何俞林 曹睿賢 楊國(guó)辰 姜鵬飛

摘要：電動(dòng)自行車在給人們帶來(lái)生活便捷的同時(shí)，也帶來(lái)了不容忽視的交通安全問(wèn)題。突出表現(xiàn)為部分電動(dòng)自行車駕駛?cè)税踩熊嚒⑹胤ㄒ庾R(shí)不高，突出表現(xiàn)為不按規(guī)定車道騎行、逆行、超速行駛、闖紅燈等交通違法行為時(shí)有發(fā)生，導(dǎo)致交通事故頻發(fā)。本文基于數(shù)據(jù)可視化技術(shù)（Tableau技術(shù)）針對(duì)南京市電動(dòng)自行車的時(shí)空分布以及事故發(fā)生率等交通安全信息進(jìn)行動(dòng)態(tài)統(tǒng)計(jì)，通過(guò)人工智能算法分析數(shù)據(jù)，打造電動(dòng)自行車分布狀況與安全控制的交通管理系統(tǒng)，旨在實(shí)現(xiàn)城市電動(dòng)自行車安全、高效的電動(dòng)數(shù)據(jù)式智慧監(jiān)管。

關(guān)鍵詞：電動(dòng)自行車;交通安全;智能管理

1.研究背景及意義

1.1研究背景

近年來(lái)，公共自行車、共享單車和電動(dòng)自行車已經(jīng)成為我國(guó)城市非機(jī)動(dòng)車發(fā)展的重要方向之一。西方發(fā)達(dá)國(guó)家的電動(dòng)自行車歷史也比較早，購(gòu)買電動(dòng)自行車時(shí)，購(gòu)買者不需要像其他地區(qū)購(gòu)買者那樣進(jìn)行登記注冊(cè)、申領(lǐng)牌照，駕駛?cè)送瑯右膊恍枰ㄟ^(guò)考試領(lǐng)取駕照和上路佩戴頭盔，但是對(duì)電動(dòng)自行車的立法管理卻非常嚴(yán)格。英國(guó)法規(guī)規(guī)定：駕駛?cè)四挲g必須達(dá)到14周歲才有資格考取相對(duì)應(yīng)的駕駛證。車身重量低于40kg，最大功率不高于250瓦;當(dāng)駕駛?cè)送Ｖ鼓_踏時(shí)，電動(dòng)自行車輔助動(dòng)力應(yīng)同時(shí)停止，防止難以控制的交通事故出現(xiàn);最高行超過(guò)25km/h輔助電力就會(huì)減少。

我國(guó)國(guó)內(nèi)大部分城市都十分重視電動(dòng)自行車的管理，盡管沒(méi)有哪個(gè)城市管理措施成熟先進(jìn)，都處于探索改進(jìn)階段。通過(guò)地方立法的形式加強(qiáng)管理的城市有海口、南昌、太原。管理措施有“禁、限、疏”三種模式。在全國(guó)，珠海市走在了“立法禁電”的先列。廣州市2016年發(fā)布公告道路上所有行駛的電動(dòng)自行車都被視為非法。上海交警總隊(duì)借鑒機(jī)動(dòng)車駕駛?cè)擞浄止芾碇贫?。針?duì)某些外賣平臺(tái)電動(dòng)自行車推出實(shí)行記分管理和內(nèi)部疊加處罰制度以1個(gè)季度為記分周期，配送員凡是1個(gè)記分周期內(nèi)記滿12分的，按滿分次數(shù)給予相應(yīng)天數(shù)的停運(yùn)處罰，并責(zé)令參加志愿者服務(wù);1個(gè)記分周期內(nèi)滿分達(dá)到3次的，解除雇傭關(guān)系，并將人員信息納入黑名單，不再錄用。在日常交通管理工作中，一旦配送員因交通違法被公安交警查處的，現(xiàn)場(chǎng)民警除依法對(duì)配送員進(jìn)行處罰外，還將在企業(yè)印制發(fā)放的“交通文明記分卡”。上登記配送員交通違法行為，再交由企業(yè)依據(jù)違法信息對(duì)配送員進(jìn)行記分，并按照記分管理制度進(jìn)行企業(yè)內(nèi)部疊加處罰。2名配送員因1個(gè)記分周期內(nèi)滿分達(dá)到3次被公司清退。

