基于聚類(lèi)分析的高速公路事故黑點(diǎn)鑒別及成因分析研究

王 健，盧錫鳳

(哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院， 哈爾濱 150090)

?

基于聚類(lèi)分析的高速公路事故黑點(diǎn)鑒別及成因分析研究

王 健，盧錫鳳

(哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院， 哈爾濱 150090)

為了提高事故黑點(diǎn)鑒別的客觀性、公正性及識(shí)別水平，提出基于灰色聚類(lèi)評(píng)價(jià)的事故黑點(diǎn)鑒別方法，并結(jié)合聚類(lèi)因子法識(shí)別事故黑點(diǎn)誘發(fā)因素。該方法是將聚類(lèi)思想應(yīng)用于事故黑點(diǎn)鑒別及成因分析的全過(guò)程，可實(shí)現(xiàn)對(duì)不同層次事故黑點(diǎn)的分級(jí)管理。經(jīng)鑒別，可將評(píng)價(jià)路段單元分為正常路段、一般路段及事故黑點(diǎn)3類(lèi)，從而將道路幾何條件、交通條件、環(huán)境特性屬性相似的事故黑點(diǎn)聚為一類(lèi)進(jìn)行事故成因分析。依托長(zhǎng)余高速公路的交通事故數(shù)據(jù)進(jìn)行實(shí)例分析，確定上下行事故黑點(diǎn)數(shù)，并對(duì)其進(jìn)行成因分析，且將基于聚類(lèi)分析得到的事故黑點(diǎn)及其成因與實(shí)際考察得到的事故黑點(diǎn)及其成因進(jìn)行對(duì)比分析。結(jié)果表明：基于聚類(lèi)分析得到的事故黑點(diǎn)與實(shí)際路段事故黑點(diǎn)基本吻合，采用基于聚類(lèi)分析預(yù)測(cè)事故黑點(diǎn)是可靠的。

交通安全；事故黑點(diǎn)；黑點(diǎn)鑒別；成因分析；聚類(lèi)分析

交通安全是近年來(lái)隨著社會(huì)進(jìn)步影響世界各國(guó)可持續(xù)發(fā)展的重要問(wèn)題之一。在葡萄牙舉辦的第16屆國(guó)際道路會(huì)議報(bào)告指出，事故黑點(diǎn)一般僅占道路線(xiàn)網(wǎng)總長(zhǎng)的0.25%，事故數(shù)卻占事故總數(shù)的25%[1]。因此，有效鑒別交通事故黑點(diǎn)并對(duì)其成因進(jìn)行分析以降低道路交通事故率、預(yù)防交通事故的發(fā)生，從而改善道路安全狀況是非常必要的。

確定事故黑點(diǎn)是改善交通安全狀況的第一步。各國(guó)鑒別事故黑點(diǎn)采用的方法不一，最早、用得最多且最為簡(jiǎn)單的鑒別道路交通事故黑點(diǎn)方法有事故數(shù)法、當(dāng)量事故次數(shù)法、質(zhì)量控制法、臨界率法、矩陣法等。隨著對(duì)道路交通安全問(wèn)題研究的不斷深入及分析技術(shù)的發(fā)展，事故黑點(diǎn)判斷方法也不斷得到改進(jìn)。在國(guó)外，Y S Murat[2]在考慮事故類(lèi)型和事故發(fā)生影響因素(幾何、物理?xiàng)l件，交通量，平均速度，事故率等)基礎(chǔ)上，使用熵方法測(cè)定事故黑點(diǎn)的交通安全水平；A Gregoriades[3]提出了基于事故風(fēng)險(xiǎn)指數(shù)的貝葉斯網(wǎng)絡(luò)事故黑點(diǎn)鑒別方法；D O Judan等人[4]基于事故數(shù)據(jù)差異性的考慮，使用潛類(lèi)聚類(lèi)與貝葉斯網(wǎng)絡(luò)相結(jié)合的方法分析公路交通事故黑點(diǎn)。在國(guó)內(nèi)，孟祥海等人[5]建立了基于3層BP神經(jīng)網(wǎng)絡(luò)的城市干道路段事故多發(fā)點(diǎn)鑒別模型，并將常規(guī)鑒別方法不易識(shí)別出的多發(fā)點(diǎn)鑒別出來(lái)；王龍健[6]利用累計(jì)頻率曲線(xiàn)法對(duì)不同單位取樣長(zhǎng)度下道路事故多發(fā)點(diǎn)進(jìn)行鑒別，鑒別精度隨單位取樣長(zhǎng)度的減小而提高；王海[7]提出了改進(jìn)的點(diǎn)緩沖區(qū)分析方法，采取“變長(zhǎng)半徑的點(diǎn)緩沖區(qū)分析”和“疊置分析”相結(jié)合的方法進(jìn)行事故多發(fā)點(diǎn)鑒別。

