基于美國(guó)佛羅里達(dá)州Orange縣的宏觀交通安全建模分析

吳杏薇， 王雪松， 金 昱

（1.同濟(jì)大學(xué) 交通運(yùn)輸工程學(xué)院，上海 201804；2.上海城市規(guī)劃設(shè)計(jì)研究院，上海 200040）

目前中國(guó)正處于城市化和機(jī)動(dòng)化水平飛速增長(zhǎng)的關(guān)鍵時(shí)期，考慮到交通規(guī)劃對(duì)城市交通系統(tǒng)塑造的關(guān)鍵作用和城市交通系統(tǒng)一經(jīng)形成便難以改變的不可逆性，亟需倡導(dǎo)在交通規(guī)劃階段重視交通安全，利用先進(jìn)的分析方法深入分析路網(wǎng)空間特征、區(qū)域交通特征與區(qū)域交通安全的機(jī)理，以指導(dǎo)構(gòu)建一個(gè)安全的交通系統(tǒng)。

近年來(lái)，世界各國(guó)已經(jīng)越來(lái)越重視在交通規(guī)劃整個(gè)過(guò)程中充分考慮交通安全，并且已經(jīng)做出大量定量研究［1－5］來(lái)分析道路區(qū)域?qū)傩蕴卣?、交通特征及區(qū)域其他影響因素與交通安全的關(guān)系，其中以交通分析小區(qū)（Traffic Analysis Zone，簡(jiǎn)稱TAZ）層面的研究成果最為豐富。國(guó)外宏觀交通安全研究主要從區(qū)域人口經(jīng)濟(jì)［2，5－7］和土地利用特征［8］、區(qū)域交通運(yùn)行 特征［2，6，9－10］、區(qū)域道路屬性特征［2，5－7］等幾個(gè)方面進(jìn)行分析。在已有研究中，對(duì)于區(qū)域道路網(wǎng)絡(luò)特征變量的分析，僅僅是以區(qū)域?yàn)閱挝坏脑O(shè)施數(shù)量的簡(jiǎn)單累計(jì)，這些特征的簡(jiǎn)單提取并不能充分反映道路網(wǎng)絡(luò)空間結(jié)構(gòu)特性，沒(méi)有從路網(wǎng)功能、拓?fù)浣Y(jié)構(gòu)深度挖掘事故發(fā)生的根本原因，需要結(jié)合復(fù)雜網(wǎng)絡(luò)、拓?fù)浣Y(jié)構(gòu)等學(xué)科的理論與方法來(lái)進(jìn)一步研究區(qū)域路網(wǎng)空間結(jié)構(gòu)對(duì)于宏觀安全的影響。就統(tǒng)計(jì)方法而言，文獻(xiàn)［6－7，11］利用廣義線性模型（General Linear Model，簡(jiǎn)稱GLM）技術(shù)來(lái)對(duì)TAZ事故數(shù)同解釋變量的關(guān)系進(jìn)行建模，誤差項(xiàng)假定服從泊松或負(fù)二項(xiàng)分布。在GLM建?？蚣芟拢僭O(shè)TAZ事故數(shù)量的分布是非空間相關(guān)的，而現(xiàn)實(shí)中宏觀安全數(shù)據(jù)具有復(fù)雜的空間分布。交通分析小區(qū)在空間上有遠(yuǎn)近之分，相鄰的小區(qū)在社會(huì)經(jīng)濟(jì)發(fā)展、道路交通特征上有某種程度的趨同性，距離較遠(yuǎn)的小區(qū)之間有某種程度的相異性。為了克服傳統(tǒng)統(tǒng)計(jì)分析方法在分析空間數(shù)據(jù)上的缺陷，空間統(tǒng)計(jì)方法［12］逐步被用到宏觀安全分析中。貝葉斯空間統(tǒng)計(jì)方法由于可以滿足數(shù)據(jù)的空間相關(guān)性以及模型的復(fù)雜性，已經(jīng)在宏觀交通安全分析中發(fā)揮著越來(lái)越重要的作用。