1.2研究意義

電動(dòng)自行車作為目前城市之中重要交通工具之一，以其環(huán)保、方便、低能耗及高性價(jià)比等優(yōu)勢(shì)，深受大家的喜愛(ài)，我國(guó)的電動(dòng)自行車購(gòu)買率穩(wěn)步上升。根據(jù)最新數(shù)據(jù)統(tǒng)計(jì)，2022年我國(guó)電動(dòng)自行車的保有量預(yù)計(jì)突破4億。然而，它在滿足人們?nèi)粘６叹嚯x出行需求的同時(shí)，也存在著許多隱患。2020年7月1日，全國(guó)第一部專門針對(duì)電動(dòng)自行車的地方性法規(guī)《江蘇省電動(dòng)自行車管理?xiàng)l例》正式施行。到目前為止，雖然各類交通違法行為都有所減少，但由于闖紅燈、逆行、超速等違法行為時(shí)有發(fā)生，所涉及的交通事故數(shù)量在全省交通事故總數(shù)中占比接近二分之一。也給交通管理部門帶來(lái)了很大的難題。因此，亟需一種有效的手段來(lái)加強(qiáng)電動(dòng)自行車管理。

2.可視化系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

數(shù)據(jù)可視化主要是借助于圖形化手段，清晰有效地傳達(dá)與溝通信息。但是，這并不就意味著，數(shù)據(jù)可視化就一定因?yàn)橐獙?shí)現(xiàn)其功能用途而令人感到枯燥乏味，或者是為了看上去絢麗多彩而顯得極端復(fù)雜。為了有效地傳達(dá)思想概念，美學(xué)形式與功能需要齊頭并進(jìn)，通過(guò)直觀地傳達(dá)關(guān)鍵的方面與特征，從而實(shí)現(xiàn)對(duì)于相當(dāng)稀疏而又復(fù)雜的數(shù)據(jù)集的深入洞察。然而，設(shè)計(jì)人員往往并不能很好地把握設(shè)計(jì)與功能之間的平衡，從而創(chuàng)造出華而不實(shí)的數(shù)據(jù)可視化形式，無(wú)法達(dá)到其主要目的，也就是傳達(dá)與溝通信息。數(shù)據(jù)可視化與信息圖形、信息可視化、科學(xué)可視化以及統(tǒng)計(jì)圖形密切相關(guān)。

2.1系統(tǒng)需求分析

本文以“屬地網(wǎng)格化精準(zhǔn)治理”為基本建模理念，針對(duì)南京市大數(shù)據(jù)局公布的交通安全違法及事故情況構(gòu)建基礎(chǔ)數(shù)據(jù)庫(kù)。通過(guò)數(shù)據(jù)篩選、并集、交集、差集、高級(jí)分組、字段提取等方法，提取近一年內(nèi)南京市電動(dòng)自行車的違法信息及事故信息。構(gòu)建可實(shí)現(xiàn)屬地網(wǎng)格化精準(zhǔn)治理的電動(dòng)自行車交通安全監(jiān)管模型，數(shù)據(jù)可視化的本質(zhì)是將數(shù)據(jù)映射成對(duì)應(yīng)的圖表繪制在系統(tǒng)頁(yè)面上。城市電動(dòng)自行車數(shù)據(jù)的可視化系統(tǒng)中主要包含對(duì)基本統(tǒng)計(jì)圖表和地圖可視化的實(shí)現(xiàn)，以及地圖軌跡和熱力圖的實(shí)現(xiàn)。精通過(guò)數(shù)據(jù)分析并進(jìn)行可視化分級(jí)分布呈現(xiàn)，為城市實(shí)現(xiàn)數(shù)據(jù)式智慧監(jiān)管及精準(zhǔn)治理提供可靠依據(jù)。本系統(tǒng)目的是為南京市交通管理部門設(shè)計(jì)開(kāi)發(fā)一個(gè)數(shù)據(jù)可視化系統(tǒng)，針對(duì)南京市電動(dòng)自行車的區(qū)域分布，事故發(fā)生率等交通安全信息進(jìn)行動(dòng)態(tài)統(tǒng)計(jì)，實(shí)現(xiàn)城市電動(dòng)自行車管控?cái)?shù)據(jù)平臺(tái)的數(shù)據(jù)可視化。確監(jiān)督追溯電動(dòng)自行車不文明行為的源頭。

2.2可視化軟件選取

當(dāng)前國(guó)內(nèi)外涌現(xiàn)了一大批數(shù)據(jù)可視化框架和工具，主要分為面向?qū)W術(shù)界用戶和面向商業(yè)分析者兩大類，學(xué)術(shù)界用的較多的是 R、ggplot、ggivs、Python 可視化庫(kù)等。國(guó)外的數(shù)據(jù)可視化分析工具中，Tableau 是數(shù)據(jù)可視化領(lǐng)域較為成熟的產(chǎn)品，針對(duì)不同的需求分為三個(gè)軟件版本，使用 Tableau 可以通過(guò)拖放式的交互創(chuàng)建出各種個(gè)性化的圖表。而國(guó)內(nèi)的國(guó)內(nèi)的可視化工具平臺(tái)有 BI 商業(yè)智能數(shù)據(jù)分析平臺(tái)、百度圖說(shuō)等等。數(shù)據(jù)可視化平臺(tái)大多基于 Web，在功能方面沒(méi)有國(guó)外的平臺(tái)豐富。由于本文研究?jī)?nèi)容需要大量的數(shù)據(jù)圖表敵人呈現(xiàn)，最終選擇Tableau可視化軟件來(lái)進(jìn)行系統(tǒng)的開(kāi)發(fā)及實(shí)現(xiàn)。