目前，對(duì)公路交通事故黑點(diǎn)的鑒別國(guó)內(nèi)外已經(jīng)做過(guò)很多研究，但交通沖突及仿真法的理論及實(shí)際應(yīng)用還不成熟，故實(shí)際工程應(yīng)用中，依據(jù)歷史事故資料進(jìn)行事故黑點(diǎn)鑒別其效果更為客觀、更好。雖然文獻(xiàn)[4]-[6]的方法鑒別精度更高，可以從不同視角來(lái)鑒別事故黑點(diǎn)，但事故記錄的不完全性會(huì)導(dǎo)致分析所用的數(shù)據(jù)庫(kù)不能反映實(shí)際交通安全狀況，甚至某些分析所需數(shù)據(jù)完全沒(méi)有記錄，加之事故發(fā)生的稀少性、隨機(jī)性都會(huì)影響鑒別結(jié)果的精準(zhǔn)性，從而導(dǎo)致鑒別方法在實(shí)際項(xiàng)目中實(shí)用性較差。

基于此，不同于其它研究將事故黑點(diǎn)鑒別及成因分析割裂開(kāi)，即采用不同的方法鑒別分析，本文提出將事故黑點(diǎn)鑒別及成因分析作為一個(gè)整體，基于歷史事故數(shù)據(jù)將聚類(lèi)思想應(yīng)用于整個(gè)分析過(guò)程，實(shí)現(xiàn)對(duì)不同層次事故黑點(diǎn)的分級(jí)管理。事故黑點(diǎn)鑒別采用灰色聚類(lèi)評(píng)價(jià)法，事故黑點(diǎn)成因分析采用聚類(lèi)因子法?；疑垲?lèi)評(píng)價(jià)法[8]可對(duì)已知數(shù)據(jù)信息進(jìn)行擴(kuò)展延伸，將不同安全水平的路段劃分在不同等級(jí)的灰域里，從而可彌補(bǔ)事故數(shù)據(jù)本身缺陷帶來(lái)的不精準(zhǔn)性。另外，聚類(lèi)評(píng)價(jià)可移植性好，不僅可以評(píng)價(jià)絕對(duì)指標(biāo)、相對(duì)指標(biāo)，而且在事故數(shù)據(jù)資料可獲取的前提下還可替換成其它評(píng)價(jià)指標(biāo)體系。聚類(lèi)因子法[9]是基于對(duì)事故多發(fā)點(diǎn)進(jìn)行逐類(lèi)分析的考慮。以往的分析方法在尋找某條道路事故多發(fā)點(diǎn)的成因時(shí)，需要對(duì)事故多發(fā)點(diǎn)進(jìn)行逐個(gè)分析，過(guò)程較繁瑣，而聚類(lèi)因子法可以同時(shí)找出某些具有相似特性的事故多發(fā)點(diǎn)的形成原因，從而可以大大提高交通管理部門(mén)的工作效率。

