区域交通事故接警量的预测与分析

王镇波， 管满泉

(浙江警察学院交通管理工程系， 浙江杭州 310053)

区域交通事故接警量的预测与分析

王镇波， 管满泉

(浙江警察学院交通管理工程系， 浙江杭州 310053)

掌握区域的交通事故增涨规律，是一个区域公安交通管理部门合理地分配警力、提高交通管理水平的重要手段。通过分析浙江省某县级区域十年间的110接处警数据，对每个月的日平均交通事故报警量进行统计和分析，实现了区域交通事故接警量的月和年预测方法，为公安交通管理部门短期、中期工作安排提供数据参考；通过千人拥车量等指标，参照发达国家的汽车发展，为计算未来交通事故报警量的增涨峰值提出了基于最佳历史数据的Logistic模型的远期预测方法。预测2017～2033年为中国汽车的快速增长期，中国的千人拥车量峰值为769，同时，对区域交通事故进行了预测和分析，并建议未来8年内某区域(全国则为未来16年内)应形成针对交通事故处理逐步提高10%的年应对警力的发展战略。

交通事故报警量； 预测方法； 千人拥车量； 快速增长期

0 引言

汽车数量的发展，提高了社会活动的运输能力，给人们带来生活上的便利，同时也带来了负面影响。因为城市车辆保有量的急剧上升，引起的城市交通拥堵和交通事故频发的现象已经成为严重的社会问题。2016年底，由公安部交管局统计数据显示，机动车驾驶人达到3.6亿人，其中汽车驾驶人超过3.1亿人；全国机动车保有量达2.9亿辆，其中汽车1.94亿辆，汽车刚性需求保持旺盛，新注册量和年增量均达历史最高水平。汽车量的迅速增涨诱发了交通事故量的增涨，处理每天发生的交通事故，已成为当前公安交通管理部门的工作之一。如何掌握区域交通事故规律，合理地应对交通事故的发生，从宏观的角度改善城市交通安全的管理状况已经成为社会发展的一个迫切任务。根据世界卫生组织发布的《2015年全球道路安全现状报告》内容，自 2007 年以来全球道路交通死亡人数处于稳定水平。大部分研究表明，我国的道路交通安全管理水平得到了一定程度的提高。2003 年以来，全国公安机关深入开展了道路交通事故预防工作，大力整治道路交通秩序，取得了明显成效。

但如何客观并定量分析一个区域的交通事故管理好坏，掌握地区的交通事故发展趋势，对公安机关交通管理部门而言，是公安技术学中一个重要又有价值的课题。目前，进行全国或地区的交通事故预测的学术研究，以事故死亡人数为基础数据为主，较为传统的有：回归分析预测法、时间序列法、统计模型法、经验模型法等[1]，也有新近发展的灰色理论预测、人工神经网络和基于马尔可夫链的结合理论方法等[2-3]， 结合人、车、道路和环境以及历史的时间序列数据完成事故的预测分析，能够获得宏观参考性的交通事故预测结果。由于诸多原因，以事故次数、死伤人数和直接经济损失的分析，数据源本身的真实性和客观性都受到一定的质疑。

而本文通过区域交通事故接警量的预测和警情特征分析，对浙江省某县级区域的交通管理部门内多年来的交通事故报警量进行统计和分析，数据源上不以事故死亡人数为基础数据，而来源于真实的交通报警数据，能够保证真实性和客观性。同时，假设汽车量的增长与交通事故相关，结合国际上发达国家和我国的千人拥车量的变化及预测[4-5](部分研究已较为成熟，但未能结合用于交通事故的分析)，提出基于最佳历史数据的Logistic模型的远期预测方法，能够在战略上预见并更合理分析交通事故的变化趋势，对未来公安交通管理工作的重点有战略上的影响，对当前和未来的警力分配有重要贡献。

1 交通事故报警量

1.1 交通事故和交通事故报警量的定义

《中华人民共和国道路交通安全法》中定义，交通事故是道路交通事故的简称，是指车辆在道路上因过错或者意外造成的人身伤亡或者财产损失的事件。其中，“道路”，是指公路、城市道路和虽在单位管辖范围但允许社会机动车通行的地方，包括广场、公共停车场等用于公众通行的场所[6]。

