王雪松，宋 洋

（同濟大學道路與交通工程教育部重點實驗室，上海201804）

中國城市正在經(jīng)歷快速城市化，2012年我國城鎮(zhèn)化率已達52.57%［1］.上海城市快速發(fā)展，2010年常住人口已達2 200萬［2］，全市道路里程達16 792 km［2］.伴隨著城市擴展和機動化快速發(fā)展，交通安全問題日益嚴重，2009年上海的萬車死亡率達4.27，遠高于同期美國的1.33［3］，交通安全形勢急需改善.美國佛羅里達州20個大都市以及芝加哥等大都市均已將安全作為交通規(guī)劃首要目標［4］.上海市在2020年城市交通發(fā)展白皮書中將安全確立為首要目標，但上海市仍沒有建立完整的安全定量評價方法和體系，對路網(wǎng)特征、交通特征及其他因素與安全的關系無深入了解，無法評估規(guī)劃方案的安全性.

宏觀交通安全分析將研究區(qū)域分成若干分析單元，收集每個單元內(nèi)道路、交通、土地利用等屬性作為模型自變量，事故數(shù)據(jù)作為因變量，建立宏觀安全統(tǒng)計模型.分析單元以交通分析小區(qū)（traffic analysis zone，TAZ）層面最多［5－7］.TAZ作為交通規(guī)劃的空間分析單元，獲取數(shù)據(jù)方便，而且宏觀安全分析結果可以更好地融入到交通規(guī)劃中.Guevara等［5］收集了859個TAZ的道路和交通數(shù)據(jù)，以事故數(shù)作為因變量進行宏觀安全分析.Hadayeghi等［6］收集了多倫多463個TAZ的道路和交通數(shù)據(jù)，以事故數(shù)作為因變量進行宏觀安全分析.

宏觀層面影響交通安全的因素可以分為道路、土地利用、交通、社會－經(jīng)濟四大類.道路因素中，TAZ內(nèi)主干道長度及比例［5］、交叉口密度［6］、道路密度［6］對事故數(shù)量具有顯著正相關影響；Sun等［8］還發(fā)現(xiàn)三肢交叉口比例對TAZ內(nèi)事故數(shù)量有顯著負相關影響.在土地利用因素中，商業(yè)用地、倉儲用地、綜合開發(fā)用地、政府用地類型會導致事故顯著增加［9］.交通因素中，車公里對事故數(shù)量有顯著正相關影響［6，8］；Lovegrove等［10］發(fā)現(xiàn)擁堵水平和事故有顯著的正相關影響，平均速度對事故有顯著負相關影響.關于社會－經(jīng)濟因素，TAZ內(nèi)住戶數(shù)量對事故數(shù)量有顯著正相關影響［6］；Guevara等［5］發(fā)現(xiàn)人口密度、17歲以下人口比例對TAZ內(nèi)死亡事故具有顯著正相關影響；隨著家庭規(guī)模（每個家庭的平均人口）的增大，事故降低［11］.

事故具有非負、離散的特點，研究人員常使用廣義線性模型進行分析［5，8］.相鄰的TAZ在社會經(jīng)濟、道路、交通、土地利用等方面具有相似性，導致空間相關，違背了樣本之間相互獨立的假設.條件自回歸（conditional autoregressive，CAR）模型可以解決空間相關問題.Wang等［7］基于美國佛羅里達州的數(shù)據(jù)建立了TAZ層面的宏觀安全模型，較好地解決事故數(shù)據(jù)過度離散、空間相關的問題.基于貝葉斯方法的空間統(tǒng)計模型可以更好地考慮數(shù)據(jù)的復雜性.

上海市區(qū)具有高密度路網(wǎng)、混合交通等中國城市的典型特點，本文采集了上海市外環(huán)內(nèi)263個TAZ的事故、道路、交通、土地利用等數(shù)據(jù)，通過建立TAZ層面的宏觀安全模型，分析道路、交通、土地利用等因素與安全之間的關系，尋找影響安全的顯著因素.宏觀交通安全研究對于建立安全的城市交通系統(tǒng)具有重要的指導意義.

