學(xué)區(qū)尺度下小學(xué)生通學(xué)事故風(fēng)險(xiǎn)評(píng)估及影響因素

戢曉峰，張琪

(昆明理工大學(xué)，交通工程學(xué)院，昆明650504)

0 引言

通學(xué)出行在城市出行活動(dòng)中占據(jù)越來越重要的地位，使通學(xué)問題成為研究熱點(diǎn)[1]。通學(xué)相關(guān)研究主要集中于通學(xué)模式、通學(xué)行為分析，如Smith[2]指出步行校車既能緩解城市交通擁堵，又能促進(jìn)孩子的身體健康，提升安全意識(shí)。張蕊等[3]以兒童通學(xué)調(diào)查問卷為基礎(chǔ)，基于結(jié)構(gòu)方程構(gòu)建以家庭為單位的兒童通學(xué)模型。Jorge 等[4]利用克里格回歸法分析通學(xué)距離與通學(xué)方式的關(guān)系，指出歐氏距離和步行距離是決定步行通學(xué)的最佳預(yù)測(cè)因子。

隨著通學(xué)研究的不斷深入，通學(xué)安全開始受到重視。Huertas 等[5]基于西班牙兒童活躍通學(xué)問卷調(diào)查數(shù)據(jù)分析得到，通學(xué)交通安全是影響兒童活躍通學(xué)的主要因素。Roya 等[6]以通學(xué)調(diào)查問卷為基礎(chǔ)數(shù)據(jù)指出，通學(xué)安全性較差會(huì)致使父母使用小汽車接送兒童上下學(xué)。Haruhiko 等[7]基于日本47 個(gè)縣的兒童參與交通事故數(shù)據(jù)發(fā)現(xiàn)，兒童通學(xué)事故中死亡和重傷人數(shù)在不同地區(qū)有較大差異。Sun等[8]基于兒童通學(xué)出行問卷數(shù)據(jù)，基于二元Logistic 回歸模型得到安全感知對(duì)兒童活躍通學(xué)具有積極影響。Rahman 等[9]對(duì)學(xué)校周邊通學(xué)區(qū)域進(jìn)行微觀交通仿真發(fā)現(xiàn)，降低車速和減少車道數(shù)能顯著降低學(xué)校區(qū)域事故風(fēng)險(xiǎn)。

通學(xué)安全逐步成為通學(xué)領(lǐng)域的研究熱點(diǎn)，現(xiàn)有研究大多使用問卷調(diào)查數(shù)據(jù)或?qū)嵉赜^測(cè)學(xué)校區(qū)域數(shù)據(jù)對(duì)通學(xué)安全進(jìn)行評(píng)估，基于城市交通系統(tǒng)大數(shù)據(jù)的實(shí)證研究較為鮮見。我國大多城市為兒童能更好接受公共教育，教育管理部門根據(jù)實(shí)際需要，在一定的地理空間范圍內(nèi)打破行政區(qū)劃界線劃分了學(xué)區(qū)，故急需開展學(xué)區(qū)尺度下通學(xué)安全研究。基于此，本文采集學(xué)區(qū)尺度下的城市交通事故數(shù)據(jù)和道路運(yùn)行數(shù)據(jù)，構(gòu)建城市通學(xué)事故風(fēng)險(xiǎn)評(píng)估模型，進(jìn)一步分析其影響因素，以深圳市中心城區(qū)為例進(jìn)行實(shí)證分析，以期為交通安全與教育管理部門開展通學(xué)安全管理提供理論依據(jù)。

1 評(píng)估指標(biāo)體系構(gòu)建

1.1 通學(xué)事故風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

通學(xué)事故風(fēng)險(xiǎn)一方面與通學(xué)環(huán)境中的危險(xiǎn)程度有關(guān)，另一方面與小學(xué)生在危險(xiǎn)環(huán)境中的時(shí)長(zhǎng)相關(guān)[10]。衡量通學(xué)環(huán)境危險(xiǎn)程度時(shí)，選取交通事故數(shù)、死亡人數(shù)、受傷人數(shù)、事故財(cái)產(chǎn)損失、道路長(zhǎng)度等5個(gè)因素為評(píng)價(jià)指標(biāo)[10]。通學(xué)個(gè)體在危險(xiǎn)環(huán)境中時(shí)長(zhǎng)由通學(xué)距離與運(yùn)行速度共同決定。相關(guān)評(píng)價(jià)指標(biāo)及定義如表1所示。

