基于GIS 空間聚類的事故多發(fā)路段鑒別分析系統(tǒng)

朱新宇，叢浩哲，支 野，索子劍

(公安部道路交通安全研究中心，北京100062)

截至2016年末，中國已有64個城市的機動車保有量超過100萬輛，有49個城市的汽車保有量超過100萬輛。在城市機動車數(shù)量飛速增長的同時，城市交通安全問題也日益突出。2016年中國城市道路交通事故死亡人數(shù)逾2萬人，占道路交通事故死亡總?cè)藬?shù)的31.68%[1]。城市道路交通事故正在嚴重威脅城市社會功能的正常運行，關(guān)注和確保城市道路交通安全，不僅考驗著城市的運行管理水平，更是保護人民群眾安全、保證弱勢群體出行權(quán)益的重要舉措[2]。而如何對城市中的交通事故多發(fā)路段進行精準定位和鑒別分析則成為道路交通安全管理中亟須解決的問題之一。

1 交通事故多發(fā)路段研究概述

國外對交通事故多發(fā)路段的研究分析已經(jīng)歷了較長時間的發(fā)展：20世紀40年代，美國佛羅里達州交通管理部門就開始用事故數(shù)法識別道路交通事故多發(fā)點，這是最早提出的事故多發(fā)點鑒別方法[3-4]。20世紀50年代，丹麥、意大利、泰國等國家利用交通事故調(diào)查數(shù)據(jù)，結(jié)合交通量數(shù)據(jù)，建立了事故率評價指標體系[5]。隨后，美國相繼提出質(zhì)量控制法[6]和交通沖突技術(shù)法[7]，蘇聯(lián)提出安全系數(shù)法等事故多發(fā)路段分析方法[8]。進入20世紀90年代，美國開始將GIS等技術(shù)應(yīng)用到交通事故分析中，威斯康星州建立了基于GIS的道路交通事故信息系統(tǒng)，愛荷華州運輸局交通運輸安全辦公室構(gòu)建了基于GIS的事故點及分析系統(tǒng)(GIS-Based Accident Location andAnalysis System,GIS-ALAS)[9]。

中國在交通事故多發(fā)路段的鑒別方面雖然起步較晚，但結(jié)合近年來蓬勃發(fā)展的大數(shù)據(jù)分析等先進技術(shù)，使得中國擁有相應(yīng)的后發(fā)優(yōu)勢。然而，在中國現(xiàn)階段的城市道路交通事故分析中，大多數(shù)仍采用統(tǒng)計學描述方法，利用事故數(shù)、死亡人數(shù)等指標對道路交通安全性進行評價或預(yù)測研究，例如文獻[10]利用道路交通事故的隨機性特點，采用多元統(tǒng)計方法分析了各風險因素對交通事故的影響。研究發(fā)現(xiàn)，在城市道路交通中，主次干路路段、交叉口、無信號控制出入口等位置交通安全問題較為突出。文獻[11]以5 190起交通事故為基礎(chǔ)，采用專家意見和數(shù)據(jù)融合方法建立城市道路交通事故分析的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，通過此網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練，可以較為準確地對城市道路交通事故進行預(yù)測分析。文獻[12]根據(jù)烏魯木齊市近5年的交通事故統(tǒng)計數(shù)據(jù)，分析了事故的嚴重程度與事故影響因素之間的相互關(guān)系。此外，文獻[12]還采用Logistic回歸模型對交通事故的嚴重程度進行分析，并對模型參數(shù)進行估計與可靠性分析。

