面向道路交通安全分析的多源異構(gòu)數(shù)據(jù)匯聚研究

郭 淼，趙曉華，吳大勇，閆鵬威，趙凈潔，畢超凡

（1.北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室,北京 100124；2.招商新智科技有限公司 北京 100070；3.北京市交通運(yùn)行監(jiān)測調(diào)度中心 北京 100161；4.高德軟件有限公司高德未來交通研究中心,北京 100102）

引 言

交通事故是人、車、路、環(huán)境等多維要素共同作用的結(jié)果。以往研究中學(xué)者們重點(diǎn)關(guān)注了交通條件（如：流量、速度）、道路條件（如：道路線形、車道數(shù)量）、環(huán)境條件（如：天氣、風(fēng)力等級(jí)）等部分因素對(duì)交通事故的影響關(guān)系，這部分?jǐn)?shù)據(jù)通常由道路運(yùn)營單位、政府相關(guān)管理等部門存儲(chǔ)，數(shù)據(jù)的采集與使用比較容易。由于數(shù)據(jù)可獲得性、可使用性等的限制，學(xué)者們對(duì)于駕駛行為（如：急加速、急減速、急并道等）與交通事故之間關(guān)系的研究相對(duì)較少。而隨著車載導(dǎo)航軟件的廣泛使用，通過智能手機(jī)等設(shè)備采集駕駛員的駕駛行為數(shù)據(jù)得以實(shí)現(xiàn)，為更加全面的解析交通事故的影響因素提供了新的數(shù)據(jù)支撐，與此同時(shí)也對(duì)多源海量、異構(gòu)的數(shù)據(jù)的互聯(lián)匯聚提出了挑戰(zhàn)。

在多源數(shù)據(jù)的匯聚研究中，根據(jù)研究需求和數(shù)據(jù)可獲得性、可使用性的差異，學(xué)者們主要將人、車、路、環(huán)境中部分來源的數(shù)據(jù)進(jìn)行匯聚。其中，研究較多的是交通流一個(gè)維度數(shù)據(jù)的匯聚，包括將環(huán)形線圈檢測器、紅外檢測器、微波檢測器、視頻圖像監(jiān)測設(shè)備等采集的交通量、速度、交通密度、車輛占有率排隊(duì)長度等數(shù)據(jù)進(jìn)行匯聚［1］；也有研究將車和路兩個(gè)維度的數(shù)據(jù)進(jìn)行了匯聚，通過將數(shù)據(jù)劃分為道路靜態(tài)數(shù)據(jù)和交通動(dòng)態(tài)數(shù)據(jù)，在交通流數(shù)據(jù)的基礎(chǔ)上，從公路設(shè)計(jì)文件中提取道路幾何線形、路面摩擦系數(shù)、交叉口數(shù)量等數(shù)據(jù)與交通流數(shù)據(jù)進(jìn)行匹配匯聚，進(jìn)而研究二者作用下的道路交通安全風(fēng)險(xiǎn)［2］；此外，在環(huán)境維度中關(guān)注較多的是天氣數(shù)據(jù)的互聯(lián)匯聚，通過將數(shù)據(jù)庫將事故發(fā)生地點(diǎn)的經(jīng)緯坐標(biāo)與距離事故發(fā)生地點(diǎn)最近的環(huán)境氣象站相匹配，然后利用事故的發(fā)生日期和時(shí)間，從環(huán)境氣象站的歷史氣象數(shù)據(jù)中提取事故發(fā)生前的氣象信息，最終實(shí)現(xiàn)車、路、環(huán)境三個(gè)維度數(shù)據(jù)的匯聚［3］；而在人、車、路、環(huán)境全維度的數(shù)據(jù)匯聚研究中，對(duì)于與人這一維度相關(guān)的數(shù)據(jù)匯聚主要集中在駕駛?cè)司坪篑{車、無證駕駛、違章裝載、疲勞駕駛等個(gè)人屬性方面［4］。

