基于GIS的章丘區(qū)公路交通事故風(fēng)險(xiǎn)誘因分析

金昊男，李自豪，趙亮

山東交通學(xué)院 交通與物流工程學(xué)院，山東 濟(jì)南 250357

0 引言

汽車的出現(xiàn)改變了人們的出行方式，隨著機(jī)動(dòng)車保有量的不斷增加，道路交通安全面臨嚴(yán)峻的挑戰(zhàn)。2018年世界衛(wèi)生組織發(fā)文稱，全球每年因交通事故死亡人數(shù)已達(dá)135萬(wàn)人，重傷或者輕傷人數(shù)達(dá)幾千萬(wàn)人，造成青少年群體非自然死亡的主要原因也是交通事故。交通安全是各國(guó)需直面的課題之一[1]。

國(guó)內(nèi)外學(xué)者對(duì)公路交通安全問(wèn)題進(jìn)行了大量研究。劉源等[2]從人、車、路、環(huán)境等方面分析交通事故發(fā)生的原因，建立以地理信息系統(tǒng)(geographic information system，GIS)為基礎(chǔ)的事故救援系統(tǒng)；伍賢輝[3]分析城市道路行人交通事故發(fā)生的原因，采用核密度分析、熱點(diǎn)分析等方法分析行人交通事故的分布特征，基于GIS建立二類邏輯回歸模型和樹(shù)模型分析影響行人損傷嚴(yán)重程度的主要因素，提出減少行人傷害的對(duì)策和措施；朱新宇等[4]構(gòu)建了基于GIS空間聚類的城市道路交通事故多發(fā)路段鑒別分析系統(tǒng)，實(shí)現(xiàn)對(duì)事故多發(fā)路段的精準(zhǔn)識(shí)別與分析；任光賢[5]采用GIS與螢火蟲(chóng)聚類算法相結(jié)合的方法鑒定交通事故多發(fā)點(diǎn)，搭建了道路黑點(diǎn)分析與決策支持系統(tǒng)，提升了事故信息自動(dòng)化分析能力；金朝暉[6]將GIS應(yīng)用到道路交通事故預(yù)警系統(tǒng)，預(yù)測(cè)未來(lái)一定時(shí)間的交通事故；Al-Omari等[7]采用GIS和模糊邏輯預(yù)測(cè)不同地點(diǎn)的事故熱點(diǎn)，分析事故成因并提出預(yù)防措施；孟慶達(dá)等[8]基于GIS相關(guān)軟件生成道路交通事故頻度與事故嚴(yán)重程度空間密度圖，分析事故致因；Elsheikh[9]開(kāi)發(fā)減少交通事故的工具和方法，利用GIS平臺(tái)開(kāi)發(fā)軟件分析交通事故；彭璇等[10]基于大數(shù)據(jù)環(huán)境設(shè)計(jì)了全國(guó)高速公路事故時(shí)序特征、事故空間特征、事故趨勢(shì)的可視化分析技術(shù)路線。

核密度分析、緩沖區(qū)分析、地理加權(quán)回歸(geographically weighted regression，GWR)分析是基于GIS開(kāi)發(fā)的ArcGIS軟件中常用的經(jīng)典分析工具。GWR常用于分析降水量空間特征、房?jī)r(jià)區(qū)域影響、PM2.5時(shí)空特征等[11-13]，也可用于研究醫(yī)療、疫情[14-15]等社會(huì)熱點(diǎn)問(wèn)題，通過(guò)分析樣本數(shù)據(jù)空間分布特性建立回歸模型，分析樣本的影響因素。

本文以濟(jì)南市章丘區(qū)5條國(guó)道、省道在2017—2019年發(fā)生的交通事故為研究對(duì)象，采用ArcGIS軟件分析交通事故的多發(fā)區(qū)域及事故嚴(yán)重程度，構(gòu)建GWR模型，在空間尺度上分析交通事故的風(fēng)險(xiǎn)誘因，判別導(dǎo)致交通事故的關(guān)鍵因素，加強(qiáng)對(duì)該因素的預(yù)防管理措施，避免交通事故帶來(lái)重大損失，保障人身財(cái)產(chǎn)安全。

1 研究區(qū)和數(shù)據(jù)處理

1.1 研究區(qū)

