密集路网中城市主干路中观安全分析模型

李 佳，王雪松

(1. 北京工业大学 北京市交通工程重点实验室，北京 100124； 2. 同济大学 道路与交通工程教育部重点实验室，上海 201804)

0 引 言

作为城市道路网络骨架，城市主干路连接城市的不同区域。城市主干路车道数多，交通流量大，交通方式多样，事故数多。在传统安全分析模型中，交叉口定义为交叉口中心到停车线间区域及上游安全影响区[1-3]，路段定义为相邻交叉口中间的部分[4-5]。安全分析模型以事故数为因变量，以道路设计、交通特性、控制参数等为自变量，分析事故的影响因素。由于传统安全分析模型在微观层面建立，往往将路网中相邻的交叉口和路段分解为两类独立的研究单元分别进行研究。然而，城市主干路交叉口间距短(上海仅为300 m[1])，交叉口与路段运行状况相互影响[3]，难以将交叉口和路段的事故分开。

交叉口间距是交通事故的重要影响因素，如图1。图1中：D6为交叉口间距，即相邻交叉口几何中心之间的距离；D1和D3分别为交叉口A和B内部的距离；D2和D4分别为交叉口A和B的安全影响区；D5为道路减去交叉口内部及安全影响区后的路段。

以路段为分析单元，交叉口间距被粗略等同于路段长度。研究发现，路段长度越长，交通暴露量越大，事故数越多[4，6]；相反地，也有研究发现，路段长度越短，相邻交叉口间路段上车道变化及交通冲突越多，事故数越多[7]。以交叉口为分析单元，研究发现，交叉口间距越短，交叉口影响区内的车道变化及交通冲突越多，事故数越多[1,8-9]。由此可知，交叉口间距D6对路段D5和交叉口(D1及D2，D4及D5)的事故均有影响，但传统模型针对路段及交叉口事故分别进行分析，仅能估计交叉口间距对主干路的部分安全影响，无法分析交叉口间距对道路上整体事故的影响。

传统安全分析模型的另一个问题是无法考虑道路两侧路网形态对道路事故的影响。主干路两侧路网特征影响出行者出行方式及路径选择，对主干路交通流和运行特征产生影响，因而也是交通安全的重要影响因素[10]。近年来有研究提出将交通分析小区(traffic analysis zone, TAZ)[11-12]或邻近社区[13]等区域作为研究单元，分析区域内的整体事故，并将该建模方法称为宏观安全分析模型，这种方法可以用来分析路网形态对区域内事故的影响。S. RIFAAT等[13]以社区为研究单元，发现环绕平行路网和环形放射路网比传统方格路网更安全。为了通过定量的方法描述路网形态，有研究采用介度中心度描述路网中心性[14]。X. S. WANG等[11]将TAZ作为研究单元，采用介度中心度将路网划分为不同形态，发现由于方格路网中与主干路平行的次路多，可以分担主路交通量，且进出交通少，主干路事故少。而另一个研究发现，由于主干路主要承担过境交通，主干路事故与所在路网形态不显著相关[12]。宏观安全分析模型可以分析路网形态对整个区域内事故的影响，但无法分析道路相邻两侧路网形态对道路事故的影响。

考虑到微观层面的传统安全分析模型和宏观安全分析模型的局限性，笔者提出了新的事故建模策略：沿主干路方向，将道路几何设计特征与运行状况相似的路段与其连接的信控交叉口组合为中观研究单元；与主干路相交方向，提取道路两侧的路网特征。以中观单元为分析对象，可以考虑交叉口与相邻路段的相互影响，同时可以分析交叉口间距和道路两侧路网形态对主干路安全的影响。在统计模型方面，考虑到同一主干路的中观单元具有空间相关性，模型中加入随机效应[15-16]来解决这一相关性。

1 研究方法

中观分析单元介于宏观分析单元(例如TAZ、社区)和微观分析单元(路段、交叉口)之间，表1描述了不同层面安全分析建模对比。中观建模方法如下：沿着城市主干路方向，以路段行驶速度和横断面设计特征为依据，将相邻的路段和信控交叉口组合为中观单元；与主干路垂直相交方向上，以每条主干路的平均路段长度定义中观单元的邻近路网范围，并根据拓扑结构计算每个路网的介度中心度，划分路网形态。以上海市市区城市主干路为例，具体介绍中观单元划分方法及道路相邻两侧路网范围的确定。