基于現(xiàn)有的多源數(shù)據(jù)基礎(chǔ)，國內(nèi)外相關(guān)學(xué)者一直致力于從多個(gè)維度挖掘交通事故的影響因素，已取得豐碩的研究成果。在交通條件方面，宋艷艷［5］表明高速公路上、下行流量對(duì)事故的相關(guān)影響為49%；楊奎等［6］研究上海市快速路事故與交通流關(guān)系，發(fā)現(xiàn)上游平均速度、下游流量及標(biāo)準(zhǔn)差對(duì)事故有顯著影響；Quddus［7］發(fā)現(xiàn)當(dāng)控制交通流量、道路幾何線形（如坡度和彎道曲率）、車道數(shù)量等外部條件時(shí)，速度變化與事故率呈統(tǒng)計(jì)正相關(guān)關(guān)系。在道路條件方面，Abdel-Aty等［8］發(fā)現(xiàn)多的車道數(shù)會(huì)導(dǎo)致更多的事故；Baek等［9］的研究表明城郊公路兩側(cè)入口過多引起道路安全問題，入口數(shù)增加、間距減少，事故數(shù)上升；馬壯林等［10］基于廣珠東線高速的路測事故數(shù)據(jù)，采用零堆積負(fù)二項(xiàng)回歸建立事故預(yù)測模型，結(jié)果表明車道數(shù)、曲率變化率、曲線比例、曲度和平均縱坡坡度對(duì)路測事故數(shù)有顯著影響；王雪松等［11-12］應(yīng)用分層負(fù)二項(xiàng)模型和分層貝葉斯模型分析信控交叉口道路設(shè)計(jì)對(duì)事故的影響。在外部環(huán)境方面，羅慧等［13］將事故數(shù)據(jù)與常見天氣因素相對(duì)應(yīng)，研究發(fā)現(xiàn)氣象因素對(duì)于交通事故的影響程度大小依次為：能見度、相對(duì)濕度、降雨量。此外，也有研究認(rèn)識(shí)到駕駛行為在交通安全致因分析中發(fā)揮重要作用，通過駕駛模擬技術(shù)分析交通環(huán)境和駕駛行為風(fēng)險(xiǎn)間的關(guān)系，映射反映安全風(fēng)險(xiǎn)致因機(jī)理。Upchurch等［14］開展模擬實(shí)驗(yàn)評(píng)估高速公路出口設(shè)置引導(dǎo)標(biāo)志的安全效能；Fitzpatrick等［15］通過模擬實(shí)驗(yàn)比較互通立交出口導(dǎo)向標(biāo)志對(duì)駕駛行為安全性影響。綜上所述，已有研究主要從一個(gè)或兩個(gè)維度挖掘影響交通事故的因素，對(duì)于多源數(shù)據(jù)耦合作用下的交通事故影響因素研究較少；此外，研究中主要使用了模擬駕駛行為數(shù)據(jù)，對(duì)于道路上駕駛員自然駕駛行為數(shù)據(jù)的應(yīng)用還比較缺乏。

基于此，本文依托智能手機(jī)與導(dǎo)航軟件相結(jié)合進(jìn)行數(shù)據(jù)采集的優(yōu)勢，引入道路上駕駛員的風(fēng)險(xiǎn)駕駛行為數(shù)據(jù)，使用GIS數(shù)據(jù)字段提取與數(shù)據(jù)融合匹配等技術(shù)，突破數(shù)據(jù)之間粒度不一致、標(biāo)簽不統(tǒng)一的壁壘，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的互聯(lián)匯聚，建立包含多維影響因素的交通安全分析數(shù)據(jù)庫，在此基礎(chǔ)上對(duì)多源異構(gòu)數(shù)據(jù)匯聚下的高速公路安全影響因素進(jìn)行分析。為交通安全分析中多源異構(gòu)數(shù)據(jù)的互聯(lián)匯聚提供方法參考，為高速公路管理部門制定交通事故防范措施提供依據(jù)。

1 多源數(shù)據(jù)概況

1.1 數(shù)據(jù)采集

影響交通事故的多源數(shù)據(jù)（包括：駕駛行為數(shù)據(jù)、交通條件數(shù)據(jù)、道路條件數(shù)據(jù)、環(huán)境條件數(shù)據(jù)等）涉及到多個(gè)維度多種結(jié)構(gòu)的多個(gè)因素，僅憑一個(gè)部門很難獲取涵蓋人、車、路、環(huán)境等多維要素全面的多源數(shù)據(jù)。實(shí)際上，多源數(shù)據(jù)需要依靠道路運(yùn)營單位、政府管理部門以及出行服務(wù)企業(yè)等基于多種數(shù)據(jù)采集設(shè)備進(jìn)行采集。其中，駕駛行為數(shù)據(jù)通過行駛在道路上司機(jī)的手機(jī)導(dǎo)航軟件和手機(jī)傳感器獲取；交通條件數(shù)據(jù)通過布設(shè)在道路上的微波檢測器獲?。坏缆窏l件數(shù)據(jù)通過道路設(shè)計(jì)部門提供的CAD圖紙獲??；環(huán)境條件數(shù)據(jù)提供道路所在區(qū)域的氣象監(jiān)測設(shè)備獲取。此外，事故數(shù)據(jù)可以通過視頻監(jiān)控、司機(jī)報(bào)告等獲取。具體數(shù)據(jù)的采集設(shè)備以及維護(hù)單位如表1所示。