1 基于聚類(lèi)分析的事故黑點(diǎn)鑒別及成因分析

將聚類(lèi)思想應(yīng)用于整個(gè)鑒別及成因分析過(guò)程，可為交通事故黑點(diǎn)排查和整治提供新思路，尤其在資金不足情況下，可以?xún)?yōu)先改善事故黑點(diǎn)?；疑垲?lèi)評(píng)價(jià)法(步驟1～5)將評(píng)價(jià)路段單元分為事故黑點(diǎn)、事故次黑點(diǎn)(一般路段)及正常路段進(jìn)行事故黑點(diǎn)鑒別，聚類(lèi)因子法(步驟6～7)將道路幾何條件、交通條件、環(huán)境特性屬性相似的事故黑點(diǎn)聚為一類(lèi)進(jìn)行事故成因分析[10-11]，這有助于更好地挖掘事故成因內(nèi)在機(jī)理?；诰垲?lèi)分析的事故黑點(diǎn)鑒別及成因分析過(guò)程具體實(shí)施步驟如下。

步驟1：明確聚類(lèi)對(duì)象n，評(píng)價(jià)指標(biāo)m以及灰類(lèi)數(shù)s。

評(píng)價(jià)時(shí)，將某條道路劃分成等長(zhǎng)的n段小單元(通常以0.5～3 km為單位)，即聚類(lèi)對(duì)象個(gè)數(shù)為n，代表被劃分道路的n段。評(píng)價(jià)指標(biāo)可以選定為交通事故的4項(xiàng)絕對(duì)指標(biāo)(事故次數(shù)、受傷人數(shù)、死亡人數(shù)、經(jīng)濟(jì)財(cái)產(chǎn)損失)，也可以選取相對(duì)指標(biāo)(億車(chē)公里事故數(shù)、億車(chē)公里受傷人數(shù)、億車(chē)公里死亡人數(shù))?；疑垲?lèi)評(píng)價(jià)法的評(píng)價(jià)等級(jí)s擬定3個(gè)灰類(lèi)，即s=3，分別為正常路段、一般路段(事故次黑點(diǎn))、事故黑點(diǎn)。

步驟2：將評(píng)價(jià)指標(biāo)進(jìn)行無(wú)量綱處理，確定灰類(lèi)特征值。

(1)

式中：dij為聚類(lèi)對(duì)象i事故評(píng)價(jià)指標(biāo)j無(wú)量綱化處理后的值，i=1,2,…,n，j=1,2,…,m。

步驟3：確定評(píng)價(jià)指標(biāo)灰類(lèi)的白化權(quán)函數(shù)。

評(píng)價(jià)指標(biāo)灰類(lèi)分別屬正常路段、一般路段、事故黑點(diǎn)的白化權(quán)函數(shù)，如圖1、公式(2)～(4)所示。

圖1 不同灰類(lèi)所屬白化權(quán)函數(shù)

(2)

(3)

(4)

步驟4：確定不同灰類(lèi)的聚類(lèi)權(quán)值系數(shù)。

(5)

步驟5：求各分段單元關(guān)于每種灰類(lèi)的聚類(lèi)值，從而鑒別事故黑點(diǎn)。

(6)

步驟6：選出m個(gè)影響因素來(lái)描述交通事故黑點(diǎn)的交通環(huán)境特性，選取事故黑點(diǎn)各影響因素的特征取值后，采用系統(tǒng)聚類(lèi)方法對(duì)事故黑點(diǎn)進(jìn)行歸類(lèi)。令第i個(gè)事故黑點(diǎn)X(i)(i=1,…,N)的第t(t=1,…,m)個(gè)影響因素的特征值為(δi(t,1),δi(t,2),…,δi(t,rt))，其中：

以“歐氏距離”dij定義2個(gè)事故黑點(diǎn)X(i)和X(j)間的距離：

(7)

式中：rt為第t個(gè)影響因素的個(gè)數(shù)。

(8)

(9)

2 實(shí)例分析

2.1 數(shù)據(jù)來(lái)源

本文分析數(shù)據(jù)均來(lái)源于吉林省交通廳科技項(xiàng)目“寒冷地區(qū)高速公路交通安全評(píng)估與提升技術(shù)研究”中京哈高速公路長(zhǎng)春至扶余段(簡(jiǎn)稱(chēng)長(zhǎng)余高速公路)。本文收集到了長(zhǎng)余高速公路K993+484～K1137+000段的幾何線(xiàn)形、年平均日交通量及2010—2012年發(fā)生的交通事故數(shù)據(jù)。經(jīng)統(tǒng)計(jì)，2010—2012年長(zhǎng)余高速公路共發(fā)生交通事故151起，死亡人數(shù)70人，受傷人數(shù)182人(不含路政數(shù)據(jù))。2010—2012年長(zhǎng)余高速公路事故點(diǎn)分布如圖1所示。由圖1可以看出，事故點(diǎn)很多，高速公路管理局的有效記錄并不完全。本文應(yīng)用灰色聚類(lèi)評(píng)價(jià)法鑒別長(zhǎng)余高速公路的事故黑點(diǎn)，并得到優(yōu)先改善事故黑點(diǎn)的排序。

