薛瑜鵬，邵玉新，李慶印，孫愛美，黃兆輝，趙軍

(1. 德州市公安局 高速公路交通警察支隊(duì), 山東 德州 253000；2. 山東理工大學(xué) 交通與車輛工程學(xué)院, 山東 淄博 255049；3.山東同力建設(shè)項(xiàng)目管理有限公司 項(xiàng)目管理部，山東 淄博 255000)

隨著高速公路路網(wǎng)建設(shè)的日益完善，小型車、中型車、大型車等在高速公路交通流量中的占比愈加復(fù)雜，交通事故頻發(fā)愈加顯著，交通事故的有效防控成為亟待解決的難題，因此也成為高速公路交通管理部門和專家學(xué)者研究的重要領(lǐng)域，目前已取得一定成果。

楊夢(mèng)蝶等[1]基于VISSIM構(gòu)建交通事故微觀仿真模型，結(jié)果表明通過對(duì)高速公路檢測(cè)點(diǎn)的累計(jì)占有率和累計(jì)流量進(jìn)行分析可以有效研判交通事故的發(fā)生概率；孫維富等[2]以我國2006—2013年2 000起高速公路事故數(shù)據(jù)為基礎(chǔ)，采用支持向量機(jī)模型建立高速公路交通事故嚴(yán)重程度分類識(shí)別模型，多角度、多層次地研究高速公路交通事故與駕駛員、車輛、道路、環(huán)境等因素間的關(guān)系；牛毅等[3]以2012—2017年浙江省37萬起發(fā)生在高速公路的貨車事故數(shù)據(jù)為樣本，構(gòu)建從宏觀到微觀關(guān)聯(lián)規(guī)則挖掘流程，實(shí)現(xiàn)對(duì)浙江省內(nèi)高速公路貨車交通事故發(fā)生時(shí)間、事故形態(tài)、事故地點(diǎn)(樁號(hào))和事故原因等七類事故影響因素間關(guān)聯(lián)關(guān)系的深層次分析。

國內(nèi)專家學(xué)者對(duì)交通事故的研究主要集中在事故發(fā)生時(shí)段、路段、車輛類型、駕駛員年齡、涉及違法行為等維度[4]。對(duì)于交通流量與交通事故之間相關(guān)性的研究也僅僅是正相關(guān)的定性分析，鮮有普遍適應(yīng)性的定量研究方法[5]。為定量分析交通事故與車流量之間的關(guān)系，本文以德州市高速公路自然交通流量和歷史事故數(shù)據(jù)為研究對(duì)象，通過區(qū)分車輛類型，制作事故發(fā)生的風(fēng)險(xiǎn)分析表；同時(shí)通過標(biāo)準(zhǔn)車流量的轉(zhuǎn)化對(duì)交通流量降維分析，進(jìn)行建模求解，確定不同高速路段事故高發(fā)時(shí)的交通流量閾值，為管控交通流量提供理論依據(jù)。

1 獲取交通流量數(shù)據(jù)

1.1 數(shù)據(jù)多源獲取及預(yù)處理

交通事故具有偶發(fā)性的特點(diǎn)，為準(zhǔn)確研究高速公路發(fā)生交通事故和交通流量的關(guān)系，本文采用公安部的綜合管控平臺(tái)，獲取了事故發(fā)生前15 min、30 min和1 h的交通流量數(shù)據(jù)，并且樣本事故均發(fā)生在無互通立交的高速公路封閉路段?？紤]到不同機(jī)動(dòng)車類型對(duì)交通流量的影響不同，為降低機(jī)動(dòng)車類型對(duì)建模結(jié)果的影響，僅將機(jī)動(dòng)車劃分為大型車和小型車兩種類型。

本文獲取的數(shù)據(jù)為2018—2019年德州高速公路境內(nèi)的全部交通事故數(shù)據(jù)，每條數(shù)據(jù)由事故類型、事故發(fā)生地點(diǎn)、方向、時(shí)間、車輛類型等參數(shù)組成，數(shù)據(jù)來源于公安部綜合管控平臺(tái)數(shù)據(jù)庫；為保證數(shù)據(jù)的準(zhǔn)確性，與德州交警“12123”網(wǎng)上平臺(tái)和德州高速支隊(duì)匯總的事故數(shù)據(jù)進(jìn)行對(duì)比，多源數(shù)據(jù)相互補(bǔ)充。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，手工插補(bǔ)缺失數(shù)據(jù)，刪除無效數(shù)據(jù)，精確比對(duì)異常數(shù)據(jù)，保證了數(shù)據(jù)質(zhì)量，得到重點(diǎn)路段事故分析數(shù)據(jù)2 383條，數(shù)據(jù)節(jié)選見表1。

