基于交通冲突理论的道路安全评价技术研究综述*

葛慧敏 周礼军 薄云钰 董 磊 臧文铠

（江苏大学汽车与交通工程学院 江苏 镇江 212013）

0 引 言

随着经济的高速发展和城市规模的不断扩大，交通需求不断增加，交通事故已成为当前运输业所面对的严重公共安全问题。社会对于交通安全的关注促使道路交通安全评价体系应运而生。交通安全评价的概念最早于20世纪90年代由英国提出，旨在对大部分公路做出安全指示，澳大利亚和美国也在此领域发展迅速，先后出版了《公路安全评价》《道路安全设计与运营指南》等著作[1]，为今后形成成熟的安全评价体系打下基础。

相关文献表明：国外大部分聚焦于对公路网、局域网或密集城市路段的分析，Gregoriades等[2]采用了贝叶斯信念网络与智能体仿真相结合的方法，对道路网络构建事故预测模型进行安全分析；Lee等[3]使用混合多项式Logit 分式分解模型，从宏观上分析按车型划分的碰撞比例，分析佛罗里达州交通分析区的碰撞频率；Orsini等[4]分析大规模高速公路横截面碰撞事故，运用极值理论预测模型优劣。而国内对于交通安全评价的研究较晚，主要基于交叉口和高速公路场景进行分析，同时也针对中国本土地理环境对山区和农村进行分析。到目前为止，中国对于交通安全分析的研究已取得了一系列成果，郑来[5]将交通冲突技术与极值理论相结合，构建了交通冲突区组极值模型和超阈值极值模型，对高速公路的车道变换行为进行分析；郭延永等[6]利用随机参数负二项模型建立了信号交叉口右转设施交通冲突模型进行安全分析；郑喆等[7]在对排列式交叉口进行交通安全分析，探讨了基于有序概率模型建立了鲁棒优化模型。

由上可知，国内外关于交通安全分析的研究日趋成熟，交通冲突技术与各种理论相结合，广泛运用到安全分析过程中，但根据不同的研究场景，采用不同的评价指标和方法，其评价结果可能大有不同，要做到对实际道路场景或路网下的准确分析、评价，以及事故预控，还有很大的进步空间。因此有必要对于目前的道路交通安全评价体系做出全面的回顾与总结，并将结论应用到交通管制、交通事故预防等方面，提出相应的改善措施，达到事故主动防控的目的。从交通冲突技术应用场景、交通冲突影响因素、道路交通安全评价技术3个方面阐述此领域研究现状和发展趋势。

1 共现分析

关键词共现分析可表现某特定领域研究内容的集中度与关联度，快速了解该领域发展沿革与当前热点，加深对该领域的认知。以中国知网（CNKI）数据库库与Web of Science（WOS）数据库为数据源，运用VOSviewer 文献计量软件，截取时间范围为2011年1 月1 日—2022 年6 月25 日，在CNKI 库中以“交通冲突”OR“冲突模型”AND“交通安全评价”为关键词，在WOS库中以“traffic conflict”OR“conflict model”AND“traffic safety evaluation”为关键词，检索出中文文献160篇以及外文核心文献460篇进行关键词共现分析，见图1～2。

图1 CNKI关键词共现图谱Fig.1 CNKI Keywords co-occurrence map

通过聚类分析，可得到国内12个研究集群和国外9个研究集群。进一步将研究主题归结为以下3类。

1）针对不同场景下的交通模型构建。例如非常规信号交叉口[8]、高速公路施工区[9]、交织区[10]等。依赖于行车现场交通流、交通冲突等数据，搭建交通冲突模型或安全评价模型，利用仿真方法分析模型优劣以及对交通冲突的改善效用。

2）梳理交通冲突影响因素。将交通冲突影响因素分为人、车、路、环境、其他5个方面进行归类分析研究。

3）阐述道路交通安全评价技术。从3个方面对道路交通安全评价进行描述，归纳整理国内外交通冲突选取方法，结合国内外道路交通安全评价方法，构建道路交通安全评价模型。

2 交通冲突技术应用场景

图2 WOS关键词共现图谱Fig.2 WOS Keywords co-occurrence map

交通冲突技术作为1种被广泛使用的交通安全评价非事故指标，在多种场景下都发挥了特有的作用。目前研究场景主要集中在平面信控场景、高速公路基本路段组成场景、宏观交通路网场景，与之对应可总结为点场景、线场景、面场景。其典型场景概况见图3。