表1 多源數(shù)據(jù)的采集設(shè)備以及維護(hù)單位

1.2 數(shù)據(jù)結(jié)構(gòu)

基于上述多源數(shù)據(jù)采集手段，可以獲取涵蓋駕駛行為、交通條件、道路條件、環(huán)境條件在內(nèi)的4個(gè)主要維度的數(shù)據(jù)。其中，每個(gè)維度的數(shù)據(jù)又包含多個(gè)字段（/變量），并且由于采集手段以及數(shù)據(jù)維護(hù)單位的不同，各類數(shù)據(jù)的標(biāo)簽并不統(tǒng)一，數(shù)據(jù)之間的異構(gòu)特征對(duì)多源數(shù)據(jù)的互聯(lián)匯聚提出了挑戰(zhàn)。多源數(shù)據(jù)結(jié)構(gòu)如表2所示。

表2 多源數(shù)據(jù)結(jié)構(gòu)

1.3 指標(biāo)計(jì)算說明

在數(shù)據(jù)維護(hù)單位提供的原始數(shù)據(jù)中，有些字段（/變量）可以直接用于交通事故影響因素關(guān)系分析，有些還可以在此基礎(chǔ)上進(jìn)一步合成新的交通事故影響因素。為了明確相關(guān)指標(biāo)的含義，對(duì)上述數(shù)據(jù)中包含的重點(diǎn)指標(biāo)的計(jì)算說明如下：

1.3.1 可直接使用的變量

駕駛行為變量。六個(gè)駕駛行為變量是通過手機(jī)傳感器采集駕駛員的加速度和角速度數(shù)據(jù)，手機(jī)GPS系統(tǒng)收集車輛的速度和角速度數(shù)據(jù)。傳感器檢測駕駛員是否產(chǎn)生六種駕駛行為中的任何一種，當(dāng)某些低端移動(dòng)手機(jī)傳感器不可用時(shí)，GPS可用于補(bǔ)充檢測駕駛行為。在此基礎(chǔ)上，將急加速與急減速定義為：在手機(jī)姿態(tài)固定的情況下，若線性加速度大于一定的閾值，將識(shí)別并記錄為一次急加速或急減速；將急并道和急轉(zhuǎn)彎定義為：在手機(jī)姿態(tài)固定的情況下，判斷原歷史轉(zhuǎn)彎的向心力，如果檢測角度大于一定的閾值，則判定為一次急并道或急轉(zhuǎn)彎。

擁堵指數(shù)變量。交通擁堵狀態(tài)數(shù)據(jù)包括時(shí)間、平均速度（km/h）、擁堵指數(shù)和道路ID。所有道路每2分鐘采集并上傳一次交通運(yùn)行狀態(tài)數(shù)據(jù)。擁堵指數(shù)是指當(dāng)前道路自由流速度與其平均速度的比值，計(jì)算方法如下式

導(dǎo)航軟件將擁堵指數(shù)劃分為四個(gè)等級(jí)，駕駛員在使用導(dǎo)航軟件時(shí)分別以不同的顏色顯示四個(gè)等級(jí)。導(dǎo)航軟件的交通擁堵狀態(tài)四個(gè)等級(jí)定義為：暢通，擁堵指數(shù)∈［0，1.5）；緩行，擁堵指數(shù)∈［1.5，2）；擁堵，擁堵指數(shù)∈［2，4）；嚴(yán)重?fù)矶?，擁堵指?shù)∈［4，+∞）。

1.3.2 可直進(jìn)一步合成的新變量

速度變異系數(shù)（CVS）。道路安全性與速度變化有關(guān)。速度的相對(duì)波動(dòng)性越大，道路就越混亂，交通風(fēng)險(xiǎn)更大。因此，提出速度變異系數(shù)（CVS）評(píng)估道路安全性。速度變異系數(shù)的定義如下式