2.3數(shù)據(jù)分析

為進(jìn)一步降低電動(dòng)自行車交通事故的隱患，分析電事故損傷程度及影響，采用多因素logistic模型對(duì)影響因素建模，為后續(xù)的定量分析提供數(shù)據(jù)支撐。計(jì)算公式如下：

其中，表示影響的第個(gè)因素，它可以是定性變量也可以是定量變量。

將統(tǒng)計(jì)得到的事故類型、違法行為、事故發(fā)生時(shí)間等因素的相關(guān)數(shù)據(jù)帶入公式。此時(shí)p為電動(dòng)自行車交通事故造成傷害的概率;、為影響因素自變量;為待標(biāo)定參數(shù)。由于各個(gè)觀測(cè)樣本之間相互獨(dú)立，因此，它們的聯(lián)合分布為各邊緣分布的乘積，就得到似然函數(shù)為：

使得似然函數(shù)取得最大值的參數(shù)估計(jì)值就是logistic模型的參數(shù)。

對(duì)L（β）取對(duì)數(shù)為

繼續(xù)對(duì)這上式求偏導(dǎo)，得：

部分計(jì)算結(jié)果如下表所示。此處所得結(jié)果能夠?yàn)楹罄m(xù)系統(tǒng)的驗(yàn)證提供有效的數(shù)據(jù)支撐。

2.4電動(dòng)自行車數(shù)量統(tǒng)計(jì)可視化

電動(dòng)自行車統(tǒng)計(jì)數(shù)據(jù)可視化部分主要包含按照劃分的不同區(qū)域內(nèi)的數(shù)量。通過(guò)人員網(wǎng)格化信息，將南京市1323個(gè)不同的鄉(xiāng)鎮(zhèn)（街道、社區(qū)）網(wǎng)格化。將各個(gè)街道、社區(qū)電動(dòng)自行車違法及事故的起數(shù)，并與相應(yīng)街道人數(shù)進(jìn)行比對(duì)得出各個(gè)街道、社區(qū)電動(dòng)自行車千人違法率，涉及責(zé)任的（全責(zé)、主責(zé)、同等、次要）電動(dòng)自行車駕駛?cè)饲耸鹿事?，形成電?dòng)自行車重點(diǎn)違法社區(qū)、企業(yè)、個(gè)人的違法分布地圖。

2.5電動(dòng)自行車軌跡數(shù)據(jù)可視化

電動(dòng)自行車軌跡數(shù)據(jù)可視化部分主要包含其在具體時(shí)間內(nèi)的行駛路線?；诒O(jiān)控端口和LBS地圖導(dǎo)航，融合GPS定位技術(shù)將電動(dòng)自行車定位精度提高到厘米級(jí)。通過(guò)實(shí)時(shí)定位切入電動(dòng)自行車運(yùn)輸管理，輸入具體的車輛 ID 以及時(shí)間范圍查詢對(duì)應(yīng)時(shí)間內(nèi)的行駛軌跡。提高電動(dòng)自行車遠(yuǎn)程管理的效率和精確度。依托南京市交通大數(shù)據(jù)，智能分析基于智能數(shù)據(jù)分析，對(duì)接手機(jī)APP實(shí)時(shí)展示其分布、動(dòng)態(tài)事故率、各項(xiàng)交通指標(biāo)情況等，對(duì)電動(dòng)自行車進(jìn)行全面直觀的數(shù)據(jù)展示和分析。

2.6電動(dòng)自行車流量數(shù)據(jù)可視化

電動(dòng)自行車流量數(shù)據(jù)可視化部分主要展示監(jiān)控區(qū)域中流量的分布情況，采用基于地圖的熱力圖呈現(xiàn)，根據(jù)熱力圖顏色的深淺讓用戶可以觀察到當(dāng)前時(shí)間系統(tǒng)監(jiān)控區(qū)域內(nèi)流量的情況。用戶點(diǎn)擊進(jìn)入流量數(shù)據(jù)可視化頁(yè)面，加載地圖資源，然后獲取各點(diǎn)所在區(qū)域內(nèi)流量數(shù)據(jù)，再將這些數(shù)據(jù)以熱力圖的形式繪制在地圖對(duì)應(yīng)位置上。