在綜合交通事故的空間因素方面，中國也開展了相應(yīng)研究[13]，例如文獻[9]采用ArcGIS軟件，利用空間數(shù)據(jù)管理工具，采用當量事故次數(shù)指標搭建事故多發(fā)點鑒定軟件系統(tǒng)，實現(xiàn)了多發(fā)點的自動鑒定。文獻[14]提出基于空間自相關(guān)鑒別城市道路事故多發(fā)點的方法，利用交通事故點的二維分布，將GIS與空間數(shù)據(jù)挖掘結(jié)合，用城市道路網(wǎng)絡(luò)拓撲模型構(gòu)建空間統(tǒng)計單元，采用核密度空間聚類分析，生成事故多發(fā)點分布圖。然而，這些研究多數(shù)是單純借鑒國外的交通GIS分析模式，而中國道路交通管理及事故信息處理與國外有著顯著差異，事故點的定位方式較國外有很大區(qū)別。因此，很難將國外的研究成果直接應(yīng)用于中國道路交通安全領(lǐng)域，開發(fā)適合中國國情的道路交通事故多發(fā)路段鑒別分析系統(tǒng)顯得尤為重要。

本文以深圳市城市道路交通事故多發(fā)路段鑒別分析為例，描述從獲取道路交通事故數(shù)據(jù)到最終形成適合中國國情的基于空間聚類的城市道路交通事故多發(fā)路段鑒別分析系統(tǒng)的研究過程。

表1 深圳市交通事故數(shù)據(jù)總體情況Tab.1 Overall data of traffic accidents in Shenzhen

2 城市道路交通事故數(shù)據(jù)處理與分析

通過參與深圳市交通事故數(shù)據(jù)開放分析競賽，獲取深圳市2014—2016年轄區(qū)內(nèi)全部交通事故數(shù)據(jù)信息，共計23萬余條，其字段類型中包含事故編號、事故發(fā)生時間、路號、路名、公里數(shù)、傷亡人數(shù)和事故原因等多項指標。事故數(shù)據(jù)總體情況如表1所示，本文根據(jù)獲取的交通事故數(shù)據(jù)信息開展城市交通事故多發(fā)路段分析工作。

為便于開展數(shù)據(jù)分析，首先需要對數(shù)據(jù)進行預(yù)處理，具體過程如下：

1）清洗各字段空值。

由于各字段中含有大量空值，而空值會對計算機程序開展計算分析產(chǎn)生影響，因此需先編寫程序，將數(shù)據(jù)中所有空值刪除或替換，以便利用程序開展大數(shù)據(jù)量運算。同時還需計算每個字段的數(shù)據(jù)缺失比，綜合評判每個字段的數(shù)據(jù)適用性。

2）制作字典表。

由于本次競賽提供的數(shù)據(jù)中并沒有包含字典表，因此需要通過查詢數(shù)據(jù)庫規(guī)范、事故現(xiàn)場信息采集表、代碼填寫說明的相關(guān)資料，整理匯總相關(guān)字段的字典表，用于支撐后續(xù)分析。同時對于部分字段僅有漢字沒有查詢到對應(yīng)標準代碼的情況，采用自編代碼的形式在字典表中體現(xiàn)，支撐計算機開展后續(xù)計算應(yīng)用。

3）數(shù)據(jù)編碼化處理。

在原始數(shù)據(jù)中，存在大量漢字與代碼混雜的情況，不僅難以直接開展統(tǒng)計分析，更不利于利用計算機開展大數(shù)據(jù)量程序計算。因此需要編寫數(shù)據(jù)編碼程序，利用制作的字典表，將原始數(shù)據(jù)中涉及的所有漢字全部替換成編碼，以便開展后續(xù)分析。

3 基于GIS空間聚類的城市道路交通事故多發(fā)路段鑒別分析法

基于空間聚類的城市道路交通事故多發(fā)路段鑒別分析法是指：從事故分布的地理視角出發(fā)，以道路空間單元之間的鄰近關(guān)系為前提，結(jié)合道路空間單元上的事故屬性值描述其地理分布特征，探討交通事故空間位置及屬性的相互關(guān)系，將空間聚類方法應(yīng)用于城市道路事故多發(fā)點鑒別，為城市道路交通安全評價及管理提供思路與手段的一種鑒別分析方法。