1.2 通學(xué)事故風(fēng)險(xiǎn)影響因素

為探究影響學(xué)區(qū)尺度下通學(xué)事故風(fēng)險(xiǎn)的關(guān)鍵因素，結(jié)合既有研究[11]和本文研究目標(biāo)，以學(xué)區(qū)為基本研究單元，選取學(xué)區(qū)劃分面積、小區(qū)密度、小學(xué)密度、高等級(jí)道路密度、遠(yuǎn)距離通學(xué)小區(qū)比例、學(xué)區(qū)距城中心距離6個(gè)因素，采用隨機(jī)森林模型探究其對(duì)通學(xué)事故風(fēng)險(xiǎn)的影響。各類變量的定義如表2所示。

表1 通學(xué)事故風(fēng)險(xiǎn)評(píng)估指標(biāo)體系Table 1 School commuting accident risk evaluation index system

表2 通學(xué)事故風(fēng)險(xiǎn)影響因素指標(biāo)體系Table 2 Index system of influencing factors of school commuting accident risk

2 通學(xué)事故風(fēng)險(xiǎn)評(píng)估模型構(gòu)建

2.1 通學(xué)事故風(fēng)險(xiǎn)評(píng)估模型

為實(shí)現(xiàn)學(xué)區(qū)尺度下通學(xué)事故風(fēng)險(xiǎn)評(píng)估，綜合考慮通學(xué)環(huán)境中事故發(fā)生可能性及事故嚴(yán)重程度。以通學(xué)路徑上發(fā)生的交通事故數(shù)、嚴(yán)重程度及道路長(zhǎng)度綜合度量道路暴露度，即

式中：Ei為研究區(qū)域內(nèi)i類等級(jí)道路的暴露度，將深圳市中心城區(qū)道路分為快速路、主干道、次干道、支路4類；Ui為i類等級(jí)城市道路研究時(shí)間內(nèi)交通事故發(fā)生總次數(shù)；Ii為事故死亡人數(shù)；Ri為事故受傷人數(shù)；Gi事故財(cái)產(chǎn)損失(萬元)；Li為i類等級(jí)城市道路長(zhǎng)度(km)；α為死亡事故權(quán)重；γ為受傷事故權(quán)重；β為財(cái)產(chǎn)損失權(quán)重。借鑒既有研究[12]對(duì)權(quán)重α、γ、β進(jìn)行選取，設(shè)定α=2.0 ，γ=1.5 ，β=1.0。

將小學(xué)生在不同道路環(huán)境中的暴露度與暴露時(shí)長(zhǎng)積分后求和得到小學(xué)生通學(xué)事故風(fēng)險(xiǎn)，將單一學(xué)區(qū)內(nèi)小學(xué)生通學(xué)事故風(fēng)險(xiǎn)取平均得到學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)，即

式中：Sm為學(xué)區(qū)m的通學(xué)事故風(fēng)險(xiǎn)值；ti為小學(xué)生使用小汽車在i類等級(jí)城市道路的通學(xué)暴露時(shí)長(zhǎng)(min)；qm為學(xué)區(qū)m內(nèi)部小區(qū)數(shù)量。

2.2 隨機(jī)森林模型

隨機(jī)森林(RF)模型通過bootstrap 重采樣技術(shù)從原訓(xùn)練樣本集中隨機(jī)抽取并生成訓(xùn)練樣本子集，根據(jù)訓(xùn)練樣本集生成多個(gè)決策樹并組成隨機(jī)森林。對(duì)于分類問題，結(jié)果由最多投票數(shù)獲得；對(duì)于回歸問題，結(jié)果由單個(gè)樹的預(yù)測(cè)平均值決定。樣本未被抽取的概率P為