對(duì)2018—2019年德州高速公路境內(nèi)的全部交通事故數(shù)據(jù)進(jìn)行可視化分析，如圖1所示。從圖1可以清楚地看到事故點(diǎn)位，發(fā)現(xiàn)濟(jì)聊高速、濟(jì)南繞城高速的交通事故總量和交通流量均較高。

圖1 數(shù)據(jù)可視化結(jié)果

表1 交通流量數(shù)據(jù)節(jié)選

1.2 維度相關(guān)性分析

為判斷3個(gè)時(shí)段車流量數(shù)據(jù)和車型比的相關(guān)性，對(duì)數(shù)據(jù)有條件取舍，進(jìn)行降維分析[6]，本文定義的車型比為小型車除以同期車流量的總數(shù)。由表2可知，15 min車流量和1 h車流量的相關(guān)性(相關(guān)系數(shù)=0.832)低于15 min車流量和30 min車流量的(相關(guān)系數(shù)=0.908)，即1 h的車流量變化幅度更大，15 min的車流量更能體現(xiàn)事故發(fā)生時(shí)的車流量情況，因此，本文選擇15 min車流量。車型比相關(guān)性均在0.92以上，實(shí)際交通過程中，經(jīng)常有重型貨車按照車隊(duì)行駛，造成階段性車型比例波動(dòng)較大，本文選擇平均值進(jìn)行統(tǒng)計(jì)分析。

2 事故發(fā)生率與交通流量的定性分析

2.1 雙維度散點(diǎn)圖分析

散點(diǎn)圖是分析交通事故的重要技術(shù)手段[7]，本文分析繪制了事故多發(fā)典型地點(diǎn)的散點(diǎn)圖。

濟(jì)聊高速的交通事故發(fā)生前15 min車流量散點(diǎn)圖如圖2所示，對(duì)于圖2的交通流量和車型比進(jìn)行分析，發(fā)現(xiàn)兩個(gè)事故密集區(qū)域的范圍是以車流量200輛/(15 min)、車型比0.75為中心的區(qū)域和以車流量500 輛/(15 min)、車型比0.92為中心的區(qū)域。

圖2 濟(jì)聊高速事故前15 min車流量散點(diǎn)圖

濟(jì)南繞城高速的交通事故前15 min車流量散點(diǎn)圖如圖3所示，對(duì)于圖3的交通流量和車型比進(jìn)行分析，發(fā)現(xiàn)兩個(gè)事故密集區(qū)域范圍是以車流量600 輛/(15 min)、車型比0.75為中心的區(qū)域和以車流量1 000 輛/(15 min)、車型比0.90為中心的區(qū)域。

圖3 濟(jì)南繞城高速事故前15 min車流量散點(diǎn)圖

表2 相關(guān)性矩陣

通過分析更多的散點(diǎn)圖，發(fā)現(xiàn)事故高發(fā)路段具有同樣的事故發(fā)生規(guī)律：雖然車流量隨高速公路寬度不同有較大的變化，但是交通事故都相對(duì)集中在小型車占比為0.70～0.75和0.90～0.95的兩個(gè)范圍內(nèi)，且當(dāng)小型車占比為0.70～0.75的時(shí)候，事故次數(shù)更多。

2.2 事故色階圖分析

色階圖是分析交通事故的另一重要技術(shù)手段，本文對(duì)多處事故發(fā)生地進(jìn)行了分析。

2.2.1 事故密度色階圖

以濟(jì)南繞城高速為例，對(duì)縱坐標(biāo)(車流量)以100輛次為組距，分為0～100、100～200、200～300、…、1 400～1 500共計(jì)15個(gè)組；對(duì)橫坐標(biāo)(車型比)以0.05為組距進(jìn)行等分，分為0.2～0.25、0.25～0.3、0.3～0.35、…、0.95～1共計(jì)16個(gè)組，從而得到15×16的方格矩陣，然后統(tǒng)計(jì)方格中散落點(diǎn)個(gè)數(shù)并進(jìn)行染色處理，得到了事故發(fā)生密度的色階圖，如圖4所示。通過對(duì)圖4分析，同樣發(fā)現(xiàn)車流量為500～600 輛/(15 min)、車型比為0.7～0.75時(shí)，事故次數(shù)最多。