國(guó)內(nèi)已有的研究主要集中于對(duì)城市各類道路設(shè)施如城市交叉口安全性的分析［13－16］。文獻(xiàn)［17］討論了如何結(jié)合我國(guó)交通規(guī)劃工作的工作流程考慮交通安全；文獻(xiàn)［18］提出了“主動(dòng)道路交通安全規(guī)劃”這一概念。國(guó)內(nèi)城市總體規(guī)劃、土地利用規(guī)劃中都很少考慮交通安全，現(xiàn)實(shí)中許多規(guī)劃對(duì)規(guī)劃區(qū)內(nèi)的交通安全造成了直接或潛在影響，文獻(xiàn)［19］對(duì)城市總體規(guī)劃和土地規(guī)劃中影響交通安全的因素進(jìn)行了探討。但是，縱觀國(guó)內(nèi)的研究，就所使用的安全分析方法而言，對(duì)事故安全分析模型的研究和應(yīng)用還很少，統(tǒng)計(jì)分析也主要是應(yīng)用多元線性回歸和傳統(tǒng)的廣義線性回歸［13－15］，而反映路網(wǎng)特征、交通特征與交通安全之間關(guān)系的定量研究在我國(guó)尚未展開(kāi)。

由于美國(guó)基礎(chǔ)數(shù)據(jù)較為完善，本研究依托美國(guó)佛羅里達(dá)州Orange縣的數(shù)據(jù)，以TAZ作為分析單元，借鑒復(fù)雜網(wǎng)絡(luò)、拓?fù)浣Y(jié)構(gòu)學(xué)科知識(shí)提取能夠有效反映路網(wǎng)結(jié)構(gòu)的特征指標(biāo)，并利用先進(jìn)的貝葉斯空間分析方法建立統(tǒng)計(jì)模型，分析區(qū)域路網(wǎng)特征、交通運(yùn)行特征和區(qū)域其他影響因素與交通安全之間的關(guān)系。

1 數(shù)據(jù)準(zhǔn)備

宏觀安全模型的建立需要的數(shù)據(jù)包括區(qū)域人口經(jīng)濟(jì)和土地利用數(shù)據(jù)、區(qū)域道路網(wǎng)絡(luò)信息、區(qū)域交通運(yùn)行特征信息以及區(qū)域事故數(shù)據(jù)。本文選取美國(guó)佛羅里達(dá)州中部Orange縣2006年的事故、道路、交通、人口、土地利用等較為理想的數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來(lái)源主要有佛羅里達(dá)州交通廳（Florida Department of Transportation，簡(jiǎn) 稱FDOT）、美國(guó)統(tǒng)計(jì)局TIGER數(shù)據(jù)、中佛羅里達(dá)區(qū)域規(guī)劃模型。

1.1 人口與土地利用

人口數(shù)據(jù)均來(lái)自美國(guó)統(tǒng)計(jì)局2000年統(tǒng)計(jì)數(shù)據(jù)，并通過(guò)2006年全縣人口分別對(duì)各個(gè)TAZ進(jìn)行同比例擴(kuò)算。在美國(guó)，人口統(tǒng)計(jì)的基本單元稱為人口普查街區(qū)。通常情況下，一個(gè)TAZ由多個(gè)人口普查街區(qū)組成，通過(guò)GIS（Geographic Information System）空間關(guān)聯(lián)工具，可以計(jì)算出各個(gè)TAZ的人口總數(shù)、人口組成以及家庭情況。對(duì)于土地利用情況，分別用0、1、2代表完全城市化、部分城市化和郊區(qū)，利用空間關(guān)聯(lián)關(guān)系計(jì)算出各個(gè)TAZ的城市化程度和學(xué)校數(shù)量。

1.2 道路、交通特征

本文中使用的交通數(shù)據(jù)主要來(lái)自FDOT，主要是道路分段AADT數(shù)據(jù)和信號(hào)燈位置數(shù)據(jù)，通過(guò)AADT數(shù)據(jù)計(jì)算出TAZ內(nèi)道路車公里數(shù)（Vehicle ilometers of Travel，簡(jiǎn)稱VKT），通過(guò)信號(hào)燈位置計(jì)算各個(gè)TAZ內(nèi)州道上信號(hào)燈數(shù)量和密度。