圖1 2010—2012年長(zhǎng)余高速公路事故分布示意

2.2 長(zhǎng)余高速公路事故黑點(diǎn)鑒別

1) 劃分路段單元及事故指標(biāo)的無(wú)量綱化。

以1 km為單位進(jìn)行路段單元?jiǎng)澐郑捎媒煌ㄊ鹿实?項(xiàng)絕對(duì)指標(biāo)(交通事故的發(fā)生次數(shù)、死亡人數(shù)、受傷人數(shù)以及直接經(jīng)濟(jì)損失)為評(píng)價(jià)指標(biāo)，4項(xiàng)絕對(duì)指標(biāo)是異量綱的且直接經(jīng)濟(jì)損失與交通事故的發(fā)生次數(shù)、死亡人數(shù)及受傷人數(shù)的數(shù)值差異較大，因此有必要對(duì)指標(biāo)數(shù)據(jù)進(jìn)行無(wú)量綱化處理。

2) 確定4項(xiàng)絕對(duì)指標(biāo)屬于不同灰類(lèi)的白化權(quán)函數(shù)。

將長(zhǎng)余高速公路灰色聚類(lèi)評(píng)價(jià)等級(jí)分為3個(gè)灰類(lèi)，分別為正常路段、一般路段(事故次黑點(diǎn))、事故黑點(diǎn)。將4項(xiàng)絕對(duì)指標(biāo)的實(shí)際數(shù)據(jù)進(jìn)行無(wú)量綱化處理后分析數(shù)據(jù)的累計(jì)百分頻率，并選取30%、50%、70%累計(jì)百分頻率特征點(diǎn)來(lái)確定正常、一般路段、事故黑點(diǎn)。

以事故次數(shù)指標(biāo)為例，對(duì)事故次數(shù)指標(biāo)分別屬于3個(gè)不同灰類(lèi)特征值的計(jì)算過(guò)程進(jìn)行闡述。首先繪制其累計(jì)頻率曲線(xiàn)并求出特征值，然后觀察事故次數(shù)指標(biāo)數(shù)據(jù)，總結(jié)事故次數(shù)的分布特征呈反J型分布。以0.1為組距進(jìn)行分組，根據(jù)擬合累計(jì)百分頻率曲線(xiàn)來(lái)確定特征點(diǎn)值，分別對(duì)應(yīng)事故黑點(diǎn)、一般路段、正常路段，同理可計(jì)算其余指標(biāo)特征值。

3) 確定4項(xiàng)絕對(duì)指標(biāo)屬于不同灰類(lèi)時(shí)的聚類(lèi)系數(shù)。

由公式(6)可計(jì)算得到各灰類(lèi)的聚類(lèi)系數(shù)：

4) 確定各路段評(píng)價(jià)單元所屬灰類(lèi)。

以分段單元i=1為例，計(jì)算路段單元1分別屬于不同灰類(lèi)時(shí)的聚類(lèi)值，進(jìn)而確定路段單元1所屬灰類(lèi)。由公式(7)可知，當(dāng)i=1時(shí)，則有

5) 長(zhǎng)余高速公路事故黑點(diǎn)鑒別結(jié)果。

本文對(duì)長(zhǎng)余高速公路事故黑點(diǎn)鑒別結(jié)果進(jìn)行了整理，并依據(jù)交通事故的發(fā)生機(jī)理，將處于相鄰路段的事故多發(fā)點(diǎn)進(jìn)行合并，如表1所示。

