣長(zhǎng)度下的事故多發(fā)點(diǎn)進(jìn)行了鑒別；陸化普等[6]利用熱點(diǎn)分析等空間聚類分析方法分別對(duì)道路交通事故多發(fā)和事故嚴(yán)重程度較高區(qū)域進(jìn)行鑒別；Troung等[7]利用空間自相關(guān)分析法確定了行人機(jī)動(dòng)車事故的多發(fā)點(diǎn)位，并對(duì)城市公交車站的交通安全性進(jìn)行了評(píng)價(jià)；OKABE等[8]系統(tǒng)闡述并利用網(wǎng)絡(luò)核密度估計(jì)、Huff 模型等方法分析了道路網(wǎng)絡(luò)上發(fā)生的事件等。但這些研究?jī)H僅針對(duì)交通事故本身或整體進(jìn)行了分析，并沒有區(qū)分其屬性條件，忽視了道路沿線的空間要素及環(huán)境等屬性條件影響。由于道路本身為特殊的一維空間結(jié)構(gòu)，加之道路上運(yùn)行的車輛具有極強(qiáng)的流動(dòng)性，導(dǎo)致不同的天氣、照明等條件及道路沿線不同類型的空間要素與環(huán)境都會(huì)對(duì)交通事故的空間分布產(chǎn)生不同影響。再者，目前對(duì)交通事故影響因素的研究主要集中在事故成因的影響性方面：如李金龍、孫晚華[9]運(yùn)用層次分析法對(duì)交通事故主要成因進(jìn)行了分析，Ma等[10]證實(shí)了縱坡坡度、平曲線半徑等對(duì)交通事故有顯著影響，李桃迎[11]提出了采用模糊關(guān)聯(lián)規(guī)則方法分析交通事故成因, 陳艷艷等[12]利用基于二元logistic回歸模型分析了事故影響因素。但這些研究很少有對(duì)影響交通事故嚴(yán)重程度的要素開展深入分析。

本文針對(duì)道路本身的特殊一維空間結(jié)構(gòu)，結(jié)合道路沿線的不同空間要素、環(huán)境條件，如天氣、照明、路表等情況對(duì)實(shí)際路段的交通事故數(shù)據(jù)開展分析，并進(jìn)一步研究高速公路交通事故在不同條件下的空間分布規(guī)律，以及影響事故嚴(yán)重程度的顯著性因素，進(jìn)而提出有效的綜合性預(yù)防管控對(duì)策。

1 研究區(qū)域與數(shù)據(jù)概況

本文研究的高速公路區(qū)域?yàn)镚65包頭-茂名高速公路在內(nèi)蒙古境內(nèi)的一段，全長(zhǎng)為199 km，起于內(nèi)蒙古包頭市，貫穿鄂爾多斯市，是連接內(nèi)蒙古與陜西省的重要交通運(yùn)輸通道(見圖1)。該路段整體走勢(shì)為南北方向，道路線型呈“Y”字型結(jié)構(gòu)，沿線共設(shè)有收費(fèi)站11個(gè)、服務(wù)區(qū)3個(gè)、超限檢測(cè)站1個(gè)。2018年該段高速公路日均車流量為2 726輛，且由于穿行區(qū)域包含了重工業(yè)城區(qū)及產(chǎn)煤區(qū)，過往的大型貨運(yùn)車輛較多，交通組成比較復(fù)雜。該段高速公路共有兩處起點(diǎn)：一處為“Y”字型右端分叉道路頂點(diǎn)，即26 km處G6京藏高速互通立交橋；另一處為“Y”字型左端分叉道路頂點(diǎn)，即37 km處黃河大橋收費(fèi)站。該段高速公路的終點(diǎn)為199 km處的蒙陜界省際收費(fèi)站，現(xiàn)根據(jù)黨中央和國(guó)務(wù)院部署的民生工程已予以拆除。