道路數(shù)據(jù)相關(guān)變量的計(jì)算分為2大類：道路、交叉口規(guī)模指標(biāo)和路網(wǎng)結(jié)構(gòu)指標(biāo)。規(guī)模指標(biāo)包括各類道路長(zhǎng)度、密度以及各類交叉口的數(shù)量、密度。結(jié)構(gòu)指標(biāo)主要包括道路網(wǎng)內(nèi)各種道路的類型，道路網(wǎng)絡(luò)的等級(jí)級(jí)配以及道路網(wǎng)絡(luò)中各條道路間相互銜接的關(guān)系。本文中主要通過(guò)提取路網(wǎng)形態(tài)特征指標(biāo)meshedness值來(lái)實(shí)現(xiàn)。

群聚性（clustering）是網(wǎng)絡(luò)分析中一類非常重要的指標(biāo)，用來(lái)衡量網(wǎng)絡(luò)中頂點(diǎn)的積聚程度。文獻(xiàn)［20］提出meshedness值算法是一種簡(jiǎn)單且具有普適性的算法，它通過(guò)計(jì)算網(wǎng)絡(luò)中三角形圈型結(jié)構(gòu)數(shù)量同該網(wǎng)絡(luò)中所有頂點(diǎn)對(duì)應(yīng)的完備平面圖中三角形圈型結(jié)構(gòu)數(shù)量的比來(lái)反映網(wǎng)絡(luò)的群聚性。如果網(wǎng)絡(luò)中圈型結(jié)構(gòu)多，則meshedness值高，頂點(diǎn)間聯(lián)系緊密，積聚程度高；反之，如果網(wǎng)絡(luò)中圈型結(jié)構(gòu)少，則meshedness值低，頂點(diǎn)間聯(lián)系松散，積聚程度低。

對(duì)于一個(gè)由K條邊、N個(gè)頂點(diǎn)組成的網(wǎng)絡(luò)G，meshedness值計(jì)算公式為：

其中，F(xiàn)為由歐拉公式計(jì)算出的網(wǎng)絡(luò)中面（face）的個(gè)數(shù)，F(xiàn)max為N個(gè)頂點(diǎn)組成的網(wǎng)絡(luò)可能擁有最多的面的數(shù)量。

將現(xiàn)實(shí)的道路網(wǎng)絡(luò)變換為抽象網(wǎng)絡(luò)，如圖1所示，基于路網(wǎng)圖層（shapefile）和TAZ圖層，利用計(jì)算機(jī)相關(guān)程序計(jì)算出各個(gè)TAZ對(duì)應(yīng)的meshedness值。

圖1 原始法解析道路網(wǎng)圖示

基于文獻(xiàn)［21］的研究，本文將道路網(wǎng)絡(luò)形態(tài)分為方格網(wǎng)、平行曲線結(jié)構(gòu)、盡斷路＋環(huán)形路結(jié)構(gòu)、離散型和混合型5種類型。其中離散型是指TAZ內(nèi)道路網(wǎng)離散、分塊分布；混合型路網(wǎng)是指TAZ道路網(wǎng)形態(tài)含有方格路網(wǎng)、平行曲線路網(wǎng)、盡端路＋環(huán)形路中2種及以上路網(wǎng)形態(tài)。相應(yīng)地分析這5類路網(wǎng)的meshedness值分布情況，分析結(jié)果表明meshedness值對(duì)5類路網(wǎng)具有很好的區(qū)分度，具體結(jié)果見(jiàn)表1所列。

表1 路網(wǎng)分類與meshedness值離散化處理結(jié)果

2 事故數(shù)據(jù)

事故數(shù)據(jù)由FDOT提供，它們以點(diǎn)的形式存儲(chǔ)。為了計(jì)算各個(gè)TAZ內(nèi)的事故數(shù)量，首先需要分析每個(gè)事故點(diǎn)相對(duì)于TAZ邊界的空間位置。如果事故點(diǎn)不在TAZ邊界上，它的歸屬是明確的。對(duì)于TAZ邊界上的事故，本文以TAZ邊界的道路中心線為事故歸屬的分界線，從FDOT事故報(bào)告系統(tǒng)中提取每起事故中各車輛行駛方向（東、西、南、北）和事故原因信息；然后對(duì)于每起事故，編制計(jì)算機(jī)程序，確定事故點(diǎn)相對(duì)于TAZ邊界的精確位置關(guān)系，從而確定事故精確歸屬。