图3 典型场景文献数量分布Fig.3 Literature quantity distribution of typical scenes

其中交叉口场景占总场景的26.8%，在整个路网中，由于平面交叉口通常有多向交通流汇合，因此是道路通行能力的瓶颈和交通事故的多发地点。文献表明：从信号控制角度[11-12]，在2相位信号平交口、信号控制环形交叉口、夜间信号交叉口等信控平面交叉口的不同信控方式交叉口进行过分析；从典型[7，13]与特定[14]交叉口类型角度，选取过城市和郊区交叉口、排阵式交叉口，对关联交叉口层面、主干道层面等场景展开的研究。

高速公路是专供汽车分向、分车道、全部控制出入高速行驶的多车道公路。由于高速公路多桥梁、涵洞、隧道，且在这些路况复杂的路段行车极易发生事故。因此，国内外学者针对此场景展开了诸多交通安全分析的研究。例如对高速公路隧道出入口段[15]、合并路段[16]等场景的交通安全分析。此外，还有在山区高速公路[17]、山区高速公路隧道群[18]等场景下进行的交通安全分析。

除上述2 种场景外，国内外学者还对其他特定的场景进行了相关的交通安全分析研究：如在城市道路[19]、城市快速路[20]、城郊公路[21]、山区道路[22]、农村公路[23]、事故多发路段[24]等场景进行的交通安全分析与评价；除此之外，从宏观交通环境出发，国内外学者探究了在整个区域路网环境下[25]的交通安全分析及评价，如城市核心区、州或市交通分析区以及寒冷地区公路[26]等场景进行的交通安全分析；从更微观的角度来说，如对各划分路段的静态（基础设施）和动态特性（交通密度）进行独立分析[2]的场景。

综上可知，从场景的研究时间来看，场景发展变革也是按照由点及线到面的研究顺序，而随着人工智能和机器学习方法的发展使得交通大数据的采集和分析简单易行，才得以深入研究宏观路网的交通安全。目前研究场景单一，缺少对照场景分析，如点点场景、线线场景、面面场景、点线场景、线面场景、点线面场景的对照分析；此外，目前研究大多仅考虑一维空间信息，缺少二维时间信息的分析，应结合场景时空信息对交通安全进行分析。

3 交通冲突影响因素

通过对检索文献的梳理，目前对交通冲突影响因素的分析主要集中在人、车、路、环境等方面，此外还包括其他特定的影响因素。因此，论文从5 个方面对交通冲突影响因素的研究进行分析。

3.1 人为因素

交通参与者是交通安全诸因素中最为活跃和主动的因素，也是引发交通事故的最主要因素。国内外的统计数据显示，80%～90%的交通事故是由人的因素所诱发的。因此，国内外众多学者针对驾驶人因展开研究，主要包括驾驶人生理、心理特征、视觉特性和驾驶行为等的影响分析[1]。表1 为交通安全分析中人为因素指标。

3.2 车辆与交通指标因素

车辆的性能是保证道路安全性的重要因素之一，道路交通量等车辆相关交通指标也对交通安全有重要影响。故很多研究都在交通安全分析中考虑了车辆和交通指标因素[1,15,17]，以期达到更好的分析效果。表2 为交通安全分析中的车辆与交通因素指标。

表2 车辆与交通指标因素Tab.2 Vehicle and traffic index factors

3.3 道路因素

在道路设计的诸多要素中，道路的线形设计对道路交通安全起决定性作用。从大量交通事故的结果看，很多是由困难的行驶条件所引发的，而困难的行驶条件又与道路设计及规划密切相关，所以，道路因素[24]和交通安全的关系分析是非常有必要的。表3为交通安全分析中的道路因素指标。

表3 道路因素指标Tab.3 Road factor indexes

3.4 环境因素

交通环境是除了人、车、路之外，影响道路交通安全情况的另1 个重要因素。因此，国内外学者对道路交通安全分析时考虑了诸多的环境因素，如：天气原因[17]、地理环境、交通景观[24]因素等；此外，还考虑了不良气候条件和声光等[15]自然环境因素对隧道出入口交通安全分析的影响。表4为交通安全分析中的环境因素指标。

表4 环境因素指标Tab.4 Environmental factor indexes

3.5 其他因素

影响交通安全分析的因素除人、车、路、环境外，还包括因不同研究主题需要而分析产生的影响因素，如：交通冲突下的信号控制交叉口[37]经济水平等宏观因素和人、车、路等微观因素以及城市快速路事故指标[20]和碰撞指标等[40]。表5 为交通安全分析中的其他影响因素指标。

