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。
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。
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。
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
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
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]。
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]。
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
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。
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.