大数据条件的区域交通安全宏观评价原理

邓微波，刘玉增

(四川警察学院 四川泸州 646000)

交通警察在对管辖区域交通安全管理时，常常对在某个路口或路段，发生了很多起交通事故后，交通警察根据分析考察交通事故发生的原因，针对政府、道路规划管理部门或经营部门提出新的治理方案或技术方案，但道路管理或经营部门会认为，原来的规划设计建设均符合国家标准规范，为什么要花钱去治理、整改呢？所以交通安全治理对交通警察安全执法管理层面上基本没有技术话语权。我们还看到交通警察所使用的交通事故统计系统、交通违法管理系统、车辆与驾驶人管理系统等数据库中存储了大量的与交通安全有关的数据，除了具体工作使用之外，没有得到充分的研究和使用，这是巨大的浪费。利用这些存量数据对城市或区域的交通安全实现动态监测和宏观评估是切实可行的办法，本文从交通事故危险区间入手，分析其建立评价模型的原理和实施的步骤。

一、区域交通安全治理的新思路

事实上现行的许多交通工程标准和规范都是基于“工程”建设便于实现而制定的，而基于“安全”概念制定的标准是非常少的。但是交通安全管理通常都是要从参与道路交通的各因素入手，即从道路交通系统中的人、车、路、环境等因素进行考虑，分析考察道路交通事故的发生原因，从而找到改进的措施。就即便是管理部门在调查道路交通事故时也都简单的认为，事故的基本原因是由于驾驶人的粗心或错误以及汽车的故障引起的，也就是说把事故的主要责任归咎于人与车，特别是针对驾驶人，而对于道路条件及其它原因考虑很少或基本没有考虑。因此在制定法律、规定、政策时很少追究道路建设者的责任，对于路网、城市、区域等宏观层面的交通安全管理问题上，更是很少在政府、道路管理者的举措中得到体现，就是得到落实也往往都是针对局部条件或因素的改善而采取的措施。没有系统的、全面的、动态监控式的制度性措施。而且这种状况在世界上多数国家的公众舆论和交通管理机构的官方认识也都是大同小异。

（一）建立区域交通安全度监测概念

对于某个区域的交通安全管理，在不断恶化的行驶条件与不良道路状况时，主要与道路的管理和养护有密切关系，实际上，当我们进行认真细致的分析时就会发现，道路条件极大地影响到交通安全状况，影响到整个区域内公众的交通安全感。而交通警察除了交通安全执法以外，能对区域交通安全治理过程发挥作用和承担职责的是对安全程度的动态监控。由于区域内路网交通流分布情况、交通事故数据和变化情况、交通违法相关数据等都存储在交通警察的数据库里，这些数据有完整的历史演变和准确丰富的数据形态，完全可以作为该区域交通安全治理的基础数据和管理依据。但是，交通警察所管理的这些数据，除了安全执法所必须的使用外，几乎没有对区域的宏观交通安全监测、安全治理措施改进、政府宏观决策等产生作用，或者说没有引起主管部门的重视。这是极大地浪费，必须引起我们的高度重视和充分的加以利用。

对于区域的交通安全管理必须有全面的、系统化的、数据化的管理思维，才能科学的、有效的治理交通问题，特别是宏观层面的区域交通安全管理必须考虑整个路网情况，连续监控区域的交通安全度变化，判定其安全度是否达到安全的临界状态，即公众的交通安全感是否达到极限，为政府决策安全治理措施提供依据，同时通过对区域交通安全度的监测，可以改进公安交通管理工作服务决策过程的理性化与合理化，也是交通安全管理工作是否采取宏观的整治措施和制定相应的法律法规必须考虑的指标之一。