2.7系統(tǒng)測(cè)試

在確保系統(tǒng)功能的完整性和準(zhǔn)確性之后，需要進(jìn)一步對(duì)系統(tǒng)的性能進(jìn)行測(cè)試。對(duì)系統(tǒng)的性能測(cè)試也可以稱為壓力測(cè)試。系統(tǒng)響應(yīng)時(shí)間是系統(tǒng)從請(qǐng)求發(fā)出到響應(yīng)結(jié)束所間隔的總時(shí)間，通常是針對(duì)同一類型的請(qǐng)求，經(jīng)過(guò)多次測(cè)試而得出的平均響應(yīng)值。對(duì)于本論文設(shè)計(jì)的數(shù)據(jù)可視化系統(tǒng)來(lái)說(shuō)，系統(tǒng)響應(yīng)時(shí)間主要包括各圖表繪制完成的平均消耗時(shí)間作為系統(tǒng)性能的指標(biāo)。通過(guò)在頁(yè)面腳本中嵌入時(shí)間打點(diǎn)腳本記錄頁(yè)面加載時(shí)間，在良好的網(wǎng)絡(luò)環(huán)境下對(duì)系統(tǒng)核心頁(yè)面的響應(yīng)時(shí)間進(jìn)行了多次測(cè)試并計(jì)算平均響應(yīng)時(shí)間。

3.結(jié)論

本文依托數(shù)據(jù)可視化定位技術(shù)實(shí)現(xiàn)城市電動(dòng)自行車“數(shù)量分布+事故率控制”，配合城市管理、交警指揮中心等數(shù)據(jù)聯(lián)動(dòng)，實(shí)現(xiàn)電動(dòng)數(shù)據(jù)式智慧監(jiān)管。

（1）構(gòu)建可實(shí)現(xiàn)屬地網(wǎng)格化精準(zhǔn)治理的電動(dòng)自行車交通安全監(jiān)管模型?；谀暇┦薪煌ü芾泶髷?shù)據(jù)，精確監(jiān)督追溯電動(dòng)自行車不文明行為的源頭，從重點(diǎn)社區(qū)、重點(diǎn)企業(yè)、重點(diǎn)人員等層面構(gòu)建電動(dòng)自行車文明指數(shù)黑名單模型。

（2）實(shí)現(xiàn)電動(dòng)自行車交通安全動(dòng)態(tài)可視化?；跀?shù)據(jù)可視化技術(shù)技術(shù)通過(guò)人工智能算法分析數(shù)據(jù)將南京市電動(dòng)自行車違法行為進(jìn)行可視化分級(jí)分布，確保管理力度到位?？筛鶕?jù)電動(dòng)自行車數(shù)量分布、違法行為分布、事故發(fā)生率等信息，為精準(zhǔn)治理提供依據(jù)。

（3）開(kāi)發(fā)電動(dòng)自行車交通安全風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)控系統(tǒng)。系統(tǒng)記錄車輛的地區(qū)分布，可實(shí)時(shí)查看電動(dòng)自行車分布情況、某些區(qū)域的事故風(fēng)險(xiǎn)，提高監(jiān)管效率;在分布密集度超過(guò)上限或危險(xiǎn)區(qū)域進(jìn)行預(yù)警，通知相關(guān)管理部門進(jìn)行有效監(jiān)管，預(yù)防事故發(fā)生。

參考文獻(xiàn)：

[1]程波.基于交通沖突的電動(dòng)自行車交通安全研究[D]. 成都：西南交通大學(xué)，2014

[2]王衛(wèi)杰，沈軒霆，王貴彬，等.電動(dòng)自行車騎行者事故傷害程度影響因素分析[J].中國(guó)安全科學(xué)學(xué)報(bào)，2019， 29（2）：20-25. WANG Wei jie ，SHEN Xuan ting， WANG Gui bin， etal. Analysis off actors affecting injury to electric bicycle rider in crash [J].China Safety Science Journal，2019， 29（2）：20-25.（in Chinese）

[3]劉穎.城市電動(dòng)車問(wèn)題分析與對(duì)策研究[D].中國(guó)市政工程，2008

基金項(xiàng)目：

本論文由江蘇省高等學(xué)校大學(xué)生實(shí)踐創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃（項(xiàng)目編號(hào)：202110329047Y）基于動(dòng)態(tài)數(shù)據(jù)可視化技術(shù)（Tableau）的電動(dòng)自行車交通安全管理系統(tǒng)的構(gòu)建與應(yīng)用創(chuàng)新訓(xùn)練項(xiàng)目支撐。