论文部分内容阅读
随着我国经济发展和机动车保有量增加，城市道路交通安全问题日益凸显，为提升城市道路安全水平，有必要全面开展交通安全研究。事故预测模型建立了事故影响因素与事故数之间的关联，在欧美等国家被广泛用于事故致因分析和事故多发路段判别。构建事故预测模型需要充足的数据基础，包括交通事故数据、道路几何特征数据以及交通运行特征数据等。美国已于2010年正式出版了道路安全手册，该手册中基于多个州的数据建立了事故预测模型，并被移植到其他各州借鉴使用，成为各地区交通安全评价与交通事故预测的主要依据。
我国交通安全研究尚处于起步阶段，由于事故数据不易获取、数据质量不足等问题，多数城市尚未建立事故预测模型。上海市是我国开展交通安全研究较早的城市，自2010年至今，已针对城市主干道、城郊主干道、交叉口、城市快速路以及高速公路等不同类型道路设施建立了事故预测模型，花费近七年时间才形成较完善的研究体系。各城市建立事故预测模型，均需要具备丰富的数据基础，并且需消耗大量的人力、物力资源。为了便于各城市更快速的开展交通安全分析，本文开展了事故预测模型在不同城市间的可移植性研究。
事故预测模型移植是指将一个城市的模型估计结果用于预测另一城市的事故数。由于不同城市的交通运行特征、道路几何特征、事故特征等存在差异，事故预测模型能否移植尚无法确定。因此，在模型可移植性研究中首先需解决的问题是如何评估模型可移植性；若模型不可移植，如何提升其移植性；以及移植模型能否应用于事故多发路段判别。为了深入理解上述问题，本文以上海市与广州市为例，开展事故预测模型构建与可移植性研究。而城市主干道是城市道路网的骨架，具有车速快、流量大及事故多等特征，因此以城市主干道路段作为研究对象。本文主要研究内容及结论如下：
第一，构建上海市与广州市的城市主干道事故预测模型，便于对比分析两城市的事故影响因素与事故数的相关性。考虑到不同交通状态下的事故特征差异，区分高峰时段和平峰时段开展研究。为克服数据异质性问题，采用随机效应负二项方法建立事故预测模型。模型估计结果显示，高峰时段和平峰时段的自变量系数符号和大小均有差异，说明有必要分时段研究。上海市和广州市的自变量系数符号一致，大小不同，即各影响因素对两城市事故数的影响程度不同。基于灵敏度分析定量评估各因素对事故的影响程度，结果显示路段长度和交通流量是对事故数影响程度最大的两个变量。
第二，评估事故预测模型在上海市与广州市之间是否可移植。以其中一个城市的模型估计结果预测另一城市的事故数，并采用均方误差、R平方值和累积残差曲线三种指标分别衡量本地模型和移植模型的预测精度，发现本地模型预测精度高于移植模型。为了衡量移植模型和本地模型预测精度的差异，基于似然对数值构建了移植系数和似然比检验统计量，定量评估模型移植性，发现移植系数远小于1，且似然比检验统计量不显著。以上结果均说明事故预测模型在上海市与广州市之间不可直接进行移植。
第三，通过修正移植模型的预测事故数和合并样本建模，提升事故预测模型可移植性。事故修正方法包括集计和非集计两类，集计方法是基于所有路段的事故总数修正预测事故数，计算简便，但所有路段均采用相同的修正标准；非集计方法则计算了各路段特定的修正系数，计算过程较复杂。采用移植系数衡量修正后模型的可移植性，发现非集计修正方法优于集计修正方法。若本地城市已具备少量样本数据，可采用合并样本建模的方法提升模型移植性。本文采用上海市全样本和广州市部分样本组成合并样本建立模型，并检验该模型到广州的移植性，发现当50%以上的广州数据被纳入合并样本后，模型移植效果较好；并且合并样本建模对模型移植性的提升效果优于非集计修正方法。
第四，基于事故预测模型开展广州市城市主干道事故多发路段判别。分别基于本地模型和修正后的移植模型预测各路段事故数，进而计算安全可提高空间，将其按降序排列，位于前十的路段识别为事故多发路段。考虑到不同交通状态下事故特征的差异，区分高峰时段和平峰时段开展事故多发路段判别，结果显示两者判别结果差异较大，说明确实有必要分时段开展研究。对比本地模型和移植模型的事故多发路段判别结果，两者有多处路段空间位置重合，说明修正后的移植模型可应用于事故多发路段判别。