圖1 研究區(qū)域高速公路

本文的研究數(shù)據(jù)來源于公安交通管理綜合應(yīng)用平臺(tái)，以及交警在事故現(xiàn)場(chǎng)利用事故處理APP上傳的事故信息，因此，事故數(shù)據(jù)具有較高的真實(shí)性、可靠性和及時(shí)性。該數(shù)據(jù)起始時(shí)間為2015年7月，截止時(shí)間為2017年4月，共計(jì)851天，期間共發(fā)生追尾、刮擦、翻車等各類交通事故914起。數(shù)據(jù)字段包括各類交通事故發(fā)生的時(shí)間、地點(diǎn)(對(duì)應(yīng)的公里數(shù)和GPS經(jīng)緯度)、事故當(dāng)天的天氣狀況、事故發(fā)生地點(diǎn)的路表狀態(tài)及事故形態(tài)等。

2 研究方法

本文針對(duì)內(nèi)蒙古G65高速公路的交通事故，利用空間緩沖分析法，從天氣、照明、路表、交通行為和事故形態(tài)五個(gè)方面研究交通事故沿道路軸線的空間分布特征與規(guī)律，隨后利用二元邏輯回歸模型分析影響交通事故嚴(yán)重程度的顯著因素, 最后根據(jù)分析結(jié)果有針對(duì)性地提出交通事故預(yù)防管控措施。

2.1 空間緩沖分析

首先，考慮到高速公路在圖層上本質(zhì)為一個(gè)有長(zhǎng)度、無寬度的拓?fù)浣Y(jié)構(gòu)，且交通事故數(shù)據(jù)在錄入過程中往往會(huì)產(chǎn)生一定的偏差，導(dǎo)致數(shù)據(jù)落點(diǎn)與道路結(jié)構(gòu)難以完全配準(zhǔn)，因此，本文采取空間緩沖分析方法，將該段高速公路的道路軸線進(jìn)行順序等分切割，并以1 km為半徑沿道路軸線做連續(xù)環(huán)形緩沖，且各緩沖區(qū)網(wǎng)格的中心點(diǎn)沿道路軸線重疊[13]。對(duì)收費(fèi)站廣場(chǎng)、出入口匝道及節(jié)點(diǎn)交叉處的道路做緩沖補(bǔ)償，并以京藏高速互通立交橋?yàn)槠瘘c(diǎn)由北向南依次編號(hào)，最后共生成209個(gè)緩沖區(qū)網(wǎng)格。將獲得的交通事故數(shù)據(jù)進(jìn)行矢量化處理，并按事故現(xiàn)場(chǎng)錄入的經(jīng)緯度標(biāo)注在道路圖層上，其中每一個(gè)交通事故點(diǎn)位都具有不同的屬性信息，結(jié)果如圖2所示。最后對(duì)每一個(gè)路段網(wǎng)格內(nèi)的交通事故進(jìn)行統(tǒng)計(jì)分析，并以道路軸線為橫軸、交通事故數(shù)量為縱軸，將不同天氣、照明等條件下發(fā)生的交通事故以多條擬合曲線呈現(xiàn)在同一張圖表中，進(jìn)而清晰明了地沿著高速公路道路軸線呈現(xiàn)出不同屬性條件下的交通事故空間分布態(tài)勢(shì)。

圖2 高速公路空間緩沖分析

2.2 二元Logistic回歸分析法

Logistic回歸分析是一種廣義的線性回歸分析方法，其實(shí)質(zhì)是用發(fā)生概率除以沒有發(fā)生概率、再取其對(duì)數(shù)，其中二元logistic回歸分析適用于因變量為二分類的分類變量或某事件的發(fā)生概率都是數(shù)值型變量，模型的具體描述如下：

設(shè)因變量y取值1表示事件發(fā)生，取值0表示事件未發(fā)生；影響因變量y的m個(gè)自變量分別為x1,x2,…，xm，記第i個(gè)觀測(cè)事件發(fā)生的概率為P(y=1|xi)=Pi，則1-Pi代表第i個(gè)觀測(cè)事件不發(fā)生的概率，則可得下列Logistic回歸模型