1 數(shù)據(jù)準備

TAZ一般以行政邊界、河流、高架快速路為邊界，同時保證每個小區(qū)內(nèi)土地利用類型一致.在數(shù)據(jù)處理過程中會遇到多源數(shù)據(jù)無法很好匹配的問題，由于TAZ邊界與道路網(wǎng)數(shù)據(jù)來源不一致，導致2種數(shù)據(jù)融合之后TAZ邊界與路網(wǎng)無法很好匹配，如有些TAZ邊界本應沿著市區(qū)高架道路設置，但數(shù)據(jù)融合之后發(fā)現(xiàn)高架道路與TAZ邊界不重合.因此人工檢查了每個TAZ的邊界，使TAZ邊界能夠與道路更好地匹配.

土地利用數(shù)據(jù)來自上海市市政管理局.土地利用性質(zhì)分為八類：居住用地、居住商業(yè)用地、居住商業(yè)辦公用地、居住科教文化商業(yè)用地、會展金融旅游用地、居住工業(yè)用地、居住物流用地和居住生態(tài)用地.地理區(qū)位分為浦西和浦東.土地利用強度分為1～5級以及未知.土地利用級別越高，開發(fā)強度越大.土地利用強度從市中心向外逐漸降低：內(nèi)環(huán)內(nèi)基本都是高強度開發(fā)，內(nèi)環(huán)中環(huán)間開發(fā)強度相對減弱，而中外環(huán)間開發(fā)強度最弱.

收集了每個TAZ交通出行數(shù)據(jù)，包括客車產(chǎn)生量、客車吸引量、貨車產(chǎn)生量、貨車吸引量.從上海市外環(huán)內(nèi)客車產(chǎn)生量分布可以看出，客車產(chǎn)生的空間分布特征為：內(nèi)環(huán)以內(nèi)、外環(huán)內(nèi)西南部的客車產(chǎn)生量較大，而外環(huán)內(nèi)西部、北部以及東部客車產(chǎn)生量較小.利用ArcGIS軟件中的空間關聯(lián)技術統(tǒng)計各個TAZ內(nèi)三肢交叉口數(shù)量、四肢交叉口數(shù)量、多肢交叉口數(shù)量、交叉口總數(shù)、主干道長度、次干道長度、道路總長度.

收集了2009年研究范圍內(nèi)的事故數(shù)據(jù).通過對事故記錄中的事故地點語義信息進行解析得到事故發(fā)生道路、相交道路等信息，并將事故定位于電子地圖.利用地理信息系統(tǒng)（GIS）的空間關聯(lián)技術便可計算出各個TAZ內(nèi)的事故數(shù)量.

采用全局Moran指數(shù)來衡量研究范圍內(nèi)各個TAZ事故數(shù)之間的空間相關性，其計算公式為

式中：I為全局Moran指數(shù)；n為TAZ的個數(shù)；i和j均為TAZ的編號；xi和xj代表第i個和第j個TAZ的事故數(shù)；ˉx為所有TAZ事故數(shù)的均值，Wij為2個TAZ中心點之間的距離.I的取值在±1之間，正值代表總事故數(shù)在空間上正相關，負值代表負相關，零值代表空間隨機分布.I值的顯著性采用顯著性檢驗公式Z－score來進行檢驗.

式中：E（I），var（I）分別為I值的期望和方差.本文選取顯著性檢驗水平為5%，如果Z（I）絕對值大于1.96，則說明總事故數(shù)在空間上存在顯著的空間自相關性.在ArcGIS軟件中計算得到I＝0.231，Z＝2.014，說明事故數(shù)存在空間自相關性.

將所有自變量按照連續(xù)變量和分類變量分別進行統(tǒng)計描述，如表1和表2所示.

2 貝葉斯負二項條件自回歸模型

貝葉斯方法通過結合先驗分布及從觀測數(shù)據(jù)得出的似然函數(shù)得到估計參數(shù)的后驗分布［12］.先驗分布可以根據(jù)經(jīng)驗給出，也可以是無信息的先驗分布.貝葉斯方法的理論框架可以表示為

表1 連續(xù)型自變量統(tǒng)計描述Tab.1 Continuous variable features statistics summary

表2 分類變量統(tǒng)計描述Tab.2 Categorical variable features statistics summary

設yi為第i個TAZ內(nèi)發(fā)生的事故數(shù)，在負二項模型中yi服從泊松Gamma分布，如下所示：

式中：Neg表示泊松Gamma分布；θi為yi的期望；γ為離散系數(shù).

對于不考慮空間相關性的負二項模型，連接函數(shù)形式為對數(shù)函數(shù)，如下所示：

式中：X′為自變量協(xié)方差矩陣；β為回歸系數(shù)的向量.