本文以上海市与广州市为例，开展了城市主干道事故预测模型构建与可移植性研究。通过构建移植性评估指标，实现了模型可移植性的定量评估；并提出了多种加强模型移植性的方法，实现了模型在两城市间的移植；基于安全可提高空间开展事故多发路段判别，为交通安全管理提供了理论指导。
我国交通安全研究尚处于起步阶段，由于事故数据不易获取、数据质量不足等问题，多数城市尚未建立事故预测模型。上海市是我国开展交通安全研究较早的城市，自2010年至今，已针对城市主干道、城郊主干道、交叉口、城市快速路以及高速公路等不同类型道路设施建立了事故预测模型，花费近七年时间才形成较完善的研究体系。各城市建立事故预测模型，均需要具备丰富的数据基础，并且需消耗大量的人力、物力资源。为了便于各城市更快速的开展交通安全分析，本文开展了事故预测模型在不同城市间的可移植性研究。
事故预测模型移植是指将一个城市的模型估计结果用于预测另一城市的事故数。由于不同城市的交通运行特征、道路几何特征、事故特征等存在差异，事故预测模型能否移植尚无法确定。因此，在模型可移植性研究中首先需解决的问题是如何评估模型可移植性；若模型不可移植，如何提升其移植性；以及移植模型能否应用于事故多发路段判别。为了深入理解上述问题，本文以上海市与广州市为例，开展事故预测模型构建与可移植性研究。而城市主干道是城市道路网的骨架，具有车速快、流量大及事故多等特征，因此以城市主干道路段作为研究对象。本文主要研究内容及结论如下：
第一，构建上海市与广州市的城市主干道事故预测模型，便于对比分析两城市的事故影响因素与事故数的相关性。考虑到不同交通状态下的事故特征差异，区分高峰时段和平峰时段开展研究。为克服数据异质性问题，采用随机效应负二项方法建立事故预测模型。模型估计结果显示，高峰时段和平峰时段的自变量系数符号和大小均有差异，说明有必要分时段研究。上海市和广州市的自变量系数符号一致，大小不同，即各影响因素对两城市事故数的影响程度不同。基于灵敏度分析定量评估各因素对事故的影响程度，结果显示路段长度和交通流量是对事故数影响程度最大的两个变量。
第二，评估事故预测模型在上海市与广州市之间是否可移植。以其中一个城市的模型估计结果预测另一城市的事故数，并采用均方误差、R平方值和累积残差曲线三种指标分别衡量本地模型和移植模型的预测精度，发现本地模型预测精度高于移植模型。为了衡量移植模型和本地模型预测精度的差异，基于似然对数值构建了移植系数和似然比检验统计量，定量评估模型移植性，发现移植系数远小于1，且似然比检验统计量不显著。以上结果均说明事故预测模型在上海市与广州市之间不可直接进行移植。
第三，通过修正移植模型的预测事故数和合并样本建模，提升事故预测模型可移植性。事故修正方法包括集计和非集计两类，集计方法是基于所有路段的事故总数修正预测事故数，计算简便，但所有路段均采用相同的修正标准；非集计方法则计算了各路段特定的修正系数，计算过程较复杂。采用移植系数衡量修正后模型的可移植性，发现非集计修正方法优于集计修正方法。若本地城市已具备少量样本数据，可采用合并样本建模的方法提升模型移植性。本文采用上海市全样本和广州市部分样本组成合并样本建立模型，并检验该模型到广州的移植性，发现当50%以上的广州数据被纳入合并样本后，模型移植效果较好；并且合并样本建模对模型移植性的提升效果优于非集计修正方法。
第四，基于事故预测模型开展广州市城市主干道事故多发路段判别。分别基于本地模型和修正后的移植模型预测各路段事故数，进而计算安全可提高空间，将其按降序排列，位于前十的路段识别为事故多发路段。考虑到不同交通状态下事故特征的差异，区分高峰时段和平峰时段开展事故多发路段判别，结果显示两者判别结果差异较大，说明确实有必要分时段开展研究。对比本地模型和移植模型的事故多发路段判别结果，两者有多处路段空间位置重合，说明修正后的移植模型可应用于事故多发路段判别。
本文以上海市与广州市为例，开展了城市主干道事故预测模型构建与可移植性研究。通过构建移植性评估指标，实现了模型可移植性的定量评估；并提出了多种加强模型移植性的方法，实现了模型在两城市间的移植；基于安全可提高空间开展事故多发路段判别，为交通安全管理提供了理论指导。