交通违法事故时空分布特征及其影响因素 ——以广州市为例

交通运输系统工程与信息 ›› 2019, Vol. 19 ›› Issue (3): 208-214.

交通违法事故时空分布特征及其影响因素 ——以广州市为例

张光南，钟俏婷^* ，杨清玄

中山大学粤港澳发展研究院港澳珠江三角洲研究中心，广州 510275

收稿日期:2018-12-03 修回日期:2019-02-13 出版日期:2019-06-25 发布日期:2019-06-25
作者简介:张光南（1981-），男，广东梅州人，教授，博士.
基金资助:
国家自然科学基金/ National Natural Science Foundation of China(71573286)；教育部人文社会科学重点研究基地重大项目/ MOE Project of Key Research Institute of Humanities and Social Sciences at Universities(16JJDGAT006).

Temporal-spatial Characteristics and Influencing Factors of At-fault Traffic Crashes: A Case Study in Guangzhou

ZHANG Guang-nan, ZHONG Qiao-ting, YANG Qing-xuan

Center for Studies of Hong Kong, Macao and Pearl River Delta, Institute of Guangdong, Hong Kong and Macao Development Studies, Sun Yat-Sen University, Guangzhou 510275, China

Received:2018-12-03 Revised:2019-02-13 Online:2019-06-25 Published:2019-06-25

摘要/Abstract

摘要：

为了深入研究我国城市交通事故的时空分布特征及其影响因素，通过对 2010年广州市交通事故原始数据的处理与分析，结合 GIS技术及系统聚类法，本文从道路特征，基础设施情况，以及白天和工作日交通事故比例等方面进行实证分析影响城市交通违法事故的风险因素；并在此基础上，结合广州市未来发展规划提出相关政策建议.结果表明：中心城区交通违法事故密集度最高，呈点状密集分布；交通违法事故的道路分布特征为干道多，支路少；上下班高峰时段，交通违法事故分布存在明显区别；从 9个交通违法事故高发区域归纳出 3大类区域，道路复杂、人多车多的商业地区，高速公路沿线和高架桥附近区域，以及设施齐全、出行方便的市中心.

关键词: 交通工程, 交通违法事故, GIS, 系统聚类法, 时空分布, 影响因素

Abstract:

Towards more in-depth research for temporal-spatial characteristics and potential influencing factors of traffic accidents in urban cities, this paper analyzes the traffic accident data of Guangzhou city in 2010. Using geographic information system (GIS) technique and hierarchical cluster analysis, this paper analyzes the risk factors associated with at- fault crashes, including characteristics of the road, infrastructure situation and the accident rate on weekdays and during the daytime. According to the analysis results and future development plan of Guangzhou, several proposals are put forward to improve the road safety situation in Guangzhou. Analysis results show that the highest incidence of at-fault crashes occurs in the central city with a spotty distribution. For road features, more at-fault crashes occur on main roads rather than on accessory ones, and the distribution of atfault accidents during the morning peak is significantly different from that during the afternoon peak. Through examining the identified nine crash hotspots in Guangzhou, this paper identifies three main patterns of at-fault crashes. The first one is the crowded business district with complex roads. The second one is close to expressways and trestles. The third one displays downtown characteristics including well- equipped facilities and convenient transportation.

Key words: traffic engineering, at-fault crashes, GIS, hierarchical cluster analysis, temporal- spatial characteristics, risk factors

中图分类号:

U491

张光南，钟俏婷，杨清玄. 交通违法事故时空分布特征及其影响因素 ——以广州市为例[J]. 交通运输系统工程与信息, 2019, 19(3): 208-214.

ZHANG Guang-nan, ZHONG Qiao-ting, YANG Qing-xuan. Temporal-spatial Characteristics and Influencing Factors of At-fault Traffic Crashes: A Case Study in Guangzhou[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(3): 208-214.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19857.shtml

http://www.tseit.org.cn/CN/Y2019/V19/I3/208

参考文献

[1] 李文权, 王炜. 交通事故的时间分布规律[J]. 中国安全科学学报, 2005, 15(4): 56- 61. [LI W Q, WANG W. Time distribution of traffic accident[J]. China Safety Science Journal, 2005, 15(4): 56-61.]

[2] 周素红, 郑重, 柳林．城市交通消散期事故高峰现象及成因[J]．地理科学, 2012，32(6): 649-657. [ZHOU S H, ZHENG Z, LIU L. Spatio-temporal analysis of peak traffic accidents in the city of Huizhou[J]. Scientia Geographica Sinica, 2012, 32(6): 649-657.]

[3] 马壮林, 张宏璐, 谭晓伟．高速公路连续下坡路段交通事故时空分布特征研究[J]．中国安全科学学报, 2014, 24(5)：85-91． [MA Z L, ZHANG H L, TAN X W. Temporal- spatial distribution characteristics of traffic accidents on freeway continuous downgrade segment[J]. China Safety Science Journal, 2014, 24(5): 85-91.]

[4] DE ANDRADE L, VISSOCI J R N, Rodrigues C G, et al. Brazilian road traffic fatalities: A spatial and environmental analysis[J]. PloS One, 2014, 9(1): e87244.

[5] YAO S, LOO B P Y, LAM W W Y. Measures of activitybased pedestrian exposure to the risk of vehiclepedestrian collisions: Space-time path vs potential path tree methods[J]. Accident Analysis & Prevention, 2015 (75): 320-332.

[6] ZHANG G N, YAU K W, CHEN G H. Risk factors associated with traffic violations and accident severity in China[J]. Accident Analysis and Prevention, 2013(59): 18-25.

[7] 邓敏, 刘启亮, 李光强, 等．空间聚类分析及应用[M]. 北京: 科学出版社, 2011. [DENG M, LIU Q L, LI G Q, et al. Spatial clustering analysis and application[M]. Beijing: Science Press, 2011.]

[8] 陈俊, 蔡付斌, 肖碧云. 基于系统聚类的江西旅游发展研究[J]. 对外经贸, 2013(1): 66-68. [CHEN J, CAI F B, XIAO B Y. Study of tourism industry in Jiangxi based on system clustering[J]. Foreign Economic Relations & Trade, 2013(1): 66-68.]

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[8]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[9]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[10]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[11]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[12]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[13]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[14]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.
[15]	卢凯, 周志洁, 张勇刚, 赵世杰, 徐广辉. 面向单向交通路网的绿波协调设计方法[J]. 交通运输系统工程与信息, 2021, 21(6): 74-83.