式中：N為樣本的總數(shù)量。當(dāng)N→+∞時(shí)，樣本未被抽取的概率為

3 實(shí)證分析

3.1 研究對(duì)象及數(shù)據(jù)采集

3.1.1 研究區(qū)域

深圳市是全國性經(jīng)濟(jì)中心和國際化超大城市[13]。深圳市道路機(jī)動(dòng)車密度位列我國大中城市第一，全市日均交通事故數(shù)和日均死亡人數(shù)處于較高水平。本文以道路機(jī)動(dòng)車密度較高且交通事故頻發(fā)的深圳市中心城區(qū)為研究對(duì)象，研究區(qū)域包括南山區(qū)、福田區(qū)和羅湖區(qū)3個(gè)行政區(qū)。深圳市教育局將深圳市中心城區(qū)劃分為144 個(gè)學(xué)區(qū)，共包含173所小學(xué)，學(xué)區(qū)資源劃分如圖1所示。

圖1 深圳市中心城區(qū)學(xué)區(qū)及小學(xué)分布Fig.1 School divided district and primary school distribution in central city of Shenzhen

3.1.2 研究數(shù)據(jù)采集

為評(píng)估學(xué)區(qū)尺度下小學(xué)生通學(xué)事故風(fēng)險(xiǎn)并探究其影響因素，采集深圳市中心城區(qū)行政區(qū)劃數(shù)據(jù)，2016-2017年交通事故數(shù)據(jù)，學(xué)區(qū)劃分?jǐn)?shù)據(jù)，以及道路運(yùn)行數(shù)據(jù)。

(1)行政區(qū)劃數(shù)據(jù)。深圳市中心城區(qū)行政邊界、城市道路等數(shù)據(jù)來自于開源數(shù)據(jù)平臺(tái)OpenStreetMap。其中，城市道路包括快速路、主干道、次干道和支路。

(2)交通事故數(shù)據(jù)。采用深圳市2016-2017年交通事故數(shù)據(jù)，共計(jì)15966 條，包括簡(jiǎn)易事故程序和非簡(jiǎn)易事故程序，交通事故記錄中包括死亡人數(shù)、受傷人數(shù)、財(cái)產(chǎn)損失，以及事故的經(jīng)緯度。

(3)學(xué)區(qū)劃分?jǐn)?shù)據(jù)。利用Python編程在深圳市政府?dāng)?shù)據(jù)開發(fā)平臺(tái)中獲取學(xué)區(qū)劃分?jǐn)?shù)據(jù)，深圳市中心城區(qū)學(xué)區(qū)平均面積為1.77 km2，最大學(xué)區(qū)面積為25.5 km2，最小學(xué)區(qū)面積為0.11 km2。

(4)道路運(yùn)行數(shù)據(jù)。以出租車在中心城區(qū)道路上的平均運(yùn)行速度作為道路實(shí)際運(yùn)行速度，該數(shù)據(jù)每5 min更新一次，采集時(shí)長(zhǎng)共4 h。采集時(shí)段為上午7:00-9:00，下午16:00-18:00，共采集90118 條道路運(yùn)行狀態(tài)數(shù)據(jù)，涵蓋深圳市中心城區(qū)所有道路。

3.2 通學(xué)事故風(fēng)險(xiǎn)評(píng)估結(jié)果

為獲取深圳市不同等級(jí)道路的道路暴露度，將事故數(shù)據(jù)和道路數(shù)據(jù)進(jìn)行空間匹配，獲取各級(jí)道路在研究時(shí)段內(nèi)發(fā)生的交通事故。根據(jù)式(2)計(jì)算得到不同等級(jí)的城市道路暴露度，如表3所示。由表可知，深圳市中心城區(qū)道路暴露度的大小依次為城市快速路、主干道、次干道和支路。

利用ArcGIS 構(gòu)建基于城市道路的網(wǎng)絡(luò)數(shù)據(jù)集，得到基于小學(xué)生通學(xué)的OD 成本矩陣，以小學(xué)生在學(xué)區(qū)內(nèi)部小學(xué)通學(xué)為原則，篩選得到學(xué)區(qū)尺度的通學(xué)路徑。分析深圳市中心城區(qū)道路運(yùn)行狀態(tài)數(shù)據(jù)，得到上、下學(xué)通學(xué)路徑運(yùn)行速度相差并未超過5 km·h-1，故將上、下學(xué)路徑運(yùn)行速度取平均作為道路運(yùn)行速度。根據(jù)道路狀態(tài)運(yùn)行速度與通學(xué)路徑匹配獲得通學(xué)時(shí)間，以各等級(jí)道路暴露度與小學(xué)生在該等級(jí)道路通學(xué)時(shí)間積分求和得到小學(xué)生通學(xué)事故風(fēng)險(xiǎn)。將學(xué)區(qū)內(nèi)所有小學(xué)生暴露風(fēng)險(xiǎn)取平均值得到學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)。