表1 不同层面事故建模对比Table 1 Comparison of accident modeling at different levels

1.1 主干路纵向交叉口及路段组合

利用地理信息系统(geographic information system, GIS)作为空间数据库，选取上海市21条主干路，包括411个路段(相邻两个交叉口之间的道路)和411个信控交叉口。所有路段平均长度(相邻交叉口停车线之间的距离)为353 m。

由图2可知，路段长度大多分布在100～400 m。路段与交叉口间交通流相互影响较大，有必要将相邻路段和交叉口组合为一个单元进行分析。

图2 路段长度分布Fig. 2 Road segment length distribution

交叉口及路段组合步骤如下：

步骤1检查主干路内各微观路段中央分隔带与机非分隔带的布置是否一致，如不一致，将主干路在路段中央分隔带和机非分隔带设置发生变化时打断。同时，考虑到如果在交叉口处将道路进行打断，交叉口事故难以合理分配到两侧路段上，因而组合单元的起点和终点均为微观路段中点，如图3中观单元B—C。

图3 中观单元示例Fig. 3 Example of a meso-level unit

步骤2绘制每条主干路路段速度分布图，计算该主干路平均速度。图4为某主干路路段速度曲线，共23个路段。图4中：顶点表示每个路段的平均速度，整条主干路平均速度为35 km/h。速度的获取及计算方法详见数据准备部分(第2节)。

图4 长宁路逐路段行驶速度Fig. 4 Travel speed on each segment on Chang-Ning road

步骤3将高于主干路平均速度的相邻路段组合在一起，低于平均速度的路段组合在一起。在图4 中，该主干路于路段A和C打断，从0—A，速度高于35 km/h；从A—C，速度低于35 km/h；C之后的路段由于波动频率较高，先不进行划分。

步骤4在速度突变点将道路打断以减少同一组合单元内路段的速度差异。图4中，速度突变点为B，D，E，该主干路被划分为6个组合单元：0—A,A—B,B—C,C—D,D—E,E—终点。为了区分中观路段与微观路段，尽量保证一个中观单元中包含两个及以上的交叉口。

最终将21条主干路划分为118个中观单元，平均长度为1 230 m。

1.2 中观单元两侧路网范围

主干路两侧的路网形态影响主干路运行状况及通达性，进一步影响主干路安全状况。考虑到主干路两侧与其相交道路的第一个路段直接影响主干路的交通运行状况，两侧相交道路对主干路的影响随着距主干路距离的增长而减小，因而笔者较保守地采用了平均路网间距作为路网范围。经过计算，外环内路网的平均路网间距为353 m，因而假定：如果主干路的平均交叉口间距低于350 m，则该主干路路网两侧范围分别采用350 m；如果平均交叉口间距高于350 m，则该主干路路网两侧范围分别采用400 m。图5中黑色边框灰色填充的多边形展示了每个中观单元邻近路网范围，多边形内的灰色线为实际道路路网。

图5 中观单元邻近路网范围Fig. 5 Range of road network adjacent to meso-level unitsRoadnetwork morphology and betweenness centrality

1.3 随机效应负二项模型

为了解决事故数据的过度离散问题，笔者采用负二项模型分析总事故数[1]。来自同一主干路的中观单元道路几何设计和交通特征具有相似性，导致这些中观单元空间相关，采用主干路层面的随机效应来考虑这种相关性，此种方法已经在以往研究中多次使用[15-16]。随机效应负二项模型如式(1)～式(2)：

yij～Negbin(θij,γ)

(1)

log(θij)=β0+βXij+φi

(2)

式中：yij为主干路i(i=1,2,…,21)第j个中观单元的观测事故数；θij为yij的期望值；离散系数γ～G(10-3, 10-3)；Xij为自变量；β为估计系数；φi为主干路随机效应，φi～N(0,1/a)，其中，a为精度参数，a～G(10-3, 10-3)。

笔者采用全贝叶斯估计方法[16]，使用WinBUGS®采用马尔科夫链进行20 000次迭代，舍弃前5 000个不稳定的样本。方差信息准则(deviance information criterion, DIC)用来评价模型的优劣，DIC越小模型越优，计算公式如式(3)：

(3)