表5 其他影响因素指标Tab.5 Other influencing factors and indicators

综上可知，从分析指标的使用数据来看，车辆和交通指标、道路线形指标、事故信息和碰撞冲突指标使用较多，而人因和环境因素考虑较少，造成这种现象的原因可能是由于研究目的或数据采集的难易程度不同；从时间层面分析，人因指标从生理指标向心理和驾驶行为指标发展，车辆与交通指标从车辆性能指标向交通运行信息指标发展，其他因素从事故信息指标向碰撞冲突指标发展，而道路线形指标和自然地理环境指标的时间沿革规律不明显，道路线形基本采用横断面线形指标，环境指标基本使用天气条件进行研究。目前，交通安全影响因素的分析、研究多为事后分析，实际上，事故预防是属于超前行为，不能只进行事后评定，要从事前预防角度分析交通风险、挖掘致因，从致因入手，才能推动交通安全评价技术的革新，这将是未来的研究方向。

4 道路安全评价技术

4.1 交通冲突指标

对交通安全进行分析，关键是要科学合理地选取评价指标，由于在不同场景下影响道路安全的因素多种多样，考虑的因素过多或过少都会导致评价结果不准确，因此全面恰当地选取评价指标至关重要。

目前国内外有许多常用的指标选取方法，例如分析法、专家咨询法、范围法、目标法、部门法、问题法、因果法、复合法等[1]，而国内常用的交通冲突评价指标也是多样的，如：绝对数法[41-42]统计事故次数、伤亡人数、直接经济损失；事故率法[43，14]；事故强度分析法；时间序列法[44]；概率-数理统计法[45]；灰色评价法[36]。

事故率法是采用相对指标评价交通安全，较绝对数法可靠性略强，但单独使用时，由于不能考虑交通安全的多因素性，且换算系数没有统一标准，具有一定的片面性；时间序列法是利用事故发生概率随时间的变化规律来评价交通安全，该指标实现方法简单，且在短周期内能较准确地评价交通安全，但环境改变的突发性与不可预测性、基准年与周期长度选择等问题，使得该方法单独使用时可靠性不稳定。灰色评价法是依据“非唯一性”原理，通过综合多种因素影响，对少量信息进行筛选、加工、延伸和扩展等，能真实地评价道路交通安全状况，虽然其实用性较强，但评价过程过于复杂，限制了该指标的实际应用。

综述可知，单一指标的方法可能并不能准确地描述所研究对象的特点，二者或者更多方法的选取所带来的优势也是显著的，但其弊端在于处理时间过长，复合评价指标选取将是未来交通安全评价的1 个研究方向。目前事故指标的筛选提取多基于历史事故数据的分析，属于传统交通安全分析方法。之后的分析评价指标的选取重心应从事故指标转移到非事故指标，解决事故指标周期小这一缺点。目前非事故指标之中的冲突指标多是基于道路视频录像采集提取，二者均属于传统交通安全分析方法。

4.2 道路交通安全评价方法

目前交通安全评价方法主要有统计分析法、相对事故率法、神经网络法、模糊数学法、安全系数法、灰色评价方法等。应用科学的评价方法可以对现有交通安全状况进行准确评价，科学分析交通事故致因，制定相应的防控手段，最大程度的避免伤亡事件发生和财产损失，提高道路交通安全水平。在道路交通安全评价方面,国内外采取的主要是基于统计事故的评价方法,包括事故数法、事故率法、质量控制法、概率统计法和回归统计法等。其中，模糊综合评价法[1，37，34]，王琰等[46]中选用运行车速与设计车速差、相邻路段运行车速差作为评价指标。以模糊逻辑理论为基础，通过对调研数据的测试建立了合理的隶属函数从而构建了道路交通安全模糊评价模型并基于评价结果对道路交通安全等级进行了划分，由模糊综合评价法为主体的道路交通安全评价方法较其他评价方法有着普遍适用性、易于观测性、更高可靠性以及能够为使用者提供多元信息等优势而被广泛使用；层次分析法[15，34]，忽文婷等[47]通过对人、车、交通环境、社会环境、经济环境等相关因素进行分析，建立基于层次分析法道路交通安全综合评价方法，实现了对区域内中长期的交通安全评价，该方法分析过程直观、清晰、数据处理简单，但该模型的建立需要依赖经验丰富的专家才能获取较为准确的原始数据，且评估过程有较强的主观性。此外,还包括基于等效事故数的安全评价方法[20]、基于“冲突情境-反应行为”的安全评价方法[19]。

综述可知，目前的评价方法多基于问卷调查与视频提取。对于问卷类方法，数据量小、数据结果可靠性等问题还需要进一步改善；对于道路视频类方法，采集提取的视频受天气环境等条件的限制，实时性、准确性不足，存在一定局限性。目前的评价方法适用于小数据集的分析研究，且略带主观性，在数据量大时，现有方法会出现权重分配不合理，处理难度增加，导致最后评判失效等问题。