(1)

(2)

(3)

式中：α為截距項(xiàng)；βi為xi的系數(shù)，反映自變量對(duì)因變量產(chǎn)生影響的方向及程度。

3 分析結(jié)果

3.1 交通事故空間分布分析

交通事故、惡劣天氣及車輛拋錨等交通突發(fā)事件是影響我國(guó)高速公路安全運(yùn)營(yíng)的重要因素[14], 而高速公路交通事故是在某種環(huán)境與條件下，由于人、車、路、環(huán)境和管理諸要素配合失調(diào)的動(dòng)態(tài)過程。本文利用空間緩沖區(qū)分析方法對(duì)內(nèi)蒙古G65高速公路的交通事故分別從整體以及不同天氣條件、照明條件、路表狀況、事故原因與事故形態(tài)等方面進(jìn)行分析，并對(duì)結(jié)果進(jìn)行歸一化處理，使結(jié)果值映射到[0,1]之間，轉(zhuǎn)換函數(shù)ui的算式為

(4)

式中：xi為分析結(jié)果的原始數(shù)據(jù)，Mi，mi分別為原始數(shù)據(jù)集的最大值和最小值。

最后得出該段高速公路交通事故在不同條件下沿道路軸線的空間分布態(tài)勢(shì)，如圖4所示。本文從駕駛員的交通行為角度篩選出5種特征相對(duì)明顯的事故原因及占比較高的事故形態(tài)進(jìn)行重點(diǎn)分析。

由圖3(a)可知，交通事故整體沿該高速公路道路軸線的分布呈現(xiàn)出明顯的波動(dòng)性和北段高、南段低的特征，并在沿線收費(fèi)站、服務(wù)區(qū)、超限站及其臨近路段的分布較為集中。如在響沙灣服務(wù)區(qū)及其臨近路段(66～70 km)共發(fā)生交通事故53起，占事故總數(shù)的5.7%；在耳子壕收費(fèi)站及其臨近路段(95～98 km)共發(fā)生交通事故118起，占事故總數(shù)的13%，其中耳子壕收費(fèi)站發(fā)生48起，遠(yuǎn)高于該段高速公路沿線每個(gè)網(wǎng)格4.5起的平均案發(fā)水平，可見高速公路交通事故的空間分布與沿線收費(fèi)站、服務(wù)區(qū)及超限站分布有較強(qiáng)的關(guān)聯(lián)性。

同樣，根據(jù)圖3(b)—圖3(f)可知，在不同條件下交通事故仍集中分布于該段高速公路沿線的收費(fèi)站、服務(wù)區(qū)、超限站及其臨近路段，具體如表1所示，這也再次表明了兩者的關(guān)聯(lián)性。其次，發(fā)現(xiàn)在不同天氣、照明等條件下，交通事故空間分布的離散程度、偏態(tài)與峰值測(cè)度存在明顯差異，呈現(xiàn)出不同的分布態(tài)勢(shì)與波動(dòng)特征，交通事故異常高發(fā)路段也有所區(qū)別，說明不同條件因素對(duì)交通事故的空間分布影響不同，使其具有不同的空間分布特征與規(guī)律。

(a)交通事故整體分布趨勢(shì)

表1 不同條件下內(nèi)蒙古G65高速公路交通事故異常高發(fā)路段

3.2 交通事故嚴(yán)重程度影響因素分析

在交通事故研究領(lǐng)域，對(duì)交通事故嚴(yán)重程度的定義與度量標(biāo)準(zhǔn)并不相同和統(tǒng)一，本文以研究數(shù)據(jù)中的車輛損毀程度定義交通事故的嚴(yán)重程度并作為因變量，將月份、時(shí)段、天氣條件、照明條件、路表狀態(tài)、交通擁堵程度以及事故形態(tài)作為自變量進(jìn)行二元Logistic回歸分析，確定上述自變量對(duì)交通事故嚴(yán)重程度的影響程度。首先對(duì)因變量和各自變量進(jìn)行重新定義分類，具體如下：

