密集路網中城市主干路中觀安全分析模型

李 佳，王雪松

(1. 北京工業(yè)大學 北京市交通工程重點實驗室，北京 100124； 2. 同濟大學 道路與交通工程教育部重點實驗室，上海 201804)

0 引 言

作為城市道路網絡骨架，城市主干路連接城市的不同區(qū)域。城市主干路車道數多，交通流量大，交通方式多樣，事故數多。在傳統(tǒng)安全分析模型中，交叉口定義為交叉口中心到停車線間區(qū)域及上游安全影響區(qū)[1-3]，路段定義為相鄰交叉口中間的部分[4-5]。安全分析模型以事故數為因變量，以道路設計、交通特性、控制參數等為自變量，分析事故的影響因素。由于傳統(tǒng)安全分析模型在微觀層面建立，往往將路網中相鄰的交叉口和路段分解為兩類獨立的研究單元分別進行研究。然而，城市主干路交叉口間距短(上海僅為300 m[1])，交叉口與路段運行狀況相互影響[3]，難以將交叉口和路段的事故分開。

交叉口間距是交通事故的重要影響因素，如圖1。圖1中：D6為交叉口間距，即相鄰交叉口幾何中心之間的距離；D1和D3分別為交叉口A和B內部的距離；D2和D4分別為交叉口A和B的安全影響區(qū)；D5為道路減去交叉口內部及安全影響區(qū)后的路段。

以路段為分析單元，交叉口間距被粗略等同于路段長度。研究發(fā)現，路段長度越長，交通暴露量越大，事故數越多[4，6]；相反地，也有研究發(fā)現，路段長度越短，相鄰交叉口間路段上車道變化及交通沖突越多，事故數越多[7]。以交叉口為分析單元，研究發(fā)現，交叉口間距越短，交叉口影響區(qū)內的車道變化及交通沖突越多，事故數越多[1,8-9]。由此可知，交叉口間距D6對路段D5和交叉口(D1及D2，D4及D5)的事故均有影響，但傳統(tǒng)模型針對路段及交叉口事故分別進行分析，僅能估計交叉口間距對主干路的部分安全影響，無法分析交叉口間距對道路上整體事故的影響。

傳統(tǒng)安全分析模型的另一個問題是無法考慮道路兩側路網形態(tài)對道路事故的影響。主干路兩側路網特征影響出行者出行方式及路徑選擇，對主干路交通流和運行特征產生影響，因而也是交通安全的重要影響因素[10]。近年來有研究提出將交通分析小區(qū)(traffic analysis zone, TAZ)[11-12]或鄰近社區(qū)[13]等區(qū)域作為研究單元，分析區(qū)域內的整體事故，并將該建模方法稱為宏觀安全分析模型，這種方法可以用來分析路網形態(tài)對區(qū)域內事故的影響。S. RIFAAT等[13]以社區(qū)為研究單元，發(fā)現環(huán)繞平行路網和環(huán)形放射路網比傳統(tǒng)方格路網更安全。為了通過定量的方法描述路網形態(tài)，有研究采用介度中心度描述路網中心性[14]。X. S. WANG等[11]將TAZ作為研究單元，采用介度中心度將路網劃分為不同形態(tài)，發(fā)現由于方格路網中與主干路平行的次路多，可以分擔主路交通量，且進出交通少，主干路事故少。而另一個研究發(fā)現，由于主干路主要承擔過境交通，主干路事故與所在路網形態(tài)不顯著相關[12]。宏觀安全分析模型可以分析路網形態(tài)對整個區(qū)域內事故的影響，但無法分析道路相鄰兩側路網形態(tài)對道路事故的影響。

考慮到微觀層面的傳統(tǒng)安全分析模型和宏觀安全分析模型的局限性，筆者提出了新的事故建模策略：沿主干路方向，將道路幾何設計特征與運行狀況相似的路段與其連接的信控交叉口組合為中觀研究單元；與主干路相交方向，提取道路兩側的路網特征。以中觀單元為分析對象，可以考慮交叉口與相鄰路段的相互影響，同時可以分析交叉口間距和道路兩側路網形態(tài)對主干路安全的影響。在統(tǒng)計模型方面，考慮到同一主干路的中觀單元具有空間相關性，模型中加入隨機效應[15-16]來解決這一相關性。

1 研究方法

中觀分析單元介于宏觀分析單元(例如TAZ、社區(qū))和微觀分析單元(路段、交叉口)之間，表1描述了不同層面安全分析建模對比。中觀建模方法如下：沿著城市主干路方向，以路段行駛速度和橫斷面設計特征為依據，將相鄰的路段和信控交叉口組合為中觀單元；與主干路垂直相交方向上，以每條主干路的平均路段長度定義中觀單元的鄰近路網范圍，并根據拓撲結構計算每個路網的介度中心度，劃分路網形態(tài)。以上海市市區(qū)城市主干路為例，具體介紹中觀單元劃分方法及道路相鄰兩側路網范圍的確定。