（二）确定区域交通安全度的重要因素

国外许多学者对道路条件影响交通安全这一观点给予了充分的重视，国外有交通工程专家认为：不管各方面的意见如何，只是驾驶人一方面的错误，决不会引起最严重的事故。事故的主要原因往往是由于恶劣的道路条件引起的。英国的学者认为如果某一路段发生了多于3 起事故，那么就可以完全有根据地认为该路段的道路条件给驾驶人提供了一个不可靠的行驶条件，降低了行车的安全性，而且许多事故的研究也证实了这一观点，前苏联专家对苏联境内的13000 起交通事故进行了分析，得出结论是：涉及恶劣道路条件影响的事故占70%。驾驶人的过失无疑是交通事故的直接起因，但不良道路条件能够诱发、放大人的过失，也就是说，表面上单纯人的过失，有可能是人、道路及环境共同作用的结果。道路条件对交通安全影响很大，有一部分是直接的，但大部分是间接的，它通过对驾驶人的误导使驾驶人产生错误的判断从而导致事故；或者当驾驶人发生失误时，不能根据道路条件对这种失误及时加以修正，从而变成驾驶人的失误导致交通事故。

每一辆车行驶于道路上，都是由驾驶人、汽车、道路以及环境等组成一个相互协调的系统，这个系统中的任何一部分的正常机能受到破坏都会导致交通事故，因此交通事故发生往往是系统的协调作用受到破坏的结果，但在进行交通安全分析时，人们往往将不安全原因简单地归咎于人即汽车驾驶人的行为，认为驾驶人对系统中其它因素的突然变化应立即做出准确无误的判断并进行及时的处理，要求驾驶人在一定程度上预见并采取相应的方式补偿这些因素变化的影响，力求保证安全行驶，但实际上这种看法的论据是不足的。

人与自动化的调节系统不同，没有程序设计反应系统。在有限的时间里，驾驶人要直观地根据眼前出现的复杂情况做出判断并实施可能的方案，这时他的神经处于高度紧张状态，极有可能犯错误导致事故，在疲劳情况下，事故的数量和可能性都会大大增加。考虑到这些情况，在分析道路交通事故的原因时，很多情况下明显发现，如超速、不正当的超车、不正当的转弯、不良的视距、撞上非机动车或行人等，除个别事故是由于驾驶人粗心驾驶引起外，大部分驾驶人出事故的原因是由于恶劣的行驶条件引起的，只要驾驶人稍稍放松注意力，就会导致道路交通事故。因此，从道路条件即道路的危险性入手分析路段、路网、区域等的交通安全度是最直接的方法。

二、道路危险性的定量分析

当对区域内交通安全度定量分析时必须从危险路段的分析入手，因此，在对危险道路条件做出正确的分析与评估之前，非常重要的一步是首先要找出相对危险的道路，也就是说要对道路安全性能做一个客观的分析与评价。这种评价的基础是已有的交通事故数据，评价的目的是为了分析危险路段的道路条件，对道路的危险性进行管理，以便得出什么样的道路条件会威胁到道路交通安全。

（一）危险路段的曲线表示

假定以事故发生点是危险点，以危险点为中心的一定距离内道路的危险程度也会很高。道路上每一点的安全性能是不同的，为此先定义一个值A，以此值代表道路上点的危险性，A值越大道路上该点的危险性越高，反之，A值越小越安全。以道路里程X为横轴，以危险性A为纵轴，那么道路安全性能可用危险曲线的形式直观表现出来[1]。如图1所示。

图1 道路危险性曲线

在事故发生点，道路的危险性是最高的，在临近发生点其危险性也会较大，随着距离的增加，道路危险性逐渐减弱，即道路危险性曲线接近于一条以事故发生点为中心的正态分布曲线。从道路本身情况来说，由于道路条件不好造成行车危险性增高，而不好的道路条件决不会是单独一个点，应该是道路上的一段或者说是一个区域。例如：很多下坡弯道，由于路面超高或路面防滑性能方面的问题，造成事故多发点（黑点）路段。汽车往往是在离心力达到最大的位置冲出行车道，这一点（一般来说是曲率最大点）发生的事故最多，其危险性最高，但有少数车辆由于速度太快，可能在没有到达该点时就发生事故了，也可能由于转向过度，车辆经过该点之后，从道路的另一面滑出。因此，事故多发点处的累计事故数以曲线的形式进行形象的表示，曲线所表达的是道路事故危险性程度。对所有曲线的重叠部分进行迭加，最后会得出一条综合曲线，综合曲线即代表了事故的真实危险情况，从另一个角度也反映了道路的交通安全性。曲线纵坐标越大的点，其安全性越差。如图2所示。