4.3 道路交通安全评价模型

评价模型包括区域路网交通安全三层风险评价指标模型[25]、基于物元分析理论的城市道路交通安全综合评价模型[25]和基于属性识别理论的寒冷地区交通道路安全影响因素模糊综合评价模型[26]。实际运用中发现，在对小区域进行基于事故的安全分析及评价时，这些方法表现出了明显的不适应性，为了克服这些缺点，具有“大样本、定量、快速、非事故”特点的交通冲突技术作为交通领域中的1种非事故安全分析评价理论应运而生。因此，许多研究使用交通冲突技术建立交通安全分析模型：交通冲突技术与极值理论[4]相结合构建的交通冲突区组极值模型和超阈值极值模型[5]，以及利用随机参数负二项模型建立的信号交叉口右转设施交通冲突模型[6]和利用交通冲突技术结合计算机视觉的分析方法[41]，还有基于交通冲突构建的平面交叉口混合交通六安全评价模型，文献[49]以单交叉口为研究对象，通过分析混合交通条件下多因素交通事故指标，构建合理的权重系数与评价标准，实现了1 种非直线交通事故风险统计安全风险评价分析方法，该方法具有快速、定量分析的特点，且还充分考虑了非机动车的混合行驶，更加符合我国国情。除了以上模型以外，典型模型还有基于广义线性模型的后端冲突模型[12]、Harr-Adaboost 算法冲突区域分类模型[14]、全贝叶斯冲突模型[13]。

综上可知，当前交通安全评价模型的研究主要集中于贝叶斯理论、交通冲突和交通因素指标。而此类方法对于预测影响因素复杂、多尺度时空相关性、多维度的交通事故数据都较困难，提高交通事故预测准确性和提高模型的性能都值得进一步开展研究[50-51]。

5 总结与展望

综上所述，目前国内外针对基于交通冲突的道路安全评价技术，从应用场景、指标选取、模型构建，开展了相关研究，展望与总结如下。

1）交通冲突场景还需丰富。交通安全评价应用场景的创新是交通安全评价技术创新的基础，但目前研究场景单一，多集中于事故多发的信号交叉口、交织区、高速公路等等，而随着人工智能和机器学习方法的发展使得交通大数据的采集和分析简单易行，未来可开展交通场景的对照分析和深入研究宏观路网的交通安全；此外，目前研究大多仅考虑一维空间信息进行研究，未来应结合场景时空信息对交通安全进行分析，且随着视频技术与互联网技术的发展，复杂气候环境背景下的交通场景研究也将成为热点。

2）分析及评价指标选取规范目前尚无法统一。分析及评价指标无论选择单一指标抑或是多指标，都存在各自的弊端，未来应考虑研究1套能被广泛认可和应用的指标选择规范。在规范中，从交通冲突场景、冲突因素、指标复杂性与适应性等方面给出选择建议。

3）道路安全评价尚处于事后分析阶段。道路交通安全评价的最终目的是预防交通事故的发生，而事故预防是属于超前行为，不能一味的只进行事后评定，未来要从事前预防角度分析交通风险、挖掘致因，从致因入手，推动交通安全评价技术的革新。

4）分析与评价模型性能有待提升。如何解决数据量大、数据结构、影响因素复杂、多尺度时空相关性、多维度的数据等问题一直是安全分析的热点课题；未来应进一步研究基于蜂窝车联网技术与高效算法的结合构建交通安全评价实时模型，实现高时效性与高正确率的智能交通安全评价模型。

5）新兴智能交通安全研究尚处于探索阶段。从交通发展的进程来看，随着智能网联、人机共驾[52]等新兴技术的发展，对于交通安全分析又产生了新的挑战。随着道路上智能网联车辆和无人驾驶车辆的出现，现有研究的指标、方法、模型是否能够适用还值得探讨研究，对于这类网联车辆和不同等级下的无人驾驶车辆，需构建更加完善的指标体系、研究方法及评价模型。

6 结束语

论文以探讨道路交通安全评价方法为出发点,发现对于道路交通安全的主要分析思路是：确定事故成因或确定影响道路交通安全的因素，从而选取评价指标，建立模型对道路交通安全进行分析或评价，进而对于各种特定场景能够有针对性地提出防控措施，有效减少交通事故率。论文通过梳理52篇文献中的道路交通安全分析方法，主要探讨不同场景下的交通模型构建，梳理交通冲突影响因素，阐述道路交通安全评价技术，并对目前研究存在的不足进行探讨，为后面学者的研究提供方向建议。