式中CVS為速度變異系數(shù)，σ為速度標(biāo)準(zhǔn)差，為速度平均值。

2 多源異構(gòu)數(shù)據(jù)融合

為了將多源異構(gòu)數(shù)據(jù)應(yīng)用于交通事故影響因素分析中，需要以事故數(shù)據(jù)為中心將駕駛行為數(shù)據(jù)、交通條件數(shù)據(jù)、道路條件數(shù)據(jù)以及環(huán)境條件數(shù)據(jù)在相同的時(shí)間和空間維度上進(jìn)行融合。由于多源數(shù)據(jù)來源不同，各類數(shù)據(jù)的索引以及數(shù)據(jù)采集粒度存在較大差異，因此需要在統(tǒng)一數(shù)據(jù)標(biāo)簽的基礎(chǔ)上實(shí)現(xiàn)各類異構(gòu)數(shù)據(jù)的融合匹配。

2.1 統(tǒng)一數(shù)據(jù)標(biāo)簽

如前所述，駕駛行為數(shù)據(jù)主要從出行服務(wù)企業(yè)（如高德軟件有限公司）獲取，這類數(shù)據(jù)的標(biāo)簽包括行為發(fā)生的時(shí)間和空間（經(jīng)緯度和路段編號(hào)）兩個(gè)方面，其中經(jīng)緯度是進(jìn)行駕駛行為數(shù)據(jù)空間定位的關(guān)鍵標(biāo)簽。而以道路運(yùn)營單位、道路設(shè)計(jì)單位等為主要數(shù)據(jù)來源的交通條件數(shù)據(jù)、道路條件數(shù)據(jù)以及交通事故數(shù)據(jù)則以樁號(hào)作為空間定位的關(guān)鍵標(biāo)簽，同時(shí)也包含了時(shí)間、方向等數(shù)據(jù)標(biāo)簽。因此，需要建立經(jīng)緯度和樁號(hào)這兩種標(biāo)簽的關(guān)系，以轉(zhuǎn)換為同一種數(shù)據(jù)標(biāo)簽進(jìn)而實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)在空間尺度上的互聯(lián)匯聚。

實(shí)際上，以樁號(hào)作為空間定位的標(biāo)簽并未實(shí)現(xiàn)道路實(shí)體與在線電子地圖的同步，因此本研究基于對(duì)樁號(hào)所在的道路實(shí)體空間位置的在線電子地圖標(biāo)定，獲取千米樁樁號(hào)所對(duì)應(yīng)的經(jīng)緯度標(biāo)簽，使樁號(hào)的經(jīng)緯度標(biāo)簽與駕駛行為的經(jīng)緯度標(biāo)簽可以相互映射，最終實(shí)現(xiàn)了多源異構(gòu)數(shù)據(jù)在空間上索引標(biāo)簽的統(tǒng)一。此外，多源數(shù)據(jù)在時(shí)間上索引標(biāo)簽的區(qū)別主要是數(shù)據(jù)采集粒度的差異，可根據(jù)研究需要進(jìn)行選擇，索引標(biāo)簽的統(tǒng)一難度不大。

2.2 數(shù)據(jù)融合匹配

數(shù)據(jù)索引標(biāo)簽的統(tǒng)一為多源數(shù)據(jù)的互聯(lián)匯聚奠定了基礎(chǔ)。如圖1所示為多源數(shù)據(jù)空間匹配過程，基于GIS可視化工具，首先根據(jù)標(biāo)定樁號(hào)的經(jīng)緯度標(biāo)簽，實(shí)現(xiàn)道路實(shí)體千米樁樁號(hào)在在線電子地圖上的定位與可視化，并且可以根據(jù)樁號(hào)的大小順序確定道路的上行與下行方向，圖1（a）所示為樁號(hào)位置空間定位。這一操作將以往以樁號(hào)作為空間定位的道路條件數(shù)據(jù)、交通條件數(shù)據(jù)同時(shí)賦予了樁號(hào)和經(jīng)緯度雙重標(biāo)簽。其次，原始駕駛行為數(shù)據(jù)的空間標(biāo)簽主要是經(jīng)緯度，圖1（b）所示為三急行為空間定位，需要注意的是由高德軟件有限公司提供的駕駛行為數(shù)據(jù)不含方向標(biāo)簽，需要借助QGIS中的要素篩選模塊，根據(jù)樁號(hào)的大小順序?yàn)轳{駛行為數(shù)據(jù)賦予方向標(biāo)簽。