在空間上準確鑒別事故多發(fā)路段，首先要對交通事故的地理位置進行精確測定，這個步驟在歐美發(fā)達國家是事故處理環(huán)節(jié)進行的。當交警抵達事故現(xiàn)場后，基于車載電腦對照GIS地圖即可直接獲取事故點的GPS經(jīng)緯度坐標，無須記錄文字信息，同時在GIS地圖上可進行修改、確認等操作[15]。雖然中國警用地理信息系統(tǒng)(P-GIS)[16]正在逐步推廣，但目前交警對交通事故位置的數(shù)據(jù)采集依然采用傳統(tǒng)的“道路名稱+里程樁號”以及“事故地點信息描述”的形式進行事故定位，在數(shù)字信息社會環(huán)境下，這種位置采集方法已顯得較為滯后。

以深圳市為例，轄區(qū)內(nèi)包含高速公路、普通公路、城市道路等多種道路類型。高速公路、國道的道路里程信息較為完善，采用道路名稱+里程樁號字段對其進行事故定位相對較為準確；但普通公路、城市道路就較少有里程樁號等實體可供參考，事故地點信息描述由于沒有固定格式，更是描述得千差萬別。針對如此復(fù)雜的事故數(shù)據(jù)信息情況，首先要解決的就是事故的準確定位問題。為此，本文采用以下幾種方式分別對事故多發(fā)路段進行定位鑒別。

3.1 基于數(shù)字地圖API 的事故坐標定位分析法

在中國的交通事故信息數(shù)據(jù)采集中，交警對于城市道路交通事故現(xiàn)場地點的描述不是用經(jīng)緯度點位信息來確定，而是利用道路里程和明顯特征地點、地物來確定事故位置，通常還會引用附近的特征點作為參考，并輔以交通事故位置相對參考點的方向和偏移量。這樣雖然便于交警記錄，但是在事故后想再次獲取事故的準確點位信息變得十分困難。

圖1 數(shù)字地圖API事故點位搜索示例Fig.1 Example of digital mapAPI search of accident locations

圖2 2014—2016年深圳市非簡易事故空間分布地圖Fig.2 Spatial distribution of non-trivial accidents in Shenzhen from 2014 to 2016

表2 博深高速事故次數(shù)與相應(yīng)路段數(shù)的累計頻率Tab.1 Cumulative frequency of accidents and corresponding roadway segments of Boluo-Shenzhen Expressway

本文采用大數(shù)據(jù)的形式，利用已有的事故路段信息結(jié)合相關(guān)數(shù)字地圖API進行搜索定位。API(Application Programming Interface)是應(yīng)用程序編程接口，指一些預(yù)先定義的函數(shù)接口，目的是提供應(yīng)用程序與開發(fā)人員基于某軟件或硬件得以訪問一組例程的能力，而又無須訪問源碼或理解內(nèi)部工作機制的細節(jié)。

圖3 博深高速累計頻率曲線擬合及轉(zhuǎn)點位置Fig.3 Cumulative frequency curve fitting and turning point of the Boluo-Shenzhen Expressway

表3 博深高速事故黑點位置與事故次數(shù)Tab.3 Location of black spots and number of accidents of the Boluo-Shenzhen Expressway

通過數(shù)字地圖API的POI檢索接口，可以直接調(diào)用數(shù)字地圖的POI搜索功能。對深圳市交通事故數(shù)據(jù)中的“事故地點”字段進行搜索，并在數(shù)字地圖中將與該字段信息匹配度最高的點位信息確定出來，從而獲取事故點位信息的相應(yīng)坐標(見圖1)。

本文中的POI主要用來解決城市道路交通事故點位問題，采用多字段關(guān)聯(lián)API搜索算法，包括事故地點的描述性文字、與道路交叉口位置關(guān)系的描述、所屬轄區(qū)街道辦及鄉(xiāng)鎮(zhèn)等行政區(qū)劃字段來約束事故點位，使其不會有大的偏離；另外，事故編號的唯一性可以保證每一起事故的POI唯一，即使在同一地點發(fā)生多起事故也可以進行分析識別。