如果在貝葉斯理論框架內(nèi)建立負二項CAR模型，那么就在前面負二項模型假設基礎上引入隨機效應項φi，以解釋第i個TAZ同其他TAZ的空間相關性，因此設定的事故模型就變?yōu)槭剑?）：

通常利用空間鄰接矩陣wi，j來說明空間內(nèi)第i個TAZ和第j個TAZ的關系，定義如式（7）：

在貝葉斯CAR模型中，φi的先驗條件分布可定義如式（8）：

方差信息標準（deviance information criterion，DIC）綜合量化了貝葉斯模型的擬合度和復雜度，常用于比較復雜模型的優(yōu)劣［13］.DIC的計算方法如下：

3 模型結果與分析

貝葉斯方法通常使用馬爾科夫鏈進行計算［14］.軟件WinBUGS利用吉布斯取樣法完成貝葉斯模型的標定.因為沒有可靠的先驗信息，假定所有的回歸系數(shù)服從正態(tài)分布N（0，105），隨機效應的方差σ2ε服從Inverse－Gamma分布（10－3，10－3），負二項分布的離散系數(shù)r服從Inverse－Gamma分布（10－3，10－3）.設定2條馬爾科夫鏈各進行20 000次迭代，舍棄前2 000個不穩(wěn)定的樣本，建立了TAZ層面的貝葉斯負二項模型和貝葉斯負二項CAR模型.貝葉斯負二項模型和貝葉斯負二項CAR模型的后驗分布和DIC值如表3所示.

對比了貝葉斯負二項模型與貝葉斯負二項CAR模型的擬合結果，前者的DIC值（3 892.4）大于后者的DIC值（3 288.3），證明貝葉斯負二項CAR模型擬合結果更優(yōu).在貝葉斯模型中判斷一個變量是否顯著有2個準則：①后驗均值小于后驗標準差的值；②95%置信區(qū)間不應覆蓋零［13］.按照以上準則判斷，貝葉斯負二項CAR模型中的顯著變量包括主干道長度、次干道長度、道路網(wǎng)密度、交叉口總數(shù)、土地利用強度、客車產(chǎn)生量和地理區(qū)位等7個變量.

表3 貝葉斯負二項CAR模型與貝葉斯負二項模型結果對比Tab.3 Modeling results of Bayesian Negative Binomial（NB）CAR model and Bayesian NB model

3.1 路網(wǎng)特征

主干道長度對事故數(shù)量為正相關影響，主干道長度的增加會顯著增加TAZ內(nèi)的事故數(shù).原因是主干道上車道多、流量大、車速高.上海市區(qū)主干道雙向車道數(shù)平均為6.43條，有些路段雙向甚至有8～10條車道，車道數(shù)多增加了行人過街距離，也增加了行人事故發(fā)生的可能性.主干道高峰小時每車道流量為500輛，大交通量增加了交通沖突和事故發(fā)生的可能性.此外，上海市區(qū)主干道上相鄰交叉口平均距離較短，僅為400m，這對交通安全同樣造成不利影響.Xie等［15］研究發(fā)現(xiàn)在上海市區(qū)主干道上，隨著交叉口間距縮短，交叉口事故數(shù)增加.Levine等［16］發(fā)現(xiàn)每個人口普查街區(qū)組中的主干道里程對事故有顯著的正相關影響.

模型結果表明次干道對事故數(shù)量同樣有顯著正相關影響.次干道同樣具有較高的車流量和較高的車速，增加了事故發(fā)生的可能性；上海的部分次干道上沒有機非分隔設施，會帶來更多的機非沖突，從而導致事故多發(fā)［17］.Hadayeghi等［6］在分析多倫多道路交通事故時也得到與本文相類似的研究結論，次干道長度增加，會增加TAZ內(nèi)的事故數(shù)量.