图2 危险路段综合曲线（Q表示面积，H表示危险度）

（二）危险路段的正态模型描述

根据上面对事故多发点的分析，描述道路危险性可以用曲线方式，即建立以事故为依据的危险路段分析模型，也就是确定曲线的函数关系。通过对大量交通事故地点调查和对各种函数曲线的研究，发现事故曲线比较符合正态函数。因为影响道路危险性的因素很多，其中道路自身条件就包括道路线形(直线长度、曲线半径、纵坡、超高等)、道路结构(路面形式、路面材料、路基高度等)以及道路等级等因素，另外，道路所处环境条件也会对交通安全产生影响，例如当道路两侧一片荒芜时驾驶员就很容易疲劳而引发事故。道路安全性能是这些因素综合影响的结果，一起事故的发生也是在这样一个复杂系统内各因素发挥作用的结果，而每一个因素的影响是不确定的，危险路段是各种因素综合作用的结果，即道路危险性这一指标应该是近似服从正态分布的。危险性指标可以采用单位事故率，这样它才是连续型的随机变量。另外，长期大面积监测的交通事故，都服从正态分布，因此正态分布曲线作为危险路段分析模型有技术基础。

因此，道路的危险性A（随机变数）服从正态分布，其概率密度为：

其中：f(x)危险性大小的概率，x表示事故发生的位置区间。

确定了危险路段分析模型是正态函数以后就要选取合适的参数以明确这一定义。在一般正态函数中有两个参数即μ和σ。在正态函数中μ代表函数的均值，参数μ的意义是确定了函数曲线的位置。对于不同的μ值，函数曲线将位于x轴上的不同位置，对于我们所研究的问题，参数μ可用于确定危险曲线位于路线上的具体位置，即在道路的哪一点发生的事故。参数σ在正态曲线中用于描述函数的方差，σ越大则随机变量的离散性越大。表现在曲线上，即曲线越平。反之σ越小，随机变数的离散性越小，曲线越陡，随机变量的值越靠近均值μ，即f(x)越大。

由于路段的危险性曲线是n起事故叠加的结果，可以用曲线极值叠加和区间长度x来表示危险的严重程度，即定义最大界限值Q（面积），即：单个事故的最大界限值Q=xfmax(x)，由于x是定值，可以略去不考虑。因此，n起事故的最大界限值Q为：Q=nfmax(x)。

（三）事故严重性的当量值

当定义危险路段仅是道路条件造成时，则与事故的严重程度无关。但造成事故严重程度不同时，应考虑交通量、交通成份等因素，它们是造成事故严重性的重要因素。由于目前没有严格的统一的危险路段定义，造成危险路段研究的多重概念，考虑到道路交通治理和安全管理时因素集的实用性，鉴于此原因引入事故严重性参数。

1.严重性指标的选取。事故越严重，事故发生处的危险性应该越高，其影响面也应越大。为了反映事故的严重程度，选取一个衡量指标引入所确定的函数中，该指标的变化可以体现出事故的严重程度。为此引入K，将K乘以标准正态分布函数作为随机变量的最终分布函数。即K值越大，事故的严重程度越高，其道路的危险性也就越大，影响范围越宽，而且一起严重事故所产生的道路危险性指标在道路上各点均大于一起一般事故。