2.3 長(zhǎng)余高速公路聚類(lèi)因子成因分析

根據(jù)高速公路管理局2010—2012年長(zhǎng)余高速公路的交通事故數(shù)據(jù)以及現(xiàn)場(chǎng)勘查資料，選取長(zhǎng)余高速公路事故黑點(diǎn)的道路線(xiàn)形、坡度、橫向干擾、照明條件、路表情況、安全設(shè)施設(shè)置、能見(jiàn)度、事故類(lèi)型比例8個(gè)影響因素來(lái)描述事故黑點(diǎn)的交通環(huán)境特性。其中，能見(jiàn)度這一影響因素是反映大氣透明度的一個(gè)指標(biāo)，當(dāng)出現(xiàn)雨、霧、霾、沙塵暴等天氣時(shí)能見(jiàn)度較差。而夜間能見(jiàn)度則是把夜間的總照明情況假設(shè)調(diào)至白天水平，可以辨認(rèn)適當(dāng)大小物體的最大水平距離，因而能見(jiàn)度和照明條件這2項(xiàng)影響因素并不互相沖突。對(duì)描述事故黑點(diǎn)的8個(gè)影響因素分別取特征值，進(jìn)而確定各事故黑點(diǎn)的屬性，對(duì)于屬性分項(xiàng)“是”的取值為1，“否”的取值為0。對(duì)表1中20個(gè)事故黑點(diǎn)按上下行順序重新編號(hào)，根據(jù)公式7計(jì)算事故黑點(diǎn)間的歐式距離，并對(duì)20個(gè)事故黑點(diǎn)進(jìn)行聚類(lèi)，聚類(lèi)譜系如圖2所示。

表1 事故黑點(diǎn)鑒別結(jié)果一覽

圖2 長(zhǎng)余高速公路事故黑點(diǎn)聚類(lèi)譜系示意

聚類(lèi)后將20個(gè)事故黑點(diǎn)歸并為3類(lèi)，即第1類(lèi)事故黑點(diǎn)集合C1={1,2,3,4,5,9,13,15,16,18,20}，第2類(lèi)事故黑點(diǎn)集合C2={17}，第3類(lèi)事故黑點(diǎn)集合C3={6,7,8,10,11,12,15,19}。 首先分析C1的成因，根據(jù)長(zhǎng)余高速公路2010—2012年事故數(shù)據(jù)中所記錄的事故認(rèn)定原因，找出能夠涵蓋第1類(lèi)事故黑點(diǎn)的事故成因。經(jīng)統(tǒng)計(jì)，共找出6類(lèi)主要成因及每種成因引發(fā)的事故次數(shù)，如表2所示。

選取公共因子的個(gè)數(shù)為h，滿(mǎn)足(λ1+λ2+…λh)/p≥0.70的最小正整數(shù)為2，公共因子特征值及其相應(yīng)的特征向量計(jì)算可得公共因子載荷矩陣，如表3所示。

表2 長(zhǎng)余高速公路第1類(lèi)事故黑點(diǎn)各成因引發(fā)事故次數(shù)

由表3可知，長(zhǎng)余高速公路第1類(lèi)事故黑點(diǎn)的主要成因?yàn)槌?0%以下及有妨礙安全行車(chē)行為。同理，可分析其余2類(lèi)事故黑點(diǎn)成因。此外，根據(jù)圖2可知，編號(hào)17事故黑點(diǎn)自成一類(lèi)，即C2。單獨(dú)剖析其成因，發(fā)現(xiàn)該路段位于長(zhǎng)大下坡路段并伴隨著平曲線(xiàn)轉(zhuǎn)彎，而連續(xù)下坡加彎道會(huì)導(dǎo)致車(chē)輛長(zhǎng)時(shí)間承受側(cè)向力，可能致使車(chē)輛發(fā)生側(cè)翻和碰撞護(hù)欄事故。該路段處標(biāo)志標(biāo)線(xiàn)(包括出口預(yù)告標(biāo)志、限速標(biāo)志、入口合流標(biāo)志和渠化標(biāo)線(xiàn))基本合理，但在出口處道路外側(cè)有約70 m的路側(cè)護(hù)欄缺失，故補(bǔ)全護(hù)欄便可以提升該處道路安全等級(jí)。