3.2.1 因變量

研究數(shù)據(jù)中交通事故的嚴(yán)重程度為包含輕微、一般和嚴(yán)重三種類型的離散類別變量，統(tǒng)計(jì)上述三種類型交通事故所占比例，發(fā)現(xiàn)嚴(yán)重程度交通事故的占比僅為4.2%，故將其與一般程度的交通事故合并，重新定義為一個(gè)二分類變量為“較嚴(yán)重”，用“1”表示，輕微程度用“0”表示。

3.2.2 自變量

根據(jù)不同車輛損毀程度的交通事故在各月份占比結(jié)構(gòu)，將月份變量重新定義為一個(gè)二分類的虛擬變量“夏季”，其中將發(fā)生定義為“較嚴(yán)重”車輛損毀的交通事故比例明顯較高的5、6、7、8、9月歸為一類，并用“1”來表示；其它月份分為一類，用“0”來表示。同樣利用此方法，根據(jù)不同車輛損毀程度的交通事故在自變量各分類中的占比結(jié)構(gòu)，對(duì)其余自變量進(jìn)行重新定義與分類：將時(shí)段變量定義分類為“夜間”和“中午”兩個(gè)虛擬變量；將天氣條件變量重新定義為一個(gè)二分類的虛擬變量“陰、雨、霧”；將路表狀態(tài)變量定義為一個(gè)二分類的虛擬變量“路面有積水或冰雪”；將照明條件變量重新定義分類為一個(gè)二分類的虛擬變量“夜間無照明”；將事故形態(tài)變量重新定義為一個(gè)二分類的虛擬變量“碰撞”；將交通擁堵程度變量重新定義分類為“嚴(yán)重?fù)矶隆焙汀耙话銚矶隆眱蓚€(gè)虛擬變量。

最后，將上述被重新定義分類的因變量和自變量帶入回歸方程，利用SPSS軟件進(jìn)行二元Logistics回歸分析，結(jié)果如表2所示。

表2 方程中的變量表

分析結(jié)果表明，變量“一般擁堵”“碰撞”“夜間” “中午”的Sig值均為0.000，小于0.005，說明上述四個(gè)變量對(duì)交通事故的嚴(yán)重程度有顯著影響。其中“碰撞”變量的回歸系數(shù)為0.886，并且在1%水平上顯著，說明在控制其它因素的情況下，當(dāng)發(fā)生的交通事故出現(xiàn)正面碰撞、翻車及撞固定物形態(tài)時(shí)，發(fā)生較嚴(yán)重交通事故的概率會(huì)更大；“夜間”和“中午”變量的回歸系數(shù)分別為0.771、0.764，并在5%水平上顯著，說明在控制其它因素的情況下，當(dāng)交通事故發(fā)生在夜間21時(shí)—次日清晨6時(shí)或中午12—14時(shí)，出現(xiàn)較嚴(yán)重交通事故的概率會(huì)顯著增大；“一般擁堵”變量的回歸系數(shù)為3.962，并且在1%水平上顯著，說明在控制其它因素的情況下，與輕微交通擁堵情況相比，當(dāng)交通事故發(fā)生在一般交通擁堵條件下時(shí)，出現(xiàn)較嚴(yán)重交通事故的概率會(huì)顯著增加。

其次，本文建立的二元邏輯回歸分析模型總體預(yù)測(cè)正確率較高，達(dá)到90.8%，尤其對(duì)發(fā)生輕微程度交通事故的預(yù)測(cè)效果更好，預(yù)測(cè)正確率達(dá)到97.2%。該模型的最終卡方值為371.377，Cox&Snell R2與Nagelkerke R2的值分別為0.334和0.538，H-L檢驗(yàn)顯著水平sig值大于0.05，說明該模型對(duì)本文數(shù)據(jù)的擬合效果較好。