綜上所述，本文中所有變量描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2所列。

表2 Orange縣變量的統(tǒng)計(jì)性描述

圖2所示為Orange縣離散化后的meshedness值分布情況?？梢钥闯龅缆肪W(wǎng)絡(luò)形態(tài)分布呈現(xiàn)一定的空間積聚性，市區(qū)多為方格網(wǎng)、平行曲線路網(wǎng)結(jié)構(gòu)，郊區(qū)多為盡端路＋環(huán)形路和離散型路網(wǎng)結(jié)構(gòu)。

圖2 Orange縣TAZ路網(wǎng)形態(tài)分布圖

3 模型方法

3.1 貝葉斯分析方法

貝葉斯學(xué)派主張未知參數(shù)是一個(gè)隨機(jī)變量，具有隨機(jī)性，在統(tǒng)計(jì)推斷的過(guò)程中，貝葉斯學(xué)派不僅利用總體信息和樣本信息，還利用先驗(yàn)信息進(jìn)行統(tǒng)計(jì)推斷。貝葉斯定理［22］表述為：

其中，θ 為參數(shù)向量；x＝（x1，x2，x3，…，xn）為樣本；π（θ）為參數(shù)向量θ的先驗(yàn)分布；f（x｜θ）為似然函數(shù)；p（θ｜x）為給定樣本x信息后參數(shù)向量θ后驗(yàn)分布（或稱為后驗(yàn)），即抽樣后人們對(duì)未知參數(shù)分布的重新認(rèn)識(shí)；p（x）為x的邊緣分布。

相比于傳統(tǒng)頻率學(xué)派的估計(jì)方法，貝葉斯分析不僅能靈活地調(diào)整模型以滿足需要、方便地計(jì)算便于理解的統(tǒng)計(jì)推斷結(jié)果［23］，而且對(duì)復(fù)雜數(shù)據(jù)結(jié)構(gòu)有較好的擬合性［24］。

3.2 CAR空間模型

研究區(qū)域內(nèi)的TAZ空間上并不是互相獨(dú)立的，臨近的TAZ常表現(xiàn)出類似的安全水平。為了解決空間相關(guān)問(wèn)題，統(tǒng)計(jì)學(xué)家建立了一系列空間回歸模型，條件自回歸（Conditional Autoregressive Model，簡(jiǎn)稱CAR）模型便是其中的代表。CAR模型在GLM假設(shè)基礎(chǔ)上引入隨機(jī)效應(yīng)項(xiàng)φi，用以解釋第i個(gè)TAZ同其他TAZ間的空間相關(guān)性，GLM中設(shè)定的事故模型［25］為：

通常利用空間鄰接矩陣W來(lái)說(shuō)明空間內(nèi)任意2個(gè)TAZ的關(guān)系。本文中該矩陣定義如下：

從而，在貝葉斯CAR模型中，φi的先驗(yàn)條件分布可定義為：

其中，φ－i為除φi外所有的φ的集合；τc為精度系數(shù)（precision parameter）；wi＋為同 TAZi相鄰的TAZ的wi，j的和為同i號(hào) TAZ相鄰的TAZ的集合。

φi的聯(lián)合先驗(yàn)分布為：

其中，π（φ）為φ（φ＝｛φi，i＝1，2，3…｝）的聯(lián)合分布；∝說(shuō)明左式的似然方程同右式同比例變化。進(jìn)而可由先驗(yàn)分布計(jì)算后驗(yàn)分布，并完成統(tǒng)計(jì)推斷。