表3 不同等級(jí)城市道路暴露度Table 3 Different grades of urban road exposure

以學(xué)區(qū)為通學(xué)事故風(fēng)險(xiǎn)評(píng)估的基本空間單元，按自然間斷點(diǎn)法將深圳市中心城區(qū)通學(xué)事故風(fēng)險(xiǎn)劃分為4類，如圖2所示。

圖2 深圳市中心城區(qū)學(xué)區(qū)劃分通學(xué)風(fēng)險(xiǎn)Fig.2 Central city school district zoning school commuting accident risk in Shenzhen

由圖2可得：高暴露風(fēng)險(xiǎn)學(xué)區(qū)9個(gè)，占比6.3%，主要聚集于南山區(qū)北部和羅湖區(qū)北部；較高暴露風(fēng)險(xiǎn)學(xué)區(qū)31個(gè)，占比21.5%；較低暴露風(fēng)險(xiǎn)學(xué)區(qū)41個(gè)，占比28.5%；低暴露風(fēng)險(xiǎn)學(xué)區(qū)63個(gè)，占比43.7%。南山區(qū)中南部和福田中部學(xué)區(qū)通學(xué)安全性最高。

3.3 通學(xué)事故風(fēng)險(xiǎn)影響因素

本文基于深圳市中心城區(qū)144 個(gè)學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)樣本數(shù)據(jù)，以學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)為因變量，以小學(xué)密度、學(xué)區(qū)面積、小區(qū)密度、遠(yuǎn)距離小區(qū)比例、高等級(jí)道路密度和距城中心距離等影響因素為解釋變量，運(yùn)用隨機(jī)森林模型分析解釋變量對(duì)學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)的影響。按3∶7 劃分測(cè)試集和訓(xùn)練集進(jìn)行模型預(yù)測(cè)，得到預(yù)測(cè)模型準(zhǔn)確率為85.9%，模型預(yù)測(cè)精度較高，說明隨機(jī)森林回歸方法能較好解釋自變量對(duì)學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)的影響，預(yù)測(cè)結(jié)果如圖3所示。

為探究解釋變量對(duì)學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)的具體影響，根據(jù)隨機(jī)森林分類算法得到學(xué)區(qū)暴露風(fēng)險(xiǎn)的影響因子重要度排序，如圖4所示。

圖3 隨機(jī)森林回歸模型預(yù)測(cè)精度Fig.3 Prediction accuracy of regression model random forests

圖4 學(xué)區(qū)暴露風(fēng)險(xiǎn)影響因素重要度排序Fig.4 Ranking of school divided district exposure risk influencing factors in importance

由圖4可得，小學(xué)密度、學(xué)區(qū)面積、小區(qū)密度、遠(yuǎn)距離小區(qū)比例、高等級(jí)道路密度和距城中心距離分別能解釋37.15%、22.86%、17.01%、10.50%、6.29%、6.21%的學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)。小學(xué)密度和學(xué)區(qū)面積對(duì)暴露風(fēng)險(xiǎn)的影響程度最高，距城中心距離的重要性最低。

為獲取學(xué)區(qū)尺度下通學(xué)事故風(fēng)險(xiǎn)影響因素，進(jìn)一步對(duì)各因素進(jìn)行分析：

(1)小學(xué)密度是影響通學(xué)事故風(fēng)險(xiǎn)的主要因素。學(xué)區(qū)內(nèi)部小學(xué)密度較大，小學(xué)生可以在學(xué)區(qū)內(nèi)部所有學(xué)校入學(xué)，而非距離最近的學(xué)校，導(dǎo)致通學(xué)距離增加，進(jìn)而增加暴露時(shí)長(zhǎng)影響通學(xué)事故風(fēng)險(xiǎn)。

(2)學(xué)區(qū)面積是影響通學(xué)事故風(fēng)險(xiǎn)的重要因素。學(xué)區(qū)面積較大使小學(xué)生通學(xué)時(shí)長(zhǎng)和使用高等級(jí)道路的可能性增加，進(jìn)而增加通學(xué)事故風(fēng)險(xiǎn)。

