基于k-均值聚类算法的吉林省高速公路交通事故时空分布特征分析

谢 勇 张 健 杨立锋 刘野军

（1.吉林省突发事件预警信息发布中心，吉林长春 130062；2.吉林省公安厅高速公路公安局，吉林长春 130000；3.吉林省气象服务中心，吉林长春 130062）

1 引言

2020年底全国高速公路里程达到16 万公里，继续稳居世界第一位，吉林省高速公路总里程达到4 306 公里[1]。 据交管部门统计，近30%的交通事故与气象条件有关[2]。 暴雨、暴雪等极端天气的频发给道路交通和行车安全带来了巨大隐患[3]，如2020年4月东北地区出现的罕见暴雪天气，黑龙江、内蒙古、吉林多地组织大型机械清除道路积雪；2021年7—8月河南出现的罕见强降水天气，致使当地多条高速公路和收费站入口关闭。

近年来， 气象部门与公安、 交通部门合作紧密， 从事交通气象服务领域的专家通过模糊数学法、 灰色关联度以及概率统计等方法制作发布的高速公路雾灾（低能见度）[4]、路面结冰灾害[5]、强降雨灾害[6]以及基于气象条件的高速公路站口通风风险等级预报预警[7]等。 保广裕等[8]以强降雪致灾因子为基础，加上承灾体、孕灾环境权重系数，研究建立了青海省公路沿线强降雪灾害性天气风险等级区划模型；杜建华等[9]以年累计降雨日数、最大日降雨量、 最大小时降雨量作为致灾因子危险性指标，结合风险普查得到强降雨致灾隐患路段；马蕾等[10]选取不同等级的大风日数、车流量、道路密度、地形高度等多个评价指标，开展高速公路大风灾害风险评价；杨军等[11]运用层次分析法和模糊综合评价法，构建高速公路大雾灾害评估模型。上述研究方法新颖， 但偏重于分析一类或少数几类气象要素，且对行车安全的影响性分析较少。本文利用k-均值聚类算法对气温、降水量、大风、能见度多类气象要素数据进行分类筛选、 特征选择和聚类分析， 找出吉林省高速公路交通事故时空分布特征， 弥补了分析单一气象要素对整体高速公路交通事故解释性不高的缺陷。 同时引入事故比， 得出多气象要素下高速公路交通事故特征的评估表，指标客观且全面。

2 资料与方法

2.1 资料

2011—2020年吉林省27 条主要高速公路逐日发生的交通事故资料由吉林省公安厅高速公路公安局提供，累计交通事故案例31 426 起。

高速公路交通事故点临近5 km 内的国家级气象站观测资料，包括最高气温、最低气温、降水量、降雪量、风速、能见度以及天气现象（结冰、积雪、露、霜、雾霾、强降水、大风、雷暴、闪电、其他）等。 依据气候季节划分标准[12]：春季为4—5月，夏季为6—8月，秋季为9—10月，冬季为11月—次年3月。

2.2 方法

2.2.1 事故比

对某一气象要素影响下的交通事故进行分析时， 如果直接将气象站点观测到的某段取值区间内发生的事故数作为研究对象， 而不考虑事故本身的概率问题， 会导致研究结果与实际发生偏差较大。 采用事故比方法，计算公式如下：

式中，m 为观测到的该气象要素某段取值区间内发生的事故数；n 为气象站点观测到的该气象要素某段取值区间的总天数；k 为用发生交通事故时出现的天气现象次数与该站点出现此天气现象的总天数比来确定各气象要素的影响程度。

2.2.2 聚类分析和k-均值聚类分析法

基于交通事故多与突发或延续的灾害性天气有关，本文借鉴相关研究[13]，引入目前在数据挖掘领域比较热门的矢量量化方法：k-均值聚类分析法，将统计数据按照季节不同进行分组，再将分组数据进行聚类分析确定样本集。

3 交通事故时间分布特征

3.1 不同季节分布特征

提取2011—2020年事故资料中天气现象为“结冰、积雪、露（霜）、雾霾、大风、强降水、雷暴、其他”的案例样本34 426 个，按照不同季节、不同天气现象计算事故比，得到表1。