2.2.2 事故概率色階圖

將圖4每個(gè)方格中的數(shù)字除以方格矩陣中事故總數(shù)，得到事故發(fā)生概率的色階圖，即事故發(fā)生概率為每個(gè)方格內(nèi)的事故數(shù)除以方格矩陣中事故總數(shù)，如圖5所示。通過對(duì)圖5分析，發(fā)現(xiàn)車流量為500～600 輛/(15 min)、車型比為0.7～0.75時(shí)，事故發(fā)生概率為8.9%，此時(shí)發(fā)生事故概率最大。

圖4 事故密度色階圖

圖5 事故概率色階圖

通過分析更多的散點(diǎn)圖，發(fā)現(xiàn)事故高發(fā)路段具有同樣的事故發(fā)生規(guī)律，據(jù)此對(duì)高速公路的事故風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)評(píng)估。

3 交通事故與交通流量的定量分析

3.1 建立計(jì)算模型

為了方便進(jìn)行交通事故與交通流量之間的定量分析， 需要根據(jù)《交通工程學(xué)》[8]的相關(guān)理論和 《公路工程技術(shù)標(biāo)準(zhǔn)》[9]的國標(biāo)要求，將大型車換算成標(biāo)準(zhǔn)車流量。標(biāo)準(zhǔn)車流量換算公式為

Ve=VΣPiEi,

(1)

式中：Ve為標(biāo)準(zhǔn)車流量；V為總的自然交通量；Pi是第i類車輛占總交通量的百分比；Ei是第i類車的車輛換算系數(shù)。

傳統(tǒng)的交通量調(diào)查雖然有車輛折算系數(shù)[10]，本文獲取的數(shù)據(jù)將中型車、大型車和貨運(yùn)汽車列車統(tǒng)一識(shí)別為大型車。實(shí)際工作中發(fā)現(xiàn)高速公路上6軸的貨運(yùn)汽車列車占比較大，載質(zhì)量多為49 t，按照通用標(biāo)準(zhǔn)汽車列車的折算系數(shù)“4”來說偏低,不能按照折算表格分類統(tǒng)計(jì)。本文根據(jù)獲取數(shù)據(jù)類型進(jìn)行合理轉(zhuǎn)換，將小型車以外的所有車型均按照平均折算系數(shù)，換算為標(biāo)準(zhǔn)車流量，建立模型為

Ve=aV+(1-a)EV,

(2)

式中：Ve為標(biāo)準(zhǔn)車流量；V為總的自然交通量；a為小型車占比；E為平均折算系數(shù)。

通過建模分析，對(duì)于高速公路交通事故的預(yù)測(cè)評(píng)估，由交通流量和車型比兩個(gè)維度降為標(biāo)準(zhǔn)車流量一個(gè)維度。

3.2 確定平均轉(zhuǎn)換系數(shù)

以濟(jì)南繞城高速為例，在傳統(tǒng)的車輛折算系數(shù)基礎(chǔ)上，本文通過平均折算系數(shù)進(jìn)行數(shù)據(jù)測(cè)算，發(fā)現(xiàn)折算系數(shù)取值為5.5時(shí)，其變異系數(shù)(標(biāo)準(zhǔn)差/均值)最小。即當(dāng)折算系數(shù)在5.5時(shí)，散點(diǎn)圖中事故點(diǎn)的聚集程度最高，折算系數(shù)所對(duì)應(yīng)的變異系數(shù)值見表3。

按平均折算系數(shù)5.5，推算每起交通事故的標(biāo)準(zhǔn)車流量，對(duì)標(biāo)準(zhǔn)車流量下的事故發(fā)生率進(jìn)行密度檢測(cè)，并對(duì)密度的直方圖進(jìn)行擬合,曲線如圖6所示，發(fā)現(xiàn)擬合的曲線符合正態(tài)分布。