獲取事故點位的坐標信息后，將其相應(yīng)坐標轉(zhuǎn)換為火星坐標，即可將事故點位數(shù)據(jù)準確導(dǎo)入數(shù)字地圖中。為了更好地分析重大事故多發(fā)的特性，本文選擇非簡易事故進行事故坐標定位，并導(dǎo)入數(shù)字地圖(見圖2)。

利用基于數(shù)字地圖API的事故坐標定位方式，可以清晰直觀地看出深圳市2014—2016年非簡易事故發(fā)生的坐標位置，并能夠?qū)γ科鹗鹿实奈恢玫葘傩赃M行查詢分析，從而依照空間分析方式基于事故坐標地點來確定事故多發(fā)路段。這種方式可滿足一般性事故多發(fā)路段分析需求，也是目前中國應(yīng)用較為廣泛地與GIS結(jié)合的事故多發(fā)路段鑒別方式。

這種方法也有自身的缺陷所在，首先它只獲取了數(shù)字地圖圖層和POI點圖層的信息，而交通事故都是在道路上發(fā)生的，針對道路的線狀要素信息仍然缺失，雖然能看出事故點位主要發(fā)生在數(shù)條相應(yīng)的主干路上，但有些確定的事故點并不能完全準確的定位在主干路內(nèi)。其次，搜索引擎是利用事故點位信息描述字段進行位置搜索的，基于文字描述的復(fù)雜性，雖然選擇了與“事故地點”字段信息匹配度最高的點位作為事故點，但依然可能出現(xiàn)位置識別偏離的情況。

3.2 基于累計頻率法的道路事故黑點分析法

為了更好地鑒別分析線性圖層，即處在線狀道路上的事故黑點與多發(fā)路段，本文對含有道路里程數(shù)據(jù)的主干道路(高速公路和部分普通公路)進行事故黑點數(shù)據(jù)歸一化分析。首先選取深圳市境內(nèi)事故發(fā)生次數(shù)較多的10條高速公路、2條國道以及2條快速路，進行基于累計頻率法的事故黑點鑒別分析。累計頻率法是指將事故數(shù)(或事故率)按照發(fā)生的頻率排序，得到累計頻率較小、事故數(shù)較高的位置，從而將其作為事故多發(fā)路段的可能位置。本文以博深高速和惠深沿海高速為應(yīng)用實例進行闡述。

1）博深高速。

事故次數(shù)與相應(yīng)路段數(shù)的累計頻率見表2，累計頻率曲線擬合及轉(zhuǎn)點的位置如圖3所示。根據(jù)累計頻率曲線得到博深高速公路擬合公式為y=1-ae-bx+ae-b，a=0.2905390，b=3.487 342 2； SSE=0.001 098 8， R2=0.986 798 1。可以看出，轉(zhuǎn)點位置發(fā)生在歸一化事故次數(shù)為0.103 143 3的位置。事故黑點的位置和事故次數(shù)如表3所示。

2）惠深沿海高速。

累計頻率曲線擬合及轉(zhuǎn)點的位置如圖4所示。根據(jù)累計頻率曲線得到惠深沿海高速擬合公式為 y=1-ae-bx+ae-b，a=0.479 457 6，b=19.098 280 5； SSE=0.078 650 5， R2=0.897 912 5?？梢钥闯?，轉(zhuǎn)點位置發(fā)生在歸一化事故次數(shù)為0.134 099 6的位置，即事故次數(shù)大于等于18.505 75可認為是事故黑點。事故黑點的位置和事故次數(shù)如表4所示。

圖4 惠深沿海高速累計頻率曲線擬合及轉(zhuǎn)點位置Fig.4 Cumulative frequency curve fitting and turning point of the Huizhou-Shenzhen Coastal Expressway