道路網(wǎng)密度、交叉口數(shù)量與事故數(shù)呈現(xiàn)出顯著正相關關系.路網(wǎng)密度越高，交叉口數(shù)量越多，意味著交叉口間距短，車輛交織、車輛變道轉彎的準備距離也變短，發(fā)生交通沖突的概率增加，發(fā)生事故的概率也增加.而且交叉口密度越高，轉向的流量就越大，機動車與行人、非機動車發(fā)生沖突的機會更大.根據(jù)模型結果計算，交叉口數(shù)量每增加1個單位，TAZ事故數(shù)量增加6.4%（e0.0623－1）.Siddiquia等［18］發(fā)現(xiàn)每個TAZ內(nèi)的交叉口總數(shù)對事故數(shù)量會起到顯著正相關作用.Hadayeghi等［19］在研究宏觀安全過程中也發(fā)現(xiàn)了每個TAZ中道路密度對總事故數(shù)存在著顯著的正相關影響.

3.2 交通、土地及區(qū)位變量

在貝葉斯負二項CAR模型中，客車產(chǎn)生量、土地利用強度及地理區(qū)位在95%置信區(qū)間內(nèi)是顯著的.

客車產(chǎn)生量對事故數(shù)量的影響是顯著正相關的：隨著客車產(chǎn)生量的增加，事故數(shù)量增加.根據(jù)模型結果計算，客車產(chǎn)生量每增加1個單位，TAZ事故數(shù)量增加1.4%.TAZ內(nèi)客車產(chǎn)生量與事故數(shù)量之間存在正相關關系，這與常識是吻合的：交通量越大，事故越多.Hadayeghi等［6］統(tǒng)計了TAZ內(nèi)車公里數(shù)，并分析得到其對事故數(shù)量的影響是顯著正相關的.

貝葉斯負二項CAR模型結果顯示，土地利用強度越高，事故數(shù)量越多.土地利用強度從1～2級上升到3～5級，TAZ事故數(shù)量增加約14.5%.土地利用強度高，會帶來更多的交通量，從而導致更多事故的發(fā)生.表3結果同時顯示，土地利用強度變量“其他和未知”的系數(shù)比變量“3～5級”的系數(shù)大且為正，這說明相對于土地利用強度為1～5級的TAZ，土地利用強度為“其他和未知”的TAZ事故更多.結合土地利用強度分布可以發(fā)現(xiàn)，土地利用強度為“其他和未知”的TAZ大多分布在外環(huán)附近，靠近城鄉(xiāng)結合部.這類區(qū)域土地利用混合度高、客貨混行嚴重、交通秩序混亂，容易發(fā)生事故.

從區(qū)位角度看，浦西事故數(shù)量高于浦東事故數(shù)量.原因是浦東從20世紀90年代開始開發(fā)，很多道路屬于新建道路，道路安裝有質(zhì)量較好的隔離、防護設施，浦西由于歷史原因，很多道路在設計與建設上存在問題，某些浦西道路隔離、防護設施缺失，增加了事故發(fā)生可能性.而且浦西的道路密度、土地開發(fā)強度（浦西土地利用強度為3～5級的TAZ占53%，浦東占44%；浦西土地利用強度為“其他和未知”的TAZ占33%，浦東占18.2%）也比浦東大.以上因素增加了浦西發(fā)生事故的可能性.

4 結論

國外大都市區(qū)所采用的交通安全規(guī)劃方法為上海市提供了借鑒.作為交通安全規(guī)劃中必不可少的環(huán)節(jié)，宏觀安全分析有助于找到宏觀層面影響安全的因素.本文基于上海市事故數(shù)據(jù)將宏觀安全分析應用于國內(nèi)城市，針對上海市區(qū)進行TAZ層面宏觀交通分析.基于宏觀安全數(shù)據(jù)的特點建立貝葉斯負二項CAR模型進行分析，并根據(jù)DIC證明貝葉斯負二項CAR模型相比于貝葉斯負二項模型更優(yōu).基于模型結果從道路屬性、土地利用和交通特點層面上找到了顯著影響宏觀層面事故數(shù)量的因素.

模型分析結果為未來上海市交通規(guī)劃的實施提供了一些借鑒：在交通規(guī)劃過程中，注意道路里程、密度與土地之間的搭配；規(guī)劃過程中注意控制交叉口距離，過短的交叉口間距會對安全產(chǎn)生不利影響；主、次干道做好防護隔離設施，減少交通沖突機會；在過街距離較長的路段設置安全性較高的行人過街設施，如行人安全島、過街天橋等；對于靠近外環(huán)的城郊區(qū)域，應重點加強對非機動車、摩托車以及貨車的安全管理；對于位于浦西主次干道里程較長、路網(wǎng)密集、土地開發(fā)強度較大的區(qū)域，要做好事故主動預防，因為由模型結果可知，此類區(qū)域發(fā)生事故的概率較大.