2.4 結(jié)果分析

由上述鑒別和分析可知：

1) 灰色聚類(lèi)評(píng)價(jià)可以確定長(zhǎng)余高速公路各路段的優(yōu)先改善順序，即事故黑點(diǎn)>一般路段(事故次黑點(diǎn))>正常路段。實(shí)例分析表明長(zhǎng)余高速上行方向有11個(gè)事故黑點(diǎn)，下行方向有9個(gè)事故黑點(diǎn)。經(jīng)現(xiàn)場(chǎng)調(diào)查并與交通管理部門(mén)交流、溝通，逐一排查，最終確定長(zhǎng)余高速公路上行方向?qū)嶋H上有10個(gè)事故黑點(diǎn)，下行方向有8個(gè)事故黑點(diǎn)，可見(jiàn)灰色聚類(lèi)評(píng)價(jià)的實(shí)際應(yīng)用效果較好。

表3 主成分(公共因子)載荷矩陣

注：1、2代表公共因子。

2) 聚類(lèi)因子法是基于對(duì)事故黑點(diǎn)進(jìn)行逐類(lèi)分析的考慮，該方法可以同時(shí)找出某些具有相似特性的事故多發(fā)點(diǎn)的形成原因，并可以簡(jiǎn)化分析過(guò)程。根據(jù)實(shí)例中第1類(lèi)事故黑點(diǎn)的主要成因，對(duì)C1進(jìn)行現(xiàn)場(chǎng)勘查，如考察常規(guī)的限速標(biāo)志、震動(dòng)減速標(biāo)線(xiàn)、護(hù)欄、路面情況等，是否需要增設(shè)可變情報(bào)板等，以便能結(jié)合成因分析結(jié)果及現(xiàn)場(chǎng)勘查資料采取相應(yīng)的工程安全措施。

3) 基于聚類(lèi)分析的高速公路事故黑點(diǎn)鑒別及成因分析是將聚類(lèi)思想應(yīng)用于事故黑點(diǎn)鑒別及成因分析的全過(guò)程，并應(yīng)用實(shí)際統(tǒng)計(jì)的歷史事故數(shù)據(jù)進(jìn)行層層聚類(lèi)分析，以得到事故黑點(diǎn)的改善排序及成因分類(lèi)分析。本文依托長(zhǎng)余高速公路事故數(shù)據(jù)進(jìn)行實(shí)例分析應(yīng)用，結(jié)果基本符合項(xiàng)目實(shí)際情況，從而使交通管理部門(mén)能夠有層次地分類(lèi)采取相應(yīng)的交通安全改善措施，也可對(duì)不同事故黑點(diǎn)進(jìn)行分級(jí)管理，簡(jiǎn)化管理程序并提高效率。

3 結(jié)束語(yǔ)

本文提出將事故黑點(diǎn)鑒別及成因分析作為一個(gè)整體，將聚類(lèi)思想應(yīng)用于整個(gè)分析過(guò)程，以實(shí)現(xiàn)對(duì)不同層次事故黑點(diǎn)的分級(jí)管理，提高交通管理部門(mén)的工作效率。本文依托長(zhǎng)余高速公路的交通事故數(shù)據(jù)進(jìn)行了實(shí)例分析，采用灰色聚類(lèi)評(píng)價(jià)方法分析并確定長(zhǎng)余高速公路上行方向有11個(gè)事故黑點(diǎn)，下行方向有9個(gè)事故黑點(diǎn)，并采用聚類(lèi)因子法對(duì)20個(gè)事故黑點(diǎn)進(jìn)行了成因分析，且將事故黑點(diǎn)依據(jù)成因聚類(lèi)為3大類(lèi)。經(jīng)現(xiàn)場(chǎng)調(diào)查及與交通管理部門(mén)的交流、溝通，逐一排查，最終確定長(zhǎng)余高速公路上行方向?qū)嶋H上有10個(gè)事故黑點(diǎn)，下行方向有8個(gè)事故黑點(diǎn)，且成因分析得到的結(jié)果基本與實(shí)際勘查情況相吻合，表明實(shí)際應(yīng)用中該方法具有較好的應(yīng)用效果。此外，本文實(shí)例分析是根據(jù)交通事故數(shù)據(jù)4項(xiàng)絕對(duì)指標(biāo)進(jìn)行的，在數(shù)據(jù)可獲取的前提下，可將其替換為相對(duì)指標(biāo)進(jìn)行分析，從而不僅可以提高鑒別精度，而且還能克服未考慮指標(biāo)關(guān)聯(lián)性的不足。

[1] 張殿業(yè)，方守恩.道路交通事故與黑點(diǎn)分析[M].北京：人民交通出版社，2005.