4 高速公路交通事故防控對(duì)策研究

綜上所述，交通管理部門應(yīng)基于不同條件因素，并結(jié)合實(shí)際路段沿線的地理要素、車流量、交通組成特點(diǎn)及影響交通事故嚴(yán)重程度的顯著因素，有針對(duì)性地采取綜合性預(yù)防管控措施。

1)根據(jù)轄區(qū)交通事故在不同條件下的空間分布特征及異常高發(fā)路段位置，交通管理部門應(yīng)從道路線形設(shè)計(jì)、縱坡坡度、路表摩擦系數(shù)及道路設(shè)施等方面進(jìn)行道路隱患排查，找出事故發(fā)生原因與影響行車安全的具體因素，進(jìn)而有針對(duì)性地進(jìn)行道路改造和養(yǎng)護(hù)，消除安全隱患。針對(duì)夜間無路燈照明和霧天條件下交通事故異常高發(fā)路段，應(yīng)重點(diǎn)完善道路照明設(shè)施和交通誘導(dǎo)標(biāo)識(shí)，增設(shè)路面反光標(biāo)線、路鈕、減速帶及警示標(biāo)牌等。對(duì)于雨雪天氣交通事故異常高發(fā)路段，一方面應(yīng)根據(jù)道路隱患排查結(jié)果有針對(duì)性地進(jìn)行道路改造與養(yǎng)護(hù)，消除雨雪天氣影響行車安全的道路因素，同時(shí)，也可在路段前端增設(shè)減速帶、LED路況提示牌及警示標(biāo)牌。其次，應(yīng)加強(qiáng)實(shí)時(shí)路況監(jiān)控與巡邏管控力度，及時(shí)開展鏟雪、撒融雪劑及交通管制等工作，對(duì)于高點(diǎn)監(jiān)控設(shè)備不足區(qū)域可利用無人機(jī)來增強(qiáng)監(jiān)控能力。

2)結(jié)合交通事故空間分布與收費(fèi)站、服務(wù)區(qū)和超限站具有較強(qiáng)關(guān)聯(lián)性的特點(diǎn)，交通管理部門應(yīng)合理設(shè)計(jì)、評(píng)測(cè)、優(yōu)化與完善收費(fèi)站、服務(wù)區(qū)等交織區(qū)的空間分布與道路設(shè)計(jì)，消除道路安全隱患。同時(shí)，應(yīng)嚴(yán)格控制高速公路沿線收費(fèi)站、服務(wù)區(qū)等道路節(jié)點(diǎn)及臨近路段、匝道口的行車速度與車流量，如可在其路段前端增加測(cè)速設(shè)備、減速標(biāo)線及警示標(biāo)志，利用視頻與電子感應(yīng)設(shè)備實(shí)時(shí)監(jiān)控車流量及交通擁堵狀況，同時(shí)，加大對(duì)該區(qū)域的巡邏管控力度，并增設(shè)警力重點(diǎn)查處此區(qū)域未按規(guī)定行車、變道等影響行車安全的交通違法行為。