表4 惠深沿海高速事故黑點位置與事故次數(shù)Tab.4 Location of black spots and number of accidents of the Huizhou-Shenzhen Coastal Expressway

由博深高速和惠深沿海高速事故黑點分析實例可以看出，利用累計頻率分析法對道路事故黑點進行鑒別和定位的優(yōu)勢明顯，能夠直接通過數(shù)據(jù)得到基于線性道路的事故黑點的準確位置信息，無須借助任何地圖平臺，具有實用性強、計算簡單的優(yōu)點。但此方法也有劣勢：首先，累計頻率分析法得出的結(jié)論是文字數(shù)據(jù)，在直觀展示方面較為薄弱；其次，這種方法對數(shù)據(jù)質(zhì)量的要求比較高，對事故點位的里程樁號字段進行分析必須首先確保里程樁號都處在同一個起算點下，否則會出現(xiàn)較大偏差。本文中深圳市境內(nèi)的廣深沿江高速、107國道等數(shù)條道路都出現(xiàn)了這一問題，廣深沿江高速的里程樁號數(shù)據(jù)為1～2 030不等，事故點的里程數(shù)據(jù)在幾十乃至幾千之間變動，這是因為事故數(shù)據(jù)在錄入時分別采用了國家里程標準和省內(nèi)里程標準，這些不統(tǒng)一的里程樁號標準導(dǎo)致分析結(jié)果出現(xiàn)很大偏差。此外還有龍大高速、福龍快速路數(shù)據(jù)因數(shù)據(jù)質(zhì)量問題而無法成功進行曲線擬合，計算結(jié)果有誤。

圖5 深圳市轄區(qū)內(nèi)道路零散線狀矢量要素Fig.5 Scattered linear vector elements of roadway in Shenzhen

圖6 道路線狀要素識別與提取Fig.6 Road linear element identification and extraction

3.3 基于GIS 線性參考技術(shù)的事故多發(fā)路段分析法

在上述兩種事故分析方法的基礎(chǔ)上，為了精確確定事故點位，解決基于API的特征提取點位坐標偏移道路的“有點有圖無路”問題，同時解決累計頻率分析法的“有點有路無圖”問題，本文基于線性參考技術(shù)，利用ArcGIS作為GIS平臺對深圳市的道路進行線狀要素提取，實現(xiàn)深圳市轄區(qū)內(nèi)道路矢量化，然后在道路線狀要素的基礎(chǔ)上進行事故多發(fā)路段的鑒別分析，做到“有點有路有圖”。

為了實現(xiàn)深圳市道路矢量化，首先需要提取道路的線性數(shù)據(jù)(見圖5)。根據(jù)深圳市2014—2016年交通事故數(shù)據(jù)以及全國道路交通網(wǎng)格數(shù)據(jù)，對深圳市所有道路進行線性矢量化提取，將零散的道路數(shù)據(jù)進行整合并添加相關(guān)屬性信息。具體步驟如下：對選中的道路進行識別剝離，脫離繁多復(fù)雜的道路網(wǎng)(見圖6)，然后進行矢量化處理，合并其離散的矢量數(shù)據(jù)，最終將其繪制成一條完整的道路。繪制完畢后，還需要添加道路屬性，確定其完整屬性狀態(tài)，并加以識別區(qū)分(見圖7)。

圖7 道路要素屬性添加Fig.7 Road element attribute addition

圖8 系統(tǒng)算法框架流程及功能展示Fig.8 System algorithm framework flow and functionalities

圖9 基于事故起數(shù)的道路排序分布Fig.9 Ranked road distribution based on the number of accidents

4 基于多種鑒別方法的GIS事故多發(fā)路段鑒別分析系統(tǒng)