表1第2 列给出了不同天气现象引起的交通事故比， 降雪引起的道路结冰、 强降水天气和露（霜）是引发事故的三大主因，占比达76.36%。 三者共同点在于均造成了高速公路路面湿滑， 大大降低了路面摩擦系数。 其中雪后的积雪路面并没有预计的影响大， 可能与高速公路完备的清雪设备和大、暴雪期间公路及时封停等有关。 近年来，大风、 雾霾对高速公路行车安全的影响越来越明显，能见度的降低直接影响司乘人员的行车视线，甚至会引起车辆侧翻等大型交通事故。

表1第3—第6 列给出了不同季节下各天气现象引起的交通事故情况。 冬季是事故的高发季节，事故贡献率达33.21%，降雪引起道路结冰和雪后的积雪路面是引发交通事故的主要原因；秋季是次高发季节，事故贡献率为30.59%，秋末的霜冻路面和初雪引起的道路结冰是主要原因；春、夏两季事故发生相对较少，联合贡献率36.2%，强降水以及春季的融雪路面、 大风是引发交通事故的主要原因。

表1 不同天气现象引发的交通事故比 %

3.2 不同月份分布特征

从图1 可知，事故最多的月份在11月，次之是12月，秋末冬初冷空气异常活跃，路面多冰水混合物不易清理。事故第二个峰值出现在10月和8月，10月前期受到长假、霜冻影响，后期受初雪影响， 天气形势复杂；8月正值吉林省主汛期，强对流天气和台风相对活跃， 事故多发生在湿滑路段，台风活动一般会持续到9月上旬。事故最少的月份在5月，此时天气系统较少，且气候条件较为温和，能见度较好，适宜出行。 2—3月有一个小波峰，为春运期间客流量激增所致。

图1 不同月份交通事故与天气现象关系

4 交通事故空间分布特征

4.1 交通事故路段初分及原因分析

对2011—2020年吉林省27 条高速公路的交通事故进行排序可知： 排在前三位的易发生事故路段为珲乌高速、京哈高速，抚长高速，排在后三的事故路段为通沈高速、延三高速、辉临高速。 对事故案例认定原因进一步分析， 非气象要素影响下（明显人为因素造成的，如酒后驾车、追尾等）事故发生数约占样本总数的70.36%，气象要素影响下（天气现象造成的能见度下降、大风侧翻等）事故发生数仅占29.64%，两者间频次比为2.37。 说明交通事故发生主要受非气象要素影响， 逐条计算27 条高速公路的事故发生频次比，得到图2。

从图2 可知，27 条主要高速公路中事故发生频次比超过3%的有9 条， 上述路段建设时间较长，路面情况相对复杂，其中频次比最高的为双嫩高速，达到8.64%；事故发生频次比低于1%的路段没有， 说明研究对象交通事故的发生均以非气象要素影响为主；事故发生频次比为1%的路段有4 条，白洮高速、牡延高速、通沈高速、延三高速，位于吉林省西部和中东部边缘地区， 此类路段建设时间相对较晚，路面情况较为简单。

图2 非气象要素与气象要素影响下27 条高速公路事故发生频次比

4.2 气象要素影响下交通事故分析

根据3.1 得出的冬季事故高发结论，排除4.1中非气象要素影响下的交通事故案例， 得到冬季3 096 起气象要素影响下的交通事故案例作为样本集， 调取24 个临近气象站点2011—2020年的气象观测数据作为样本集的因变量进行k-均值聚类分析。 本着类别内样本集的影响尽可能趋于一致，类别间样本集的影响“差异”尽可能大的原则，当24 个样本聚为4 类时，聚类的目标函数误差平方和最小，得到图3。

从图3 可知： 第一类事故站点主要分布在吉林省西部，站点平均发生事故数偏少，属于低风险区；第四类事故站点主要分布在吉林省中部地区，事故数偏多，属于高风险区；第二、三类事故站点主要分布在吉林省东部和南部地区，事故数居中，属于中风险区。

图3 冬季高速公路聚类分析树状图

对其他季节的分析同上， 得出的结论基本一致。 综述可知：高危路段位于吉林省的中部地区，珲乌高速、京哈高速、抚长高速、大广高速、长春绕城高速、鹤大高速、长深高速等7 条路段的事故数占样本集的46.3%，上述路段的阴雨、降雪天气影响占天气事故数的75.87%；中危路段位于吉林省的东部地区和南部山区， 分别占样本集的27.8%和21.4%，两个地区的阴雨、降雪天气事故数占比分别为76.72%和82.31%；低危路段位于吉林省西部地区和新建路段， 占样本总数不超过4.5%，但阴雨、降雪天气事故数占比却高达89.74%。 由此可以得出，建成时间越长、客运量越大、路况基础越复杂的路段，明显人为事路数越多，天气事故数的比例越低；而建成时间越短、客运量越小、路况基础越简单的路段，明显人为事路数越少，天气事故数的比例越高。但无论哪类路段，阴雨天气和降雪天气占天气事故数的比例均超过了75%。