圖6 繞城高速交通事故折算流量密度分布和分布曲線

表3 折算系數(shù)所對(duì)應(yīng)的變異系數(shù)值

3.3 求解交通流量閾值

圖6中，標(biāo)準(zhǔn)車流量下的事故密度分布柱狀圖中最高的為5 000～5 250的范圍區(qū)間，而在標(biāo)準(zhǔn)正態(tài)分布曲線中，頂點(diǎn)數(shù)值為全部數(shù)據(jù)的均值，因此，將換算系數(shù)5.5條件下事故發(fā)生的標(biāo)準(zhǔn)流量求均值，得出結(jié)果為5 238.327，且處于上述范圍之間，說明結(jié)果合理。再將其代入原有自然車流量和小型車占比的散點(diǎn)圖中進(jìn)行驗(yàn)證，得到一條上升的曲線穿行兩個(gè)事故密集區(qū)域，如圖7所示，本文將此均值定義為臨界值(事故飽和流量)。根據(jù)正態(tài)分布的規(guī)律，上下一個(gè)標(biāo)準(zhǔn)差的范圍將涵蓋68.2%的事件發(fā)生概率，因此得到了標(biāo)準(zhǔn)差為1 285.969的兩條雙黃線的區(qū)間，即閾值上限(上警戒線)和閾值下限(下警戒線)。

圖7 上、下警戒線分布圖

通過計(jì)算，濟(jì)南繞城高速的臨界值(事故飽和流量)為5 238輛/ h，折算系數(shù)為5.5。

同理，計(jì)算出其他路段的事故飽和流量，見表4，發(fā)現(xiàn)不同路段由于限速值、路面寬度等因素，事故飽和流量和平均折算系數(shù)有較大不同。

表4 各路段的事故飽和交通流量

4 實(shí)際應(yīng)用與成效

本文研究表明，高速公路事故多發(fā)路段的交通流量應(yīng)該低于閾值下限，以減少事故發(fā)生風(fēng)險(xiǎn)。據(jù)此，德州市公安局高速公路警察支隊(duì)制定了不同高速路段的事故發(fā)生風(fēng)險(xiǎn)評(píng)價(jià)表和事故飽和流量值，管理方式實(shí)現(xiàn)了以經(jīng)驗(yàn)為主導(dǎo)向以數(shù)據(jù)為主導(dǎo)的轉(zhuǎn)變，實(shí)踐中德州市公安局高速公路交通警察支隊(duì)按照事故風(fēng)險(xiǎn)三級(jí)響應(yīng)機(jī)制進(jìn)行管理：

1)當(dāng)標(biāo)準(zhǔn)車流量低于閾值下限時(shí)，適用常態(tài)事故風(fēng)險(xiǎn)綠色響應(yīng)，加強(qiáng)視頻巡邏，強(qiáng)化重點(diǎn)車輛查控。

2)當(dāng)標(biāo)準(zhǔn)車流量介于閾值下限和臨界值之間時(shí)，啟動(dòng)事故風(fēng)險(xiǎn)黃色響應(yīng)，預(yù)警信息，強(qiáng)化路面巡邏，收費(fèi)站間隔放行車輛。

3)當(dāng)標(biāo)準(zhǔn)車流量高于臨界值時(shí)，啟動(dòng)事故風(fēng)險(xiǎn)紅色響應(yīng)，封閉遠(yuǎn)端互通立交匝道，交警、路政、救援等增派人員不間斷聯(lián)動(dòng)巡邏，交通事故快處快賠，收費(fèi)站分時(shí)段限行重型貨車。

根據(jù)統(tǒng)計(jì)數(shù)據(jù)，此成果自2020年3月應(yīng)用以來，轄區(qū)五一、十一、元旦、春節(jié)等重大節(jié)假日期間的事故發(fā)生總量，從2018年節(jié)假日期間的日均44.7起，下降到2020年的日均25.9起，下降了42.1%，成效顯著，降低了事故發(fā)生風(fēng)險(xiǎn)，具有推廣價(jià)值。

5 結(jié)束語

本文通過對(duì)已有的交通事故和交通流量數(shù)據(jù)進(jìn)行分析研究，提出了一種高速公路交通事故與交通流量的定量分析方法，為高速公路交通事故預(yù)防的科學(xué)決策提供了理論依據(jù)；德州市公安局高速公路交通警察支隊(duì)根據(jù)此理論進(jìn)行了實(shí)際應(yīng)用，驗(yàn)證了能夠降低事故發(fā)生的概率，證明了這一理論的正確性；該定量分析方法彌補(bǔ)了高速公路基于交通流量因素的事故準(zhǔn)確預(yù)防的缺失，為今后全省、全國高速公路精準(zhǔn)控制交通流量，預(yù)防交通事故提供了理論依據(jù)。