本文在GIS平臺上將利用上述三種鑒別方法獲得的事故點位、事故黑點位置信息與數(shù)字地圖的道路線狀要素進行融合，并在此基礎(chǔ)上進行獨立封裝和二次開發(fā)，從而形成了可實現(xiàn)交通事故統(tǒng)計、道路要素查詢、事故點位要素查詢、屬性查詢、熱力圖分析等一系列功能的事故多發(fā)路段鑒別分析系統(tǒng)，系統(tǒng)算法的框架流程以及系統(tǒng)功能見圖8。系統(tǒng)應(yīng)用實例如下：

1）道路事故起數(shù)分析。

將深圳市2014—2016年交通事故數(shù)據(jù)輸入GIS事故多發(fā)路段鑒別分析系統(tǒng)后，提取事故起數(shù)排名前30的道路，并在GIS平臺上展示，得到的數(shù)據(jù)分析結(jié)果見圖9。

2）道路傷亡事故分析。

對深圳市2014—2016年交通事故起數(shù)排名前30的道路進行細化分析，利用分析系統(tǒng)將每千米路段內(nèi)的傷亡事故數(shù)量在圖中標注，可以更好地分析事故多發(fā)點位(見圖10)。

3）道路死亡事故分析。

對深圳市2014—2016年交通事故數(shù)據(jù)提取死亡事故數(shù)量排名前30的道路。針對死亡事故本文同樣將事故點位精確到每千米里程路段，以便更好地分析事故多發(fā)點。基于道路線性要素的深圳市死亡事故多發(fā)路段分布見圖11。

4）道路死亡事故區(qū)域熱力分析。

對深圳市2014—2016年交通事故數(shù)據(jù)提取死亡事故數(shù)量排名前30的道路。針對死亡事故，在分析事故多發(fā)點的道路線路圖基礎(chǔ)上，基于GIS空間分析功能，生成基于行政區(qū)劃的死亡事故GIS熱力分析圖(見圖12)。

圖10 深圳市道路傷亡事故多發(fā)路段分布Fig.10 Distribution of casualty accident-prone roadway segments in Shenzhen

圖11 深圳市道路死亡事故多發(fā)路段分布Fig.11 Distribution of fatal accident-prone roadway segments in Shenzhen

圖12 深圳市道路死亡事故分布熱力圖Fig.12 Distribution heat map of road fatalities in Shenzhen

5 結(jié)語

本文借助參與深圳市交通事故數(shù)據(jù)開放分析競賽的機會，根據(jù)深圳市轄區(qū)內(nèi)2014—2016年全部道路交通事故數(shù)據(jù)信息進行事故多發(fā)路段的鑒別和分析。分別采用基于數(shù)字地圖API的事故坐標定位分析法、基于累計頻率法的道理事故黑點分析法，以及基于GIS線性參考技術(shù)的事故多發(fā)路段分析法等進行城市道路交通事故多發(fā)路段鑒別分析，并綜合比較和分析各種方法的優(yōu)劣，最終采用GIS平臺對以上三種事故鑒別方法進行融合封裝以及二次開發(fā)，構(gòu)建形成可實現(xiàn)交通事故統(tǒng)計、道路要素查詢、事故點位要素查詢、屬性查詢、生成事故點位熱力圖等一系列功能的GIS事故多發(fā)路段鑒別分析系統(tǒng)。該系統(tǒng)的開發(fā)是基于中國交警所采集的事故數(shù)據(jù)，因此能夠較好地匹配中國目前的事故數(shù)據(jù)字段形式，未來還可以將程序移植到其他城市來實現(xiàn)城市道路事故多發(fā)路段的鑒別與分析功能。

:

[1]戴帥，劉金廣.中國大城市道路交通發(fā)展研究報告：之四[M].北京：中國建筑工業(yè)出版社，2018.

[2]戴帥.我國城市道路交通安全問題及對策[J].綜合運輸，2015，37(7)：9-12+21.Dai Shuai.Urban Traffic Safety Problems and Countermeasures in China[J].China Transportation Review,2015,37(7):9-12+21.

