道路交通事故黑點鑒別方法研究*

劉鵬飛， 青偉， 申紹君

(長沙理工大學 交通運輸工程學院， 湖南 長沙 410114)

由于交通條件和事故數據收集難易程度、評判方法認可度不同，道路交通事故黑點定義尚未統一。一般來說，道路交通事故黑點(也稱事故多發點)是指較長的計量時段內道路交通事故發生的數量或特征相比其他正常位置更加突出的某些位置(點、路段或區域)?？焖儆行У刈R別交通事故黑點，分析事故成因，提出解決措施，是事故黑點后續排查和綜合治理的基礎。

1 道路交通事故黑點特征

(1) 黑點事故發生較為集中。事故黑點為交通事故數量和特征不同于一般路段的位置，該位置在道路總里程中的占比很小，總事故數占比卻很高。

(2) 黑點受天氣影響顯著。天氣對黑點的影響較大。據統計，各等級道路晴天發生事故數占黑點事故數的60%～70%，雨天、陰天發生事故數僅占10%～15%，其他特殊天氣發生的事故數占比較小。

(3) 黑點形成受多種因素影響。超速行駛、疲勞駕車、制動故障、爆胎、交通量大、彎道過長等因素都可能導致道路交通事故發生，當影響因素共同作用匯集于某個點、路段或區域時，該位置容易變成事故黑點。

2 道路交通事故黑點傳統鑒別方法

道路交通事故黑點鑒別由鑒別方法及技術指標組成。傳統的黑點鑒別方法主要以事故調查和統計為基礎，基于概率統計思想，利用交通數據統計資料，重點分析交通事故數據資料，若分析得出的指標結果明顯高于本路段或路網所設定的標準值，則初步將該路段定為事故黑點，之后進行更深入的分析予以確定。不同路段路況不同，需根據實際需要選擇適宜的事故黑點鑒別方法。

(1) 事故頻數法。事故頻數法通過設定臨界點事故次數、統計某路段事故次數，并對統計數據與臨界點進行比較，若路段事故次數超過臨界點，則判定為事故黑點。頻數法數據來源于事故統計數據，數據清晰易收集，計算簡單方便，數據依賴性不強。鑒定指標僅使用事故次數，未考慮事故嚴重程度、道路條件、交通量等，易導致誤判。該方法僅適用于小范圍路段或交叉口路段。

(2) 事故頻率法。事故頻率法通過統計某路段事故次數、平均每日交通量，并將路段事故次數和平均每日交通量的比值與可接受臨界值進行對比，若比值超過可接受臨界值，則判定為事故黑點。頻率法綜合考慮了交通量和路段長度，但未考慮事故嚴重程度、事故隨機性，易將低事故量、低交通量路段誤判為事故黑點，而將高事故量、高交通量路段誤判為安全路段，遺漏真正危險的路段。該方法僅適用于小區域路段。

(3) 事故頻數-事故頻率矩陣法。事故頻數-事故頻率矩陣法以事故頻數為矩陣橫軸、事故頻率為矩陣縱軸，矩陣中每個單元位置代表目標路段危險程度，具備最高事故數和最高事故率的危險路段位于矩陣右上角，這些路段即為事故黑點。矩陣法綜合事故頻數法和事故頻率法，根據需求確定矩陣大小，能快速鑒定事故黑點，判斷目標路段安全程度。但該方法未考慮事故嚴重程度、道路交通狀況等，且事故數多少和事故率高低的臨界值確定困難，難以區分高事故數、低事故率路段和低事故數、高事故率路段。該方法僅適用于道路條件相差不大的路段。

(4) 當量總事故數法。當量總事故數法對交通不同屬性(如死亡人數、受傷人數及財產損失等)賦予不同權重，比較加權值和可接受閾值，若加權值超過閾值，則判定為事故黑點。當量法考慮了事故嚴重程度，但未考慮交通量、交通條件、路段長度等，且交通屬性權重難以確定。該方法僅適用于條件差別不大的城市道路。