然而，实际上并不容易完全获得一个地区的交通事故发生量。实际操作中， 122或者110接处警转接到地方交通警察大队的二级接处警平台，由交警部门(交警大队或交警支队)记录存档。在及时剔除了重复报警的记录后，形成的交通事故报警量，客观上代表了该地区的交通事故发生量。

1.2 交通事故的现状和统计

1.2.1 交通事故报警量

区域交通事故报警量是反映一个地区交通安全的基础信息，也是衡量一个地区的公安交通管理部门的工作量、交通管理水平和交通管理成效的客观指标之一。论文将通过浙江省某县级市(以下简称某区域)公安局交通警察大队的二级接处警平台，导出多年来交通事故报警量数据，对某区域的现状进行简述，并对每年发生的交通事故进行统计。

根据历史的软件系统记录，由二级接警平台系统软件所能导出的数据库数据有超过10年(2004年4月～2014年12月) 的每天的交通事故报警记录，且这些数据是已经剔除了重复报警的交通事故报警量数据。数据表明，此地区交通事故报警量历年增加，增涨迅速，并且未来仍保持大幅度增涨趋势。目前此地区能够查到的最早记录是2004年4月份的交通事故报警记录，2004年4月平均每天发生的交通事故报警量为37.2起，而10年后2014年4月平均每天发生的交通事故报警量为163.0起，10年的时间里交通事故报警量增长了4.3倍。至2014年12月平均每天发生的交通事故报警量为220起，2014年年交通事故报警量增涨幅度为13%，并且每年各个月份的事故量有显著的变化规律，如每年12月是交通事故最高发生月份，每年春节1月份最低。具体的现状数据见图1所示。

图1 某区域2004年4月～2014年12月的交通事故报警量(每月的日平均量)

通过统计，目前已知某地区年交通事故实际报警量如表1所示。

表1 某区域年交通事故实际报警量

1.2.2 汽车保有量和人口等

自2000年起，某区域年汽车保有量迅猛增长，2011年汽车保有量年增30%，增幅达到顶峰，当前汽车保有量增长率不低于15%，且每3～4年内汽车保有量翻一翻，增幅仍然非常大，见表2所示。

1.3 交通事故报警量的预测和分析

1.3.1 中期年事故报警量预测

历年的交通事故报警量都在增加，并且呈一定的数学增涨规律。假设交通事故报警量与增加的汽车保有量成正比，而报销报废的汽车量可以忽略，那么经过每个月的累积，时间的增长将带来稳定的新增汽车的交通事故报警量，即可假定交通事故报警量与时间成二次曲线。通过快捷的二项式拟合[7]，足以对未来3年的交通事故进行粗略的预测，如图2所示。

表2 某地区汽车保有量、常驻人口和千人拥车量

其中，拟合的数学模型采用简单的二次多项式模型：

f(x)=-312.3*x^2 -125 000 0*x+ 1.25*10^9

(1)

其中，x为第几个月份，f(x)为第x个月的交通事故报警量。确定系数R-square为0. 996 1，拟合度非常高。

图2 交通事故报警量现状的统计和6年的预测值

根据预测表明，2015～2020年的年交通事故报警量将不低于10%的增长。 未来中期阶段至2020年公安交通管理部门将需要在交通事故处理工作中每年多投入10%以上的警力和工作时间。交通事故报警量的增涨，客观反映了当前交通管理工作量的增加，意味着未来的交通管理任务更加繁重。

1.3.2 短期月事故报警量预测

由于多年的交通事故报警量呈二次多项式模型增涨趋势，近3年的每月的日平均交通事故报警量预测的方法，与公式(1)相似，从实用性的角度，简便地考虑到交通事故的发生量存在显著的年周期性，通过对每年一月份的数据进行二项式数值拟合，得到10年里(2004～2014年)1月份的日平均交通事故报警量的预测曲线，同样单独预测每年2月份、每年3月份、每年4月份……每年12月份。这样就能够实现未来每个月的日平均交通事故报警量和当月总量的预测。据统计，由多年来交通事故报警量数据，对每个月发生的日平均交通事故进行统计，如图3所示。

图3 某区域10年间的交通事故报警量(每月的日平均量)及其预测

1.3.3 事故报警量的规律性和交通事故报警量月差异系数求解

通过分析交通事故报警量，可发现：10年间，每月的日平均交通事故报警量都在稳定增长；存在着周期性变化，每年12月是交通事故最高发生月份，每年春节1月份最低。假定每月的日平均交通事故报警量为Q，一部分来源于新增汽车保有量带来的时间尺度的交通事故增长为ΔQ1，一部分来源于每年相对稳定的气候季节性的周期性差异量为Q2，以月份为统计差异单元ΔQ2，