[2] MURAT Y S. An entropy (shannon) based traffic safety level determination approach for blackspots[J]. Procedia-Social and Behavioral Sciences，2011，20：786-795.

[3] GREGORIADES A，MOUSKOS K C. Black spots identification through a Bayesian Networks quantification of accident risk index[J].Transportation Research(Part C)：emerging technologies，2013，28：28-43.

[4] DE OA J，LóPEZ G，MUJALLI R，et al. Analysis of traffic accidents on rural highways using latent class clustering and bayesian networks[J]. Accident Analysis & Prevention， 2013，51：1-10.

[5] 孟祥海，盛洪飛，陳天恩.事故多發(fā)點(diǎn)鑒別本質(zhì)及基于BP神經(jīng)網(wǎng)絡(luò)的鑒別方法研究[J].公路交通科技，2008，25(3)：124-129.

[6] 王龍健，成嘉琪.累計(jì)頻率法鑒別道路事故多發(fā)點(diǎn)中單位取樣長(zhǎng)度的限定[J].公路與汽運(yùn)，2015(5): 36- 39.

[7] 王 海，李瑞敏.緩沖區(qū)分析方法在事故多發(fā)點(diǎn)鑒別的應(yīng)用研究[J].公路工程，2016，41(1)：103-107.

[8] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢：華中理工大學(xué)出版社，2005.

[9] 劉兆峰.公路交通事故多發(fā)點(diǎn)成因分析及技術(shù)對(duì)策研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2007.

[10]姚智勝，邵春福，龍德璐.基于粗糙集理論的路段交通事故多發(fā)點(diǎn)成因分析[J].中國(guó)安全科學(xué)學(xué)報(bào)，2005，15(12)：107-101.

[11]陳松靈，陳 飛.基于系統(tǒng)論的道路事故多點(diǎn)成因分析[J].交通與安全，2008，3(1)：97-100.

[12]過(guò)秀成，盛玉剛.公路交通事故黑點(diǎn)分析技術(shù)[M].南京：東南大學(xué)出版社，2009.

[13]孫連超，邵毅明，顏雪麗，等.基于TCT的公路交通事故黑點(diǎn)鑒別方法研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，31(1)：63-67.

Highway Black Spot Verification and Cause Analysis Based on Cluster Analysis

WANG Jian, LU Xifeng

In order to improve objectiveness, fairness and verification level of accident black spots, this paper suggests accident black spot verification method based on grey cluster analysis, with which, we can verify inducing factors for accident black spots. This method is the full process that applies cluster idea in accident black spots verification and cause analysis, it may realize grade management to different levels of accident black spots. In experience, we classify evaluated road segment into normal road, general road and accident black spot, so in accident cause analysis, we credit accident black spots with similar geological conditions, traffic conditions and ambient conditions into one category. We use traffic accident data from Changchun-Fuyu Highway for case analysis, we determine accident black spots numbers bidirectional and carry out cause analysis, and compare the accident black spots based on cluster analysis and their theoretical cause with actual accident black spots and cause. Results show that the accident black spots based on cluster analysis and their theoretical cause match with actual accident black spots, it is reliable to foresee accident black spots with cluster analysis.

Traffic safety; accident black spot; black spot verification; cause analysis; cluster analysis

10.13607/j.cnki.gljt.2016.05.026

吉林省交通廳科技項(xiàng)目(MJ20120006)

2016-04-26

王 健(1974-)，男，安徽省碭山縣人，博士，教授。

1009-6477(2016)05-0114-06

U412.36+6

A