［1］ 中國社會科學院城市發(fā)展與環(huán)境研究所.中國城市發(fā)展報告（2012）［R］.北京：中國社會科學院城市發(fā)展與環(huán)境研究所，2013.

Urban Development and Environmental Research Institute of China Social Science Academy.Report of Chinese city development（2012）［R］.Beijing：Urban Development and Environmental Research Institute of China Social Science Academy，2013.

［2］ 上海市統(tǒng)計局.上海市統(tǒng)計年鑒（2010）［M］.北京：中國統(tǒng)計出版社，2011.

Bureau of Statistic of Shanghai.Shanghai statistical yearbook 2010［M］.Beijing：China Statistics Press，2011.

［3］ 同濟大學交通運輸工程學院.交通運營安全管理配套政策研究課題——道路交通安全專題［R］.上海：同濟大學，2012.

School of Transportation Engineering of Tongji University. Supporting policies research of traffic operation safety and management［R］.Shanghai：Tongji University，2012.

［4］ 彭建，王雪松.國際大都市區(qū)最新綜合交通規(guī)劃遠景、目標、對策比較研究［J］.城市規(guī)劃學刊，2011（5）：19.

PENG Jian，WANG Xuesong.A comparative study of visions，objectives，and strategies of the latest comprehensive transportation plans for metropolitan areas of international cities［J］.Urban Planning Forum，2011（5）：19.

［5］ Guevara F L，Washington S P，Oh J.Forecasting crashes at the planning level：simultaneous negative binomial crash model applied in Tucson，Arizona［J］.Journal of Transportation Research Record，2004，1897：191.

［6］ Hadayeghi A，Shahi J，Persaud B N.Macrolevel collision prediction models for evaluating safety of urban transportation systems［J］.Journal of Transportation Research Record，2003，1840：87.

［7］ Wang X，Wu X，Abdel－Aty M，Tremout P.Investigation of road network features and safety performance［J］.Accident Analysis and Prevention，2013，56：22.

［8］ Sun J，Lovegrove G R.Using community－based macrolevel collision prediction models to evaluate safety level of neighborhood road network patterns［C／CD］／／Transportation Research Board 89th Annual Meeting.Washington D C：Transportation Research Board，2010.

［9］ Ng K，Hung W，Wong W.An algorithm for assessing the risk of traffic accident［J］.Journal of Safety Research，2002，33（3）：387.

［10］ Lovegrove G R，Sayed T.Macro－level collision prediction models for evaluating neighbourhood traffic safety［J］.Canadian Journal of Civil Engineering，2006，33（5）：609.

［11］ Lovegrove G R，Sayed T.Using macrolevel collision prediction models in road safety planning applications［J］.Journal of Transportation Research Record，2006，1950（1）：73.

［12］ Carlin B P，Louis T A.Bayesian methods for data analysis［M］.Boca Raton：Chapman ＆Hall／CRC，2009.

［13］ Speigelhalter D J，Best N G，Carlin B P，Linde A V D.Bayesian measures of model complexity and fit［J］.Journal of the Royal Statistical Society，Series B，2003，64（4）：583.

［14］ Gilks W R，Richardson S，Spiegelhalter D J.Markov Chain Monte－Carlo methods in practice［M］.New York：Chapman ＆Hall，1995.

［15］ Xie K，Wang X，Huang H，et al.Corridor－level signalized intersection safety analysis in Shanghai，China using Bayesian hierarchical models［J］.Accident Analysis and Prevention，2013，50：25.

［16］ Levine N，Kim K E，Nitz L H.Spatial analysis of Honolulu motor vehicle crashes：I.spatial patterns［J］.Accident Analysis and Prevention，1995，27（5）：663.

［17］ Wang X，Chen M.Safety analysis of urban arterials under varying operational conditions in Shanghai［C／CD］／／Transportation Research Board 91st Annual Meeting.Washington D C：Transportation Research Board，2012.

［18］ Siddiquia C，Abdel－Aty M，Huang H.Aggregate nonparametric safety analysis of traffic zones［J］.Accident Analysis and Prevention，2012，45：317.

［19］ Hadayeghi A，Shalaby A S，Persaud B N.Development of planning level transportation safety tools using geographically weighted poisson regression［J］.Accident Analysis and Prevention，2010，42（2）：676.