通過在線電子地圖標(biāo)定樁號(hào)和經(jīng)緯度標(biāo)簽后，采用QGIS軟件中的圖層疊加模塊即可實(shí)現(xiàn)以樁號(hào)為標(biāo)簽的交通條件數(shù)據(jù)、道路條件數(shù)據(jù)與以經(jīng)緯度為標(biāo)簽的駕駛行為數(shù)據(jù)的直接匹配。如圖1（c），（d）所示，分別為上行和下行方向上的數(shù)據(jù)匹配結(jié)果。至此，已實(shí)現(xiàn)駕駛行為數(shù)據(jù)、交通條件數(shù)據(jù)、道路條件數(shù)據(jù)在空間維度上的融合匹配，環(huán)境條件數(shù)據(jù)以區(qū)域編號(hào)為空間標(biāo)簽可直接根據(jù)研究路段所在的區(qū)域進(jìn)行匹配。

根據(jù)研究的需要，可形成每個(gè)樁號(hào)（1 km）范圍內(nèi)在單位時(shí)間（5 min，1 h，1 d等）跨度下各維度中的變量值，形成道路交通安全影響因素多源數(shù)據(jù)庫。多源數(shù)據(jù)匹配匯聚結(jié)果示例如表3所示，表中各變量單位同表2。

表3 多源數(shù)據(jù)匹配匯聚示例Table 3 Example of multi-source data matching aggregation

3 交通事故影響因素分析

多源數(shù)據(jù)庫的構(gòu)建匯聚了人、車、路、環(huán)境等多維道路交通安全影響因素，為更加全面的挖掘駕駛?cè)艘蛩亍⒔煌顩r因素、道路條件因素、環(huán)境因素對(duì)于交通事故的影響關(guān)系奠定了基礎(chǔ)?；诙嘣磾?shù)據(jù)的可獲得性以及本文提出的多源異構(gòu)數(shù)匹配匯聚方法，將有效提高多源異構(gòu)數(shù)據(jù)在交通安全影響因素分析、模型構(gòu)建等方面的可用性。本文選取高速公路部分路段，獲取了多源異構(gòu)數(shù)據(jù)資源并構(gòu)建數(shù)據(jù)庫，對(duì)交通事故影響因素進(jìn)行了初步分析，如下。

研究案例選取沈海高速（G15）的部分路段（樁號(hào)1755～1775之間），如圖1所示。其中，駕駛行為數(shù)據(jù)由高德軟件有限公司提供，交通條件、道路條件、環(huán)境條件以及交通事故等數(shù)據(jù)由浙江溫州甬臺(tái)溫高速公路有限公司提供?；谏鲜龆嘣串悩?gòu)數(shù)據(jù)匹配匯聚方法，構(gòu)建多源交通安全影響因素分析數(shù)據(jù)庫，進(jìn)行初步的交通事故影響因素分析，驗(yàn)證本文提出的多源異構(gòu)數(shù)據(jù)互聯(lián)匯聚方法的可行性與合理性，進(jìn)而揭示多源異構(gòu)數(shù)據(jù)應(yīng)用的可行性和因素分析的全面性等方面的重要價(jià)值。如圖2所示為相關(guān)性和顯著性分析結(jié)果。

以事故數(shù)為因變量，以駕駛行為、交通條件、道路條件、環(huán)境條件4個(gè)維度中的字段為自變量進(jìn)行相關(guān)性和顯著性分析。其中，對(duì)于連續(xù)變量，選擇Spearman檢驗(yàn)法對(duì)各因素變量與事故數(shù)進(jìn)行相關(guān)性分析，取90%的置信區(qū)間，顯著性檢測概率P＞0.1則該變量對(duì)事故數(shù)有顯著性影響；對(duì)于分類變量，使用單因素ANOVA檢驗(yàn)法計(jì)算顯著性水平。研究發(fā)現(xiàn)連續(xù)變量中，各三急行為、交通流量、平均速度、CVS、上坡長度、平均坡度、警告標(biāo)志牌數(shù)量、禁令標(biāo)志牌數(shù)量的顯著性水平大于0.05，如黑色實(shí)線所示；分類變量中天氣狀況、道路類型、車道數(shù)對(duì)事故數(shù)有顯著性差異，分類變量的顯著性的關(guān)系以紅色實(shí)線表示。需要指出的是多源數(shù)據(jù)匯聚后，在該研究案例中擁堵指數(shù)、直/曲線長度、出入口數(shù)等變量與事故數(shù)的相關(guān)性不高，因此這部分變量未體現(xiàn)在相關(guān)性、顯著性分析結(jié)果圖中，這主要是受數(shù)據(jù)源的影響，未來應(yīng)采集更長時(shí)間的多源數(shù)據(jù)對(duì)上述變量與事故之間的關(guān)系做進(jìn)一步分析。

