文摘

宏观的崩溃模型已经广泛应用于调查人口的安全影响,社会经济,和土地利用因素,以增加安全知识为交通规划和决策。近年来,有越来越多的关注区域交通管理和控制,宏观的交通流参数的安全影响也可能感兴趣的,为了提供有用的操作区域交通安全知识。在本文中,一个新的空间单元开发使用递归分区颗切割过程基于归一化减少(NC)最小化方法和交通密度均匀性。两个贝叶斯对数正态模型与不同条件自回归(汽车)先验应用于检查安全数控级别的交通流特性的影响。发现在这种宏观的交通流存在安全的影响,表明考虑安全区域交通控制的必要性和管理。此外,交通流效果也检查了一两个空间单元:流量分析区(小胡子)和普查区(CT)。发现生态谬误和原子谬误可能存在没有考虑交通流参数的规划水平。一般来说,区域交通安全需要考虑操作和交通流的影响,需要考虑空间碰撞模型在不同空间的水平。

1。介绍

宏观安全性评价是经常进行的,目的在于找到因素可以改善或控制在计划阶段或在决策过程中。传统的宏观崩溃模型(例如,泊松对数正态模型)在观察依靠独立的假设。然而,近年来,空间碰撞模型获得了大量的关注,通过添加对宏观失事空间相关性模型。社会经济、土地利用、人口和交通网络的特点是感兴趣的,他们经常在不同程度的聚合空间单元(1),包括流量分析区域(小胡子),人口普查大港(CT),人口普查病房,统计区水平,块组,县和州。一般来说,空间碰撞模型显示其优势传统的宏观模型。

然而,空间碰撞模型的一个重要问题是一定程度的空间单元的选择,也称修改的空中单位问题(MAUP)。王等人。2]讨论了可能的生态谬误的空间聚合(戴维斯)建模结果空间聚合数据可能不完全适用于分类数据。他们还认为可能的原子论的谬误分类数据造成的,这是无法“系统效应”被空间聚合数据(3,4]。Abdel-Aty et al。5)空间碰撞模型相比,基于三种不同的聚合级别(即空间单元。,TAZs, CT, and block groups) and found the effects of different spatial units on the significance of model estimates. Xu et al. [6)进行了敏感性分析在不同的聚合级别空间小胡子单元的影响。他们发现更多聚合小胡子往往有更好的模型性能,但较少的变量。这个结果符合王et al。2),空间聚合数据会降低原子论的谬误而增加生态谬误如果不是正确的聚合。Gyimah et al。1]研究了六种不同的聚合级别的影响空间单位未被注意的空间异质性。结果显示,聚合水平可以显著影响空间异质性,以及模型的性能。

同时徐et al。6)和Gyimah et al。1]指出定义一个新的空间单元的必要性从宏观安全性评价的角度,而不是使用长期规划小胡子。注意,大多数空间单位喜欢小胡子没有最初为安全分析定义,但用于交通规划。因此,他们可能是描述基于人口的同质性,社会经济,或土地利用因素,无论交通流特征。交通流特征在很大程度上被发现与事故发生和安全在前面的文学。因此,一个总体空间单元,就像小胡子在任何总水平,可能包含具有明显不同的道路交通流特征。因此,交通流之间的关系特点和事故发生可能会削弱或无意义的(即。生态谬误的一个例子,一个空间单元由于交通的不均匀性),导致偏见的估计模型。克服可能的生态谬误和原子论的谬论(分解造成的数据),王et al。2]声称一个更好的数学的必要性分区方案基于空间均匀性在人口和交通流特征。

有许多不同的空间划分方法在文献中定义的空间单元,如k则算法,AZP [7],搬运工(区域化与动态约束凝结的集群和分区)(8]。一些也被引入空间建模。为了研究执法的影响道路交通事故在希腊,Yannis et al。9)形成的空间单位基于空间均匀性交通特点和道路安全参数,直接k则算法。Yannis得出统计结果可能更可靠,如果空间单位更均匀。徐et al。6)提出了一种分区方案类似的小胡子聚合成一个空间单元,基于搬运工。崩溃的同质性的风险被认为是聚类标准。然而,尽管在考虑空间均匀性的各种因素,这些分区方法仍然依赖于预定义的空间单位规划,比如小胡子。