(3)住宅小區(qū)密度是影響通學(xué)事故風(fēng)險(xiǎn)的顯著因素。由于通學(xué)出行的時(shí)間高度聚集性，小區(qū)密度較大使短時(shí)間內(nèi)在通學(xué)路徑上聚集通學(xué)車輛，導(dǎo)致通學(xué)路徑產(chǎn)生擁堵，影響小學(xué)生暴露在危險(xiǎn)環(huán)境中的時(shí)間，增加通學(xué)事故風(fēng)險(xiǎn)。

(4)遠(yuǎn)距離通學(xué)小區(qū)比例是影響通學(xué)事故風(fēng)險(xiǎn)的相關(guān)影響因素。遠(yuǎn)距離通學(xué)小區(qū)所占比例越大，長(zhǎng)時(shí)間通學(xué)出行的小學(xué)生比例越大，學(xué)區(qū)平均通學(xué)事故風(fēng)險(xiǎn)也隨之增加。

(5)高等級(jí)道路占比是影響通學(xué)事故風(fēng)險(xiǎn)的因素之一。高等級(jí)道路適用于中長(zhǎng)距離的通學(xué)出行，基于學(xué)區(qū)劃分的通學(xué)出行大大減少了中長(zhǎng)距離的通學(xué)出行比例，即使學(xué)區(qū)內(nèi)部高等級(jí)道路占比較大，使用其通學(xué)的小學(xué)生仍較少，故高等級(jí)道路占比對(duì)通學(xué)事故風(fēng)險(xiǎn)存在較小影響。

(6)距城中心距離對(duì)通學(xué)事故風(fēng)險(xiǎn)的影響最低。由于小學(xué)生通學(xué)存在學(xué)區(qū)劃分，小學(xué)生在通學(xué)出行中的范圍均在學(xué)區(qū)內(nèi)部，與城市中心未產(chǎn)生通學(xué)出行聯(lián)系，故學(xué)區(qū)所處位置對(duì)通學(xué)事故風(fēng)險(xiǎn)的影響并不顯著。

3.4 通學(xué)安全管理啟示

為提升學(xué)區(qū)尺度下小學(xué)生通學(xué)安全保障水平，根據(jù)上述研究結(jié)論得到考慮學(xué)區(qū)劃分的通學(xué)安全管理啟示為：盡量按照“一學(xué)區(qū)一校”原則對(duì)學(xué)區(qū)進(jìn)行劃分，并適當(dāng)減少劃分學(xué)區(qū)內(nèi)部的小學(xué)數(shù)量；學(xué)區(qū)面積作為通學(xué)事故風(fēng)險(xiǎn)的重要影響因素，應(yīng)嚴(yán)格控制其規(guī)模大??；在小區(qū)密度較大的區(qū)域應(yīng)增加學(xué)區(qū)數(shù)量，合理分配單個(gè)學(xué)區(qū)內(nèi)部的小區(qū)密度；應(yīng)適當(dāng)考慮遠(yuǎn)距離小區(qū)的占比，以實(shí)現(xiàn)學(xué)區(qū)的合理劃分。

4 結(jié)論

本文考慮學(xué)區(qū)尺度下城市通學(xué)安全問題，采集城市全樣本交通事故數(shù)據(jù)和道路交通狀態(tài)數(shù)據(jù)，構(gòu)建學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)評(píng)估模型，以深圳市中心城區(qū)為例，對(duì)學(xué)區(qū)尺度下的通學(xué)事故風(fēng)險(xiǎn)進(jìn)行評(píng)估，并結(jié)合隨機(jī)森林模型定量分析通學(xué)事故風(fēng)險(xiǎn)的影響因素。結(jié)果表明：

(1)基于交通事故和道路長(zhǎng)度構(gòu)建城市道路暴露度評(píng)估方法，揭示了深圳市中心城區(qū)道路暴露度隨道路等級(jí)降低而減小。

(2)小學(xué)密度和學(xué)區(qū)面積為學(xué)區(qū)通學(xué)事故風(fēng)險(xiǎn)的主要影響因素，分別能解釋37.15%和22.86%學(xué)區(qū)暴露風(fēng)險(xiǎn)值。距城中心距離對(duì)暴露風(fēng)險(xiǎn)的影響最小，解釋率僅為6.21%。