與事故數(shù)相關(guān)性較高的變量共包含16個(gè)。其中，在與駕駛?cè)擞嘘P(guān)的因素中，急加速、急減速以及急右轉(zhuǎn)的相關(guān)系數(shù)均大于0.600，表明駕駛行為對(duì)于交通安全的影響不可忽視。一方面，在行車過程中應(yīng)盡量避免急加速、急減速等風(fēng)險(xiǎn)駕駛行為以提高駕駛的安全性；另一方面，應(yīng)當(dāng)重視路段上發(fā)生急加速、急減速等風(fēng)險(xiǎn)駕駛行為較多的位置，通過工程等技術(shù)手段降低路段的事故風(fēng)險(xiǎn)。在與交通狀況有關(guān)的因素中，速度變異系數(shù)（CVS）的相關(guān)系數(shù)最大，這表明當(dāng)?shù)缆飞宪囕v的速度波動(dòng)較大時(shí)，交通流的不穩(wěn)定性增加，發(fā)生交通事故的概率也隨之上升。在與外部環(huán)境有關(guān)的因素中，對(duì)交通事故有顯著影響的變量為天氣狀況，惡劣的天氣狀況（如：雨、雪、霧等）會(huì)導(dǎo)致路面濕滑、能見度降低，嚴(yán)重影響行車安全，應(yīng)及時(shí)提醒司機(jī)謹(jǐn)慎駕駛，嚴(yán)重時(shí)應(yīng)封閉道路。此外，道路因素中的平均坡度、上坡坡長、路段類型、車道數(shù)等均對(duì)交通事故有顯著影響，但是由于研究道路的長度有限，這部分變量的相關(guān)系數(shù)較小，未來應(yīng)采集更長的道路數(shù)據(jù)，進(jìn)一步論證道路條件對(duì)于交通事故的影響關(guān)系。

可見，基于多源數(shù)據(jù)庫進(jìn)行的交通安全分析能夠涵蓋更多、更全面的交通事故影響因素，特別是自然駕駛行為變量的引入彌補(bǔ)了以往研究中數(shù)據(jù)的可獲取性、可利用性較差以及影響關(guān)系不明確的不足。通過本文中的交通事故多源影響因素分析可以為后續(xù)交通事故預(yù)測、因果關(guān)系解析等研究中的變量選擇提供參考。

4 結(jié)束語

在人、車、路、環(huán)境等多源異構(gòu)數(shù)據(jù)可獲取的情況下，重點(diǎn)解決出行服務(wù)企業(yè)數(shù)據(jù)與道路運(yùn)營管理單位數(shù)據(jù)標(biāo)簽不統(tǒng)一、粒度不一致的問題，提出以樁號(hào)-經(jīng)緯度相互映射的多源異構(gòu)數(shù)據(jù)融合方法，基于QGis在線電子地圖可視化工具，實(shí)現(xiàn)駕駛行為數(shù)據(jù)、交通條件數(shù)據(jù)、道路條件數(shù)據(jù)、環(huán)境條件數(shù)據(jù)以及交通事故數(shù)據(jù)在空間上的互聯(lián)匯聚，并根據(jù)研究需要統(tǒng)一多源數(shù)據(jù)的時(shí)間粒度，建立適用于交通安全影響因素分析的多源全面數(shù)據(jù)庫，通過初步的交通事故影響因素分析，從四個(gè)維度識(shí)別了影響交通事故的重要變量。本研究闡明了多源異構(gòu)數(shù)據(jù)匹配匯聚方法的可行性，對(duì)搭建包括駕駛行為數(shù)據(jù)在內(nèi)的多源海量異構(gòu)數(shù)據(jù)的互聯(lián)匯聚架構(gòu)、論證多源異構(gòu)數(shù)據(jù)應(yīng)用的可行性和全面性方面具有重要參考價(jià)值，為駕駛行為大數(shù)據(jù)的應(yīng)用以及交通事故與多維影響因素之間因果關(guān)系的挖掘奠定了基礎(chǔ)。