考虑事故严重程度后，道路危险性的概率密度函数为：f(x)=

对于不同的K值有：

当K=1 时，事故的影响范围，即曲线在x轴上的长度；取[μ-2σ，μ+2σ]②部分，当标准正态曲线时，σ值取1，即取[-2，2]之间的部分，影响范围为4。可以认为是4公里。

当K=2 时，影响范围边界处的x值应满足：有x=±2.321，即取[-2.321，+2.321]之间的部分，其影响范围为4.642。

当K=3 时，影响范围边界处的x值应满足：有x=±2.489，取[-2.489，+2.489]之间的部分，其影响范围为4.996。

2.实践中K值的确定。K值作为一个评价道路事故严重性的指标，与事故本身密切相关。事故越严重，所造成损失越大，那么其K值也就越大。

对于K的具体取值本文建议：轻微事故：K=0.5，一般事故：K=1，重大事故：K=2，特大事故：K=3。选用不同的值可以体现对不同类型事故的严重程度，K值不同判断结果也会不同，但其判断过程是相同的[1]。

（四）单个路段交通安全度的评价原理

引入公众交通安全感H作为评价道路交通安全的基本指标。它取决于交通参与者对人、汽车、道路以及环境等组成系统的安全认知。H是一个无量纲的参数，理论上可以用聚类分析的方法得到一段道路或者一个区域内人们对交通安全的感知程度。

但在公安交通管理的实践中，为了操作方便，可以用预测的年度交通事故数代替H的值，特别是对于整个区域来说意味着人们对交通安全度的忍受极限就限定在预测值内，超过预测值就定义为安全程度异常。交通事故数的预测方法很多，最常用的一般有两种方法：一种是用两个相关因素分析与预测，具体来说就是应用一元回归方程。如自行车的发展数量与交通事故发展的关系，道路的改造、修建与交通事故发展的关系等等。另一种是用几个相关因素综合分析与预测，具体说来，就是应用多元回归方程。如将机动车、非机动车、人口、道路、管理手段等综合在一起分析预测。因前一种预测方法准确度较差，所以通常应用多元回归方程进行预测。由于事故相关因素中各种自变量不稳定，会造成较大误差，因而各地公安交通管理部门都采用简易办法预测未来交通事故的发展趋势，如车辆增长率来预测今后事故的增长量，用前三年或五年事故的平均数来预测今后事故的发生数，即平滑预测的方法。也用前几年事故的递增率来测定今后交通事故发展方向等，这里不再赘述。

单个路段交通安全度的评价原理就是：对于单个路段而言，在统计周期内发生n起交通事故的最大危险界限值Q③与H相比较，当Q≥H时就意味着人们对其安全度已经无法接受，必须得到整治。事实上，最大危险界限值Q就是单个路段安全度的定量表述。

有时在实际的管理工作中，为了简便有效，也可以用路段平均事故数来近似代替路段安全度Q的值。以上对道路危险性的分析方法可以推广到整个路网或某个区域（如整个城市建成区）。

三、区域交通安全度的分析评价办法

（一）交通量参数统计与交通小区

进行区域交通安全度评价时，不能将各路段最大危险界限值Q简单的求平均值。因为，区域内的危险路段对区域交通安全度的影响程度是不同的，交通量大或人员密集区、交通违法频繁区等参数对其都有影响，比如，事故冲突理论就是利用交通违法的数量和严重性建立违法与事故的关系，得出最严重的冲突事件就是事故。

这里我们选择对区域安全影响权重高、便于操作的宏观参数交通量分布为分析研究对象。如果选取交通量作为权重系数，可以借鉴交通工程学中的出行（OD）调查所采用的交通小区划分方法将危险路段归纳整理按小区进行统计，然后求其加权平均值。