表1 不同層面事故建模對比Table 1 Comparison of accident modeling at different levels

1.1 主干路縱向交叉口及路段組合

利用地理信息系統(tǒng)(geographic information system, GIS)作為空間數據庫，選取上海市21條主干路，包括411個路段(相鄰兩個交叉口之間的道路)和411個信控交叉口。所有路段平均長度(相鄰交叉口停車線之間的距離)為353 m。

由圖2可知，路段長度大多分布在100～400 m。路段與交叉口間交通流相互影響較大，有必要將相鄰路段和交叉口組合為一個單元進行分析。

圖2 路段長度分布Fig. 2 Road segment length distribution

交叉口及路段組合步驟如下：

步驟1檢查主干路內各微觀路段中央分隔帶與機非分隔帶的布置是否一致，如不一致，將主干路在路段中央分隔帶和機非分隔帶設置發(fā)生變化時打斷。同時，考慮到如果在交叉口處將道路進行打斷，交叉口事故難以合理分配到兩側路段上，因而組合單元的起點和終點均為微觀路段中點，如圖3中觀單元B—C。

圖3 中觀單元示例Fig. 3 Example of a meso-level unit

步驟2繪制每條主干路路段速度分布圖，計算該主干路平均速度。圖4為某主干路路段速度曲線，共23個路段。圖4中：頂點表示每個路段的平均速度，整條主干路平均速度為35 km/h。速度的獲取及計算方法詳見數據準備部分(第2節(jié))。

圖4 長寧路逐路段行駛速度Fig. 4 Travel speed on each segment on Chang-Ning road

步驟3將高于主干路平均速度的相鄰路段組合在一起，低于平均速度的路段組合在一起。在圖4 中，該主干路于路段A和C打斷，從0—A，速度高于35 km/h；從A—C，速度低于35 km/h；C之后的路段由于波動頻率較高，先不進行劃分。

步驟4在速度突變點將道路打斷以減少同一組合單元內路段的速度差異。圖4中，速度突變點為B，D，E，該主干路被劃分為6個組合單元：0—A,A—B,B—C,C—D,D—E,E—終點。為了區(qū)分中觀路段與微觀路段，盡量保證一個中觀單元中包含兩個及以上的交叉口。

最終將21條主干路劃分為118個中觀單元，平均長度為1 230 m。

1.2 中觀單元兩側路網范圍

主干路兩側的路網形態(tài)影響主干路運行狀況及通達性，進一步影響主干路安全狀況?？紤]到主干路兩側與其相交道路的第一個路段直接影響主干路的交通運行狀況，兩側相交道路對主干路的影響隨著距主干路距離的增長而減小，因而筆者較保守地采用了平均路網間距作為路網范圍。經過計算，外環(huán)內路網的平均路網間距為353 m，因而假定：如果主干路的平均交叉口間距低于350 m，則該主干路路網兩側范圍分別采用350 m；如果平均交叉口間距高于350 m，則該主干路路網兩側范圍分別采用400 m。圖5中黑色邊框灰色填充的多邊形展示了每個中觀單元鄰近路網范圍，多邊形內的灰色線為實際道路路網。

圖5 中觀單元鄰近路網范圍Fig. 5 Range of road network adjacent to meso-level unitsRoadnetwork morphology and betweenness centrality

1.3 隨機效應負二項模型

為了解決事故數據的過度離散問題，筆者采用負二項模型分析總事故數[1]。來自同一主干路的中觀單元道路幾何設計和交通特征具有相似性，導致這些中觀單元空間相關，采用主干路層面的隨機效應來考慮這種相關性，此種方法已經在以往研究中多次使用[15-16]。隨機效應負二項模型如式(1)～式(2)：

yij～Negbin(θij,γ)

(1)

log(θij)=β0+βXij+φi

(2)

式中：yij為主干路i(i=1,2,…,21)第j個中觀單元的觀測事故數；θij為yij的期望值；離散系數γ～G(10-3, 10-3)；Xij為自變量；β為估計系數；φi為主干路隨機效應，φi～N(0,1/a)，其中，a為精度參數，a～G(10-3, 10-3)。

筆者采用全貝葉斯估計方法[16]，使用WinBUGS?采用馬爾科夫鏈進行20 000次迭代，舍棄前5 000個不穩(wěn)定的樣本。方差信息準則(deviance information criterion, DIC)用來評價模型的優(yōu)劣，DIC越小模型越優(yōu)，計算公式如式(3)：

(3)