霁和Geroliminis10]介绍了图削减最小化方法城市交通网络划分为多个空间单元。用这样的方法,一个交通网络与齐次空间单元划分为交通流特征,和宏观基础图(显示)的每个地区成功地识别。这种方法非常灵活,不取决于任何类型的预定义空间单元(例如,小胡子)。控制流量和改善交通拥堵,尽管最初提出的概念图削减最小化方法也可以有利于宏观安全性评价。交通流特性已经被证明强与事故的关系,我们有理由相信,一个空间单元聚合相似的道路交通流特性更适合空间建模。基于这种方法,潜在的交通流量和事故之间的关系可能是更好的探索。因此,活跃区域交通控制和管理策略11- - - - - -15可以预期改善宏观安全,通过管理交通流在某些国家崩溃风险较低。

因此,在本文中,我们将定义一个新的空间宏观安全评价单元,通过考虑交通密度的均匀性。图将削减方法,提出了基于空间分区程序。两个贝叶斯空间建模技术是用来分析事故数据在新的层面,以识别可能的交通流量对安全的影响。本文的其余部分组织如下。节2,我们提出的细节图最小化空间划分方法以及空间建模技术。部分3简要的描述数据。部分4总结了空间分区结果和建模结果,包括一个讨论。最后一部分总结了纸和建议未来的研究方向。

2。空间分区

2.1。规范化的削减(NC)最小化的方法

为了一个区域划分为多个区域,规范化的削减最小化(NC)方法介绍,考虑到十字路口节点和道路边缘。数控方法已在前面的文献使用了空间分区(10]。

假设节点集V在一个无向图 在哪里E表示的边缘G。假设两个顶点之间的每条边和带有负的重量 。重量可以定义为图的邻接矩阵 。当 ,这说明,这两个顶点不连接。一个顶点的度被定义为 。度矩阵D被定义为对角矩阵的学位 , 对角线上。

考虑边缘的测量节点之间的相似性。我们想要找到一个分区图的边缘,这样不同组之间有一个非常低的重量,表明在不同的集群相互不同。此外,边在一组需要高权重,这意味着品脱同一集群中是相似的。

A和B两个不相交的子集,

2000年,史和马利克提出减少双向标准化的功能:Ncut Nassoc,标明同质性和异质性的两个集群:

因此,可以确定目标的最小化Ncut:

最小化Ncut价值恰恰是np完备性。离散的解决方案可以有效地近似求解特征值系统的实际价值领域。一个常见的方法是将归一化减少了非规范图拉普拉斯算子。集

然后,我们有 在哪里D是一个N N对角矩阵 它的对角线。拉普拉斯算子矩阵,半正定。基于Rayleigh-Ritz定理,解决方案是解决广义特征值系统: 在哪里特征值和y特征向量。第二个最小的特征向量称为菲德勒矢量,这是实值解决标准化问题。

2.2。递归分区颗切割过程

运用以上方法对空间分区,我们提出一个递归颗切割过程:步骤1:建立一个加权图G= (V,E基于交通网络的拓扑结构。虽然道路十字路口被视为节点视为边缘。第二步:设置边缘连接两个节点上的重量,使用测量两个音符之间的相似性(即。,交通密度)。步骤3:解决与最小特征值特征向量。步骤4:把图切成两个集群基于第二个最小的特征向量(即。菲德勒向量)。第五步:判断当前分区应进一步划分。第六步:重复第一个五个步骤,直到特定标准得到满足。

当分区与菲德勒矢量图,可以使用不同的策略。一般有三种方式:(1)分区图中值;(2)切图值为0(正面和负面);和(3)切图基于最大的每两个元素之间的间隔。在这项研究中,第三种方法是利用。

2.3。空间模型配置

事故建模包括严重性建模(16- - - - - -18)和碰撞频率建模(19,20.]。空间建模属于碰撞频率建模,其中包含多个模型结构(21- - - - - -26),包括泊松对数正态模型,负二项分布模型中,泊松对数正态空间模型,地理加权泊松回归模型和贝叶斯空间系数模型。由于本研究的目的是研究交通流特性的影响,两种不同汽车先验贝叶斯对数正态模型被应用,因为他们已经广泛应用于许多不同的研究领域,如流行病学。

广义贝叶斯对数正态模型可以作为汽车之前 在哪里事故发生的预期意味着观察吗我;E观察暴露/期望吗我;是参数k系数变量;是kth变量我th观察;非结构化的错误,通常假设之前作为一个正态分布;和空间相关性。

空间相关性的术语 ,之前的内在条件自回归(汽车之前)可以定义如下18]: 在哪里表示二进制距离矩阵的条目(1代表邻接而0表示nonadjacency)。之前是精度参数,认为作为一个伽马分布。从本质上说,条件期望是邻近地区的空间相关性的平均值;条件方差邻近地区的数量成反比。

一个Cressie自回归之前可以写成:

不同于IAC先验条件的期望修改邻接的加权平均的平均面积和整个地区的平均值。重量参数表示空间自相关的强度。当 ,它表明一个完整的空间独立性,增加的 ,增加空间自相关。当 ,Cressie模型退化为一种内在的汽车模型。

基于拟合模型,次区域的相对危险度(RR)可以计算如下:

3所示。数据准备

事故数据中心区域的昆山市昆山中环线内(路)2015年收购了从昆山警察局。总共收集5538年崩溃。崩溃数据包含详细信息的司机,道路和车辆。对于每个事故记录,都有一个独特的坐标,它可以进一步用来定位在地图上。为了进行宏观建模,空间聚合特性还需要收集。

规划部门的规划进行数据提取昆山市。更重要的是,详细的交通数据对于空间分区和空间建模是必要的。因此,2015.8和2015.9之间的交通数据提取与30年代间隔微波探测器,包括密度、速度、和数量。平均交通密度被认为是流量均匀性的测量,用于空间分区。图1显示了道路网络、微波探测器的位置,研究区域的土地利用草图。

至于贝叶斯建模、崩溃的总数是作为因变量。与先前的研究不同,我们计算预期的事故数量曝光。预期的事故数量的空间单元可以计算总事故数倍的比例(每日的交通量总人口面积大小)的区域。计算假定每个区域的预期平均风险具有可比性。然而,这也是合理的,不同区域之间的相对风险可以在很大程度上有所不同。许多因素可以导致它,包括交通流参数(作为解释变量),规划和土地利用的因素。四个聚合交通变量(平均流动,平均密度、平均速度和速度方差)计算每个区域,这也为解释变量用于空间建模。其他解释变量包括大部分规划进行聚合变量,常用在前面的文学。

4所示。结果

4.1。分区的结果

数控分区方法应用于分区与99个节点(即图。99十字路口)。最初,通过求解拉普拉斯算子矩阵,特征值计算。基于特征向量的相似性及其空间邻接,8集群测定。然而,数控8 10.98米的面积大小²远远大于其他nc。为了获得所有与类似的大小、NC数控8进一步进行了部门的努力,有23个十字路口内的区域。基于分区的另一个两轮数控8、13 NC终于划定,如图2。

规划的描述性统计、道路和交通流参数的13 nc总结在表1。

4.2。模型结果

内在和Cressie贝叶斯车型开发研究各种变量之间的关系崩溃的风险。首先,需要检验多重共线性的变量。VIF测试和分段方法应用于消除这些变量多重共线性高(VIF > 10)。

然后,对于每一个贝叶斯汽车模型,与5000次迭代100000次迭代进行老化。这三个模型模拟期内达到收敛。图3给出了模型收敛的插图。

内在和Cressie车型显示重要的交通流影响崩溃的风险。两个模型的结果是类似的。具体结果如表所示2。地区有更高的速度方差往往有更高的事故风险。这是合理的。交通密度较高,有崩溃的风险略有增加。之前的文献研究表明有争议的发现密度之间的关系和崩溃的风险。一些人声称一个积极的线性关系而另一些人提出了一个二次函数。这是合理的期望,起初,密度越高产生更多的互动,因此崩溃。虽然它达到一些特定点,交通变得拥挤,速度明显下降。在这种情况下,崩溃可能减少。因为我们只考虑平均效应没有关于时空异质性,每个区域的详细的密度效应需要进一步探讨。 Average daily traffic volume (ADT) was not found to be significant as the explanatory variable, implying that traffic volume is not significantly connected with average crash risk. Thus, the effect of ADT on crash risk could be considered as the only exposure effect (Figure4)。

至于规划及巷道的影响因素对事故的风险,有两个模型之间存在着细微的差别。根据内在的车型,主要/次要动脉密度的增加会增加事故风险。这是与前面的文献一致。没有显著的地方道路密度和事故风险之间的关系。,预计当地道路的增加会降低事故风险,根据以前的文献。一个可能的原因可能是包含重要的交通流变量调整当地道路密度的影响。换句话说,交通流变量可能是内生变量,是不容忽视的。根据Cressie汽车模型,与工业用地的增加,事故风险降低了2.5%。更多的学校用地和住宅用地与更高的崩溃风险相关联。在中国这是合理的。 During morning and evening peak hours, parents pick children to increase the disorder of traffic. Thus, it is critical to deal with school land use. Those low-income residential areas are older district. Buildings are too old so that there is enough parking space. Oftentimes, roadways were occupied by vehicles. These could be potential safety issues. Thus, certain traffic management could be considered.