針對(duì)貝葉斯CAR模型，使用由文獻(xiàn)［26］提出的誤差信息準(zhǔn)則（Deviance Information Criterion，簡(jiǎn)稱DIC準(zhǔn)則）來(lái)比較模型的優(yōu)劣。DIC準(zhǔn)則從擬合優(yōu)度和模型復(fù)雜性2個(gè)方面綜合地考察模型，其計(jì)算原理［27］是“DIC＝‘模型擬合優(yōu)度’＋‘模型復(fù)雜性’”。DIC值定義為：

其中，ρD為有效參數(shù)數(shù)量，用來(lái)衡量模型復(fù)雜性。一般地，DIC越小，說(shuō)明模型擬合效果越好。若新模型DIC值比舊模型DIC值低且差值多于5，則說(shuō)明新模型較優(yōu)［25］。

4 模型結(jié)果

4.1 模型比較

基于2006年美國(guó)Orange縣數(shù)據(jù)，用TAZ內(nèi)所有事故數(shù)量作為因變量，分別建立了貝葉斯泊松回歸模型和貝葉斯泊松CAR模型。表3所列為模型間DIC值及ˉD、ρD值的比較結(jié)果。貝葉斯泊松CAR模型DIC值遠(yuǎn)低于貝葉斯泊松模型，說(shuō)明貝葉斯泊松CAR模型擬合效果大大優(yōu)于貝葉斯泊松模型；其次，貝葉斯泊松CAR模型的ρD值大大高于貝葉斯泊松模型，說(shuō)明貝葉斯泊松CAR模型的結(jié)構(gòu)較貝葉斯泊松模型復(fù)雜。

表3 模型DIC值比較

4.2 模型標(biāo)定結(jié)果與變量分析

表4所列為利用MCMC方法模擬計(jì)算出的參數(shù)后驗(yàn)估計(jì)結(jié)果，包括后驗(yàn)均值（posterior mean）、后驗(yàn)標(biāo)準(zhǔn)偏差（posterior standard deviation）和95%可信區(qū)間。

置信區(qū)間是通過(guò)結(jié)合模擬結(jié)果的2.5%分位數(shù)和97.5%分位數(shù)獲得。如果置信區(qū)間內(nèi)不包含0，則說(shuō)明對(duì)應(yīng)變量在95%顯著性水平下是顯著的；如果包含0，則對(duì)應(yīng)變量不顯著。

從模型中可看出，對(duì)TAZ事故總數(shù)有顯著影響的因素包括人口總數(shù)、老年人口比例、交叉口數(shù)量、主干道長(zhǎng)度比例、主干道上信控交叉口數(shù)、道路總長(zhǎng)和路網(wǎng)形態(tài)等。

4.2.1 路網(wǎng)形態(tài)變量

模型標(biāo)定結(jié)果顯示，meshedness值不僅具備對(duì)路網(wǎng)進(jìn)行分類的能力，同時(shí)也能較好地反映路網(wǎng)形態(tài)對(duì)安全的影響，隨著meshedness值的升高，事故數(shù)量降低了。從模型結(jié)果可看出，以方格網(wǎng)路網(wǎng)和平行曲線路網(wǎng)作為基準(zhǔn)，除了混合模式的路網(wǎng)對(duì)于事故發(fā)生的影響不顯著以外，盡端路＋環(huán)形路路網(wǎng)對(duì)事故的影響是顯著為負(fù)的，這可能同這類路網(wǎng)道路平行曲線半徑較小、支路接入主要道路控制等因素有關(guān)。在其他條件相同的情況下，盡端路＋環(huán)形路路網(wǎng)事故數(shù)量?jī)H為方格路網(wǎng)事故數(shù)量的exp（－0.225）＝86.4%。最為安全的是離散型路網(wǎng)，原因可能是道路連接點(diǎn)少、交通需求小、交通可能的沖突點(diǎn)和沖突量少。在其他條件相同的情況下，離散型路網(wǎng)事故數(shù)量?jī)H為方格路網(wǎng)事故數(shù)量exp（－0.986）＝46.2%。但是，由于這類路網(wǎng)所在TAZ路網(wǎng)發(fā)育還不成熟、地廣車少，所得結(jié)果對(duì)交通規(guī)劃的指導(dǎo)性不強(qiáng)。