2 數據準備

收集118個中觀單元道路幾何設計、交通特征(交通流量、運行速度)、兩側路網形態(tài)、周邊土地利用及事故數據。其中，事故數據針對1.1節(jié)所述的21條主干路進行收集，每個中觀單元的事故數為2012年交叉口和路段事故總和。

2.1 道路幾何設計數據

中觀單元交叉口間距用交叉口密度(平均每公里交叉口個數)表示。利用街景地圖[17]得到每個中觀單元的接入口數量、有無水平曲線、平均車道數、有無中央分隔帶、有無機非分隔帶等信息。其中接入口數量指道路兩側的胡同里巷、單位廠區(qū)、居民社區(qū)、加油站、停車場接入口的總數量，不包含信控交叉口數目。接入口數量劃分為[0,5]、(5，10]、(10,48] 共3類，使得每個分組內接入口數量對事故數的影響一致。

2.2 交通特性

交通流量數據來自上海的自適應交通控制系統(tǒng)(sydney coordinated adaptive traffic system, SCATS)，計算2012年5月的月平均日流量。流量為每個中觀單元內所有路段流量的平均值，相交道路流量為中觀單元內所有相交道路流量的平均值。

采用路段運行速度描述運行狀況。運行速度來自于浮動車數據，即出租車每10 s返回的經緯度坐標[4，18]，數據取自2012年5月10、17、24日早高峰時段7:00—9:00。車輛n在路段m上的平均運行速度vnm計算為：

(4)

式中：s為路段長度；t為行駛時間；d為交叉口速度低于5 km/h造成的延誤時間。

在所有路段上，早高峰樣本量高于30個。每個路段所有樣本車的平均速度為：

(5)

式中：Q為路段上所有樣本車的總量。中觀單元l的運行速度為所包含路段運行速度的平均值：

(6)

式中：m為中觀單元l內的路段數。

2.3 路網形態(tài)的計算

影響主干路安全的路網范圍確定后，路網中每一條路徑被抽象為一個點，介度中心度定義為某一點落在其他兩點最短路徑上的頻率[19]。介度中心度越高說明中觀單元即主干路在路網中越重要，路網中的大多數路徑會經過該主干路，因而該主干路承擔了比路網中其他道路更多的交通量[14]及進出交通。中觀單元的介度中心度定義為：

(7)

式中：N為點的總個數；njk為點j與k的最短路徑數；njk(i)為點j與k間包含點i的最短路徑數。使用UCINET?計算中觀單元在鄰近路網中的介度中心度。為了分析路網形態(tài)對主干路安全的影響，依據介度中心度將路網劃分為3種形態(tài)，如表2。

表2 路網形態(tài)與介度中心度分析Table 2 Road network morphology and betweenness centrality

表2表明：介度中心度較低的主干路一般位于方格路網中，這是由于方格路網中有多條道路平行于主干路，可以分擔主干路流量。介度中心度較高的主干路一般位于混合形態(tài)路網中，此時主干路在路網中如同樹干，是連接其他次路或支路的重要道路，路網中的路徑大多需要經過該主干路。

2.4 土地利用

依據土地利用現狀分類標準將主干路兩側土地分為居住、管理及公共服務、商業(yè)、倉儲物流、市政設施、綠地及廣場、居住用地7個主要類別[20]。筆者按照土地利用復合性將土地分為單一、兩種、3種及以上3個土地利用類型。表3為118個中觀單元自變量統(tǒng)計結果。

表3 中觀單元變量描述及統(tǒng)計Table 3 Variable descriptions and statistics of meso-level units

3 事故預測模型結果

在隨機效應負二項模型中，中觀單元的道路幾何設計、交通特性(交通流量、運行速度)、兩側路網形態(tài)、周邊土地利用為自變量，事故數為因變量。在模型估計之前，對自變量進行相關性檢驗，發(fā)現自變量間相關系數均小于0.4。刪減變量時，路段流量和相交道路流量間的相關系數僅為0.376，但相交道路流量會影響路段流量的顯著性，最終模型僅保留了路段流量。交叉口密度和速度兩個變量的相關系數僅為 -0.369，但速度會影響交叉口密度的顯著性，而筆者旨在分析交叉口密度與主干路安全的關系，因而最終模型僅保留了交叉口密度。

3.1 模型結果

表4保留了在90%及以上置信水平顯著的變量。表4中隨機效應即為式(2)中的φi，該變量顯著表明同一主干路的中觀單元間存在空間相關性，模型的DIC值為1 442.81。

表4 總事故模型后驗信息Table 4 Posterior information of total crash model

3.2 變量解釋

3.2.1 路網形態(tài)