每一个空间单元的相对风险也计算,基于这两个模型。一般来说,两个模型估计类似的结果。与崩溃的频率,应该注意的是,空间模型可以有效地确定实际的相对风险,会计的曝光和空间自相关。

4.3。生态谬误和原子谬误

进一步讨论生态谬误和原子谬论,空间也是一两个空间单元进行建模:小胡子和普查区(CT)区。对于每一个空间单元,两个模型被开发,一个考虑交通流参数(模型2)和另一个不考虑他们(模式1)。详细的结果可以在表中找到3。注意,原始的小胡子和CT被昆山决定交通规划部门(如图5)。

CT模型2,日均交通量、平均速度、业务、行政、和公共服务用地被发现是重要的变量。对于小胡子模型,只有土地使用变量被发现是重要的,包括公共管理和公共服务,商业和住宅。使用小胡子作为空间单位,没有明显的交通流影响崩溃的风险。然而,对于CT单位,出现交通流的影响。

众所周知,小胡子划定的土地利用、社会经济情况、和人口统计数据。从结果,可以得出结论,TAZ-based空间建模的主要问题是原子谬误的风险。换句话说,实际的交通流影响没有检测到基于小胡子。此外,在实践中,任何积极的干预措施或政策不能提出区域交通流量控制或管理,提高交通安全,只有土地利用参数被发现显著。

CT-based模型,平均每日流量(ADT)作为一个重要变量被发现,与一个负号表明更高的交通量将导致更低的失事率。这一发现可能会挑战因为交通量被认为是积极与事故风险事故曝光,先前的文学研究。此外,平均速度被发现与区域交通事故风险呈正相关。然而,根据Abdel-Aty et al。27),相对低速区域倾向于有更高的事故风险。此外,以前的文献主要建议无意义的平均速度之间的线性关系和事故风险(28]。因此,重要的交通流影响CT似乎生态谬误(29日]。众所周知,CT还根据nontraffic参数定义的。

5。结论

事故发生被认为,发现与交通流特征有关。宏观空间碰撞建模最初的目的进行添加安全考虑到长期交通规划和决策,作为空间单元主要是使用从规划的角度定义的。然而,它也可能会提出一些有效的控制和管理策略不仅提高效率而且区域交通安全。因此,探索可能的交通流量之间的联系和事故风险在地区层面似乎是必要的。此外,以前的文学主张的主要缺陷TAZ-based空间建模两个原子的谬误和生态谬误。因此,进行宏观空间碰撞建模使用增速甚至空间单元的兴趣。

基于规范化削减最小化方法,我们定义了一个空间区域安全评价单元。微波数据被用来主题区域分割成多个部分,根据交通密度的均匀性。交通事故数据,规划数据,数据都收集空间建模的目的。为了占每个单元之间的空间依赖性和潜在的过度拟合问题(探测器)的可用性造成的,两个贝叶斯车型了。

结果证明在宏观的交通流影响的存在。注意,这个水平通常被用于研究区域交通控制和管理策略。因此,它表明的必要性,深入研究交通流特征之间的关系(例如,打码)和事故风险在地区层面上,为了启发交通专业人员提出时间活跃区域交通控制和管理安全策略的改进。

不可否认,目前的研究仍有一些局限性。首先,大多数交通主干道的数据收集,微波探测器安装。只有那些道路可以用作边缘图削减最小化。因此,有限的稀疏微波探测器和主题区域的大小,只有13数控区终于定义。这可能会导致过度拟合问题。介绍了贝叶斯车型来处理这个问题,之前和系数被认为可以遵循正态分布与L2正规化(类似)。在未来的研究中,我们将获得更详细的交通数据通过不同的方式和拓展研究领域。第二,时空异构性问题没有被认为是在这个模型。空间异质性在前面已经讨论文学。因为本研究主要集中在定义新的空间单元和比较它与其他单位,空间异质性可能是将来检查,特别是对流量特性的影响。 Moreover, since NC is defined based on traffic flow data instead of planning data, temporal heterogeneity can also be discussed in the future. Third, only three simple aggregated traffic parameters were considered in the study. It is interesting to extract other features of traffic flow (e.g., macroscopic fundamental diagram (MFD) and examine their possible effects on safety. Last, it appeared that macrolevel traffic flow parameters were not significant at TAZ levels. It deserves a deeper investigation and possible endogenous factors need to be examined in the future.

数据可用性

事故数据是保密的,不能没有共享在中国得到了当地政府的许可。

的利益冲突

作者宣称没有利益冲突。

确认

本研究支持了中国国家重点研发项目(2018 yfe0102700)。