表4 貝葉斯泊松CAR模型標(biāo)定結(jié)果比較

4.2.2 其他變量

除了路網(wǎng)形態(tài)，影響全體事故的顯著因素還有主干路的比例，隨著主干路比例的提升，事故發(fā)生的概率也隨之增大。這與之前有研究認(rèn)為高等級(jí)的道路長(zhǎng)度增加會(huì)增大事故發(fā)生的可能，而地方生活性道路里程的增加則可以減少事故發(fā)生的幾率是一致的［4，6，12］。主干道上交叉口數(shù)量和信控交叉口數(shù)量對(duì)事故的影響在95%顯著性水平下都是顯著為正的，原因可能是交叉口過(guò)于復(fù)雜的交通流及可能存在的大流量交通。車公里數(shù)VKT和道路總長(zhǎng)度等道路交通特征屬性對(duì)事故的影響也都是顯著為正的。這些結(jié)論同常識(shí)是相符的，并同之前相關(guān)研究結(jié)論類似［2，4－6，26］。

此外，TAZ內(nèi)人口數(shù)量對(duì)TAZ事故數(shù)量的影響在95%顯著性水平下是顯著為正的，這同以往研究是相似的［27］。而TAZ內(nèi)老年人口比例對(duì)TAZ事故數(shù)量的影響顯著為負(fù)，這同文獻(xiàn)［2］研究倫敦事故發(fā)生原因的結(jié)論一致。

5 結(jié)束語(yǔ)

宏觀交通安全建模作為交通安全規(guī)劃的重要組成部分，在國(guó)內(nèi)無(wú)論是理論研究還是應(yīng)用實(shí)踐方面已經(jīng)受到越來(lái)越多的關(guān)注，也取得了一定成果［28］。本文就交通安全規(guī)劃的核心技術(shù)問(wèn)題——宏觀交通安全建模進(jìn)行了初步研究，基于美國(guó)佛羅里達(dá)州Orange縣數(shù)據(jù)，在TAZ層面針對(duì)全體事故建立了貝葉斯泊松CAR模型用以分析包括路網(wǎng)結(jié)構(gòu)特征、交通運(yùn)行特征以及人口及土地利用情況在內(nèi)的宏觀交通安全影響因素。

另一方面，本文在很多方面仍然需要更深入的研究，文中僅考慮TAZ相鄰空間關(guān)系，需要進(jìn)一步研究TAZ層面交通安全數(shù)據(jù)特點(diǎn)（例如TAZ距離遠(yuǎn)近等），開(kāi)發(fā)更有效的宏觀交通安全分析模型。下一步的研究還包括道路網(wǎng)絡(luò)的等級(jí)結(jié)構(gòu)、布局結(jié)構(gòu)對(duì)交通安全的影響，在傳統(tǒng)交通規(guī)劃的哪個(gè)階段、以何種方式接入宏觀交通安全分析等。

［1］Ned L，Karl E K，Lawrence H N.Spatial analysis of Honolulu motor vehicle crashes：Ⅰ，spatial patterns［J］.Accident Analysis and Prevention，1995，27（5）：663－674.

［2］Quddus M A.Modelling area－wide count outcomes with spatial correlation and heterogeneity：an analysis of London crash data［J］.Accident Analysis and Prevention，2008，40（4）：1486－1497.

［3］Dominique L，Bhagwant N P.Estimating the safety performance of urban road transportation networks［J］.Accident Analysis and Prevention，2004，36（4）：609－620.

［4］Lovegrove G R，Sayed T.Macro－level collision prediction models for evaluating neighborhood traffic safety［J］.Canadian Journal of Civil Engineering，2006，33（5）：609－621.

［5］Khondakar B，Lovegrove G R，Sayed T，et al.Transferability of community－based macro－level collision prediction models between different time－space regions for use in road safety planning applications［C］／／88th Transportation Research Board Annual Meeting，Transportation Research Board，Washington，D C，2009：09－0610.

［6］Hadayeghi A，Shalaby J，Persaud B N.Macrolevel collision prediction models for evaluating safety of urban transportation systems ［J］.Transportation Research Record：Journal of the Transportation Research Board，2003：1840：87－95.