Q=ΔQ1+Q2

(2)

其中，时间尺度上，Q1呈二次多项式变化，即

Q1=a*t＾2+b*t+c

(3)

因此，可求Q2=Q-ΔQ1，

(4)

ΔQ2i=(1-ki)Q

(5)

其中，i为第几个月份，ki为每个月的交通事故报警量月差异系数，Qmax为当年某月份的最大日平均交通事故报警量。

以2005～2014年每一自然年为一个周期分别求解每个月的交通事故报警量月差异系数ki，获得10年内10次ki值平均，即为最终的交通事故报警量月差异系数，各项数据如图4所示。

图4 求解交通事故报警量月差异系数的各项数据

经过拟合，

Q1=0.225 3*t＾2+5.744*t+1 290

(6)

得到的交通事故报警量月差异系数ki平均值如表3所示。

表3 2005～2014年交通事故报警量月差异系数ki(均值)

研究分析表明，某区域一年中每个月份的交通事故报警量有明显的差异，以一二月最少，12月份最多；同时随时间变化，交通事故报警量呈曲线增涨趋势。

1.4 交通事故量的发展趋势分析

1.4.1 美国、日本和中国的千人拥车量及远期预测

有效借鉴一些发达汽车大国的汽车发展史，能够为我国交通管理提供长期的战略指导。汽车大国在发展过程中都有惊人的相似处： 经过一定长时期的较缓慢增长，汽车工业元年成为各国汽车发展的标志性转折，其中，美国大约位于1916年，日本是1966年，中国是2002年。发达国家中，千人拥车量是衡量汽车购买力以及经济发展的重要标准。与已经达到顶峰的发达国家相比，美国的千人拥车量最高为2008年850辆/每千人，日本的千人拥车量为2005年620辆/每千人达到峰值。至2016年年底，中国(大陆内地地区)的千人拥车量约为141辆/每千人。相比于美国和日本，中国(大陆内地地区)的人口密度介于二者之间，如表4所示。在此大胆假设，一定条件下，千人拥车量的峰值一定程度上和人口密度成负相关，即国家发展到稳定时期，汽车的购买和使用量稳定下来时，人口越密集的地区人群越倾向于少买车，购车的集体欲望受人口密度影响。因此中国(大陆内地地区)的千人拥车量的峰值将介于日本和美国的千人拥车量峰值之间。

粗略地以人口越密集和千人拥车量峰值成反比估算P有：

(7)

求解得：

P=769

即，预测未来中国(大陆内地地区)的千人拥车量峰值P约为769辆/每千人。

表4 各国人口密度和千人拥车量峰值情况表

数据来源: 国家统计局 (2011)

杜勇宏等[5]通过Logistic模型，比较中国和日本汽车保有量相似性，预测中国汽车千人保有量的快速增长期是在2017～2034年之间，已经有相对成熟的方法，但简单地设定东南亚国家汽车发展相近，取中国汽车千人保有量峰值等同日本630辆/每千人的做法不够合理。

图6 中国千人拥车量和迅猛发展期的预测

由于历史太久的数据会影响近期数据的拟合度，经多次拟合，选取2000～2016年的中国千人拥车量数据作为历史数据拟合Logistic模型最佳(R-square为0.9899)，形成基于最佳历史数据的Logistic模型的方法，得到结果为：

Pt=769/[1+(e349.1-0.172 4*t)]
(t=2017,2018,… 2060)

(8)

取千人拥车量峰值P的20%～80%区间，即2017～2033年为中国汽车的快速增长期(转折期为2025年)，共16年，比日本快速增长期(1968～1991年)23年减少了7年，也间接说明中国汽车的快速发展。

通过以上分析，全国自2017年起未来16年进入汽车的快速增长期，交通事故引起的交通管理工作量将年增加10%以上，交通管理部门应形成长远策略，针对交通事故处理工作，逐步提高10%的年应对警力，以满足人民群众在交通事故处理方面的需求增长。因此，未来的交通管理工作严峻，需要从战略上考虑交通管制策略。