2 数据准备

收集118个中观单元道路几何设计、交通特征(交通流量、运行速度)、两侧路网形态、周边土地利用及事故数据。其中，事故数据针对1.1节所述的21条主干路进行收集，每个中观单元的事故数为2012年交叉口和路段事故总和。

2.1 道路几何设计数据

中观单元交叉口间距用交叉口密度(平均每公里交叉口个数)表示。利用街景地图[17]得到每个中观单元的接入口数量、有无水平曲线、平均车道数、有无中央分隔带、有无机非分隔带等信息。其中接入口数量指道路两侧的胡同里巷、单位厂区、居民社区、加油站、停车场接入口的总数量，不包含信控交叉口数目。接入口数量划分为[0,5]、(5，10]、(10,48] 共3类，使得每个分组内接入口数量对事故数的影响一致。

2.2 交通特性

交通流量数据来自上海的自适应交通控制系统(sydney coordinated adaptive traffic system, SCATS)，计算2012年5月的月平均日流量。流量为每个中观单元内所有路段流量的平均值，相交道路流量为中观单元内所有相交道路流量的平均值。

采用路段运行速度描述运行状况。运行速度来自于浮动车数据，即出租车每10 s返回的经纬度坐标[4，18]，数据取自2012年5月10、17、24日早高峰时段7:00—9:00。车辆n在路段m上的平均运行速度vnm计算为：

(4)

式中：s为路段长度；t为行驶时间；d为交叉口速度低于5 km/h造成的延误时间。

在所有路段上，早高峰样本量高于30个。每个路段所有样本车的平均速度为：

(5)

式中：Q为路段上所有样本车的总量。中观单元l的运行速度为所包含路段运行速度的平均值：

(6)

式中：m为中观单元l内的路段数。

2.3 路网形态的计算

影响主干路安全的路网范围确定后，路网中每一条路径被抽象为一个点，介度中心度定义为某一点落在其他两点最短路径上的频率[19]。介度中心度越高说明中观单元即主干路在路网中越重要，路网中的大多数路径会经过该主干路，因而该主干路承担了比路网中其他道路更多的交通量[14]及进出交通。中观单元的介度中心度定义为：

(7)

式中：N为点的总个数；njk为点j与k的最短路径数；njk(i)为点j与k间包含点i的最短路径数。使用UCINET®计算中观单元在邻近路网中的介度中心度。为了分析路网形态对主干路安全的影响，依据介度中心度将路网划分为3种形态，如表2。

表2 路网形态与介度中心度分析Table 2 Road network morphology and betweenness centrality

表2表明：介度中心度较低的主干路一般位于方格路网中，这是由于方格路网中有多条道路平行于主干路，可以分担主干路流量。介度中心度较高的主干路一般位于混合形态路网中，此时主干路在路网中如同树干，是连接其他次路或支路的重要道路，路网中的路径大多需要经过该主干路。

2.4 土地利用

依据土地利用现状分类标准将主干路两侧土地分为居住、管理及公共服务、商业、仓储物流、市政设施、绿地及广场、居住用地7个主要类别[20]。笔者按照土地利用复合性将土地分为单一、两种、3种及以上3个土地利用类型。表3为118个中观单元自变量统计结果。

表3 中观单元变量描述及统计Table 3 Variable descriptions and statistics of meso-level units

3 事故预测模型结果

在随机效应负二项模型中，中观单元的道路几何设计、交通特性(交通流量、运行速度)、两侧路网形态、周边土地利用为自变量，事故数为因变量。在模型估计之前，对自变量进行相关性检验，发现自变量间相关系数均小于0.4。删减变量时，路段流量和相交道路流量间的相关系数仅为0.376，但相交道路流量会影响路段流量的显著性，最终模型仅保留了路段流量。交叉口密度和速度两个变量的相关系数仅为 -0.369，但速度会影响交叉口密度的显著性，而笔者旨在分析交叉口密度与主干路安全的关系，因而最终模型仅保留了交叉口密度。

3.1 模型结果

表4保留了在90%及以上置信水平显著的变量。表4中随机效应即为式(2)中的φi，该变量显著表明同一主干路的中观单元间存在空间相关性，模型的DIC值为1 442.81。