3)結(jié)合影響高速公路交通事故嚴(yán)重程度的顯著因素及空間分布特征規(guī)律，交管部門應(yīng)有針對(duì)性地完善現(xiàn)有應(yīng)對(duì)惡劣天氣、交通擁堵、重要節(jié)點(diǎn)(時(shí)段、路段)等方面的應(yīng)急處置預(yù)案與交通管理工作，并根據(jù)轄區(qū)實(shí)際路況與交通流特點(diǎn)合理設(shè)計(jì)與制定車輛限速值和交通管制閾值(能見度、車流量、降雪強(qiáng)度等)。公安部門應(yīng)優(yōu)化警力部署與勤務(wù)安排，加強(qiáng)基礎(chǔ)保障，建立科學(xué)、有效的巡邏管控與交通事故預(yù)防體系，加強(qiáng)對(duì)事故多發(fā)路段、重要節(jié)點(diǎn)的巡邏管控力度，在轄區(qū)風(fēng)險(xiǎn)隱患較多、事故防控壓力較大的路段附近服務(wù)區(qū)、收費(fèi)站增設(shè)執(zhí)勤點(diǎn)或備勤警力，并相應(yīng)減少非重點(diǎn)勤務(wù)安排。其次，應(yīng)提升交通、氣象、車流量等基礎(chǔ)數(shù)據(jù)的采集與分析能力，做好惡劣天氣、交通擁堵等情況的研判、分析與預(yù)警工作。同時(shí)，公安、路政、養(yǎng)護(hù)、消防、醫(yī)療急救等部門應(yīng)共同建立聯(lián)勤聯(lián)動(dòng)與應(yīng)急響應(yīng)機(jī)制，強(qiáng)化日常溝通、合作與培訓(xùn)演練，將交通事故預(yù)防與應(yīng)急處置工作制度化、常態(tài)化和細(xì)致化。

5 結(jié) 論

1)由上述分析結(jié)果可得，高速公路交通事故主要分布于沿線服務(wù)區(qū)、收費(fèi)站、超限站及其臨近路段，且在不同天氣等條件下交通事故的空間分布具有明顯的差異性和不同特征，交通事故異常高發(fā)路段與道路安全隱患也各不相同，交通事故的嚴(yán)重程度與事故發(fā)生時(shí)段、事故形態(tài)及交通擁堵程密切相關(guān)。進(jìn)一步分析可知，收費(fèi)站、服務(wù)區(qū)、超限站以及出入匝道口這些交織區(qū)的特殊構(gòu)造促使行駛車輛頻繁換道、加減速，容易造成交通紊亂進(jìn)而引發(fā)交通事故[15-16]。再者，容易聚集大流量車流的收費(fèi)站、服務(wù)區(qū)、超限站及其臨近路段在客觀上也增加了車輛的相互影響、沖突與碰撞風(fēng)險(xiǎn)，大型貨運(yùn)車輛來往較多的路段也容易形成交通擁堵，具有交通事故高發(fā)態(tài)勢(shì)，尤其是一般程度的交通擁堵狀態(tài)，更易造成較為嚴(yán)重的交通事故。另一方面，一些路段的實(shí)際道路線形組合、坡度、曲率半徑等設(shè)計(jì)及交通設(shè)施的鋪設(shè)并不都合理與完善，往往容易形成道路安全隱患，致使這些路段在雨、雪、霧、夜間無路燈照明等條件因素下交通事故高發(fā)。

2)響沙灣是該地區(qū)特大綜合型國(guó)家5A級(jí)旅游景區(qū)，常年吸引眾多游客，沙漠和攝影愛好者駕車來此地游玩，而耳子壕收費(fèi)站、響沙灣服務(wù)區(qū)是經(jīng)高速公路來往此景區(qū)的必經(jīng)之地，致使此路段成為全區(qū)高速公路車流量最大的路段，旅游季和節(jié)假日期間，最高日均車流量達(dá)到39 000輛次，經(jīng)常發(fā)生交通擁堵。該路段連接包頭和鄂爾多斯兩個(gè)市級(jí)行政區(qū)，沿線關(guān)碾房、東勝西、康巴什等收費(fèi)站都是經(jīng)高速進(jìn)出旗縣市的重要通道口，而鄂爾多斯又是煤炭、天然氣等礦產(chǎn)資源富集區(qū)，包頭則是我國(guó)北方的重要工業(yè)基地，因此，該段高速公路車流量較大且過往的大型貨運(yùn)車輛相對(duì)較多，交通組成也相對(duì)復(fù)雜。

綜上可見，高速公路沿線的城市發(fā)展?fàn)顩r、車流量、交通組成特點(diǎn)及旅游景區(qū)的分布對(duì)交通事故的空間分布都具有重要影響。