[3]Fernandes A,Neves J.An Approach to Accidents Modeling Based on Compounds Road Environments[J].Accident Analysis and Prevention,2013,53:39-45.

[4]Krammes R A.Interactive Highway Safety Design Model:Design Consistency Module[J].Public Roads.1997,61(2):47-51.

[5]Sawalha Z.Traffic Accident Modeling Statistical Issues and Safety Applications[D].Vancouver:University of British Columbia,2002.

[6]Kononov J.Road Accident Prediction Modeling and Diagnostics of Accident Causality a Comprehensive Methodology[D].Denver:University of Colorado at Denver,2002.

[7]Hidas P.Modelling Vehicle Interactions in Miceoscopic;Simulation of Merging and Weaving[J].Transportation Research Part C-Emerging Technologies,2005,13(1):37-62.

[8]Yannis G,Gollas J,Kanellaidis G.A Comparative Analysis of the Potential of International Road Accident Data Piles[J].ATSS Research,2000,124(2):111-120.

[9]李娜.基于ArcGIS的城市道路交通事故多發(fā)點鑒別系統(tǒng)研究[D].成都：西南交通大學，2009.Li Na.Identification System for Urban Traffic Accident Hazardous Locations Based on Arcgis[D].Chengdu:Southwest Jiaotong University,2009.

[10]馬明.基于多元統(tǒng)計方法的城市道路交通事故分析研究[D].武漢：武漢理工大學，2010.Ma Ming.Research of Urban Road Crash Analysis Based on Multivariate Statistical Techniques[D].Wuhan:Wuhan University of Technology,2010.

[11]趙金寶，鄧衛(wèi)，王建.基于貝葉斯網(wǎng)絡(luò)的城市道路交通事故分析[J].東南大學學報(自然科學版)，2011，41(6)：1300-1306.Zhao Jinbao,Deng Wei,Wang Jian.Bayesian Network-Based Urban Road Traffic Accidents Analysis[J].Journal of Southeast University(Natural Science Edition),2011,41(6):1300-1306.

[12]馬柱，陳雨人，張?zhí)m芳.城市道路交通事故嚴重程度影響因素分析[J].重慶交通大學學報(自然科學版)，2014，33(1)：111-114.Ma Zhu,Chen Yuren,Zhang Lanfang.Influence Factors of Accident Severity for Urban Road[J].Journal of Chongqing Jiaotong University(Natural Science),2014,33(1):111-114.

[13]任光賢.基于GIS的城市道路黑點分析與決策支持研究[D].濟南：山東建筑大學，2016.Ren Guangxian.Black Spot Analysis and Decision Support Research of Urban Road Based on GIS[D].Jinan:Shandong Jianzhu University,2016.

[14]蔣宏，方守恩，陳雨人，等.基于空間自相關(guān)的城市道路事故多發(fā)點鑒別[J].同濟大學學報(自然科學版)，2013，41(5)：664-669.Jiang Hong,Fang Shouen,Chen Yuren,et al.A Spatial Autocorrelation-Based Approach for Identifying Hot Spots on Urban Road[J].Journal of Tongji University(Natural Science),2013,41(5):664-669.

[15]王雪松，方守恩，喬石，等.中美兩國道路交通事故信息采集技術(shù)比較研究[J].中國安全科學學報，2012，22(10)：79-87.Wang Xuesong,Fang Shouen,Qiao shi,et al.A Comparison of Crash Data Collecting Technologies Used in China and U.S.[J].China Safety Science Journal,2012,22(10):79-87.

[16]王曉燕，陳學浩.基于P-GIS的道路交通事故分析系統(tǒng)的構(gòu)建[J].交通信息與安全，2013，31(5)：93-97+103.Wang Xiaoyan,Chen Xuehao.Road Accident Analysis System Based on P-GIS[J].Journal of Transport Information and Safety,2013,31(5):93-97+103.