路網形態(tài)與總事故數顯著相關。通過路網形態(tài)的系數可知，與方格網相比，不規(guī)則方格網事故數增加e0.200 5-1，約為22%，混合路網事故數增加了e0.338 6-1，約為40%。路網形態(tài)與主干路的關系如圖6。

圖6 路網形態(tài)與事故的關系Fig. 6 Relationship between road network morphologyand accidents

路網形態(tài)與出行方式選擇及道路交通運行相關。表2的各種路網形態(tài)中，方格路網道路密度最高，有較多的次路與主干路平行，且路網連通性好，同一起終點的出行有多種路徑選擇方式，提高了主干路的安全水平。不規(guī)則方格網與方格網形態(tài)相似，但與主干路平行的次路不連續(xù)且數量少，與方格網相比，事故數較多?；旌闲褪欠礁窬W和樹狀路網的混合，與主路平行的次路較少，路網內的路徑大多要經過主干路，道路兩側進出交通多，事故數最多。筆者研究結果與X. S. WANG等[11]基于TAZ的城郊主干路宏觀安全分析研究結果一致。而S. RIFFAT等[13]發(fā)現，方格路網比其他形態(tài)路網事故數多，推測原因是該研究以社區(qū)內所有道路的事故為研究對象。文獻[12]發(fā)現，佛羅里達州橙縣路網結構與主干路安全無關，推測原因可能是與橙縣主干路服務長距離交通，與道路所在TAZ的路網形態(tài)關系較弱有關。

3.2.2 交叉口間距

交叉口密度(每公里交叉口數)用來描述交叉口間距，中觀單元交叉口密度每增加1，總事故數增加e0.066-1，約為7%。與宏觀TAZ水平的郊區(qū)主干路研究結果一致[11]，交叉口密度每增加1，事故數增加40.1%。與針對郊區(qū)主干路的研究中將交叉口間距作為主干路層面變量的分層模型結果一致[5]，交叉口密度增加1，事故數增加203%。K. XIE等[1]發(fā)現，交叉口密度越高，交叉口事故數越多。筆者所得交叉口密度的安全效應相較于以往的研究較小，是由于X. S. WANG等[5，11]的研究中沒有考慮主干路交通流量，因而交叉口密度的安全效應較大。

3.2.3 其他變量

車道日均流量、平均車道數、道路長度、機非分隔帶有無、接入口數量均為影響中觀單元事故數的顯著變量。雖然車速是劃分中觀單元的依據之一，但由于車速與流量相關性較大，因而未在模型結果中體現。車道日均流量越大，事故數越多，與以往研究結果一致[2，4]。平均車道數越多，道路長度越長，有機非分隔帶，接入口越多，主干路事故數越多。

設置機非分隔帶的道路總事故數較多，推測其原因，其一，設置機非分隔帶的道路機動車速度較高；其二，車輛碰撞機非分隔帶，易造成事故發(fā)生。接入口數量是影響事故發(fā)生的顯著因素，與以前的研究結果一致[4,6]，推測是由于接入口越多，出入交通與主線交通沖突越多，事故數越多。

4 結 語

傳統(tǒng)安全分析模型關注具體路段和交叉口特征對事故的影響，宏觀安全分析模型關注土地利用、社會經濟屬性、路網形態(tài)等參數對區(qū)域事故的影響。筆者提出針對交叉口間距較短的城市主干路建立中觀安全分析模型，綜合考慮傳統(tǒng)模型和宏觀模型的自變量對主干路安全的影響，主要研究了交叉口間距和道路兩側路網形態(tài)對城市主干路事故的影響。

中觀建模策略為沿主干路方向，將道路橫斷面設計和運行速度相似的路段與其連接的交叉口組合為一個中觀研究單元，與主干路相交方向，提取兩側的路網形態(tài)。研究發(fā)現，交叉口間距越短，主干路事故越多；位于不規(guī)則方格網和混合型路網中的主干路事故數比方格網中主干路的事故數多。這種建模方法解決了傳統(tǒng)安全分析模型無法考慮交叉口與路段相互影響，以及無法估計交叉口間距及周邊路網形態(tài)對主干路安全影響的問題。

中觀事故建模在交通工程上有以下幾點應用：

1)針對交叉口密集的城市主干路，交叉口與路段不必分隔開進行事故分析。此外，國內在事故多發(fā)路段判別過程中，將連續(xù)的路段及交叉口而非獨立路段和交叉口作為事故多發(fā)點，該方法可以輔助交通安全管理部門定義事故多發(fā)點范圍并明確事故致因。

2)在主干路設計階段，應該避免較短的交叉口間距，并在采取安全措施前，完整評估交叉口間距對路段和交叉口組合單元的整體安全影響。

3)在交通規(guī)劃階段，建議優(yōu)先選擇方格路網，且可以評估主干路鄰近路網形態(tài)對主干路的安全效應。