首先，需要全面了解区域内交通事故发生点之间的交通状况（即交通事故点的位置分布与交通量分布），由于交通事故发生点的数量庞大，不可能对每个交通事故发生点进行独立研究。所以在区域交通安全度评价中，将交通事故发生点合并为若干个小区域，称作交通小区。交通小区是一种在地图上划分出来的虚拟区域，并没有实际的界限，它的目的是为了便于交通事故和交通量调查，在划分交通小区后需要完成交通事故和流入小区内交通量调查，根据调查的数据进行区域交通安全度评价，在评价完成以后，交通小区的使命也就随之结束了[2]。

其次，选择某城市作为分析平均区域，当进行区域交通安全度评价时的范围一般小于城市行政区范围，根据城市行政区图勾画出境界线的精确范围比较困难。而目前社区的范围以及治安管理领域推广应用的“网格化”管理可以作为基础条件加以利用，可以根据社区的范围来确定调查区域的范围。例如某城市交通安全评价区域的小区划分和交通事故调查结果，如图3所示。

图3 某城市区域交通小区内事故数统计

（二）区域交通安全度计算

区域中交通小区的数量假定是m个，每个小区流入交通量ti，每个小区发生事故数ni，每个小区的最大危险界限值Qi，权重系数qi，区域总事故数N，区域总交通量T，统计年区域预测事故总数H，则区域的交通危险性最大界限值Q为每个小区最大危险界限值的加权平均值，即：Q=④，其中权系数是：qi=，i=1，2，3，……m。

（三）区域交通安全的评价与监测

通过以上的分析计算，可以清楚的看到，统计年区域的预测交通事故总数H和区域的交通危险性最大界限值Q就成为我们监测和评价其交通安全的最好参数。当整个区域的Q≥H时，意味着区域交通安全形势开始恶化，需要采取整治措施。如果连续监测区域的安全度变化，可以得到连续变化的Q曲线，如图4 所示，再将每年的预测事故数H连成曲线，我们就可以清楚的看到交通安全趋势的发展变化情况。当Q达到某个临界值时，就需要控制改善区域内的交通流量、交通条件、政策调节等客观因素，以降低区域的交通安全风险。特别需要指出的是Q的计算模型可以进一步研究加以完善，可以采用在大数据背景下宽域的模型结构，并加以系统开发利用，通过计算机自动的和交警的数据库对接，完成智能化的安全监测与评价。

图4 某区域交通安全变化趋势示意

四、结语

交通安全管理要素之间存在着耦合效应问题，用交通事故的变化研究交通安全问题是最常见的方法，利用已有的交通事故记录及相关的交通数据，加以统计分析，找出安全变化的规律及事故与道路环境间的关系是这种研究的一般模式。

以往对交通事故的数据及其规律进行统计分析，并从中发现规律是这类研究的主要内容。而交通事故属于随机事件，无法于交通肇事前预知何时、何地发生哪种性质的事故，故对微观的事故分析作用不大。但肇事与众多因素相联系、相制约，客观上其间存在一定的关系，例如人、车、路的情况与管理水平等因素都与事故相关，这些因素又涉及国家或地区的经济发展情况，直接或间接的影响着公众的交通安全感知度。利用事故的分布情况和事故的严重程度研究区域内交通安全的变化情况是一种新的思路和方法，特别是利用大数据，使得交通警察的存量数据得以利用、研究和指导决策等，这也是可以进一步研究探讨的重大课题。

[注释]：

①正态分布有“3σ原则”，对于正态分布随机变量来说，它的值落在区间[μ-3σ，μ+3σ]内的概率为0.997，也就是说随机变数落在这一范围内几乎是肯定的。

②但注意到在区间[μ-2σ，μ+2σ]上曲线的概率为0.954，即不在曲线内的可能性小于5%。指标己能满足交通工程的要求，而相对于[μ-3σ，μ+3σ]的范围曲线长度却缩小了三分之一，使概率过小部分得到了比较合理的忽略。

③实际应用中Q值的具体计算如下：已知某路段事故次数n和每起事故的严重性K，可以知道：

④区域危险性最大界限值计算公式具体可以是：