［7］Ng K，Hung W，Wong W.An algorithm for assessing the risk of traffic accident ［J］.Journal of Safety Research，2007，33（3）：387－410.

［8］Guevara F L D，Washington S P，Oh J.Forecasting crashes at the planning level：simultaneous negative binomial crash model applied in Tucson，Arizona［J］.Transportation Research Record：Journal of the Transportation Research Board，2004，1897：191－199.

［9］Lovegrove G R，Lim C，Sayed T.Using macrolevel collision prediction models to conduct road safety evaluation of regional transportation plan［C］／／87th Transportation Research Board Annual Meeting，Transportation Research Board，Washington，D C，2008：08－0693.

［10］Haynes R，Jones A，Kennedy V，et al.District variations in road curvature in England and Wales and their association with road－traffic crashes［J］.Environment and Planning：A，2007，39（5）：1222－1237.

［11］Sun J，Lovegrove G R.Using community－based macrolevel collision prediction models to evaluate safety level of neighborhood road network patterns［C］／／89th Transportation Research Board Annual Meeting，Transportation Research Board，Washington，D C，2010：10－0535.

［12］Hadayeghi A，Shalaby A，Persaud B.Development of planning－level transportation safety models using full Bayesian semiparametric additive techniques ［J］.Journal of Transportation Safety ＆Security，2010，2（1）：45－68.

［13］張春平，景天然.城市道路交叉口交通安全評(píng)價(jià)研究［J］.同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，1994，22（1）：47－52.

［14］裴玉龍，馬 驥.道路交通事故道路條件成因分析及預(yù)防對(duì)策研究［J］.中國(guó)公路學(xué)報(bào)，2003，16（4）：77－82.

［15］裴玉龍，馬艷麗.寒冷地區(qū)城市道路交叉口條件與交通事故關(guān)系［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37（1）：130－133.

［16］成 衛(wèi)，丁同強(qiáng)，李 江.道路交叉口交通沖突灰色評(píng)價(jià)研究［J］.公路交通科技，2004，21（6）：97－100.

［17］繆玉玲，陳小桐，李 峰，等.引入交通安全對(duì)交通規(guī)劃的新思考［C］／／中國(guó)公路學(xué)會(huì).第二屆全國(guó)公路科技創(chuàng)新高層論壇論文集：上卷，北京，2004.

［18］王 巖，楊曉光.主動(dòng)道路交通安全規(guī)劃體系［J］.系統(tǒng)工程，2006，24（1）：30－35.

［19］唐玨琳.城市規(guī)劃中的交通安全因素分析［J］.公路與汽運(yùn)，2007（4）：47－48.

［20］Buhl J，Gautrais J，SoléR V，et al.Efficiency and robustness in ant networks of galleries［J］.The European Physical Journal：B 2004，42（1）：123－129.

［21］Southworth M，Ben－Joseph E.Streets and the shaping of towns and cities ［M］.Washington D C：Island Press，2003：40－72.

［22］茆詩(shī)松.貝葉斯統(tǒng)計(jì) ［M］.北京：中國(guó)統(tǒng)計(jì)出版社，1999：26－83.

［23］Lynch S.Introduction to applied Bayesian statistics and estimation for social scientists［M］.New York：Springer Science＋Business Media，LLC，2007：47－53.

［24］Gelman A，Hill J.Data analysis using regression and multilevel／hierarchical models ［M］.Cambridge：Cambridge University Press，2006：281－334.

［25］Guo F，Wang X，Abdel－Aty M.Modeling signalized intersection safety with corridor－level spatial correlations［J］.Accident Analysis and Prevention，2010，42（1）：84－92.

［26］Hadayeghi A，Shalaby A S，Persaud B N.Development of planning level transportation safety tools using geographically weighted Poisson regression［J］.Accident Analysis and Prevention，2010，42（2）：676—688.

［27］Noland R B，Quddus M A.A spatially disaggregate analysis of road casualties in England ［J］.Accident Analysis and Prevention，2004，36（6）：973－984.

［28］金 昱.基于貝葉斯空間統(tǒng)計(jì)分析的宏觀交通安全研究［D］.上海：同濟(jì)大學(xué)，2010.