(5) 質量控制法。質量控制法認為交通事故發生是小概率事件，路段事故次數遵循泊松分布，比較目標路段事故率與相似路段平均事故率，依據顯著性水平確定平均事故率閾值，若目標路段事故率高于閾值，則為事故黑點。質量控制法綜合考慮了交通流量和事故隨機性，但未考慮事故嚴重程度。采用該方法鑒別道路交通環境相似路段較精準。

(6) 累計頻率法。累計頻率法常將路段劃分為1 km的單位長度，以事故次數為縱坐標、大于某事故次數的累計頻率為橫坐標，利用累計頻率散點圖擬合曲線，分析擬合曲線突變點，突變點即為事故黑點。累計頻率法以統計學為基礎，統計目標路段事故數頻率，并將其排序計算累計頻率，累計頻率不高但事故率很高的位置即為事故黑點。該方法對數據要求較高，未考慮事故嚴重性，僅適用于道路交通、事故情況相差不大的路段。

綜上，道路交通事故黑點傳統鑒別方法基于概率統計思想，數據處理相對簡單，鑒別精度不高，適用范圍有限，應結合實際情況選擇適合的方法。

3 道路交通事故黑點現代鑒別方法

隨著計算機網絡技術嵌入道路交通事故黑點問題研究的不斷深入，事故黑點鑒別方法不斷優化?，F代化的事故黑點鑒別方法以系統思想綜合分析交通各影響因素的權重，評價各路段危險綜合值，確定道路交通事故黑點所在位置。

(1) 聚類分析法。聚類分析法根據數據特征，將特征相似數據分至同一類別，將全部數據分成多類別，從大量雜亂無序數據中挖掘獲取關鍵信息。交通事故黑點本質上是易發生交通事故的路段，即發生事故次數的密度大。聚類分析法根據交通事故密度，若交通事故發生地點某半徑范圍內發生的交通事故次數(即其鄰域內密度)不小于給定閾值，則該事故地點判定為事故黑點。聚類分析分為事故數據讀取、數據篩選、事故黑點判斷、黑點展示4個步驟，其中：事故數據讀取須輸入事故地點領域內所有路段交通事故數據；數據篩選依據核心字段過濾無用字段；事故黑點判斷須檢查所有未檢路段，判斷周圍事故密度是否不小于閾值，若達到閾值則輸出該路段為事故黑點，若未達到閾值則繼續循環，直到處理完所有路段，輸出事故黑點位置最小值為起點，位置最大值為終點；黑點展示通過GIS(地理信息系統)展示。聚類分析法能從復雜無規律的交通事故數據中挖掘隱含信息，剖析事故時間分布和空間分布特性，揭露事故發生潛在規律。但海量數據處理計算量大，對服務器的要求高，且參數選取對聚類效果影響大，權重選取主觀隨意性強。該方法適用于所有路段的事故黑點鑒別，應用廣泛。

(2) 灰色關聯法?；疑碚撜J為系統行為模糊朦朧，數據雜亂無章，但存在潛在必然規律，可運用累加(減)法降低數據隨機性，將雜亂無序的數據整理為有規律的數據?；疑P聯法依據每個元素的序列曲線與總序列曲線的幾何形狀相似程度判斷單個元素和集合是否關聯緊密。利用灰色理論非唯一性原理，選定交通事故指標(事故數、受傷人數、財產損失和道路長度)，精簡、加工、延展事故數據，依據灰色關聯法分析每個事故點數據，繪制單個事故點的序列曲線和總序列曲線，以曲線幾何形狀相似程度判斷事故點間是否聯系緊密，判斷道路安全水平所處灰域，灰域即事故黑點，并依據分級標準對事故點安全性進行分級?；疑P聯法以人、車、路、環境為子系統，以事故數、受傷人數、財產損失、道路長度為事故統計指標，可有效降低主觀偏好的影響，能運用少量信息評價道路安全性，鑒別事故黑點，算法清晰，計算相對簡單。但不同道路交通條件、交通特性區別較大，事故數據較少時鑒別精度偏低。該方法應用廣泛，適用于所有路段。