4.3 交通事故空间分布特征

图4是吉林省高速公路交通事故空间分布图。从图4 可知，一级高危路段（吉林省中部，图中红色阴影部分）：珲乌高速、京哈高速，抚长高速、大广高速、长春绕城高速、鹤大高速、长深高速；二级中危路段（吉林省东部和南部地区，图中橙色阴影部分和蓝色阴影部分）：长长高速、沈吉高速、集双高速、吉林绕城高速、双嫩高速、通南高速、延蒲高速、延龙高速、伊辽高速、营东高速、吉黑高速；三级低危路段（吉林省西部，图中绿色阴影部分）：白城绕城高速、白洮高速、辉白高速、松原绕城高速、铁科高速；未分级路段（图中空白部分）：事故量过少或新建高速，通沈高速、延三高速、辉临高速、牡延高速。

图4 吉林省高速公路交通事故空间分布

5 交通事故与气象要素的关系

结合上文交通事故时空分布分析结论， 提取吉林省2011—2020年高速公路沿线国家级气象站观测到的8 类气象要素数据（最小能见度、平均气温、最高气温、最低气温、当日降水量、前一日降水量、极大风速、平均风速）作为样本数据。按照不同季节将分类数取值为4 进一步聚类分析， 并计算4 个簇中各分量标准分数的均值（代表样本数据与平均值之间的距离，高于平均值为正，低于平均值为负），计算后分类结果如图5 所示。

从图5 可知，簇1（绿色折线）中当日降水量、前一日降水量、极大风速、平均风速分数较高，说明春季出现降水、大风易发生事故，其中极大风速分数在4 个簇群中分数最高， 说明大风天气在春季影响特别严重。 簇2（红色折线）最高气温、当日降水量和平均风速分数较高，说明夏季出现降水、高温天气易发生事故， 其中最高气温分数在4 个簇群中分数最高， 说明高温天气在夏季影响特别严重。 簇3（橙色折线）中最低气温、当日降水量、前一日降水量分数较高，说明秋季在降水（雪）后易发生事故，其中最小能见度、平均气温分数在4个簇群中分数最高，说明秋季极端天气事件较少。簇4（白色折线）中最低气温、当日降水量、前一日降水量分数较高，说明冬季在连续性降雪、降雪后和低温天气均易发生事故，其中最低气温、前一日降水量分数在4 个簇群中分数最高， 说明降雪天气造成的低温冰冻路面在冬季影响特别严重。

图5 各簇特征变量的标准分数

结合上述分析，统计2011—2020年各气象要素下各气象站观测出现的次数和交通事故发生的次数，并按照分类进行事故比计算，得到表2。

从表2 可知：气温适中、无降水（或微量）、风力不大、能见度较好时，交通事故不易发生；出现极端气温、大雨或大雪及以上、风力6 级及以上、能见度低于50 m 时，交通事故极易发生。

表2 多气象要素下高速公路交通事故特征评估

6 结语

（1）冬季是事故高发季节，事故多由降雪后的积雪路面和路面结冰引起，春、夏两季事故相对较少；事故最多的月份为11月，次之是12月，秋末冬初冷空气异常活跃， 路面多冰水混合物不易清理，主汛期强对流天气和台风等极端天气频发，对交通的影响不容忽视。

（2）吉林省高速公路事故空间分布分为高危、中危、低危、未分级4 个区域。降雨、降雪天气是气象要素影响下事故发生的主要原因； 非气象要素影响与孕灾环境敏感性（海拨高度、坡度、坡向、多年平均气温等）、承灾体暴露度（即客运量、货运量、路网密度等）诸多要素以及人为主观判断等有关，同时随着技术发展，影响也会随之变化。

（3）大风天气在春季影响最大，气温过高在夏季影响最大， 降雪天气造成的低温冰冻路面在冬季影响最大，秋季天气相对平和，影响适中。 能见度、最高气温、最低气温、降水（雪）量、极大风速对于高速公路影响较为明显。 分析得出的多气象要素下高速公路交通事故特征评估指标， 对省内高速公路出行具有一定指导意义。