1.4.2 区域千人拥车量和区域交通事故量的远期预测

某区域常驻人口68万，经济发达，2016年汽车保有量21万，2015年的千人拥车量约274辆/每千人(如果包含流动人口约40万则其千人拥车量约173辆/每千人)，尚有2.8～4.4倍的增涨空间。

同样，可以通过基于最佳历史数据的Logistic模型的方法预测某区域的千人拥车量峰值时间(R-square为0.996 7)，得到结果为：

Pt=769/[1+(e502.7-0.249 1*t)]
(t=2017,2018,… 2060)

(9)

通过计算，2013～2024年为某地区汽车的快速增长期(转折期为2019年)，如不进行限号限行等措施，该地区将更早更快地完成汽车的增长。

假设交警事故报警量随汽车保有量的增长而增长，汽车保有量的增加带来交通事故量的增加，而根据每年10%以上的增幅，未来还有约8年的时间汽车保有量将继续迅猛增涨。由此推断，在未来将持续8 年的时间，该区域交警事故工作量还将年10%以上的增长。

图7 各国和某地区的历史数据及中国和某地区的千人拥车量预测数据部分数据来源: 国家统计局、地区政府统计局、文献[6]

2 结语

论文总结了区域交通事故报警量变化的数学规律，发现每月交通事故报警量的年周期性，并计算一年内交通事故的月差异程度，获得区域的交通事故报警量月差异系数(不同区域很可能差异巨大)，短期内逐月对历年的日平均交通事故报警量进行预测解决；通过建立二项式模型进行预测，实现预测未来至2020年的年交通事故报警量，且中期内得出已有数据3年后每月的交通事故报警量；长期战略上，通过千人拥车量等指标对未来的交通事故报警量的增涨年限提出了定量的预测，形成基于最佳历史数据的Logistic模型的方法，得出2017～2033年为中国汽车的快速增长期的结果，并应用于区域汽车的快速增长期计算，制定提高10%的交通事故处理年应对警力。

区域交通事故接警量的预测，运用数学模型，发现交通事故量的动向，其目的是预测交通事故的发展趋势和总体现状，对交通事故量的统计进行分析，得以从宏观上定量地认识事故现象的本质和内在规律，对综合治理交通和保证道路交通安全有重要的作用，并普遍适合于其他区域的交通事故处理分析，从而帮助公安机关交通管理部门发现事故未来发生的趋势，对交管部门做好救援工作和战略发展都有很好的指导意义。

论文在区域千人拥车量的分析过程中，暂未引入流动人口，将导致得到的数值偏于保守。因此，未来应对交通事故的区域交警管理工作将可能比预测更严峻。

[1] 刘利. 道路交通事故统计分析及预测模型研究[D]. 重庆：重庆大学, 2004： 22.

[2] 赵玲, 许宏科, 程鸿亮. 基于最优加权组合模型的道路交通事故预测[J]. Computer Engineering and Applications, 2013, 49(24).

[3] 赵玲. 基于马尔可夫链的道路交通事故预测研究及应用[D]. 西安: 长安大学, 2013.

[4] 赵红梅. 基于Gompertz曲线模型之上的中国千人汽车保有量中长期预测[J]. 工业技术经济, 2012 (7): 7-23.

[5] 邓恒进, 胡树华. 基于Logistic模型的我国汽车保有量增长期分析[J]. 企业经济, 2008 (8): 111-113.

[6] 公安部. 道路交通事故处理程序规定[M]. 北京：中国法制出版社, 2008.

[7] 姜启源，等. 数学模型[M]. 北京：高等教育出版社, 2003.

[8] 杜勇宏. 对中国汽车千人保有量的预测与分析[J]. 中国流通经济, 2011(6):84-88.

[9] 赵海龙. 中国汽车保有量预测建模及其应用研究 [D]. 长沙：湖南大学, 2009.

[10] WU N, ZHAO S, ZHANG Q. A study on the determinants of private car ownership in China: Findings from the panel data[J]. Transportation Research Part A: Policy and Practice, 2016, 85: 186-195.

[11] 魏宏业，张仲义，吕永波. 促进我国道路交通安全建设策略的探讨[J]. 中国安全科学学报，2003，13(6)：68-71.

(责任编辑陈小明)

D631.5

王镇波(1987—)，男，广东惠来人，讲师，博士。研究方向为智能交通、交通管理和交通图像处理。