(3) 粗集理論。粗集理論利用數據集合本身形成決策規則，無需提供集合外先驗信息，可解決不確定性問題。其核心思想是信息系統分類能力恒定情形下優化輸入信息并導出問題決策規則。其原理是去除某條件屬性，觀察決策屬性變化，若決策屬性變化較大，則該條件屬性較重要，反之該條件屬性不重要。粗集理論在有限的道路交通事故數據的基礎上構建事故數據的知識表達系統，分析各事故成因的權重，補齊決策表，決策離散化，計算各屬性影響強度，判斷其重要性，判斷影響事故黑點的主(次)要因素，結合其他理論鑒別事故黑點。粗集理論不依賴先驗知識，可處理隨機性和波動性數據，能分析和推理有限數據，發現潛在規律，可區分事故黑點的主(次)因素，且與其他數據挖掘理論互補性強。但決策離散化數據補齊算法復雜，計算困難。該方法應用廣泛，適用于所有路段。

(4) BP神經網絡算法。BP神經網絡(誤差回轉神經網絡)是按照誤差逆向傳播算法訓練的多層神經網絡，由輸入層、輸出層和隱含層組成。信息由輸入層經過隱含層處理后傳給輸出層，比較輸出值和期望值，若誤差超過閾值，逆向傳播誤差至各層所有單元，不斷調整迭代參數，直至達到預期后停止。道路交通事故黑點鑒別屬于識別問題，依據函數求解結果判斷是否為事故黑點，而道路交通事故的發生隨機性大，涉及因素多，難以用清晰的函數表達式和約束條件求解判別。BP神經網絡自身具有較好的容錯能力、混亂數據處理和訓練學習能力，可解決非線性結構復雜問題，擅長處理事故黑點判別問題。輸入路段事故關聯因素數據，如交通量、車道寬度、車道數、通行速度等，輸出路段安全類型，如事故黑點、正常路段和安全路段，設定隱含層傳遞函數、各層權值矩陣和偏置向量及誤差精度，不斷訓練迭代，直至所有路段安全程度鑒定完畢。BP神經網絡算法的非線性擬合能力、魯棒性和自主訓練學習能力強，學習規則簡單，但學習過程收斂速度較慢，網絡權值易現局部極值導致訓練失敗，與遺傳算法、灰色理論等結合更完善，處理復雜無序交通事故數據適用性強。

(5) GIS。GIS對地理信息進行數據處理，結合屬性信息和空間數據可視化信息，為決策者提供技術支持。道路交通事故數據復雜且數據模型抽象，GIS融合道路交通事故的屬性信息和空間數據預處理交通事故數據，除去或填充數據空值，以事故點為圓心、嚴重程度為半徑建立緩沖區對數據進行緩沖區分析，確定事故路段影響范圍，重疊所有圖層緩沖區，形成事故分析綜合圖層，合理利用當量總事故法、累計頻率法判斷路段安全水平，鑒別事故黑點，并以圖形化方式展示識別結果。GIS以可視化直觀形式展示事故數據，便于計算和判別，但數據量大且質量要求高，定位精度影響GIS鑒別效果。城市道路、高速公路數據來源清晰、定位精準，適合采用GIS方法鑒別事故黑點。

綜上，道路交通事故黑點現代鑒別方法基于系統工程思想，綜合考慮多因素，數據處理較復雜，鑒別精度較高，適用范圍較廣。

4 道路交通事故黑點鑒別方法發展趨勢

道路交通事故黑點現代鑒別方法相比傳統鑒別方法更精準，但仍存在缺陷。未來道路交通事故黑點鑒別將與大數據技術、前沿信息技術、物聯網、云平臺、數據挖掘、啟發式算法等深度融合，提升道路交通事故黑點鑒別精度，從而減少交通事故，提高道路交通安全性。