表4 总事故模型后验信息Table 4 Posterior information of total crash model

3.2 变量解释

3.2.1 路网形态

路网形态与总事故数显著相关。通过路网形态的系数可知，与方格网相比，不规则方格网事故数增加e0.200 5-1，约为22%，混合路网事故数增加了e0.338 6-1，约为40%。路网形态与主干路的关系如图6。

图6 路网形态与事故的关系Fig. 6 Relationship between road network morphologyand accidents

路网形态与出行方式选择及道路交通运行相关。表2的各种路网形态中，方格路网道路密度最高，有较多的次路与主干路平行，且路网连通性好，同一起终点的出行有多种路径选择方式，提高了主干路的安全水平。不规则方格网与方格网形态相似，但与主干路平行的次路不连续且数量少，与方格网相比，事故数较多。混合型是方格网和树状路网的混合，与主路平行的次路较少，路网内的路径大多要经过主干路，道路两侧进出交通多，事故数最多。笔者研究结果与X. S. WANG等[11]基于TAZ的城郊主干路宏观安全分析研究结果一致。而S. RIFFAT等[13]发现，方格路网比其他形态路网事故数多，推测原因是该研究以社区内所有道路的事故为研究对象。文献[12]发现，佛罗里达州橙县路网结构与主干路安全无关，推测原因可能是与橙县主干路服务长距离交通，与道路所在TAZ的路网形态关系较弱有关。

3.2.2 交叉口间距

交叉口密度(每公里交叉口数)用来描述交叉口间距，中观单元交叉口密度每增加1，总事故数增加e0.066-1，约为7%。与宏观TAZ水平的郊区主干路研究结果一致[11]，交叉口密度每增加1，事故数增加40.1%。与针对郊区主干路的研究中将交叉口间距作为主干路层面变量的分层模型结果一致[5]，交叉口密度增加1，事故数增加203%。K. XIE等[1]发现，交叉口密度越高，交叉口事故数越多。笔者所得交叉口密度的安全效应相较于以往的研究较小，是由于X. S. WANG等[5，11]的研究中没有考虑主干路交通流量，因而交叉口密度的安全效应较大。

3.2.3 其他变量

车道日均流量、平均车道数、道路长度、机非分隔带有无、接入口数量均为影响中观单元事故数的显著变量。虽然车速是划分中观单元的依据之一，但由于车速与流量相关性较大，因而未在模型结果中体现。车道日均流量越大，事故数越多，与以往研究结果一致[2，4]。平均车道数越多，道路长度越长，有机非分隔带，接入口越多，主干路事故数越多。

设置机非分隔带的道路总事故数较多，推测其原因，其一，设置机非分隔带的道路机动车速度较高；其二，车辆碰撞机非分隔带，易造成事故发生。接入口数量是影响事故发生的显著因素，与以前的研究结果一致[4,6]，推测是由于接入口越多，出入交通与主线交通冲突越多，事故数越多。

4 结 语

传统安全分析模型关注具体路段和交叉口特征对事故的影响，宏观安全分析模型关注土地利用、社会经济属性、路网形态等参数对区域事故的影响。笔者提出针对交叉口间距较短的城市主干路建立中观安全分析模型，综合考虑传统模型和宏观模型的自变量对主干路安全的影响，主要研究了交叉口间距和道路两侧路网形态对城市主干路事故的影响。

中观建模策略为沿主干路方向，将道路横断面设计和运行速度相似的路段与其连接的交叉口组合为一个中观研究单元，与主干路相交方向，提取两侧的路网形态。研究发现，交叉口间距越短，主干路事故越多；位于不规则方格网和混合型路网中的主干路事故数比方格网中主干路的事故数多。这种建模方法解决了传统安全分析模型无法考虑交叉口与路段相互影响，以及无法估计交叉口间距及周边路网形态对主干路安全影响的问题。

中观事故建模在交通工程上有以下几点应用：

1)针对交叉口密集的城市主干路，交叉口与路段不必分隔开进行事故分析。此外，国内在事故多发路段判别过程中，将连续的路段及交叉口而非独立路段和交叉口作为事故多发点，该方法可以辅助交通安全管理部门定义事故多发点范围并明确事故致因。

2)在主干路设计阶段，应该避免较短的交叉口间距，并在采取安全措施前，完整评估交叉口间距对路段和交叉口组合单元的整体安全影响。

3)在交通规划阶段，建议优先选择方格路网，且可以评估主干路邻近路网形态对主干路的安全效应。