章丘區(qū)隸屬山東省濟(jì)南市，位于濟(jì)南市東部，地勢(shì)高低錯(cuò)落、南高北低，地形由山區(qū)、丘陵和平原構(gòu)成，主要河流是黃河。本文以章丘區(qū)為研究區(qū)域，分析轄區(qū)內(nèi)G308、G309、S102、S241、S234五條國(guó)道、省道在2017-2019年發(fā)生的285起交通事故。章丘區(qū)國(guó)省道走向及交通事故點(diǎn)分布如圖1所示。

a)國(guó)省道走向 b)交通事故點(diǎn)分布

1.2 交通事故數(shù)據(jù)獲取與預(yù)處理

交通事故數(shù)據(jù)來(lái)源于章丘區(qū)交警大隊(duì)，數(shù)據(jù)字段類型主要包括道路名稱、事故編號(hào)、事故地點(diǎn)、事故發(fā)生日期及傷亡人數(shù)等多種信息。因數(shù)據(jù)在錄入過(guò)程中存在缺失和重復(fù)等情況，為有效分析交通事故數(shù)據(jù)，需進(jìn)行數(shù)據(jù)預(yù)處理：1)刪除數(shù)據(jù)空值，以免影響軟件的數(shù)據(jù)分析準(zhǔn)確率；2)通過(guò)逐條審查交通事故的原始數(shù)據(jù)，篩選、刪除重復(fù)樣本后，對(duì)樣本數(shù)重新排序；3)使用GIS的地址編碼技術(shù)，獲取每次交通事故發(fā)生的經(jīng)緯度坐標(biāo)；4)采用ArcGIS軟件分析事故誘因時(shí)需將Excel文件轉(zhuǎn)換為dBase數(shù)據(jù)庫(kù)文件，以便開(kāi)展后續(xù)分析。

以龍泉路的5起交通事故為例展示預(yù)處理數(shù)據(jù)，如表1所示。

表1 交通事故預(yù)處理數(shù)據(jù)

2 研究方法

基于ArcGIS軟件的核密度分析與緩沖區(qū)工具分析章丘區(qū)交通事故多發(fā)區(qū)域的分布和事故的嚴(yán)重程度[16-17]，構(gòu)建GWR模型，分析事故發(fā)生與空間位置關(guān)系，研究交通事故量與不同影響因素的相關(guān)性強(qiáng)度。

2.1 核密度分析

計(jì)算每個(gè)點(diǎn)狀要素的核密度，分析事故點(diǎn)的區(qū)域特征。將事故點(diǎn)數(shù)據(jù)導(dǎo)入ArcGIS軟件中，經(jīng)過(guò)數(shù)據(jù)預(yù)處理，核對(duì)坐標(biāo)準(zhǔn)確性、剔除重復(fù)點(diǎn)等，直觀分析事故多發(fā)區(qū)域的分布。

2.2 緩沖區(qū)分析

由于事故點(diǎn)分布于各條國(guó)省道，為減少誤差，提升運(yùn)算效率和結(jié)果的準(zhǔn)確性，引入事故當(dāng)量死亡人數(shù)作為量化事故嚴(yán)重程度的指標(biāo)。建立以交通事故當(dāng)量死亡人數(shù)為半徑的緩沖區(qū)分析事故嚴(yán)重程度。

交通事故當(dāng)量死亡人數(shù)[18]

(1)

式中：Di、Zi、Qi、Wi、Ci分別為事故點(diǎn)第i次交通事故的死亡人數(shù)、重傷人數(shù)、輕傷人數(shù)、輕微傷人數(shù)及直接經(jīng)濟(jì)損失，KZj、KQ、KW、KC分別為重傷、輕傷、輕微傷及直接經(jīng)濟(jì)損失的死亡換算系數(shù)，n為該事故點(diǎn)累計(jì)發(fā)生的交通事故數(shù)。

依據(jù)文獻(xiàn)[19]的相關(guān)規(guī)定，死亡1人對(duì)應(yīng)的標(biāo)準(zhǔn)損失工作日S0=6000。根據(jù)S0依次確定KZj、KQ、KW和KC。

首先定義不同級(jí)別重傷的損失工作日S0，依據(jù)道路交通事故真實(shí)賠償案例[19]，1級(jí)傷殘損失工作日對(duì)標(biāo)標(biāo)準(zhǔn)死亡損失工作日，其余各級(jí)依次遞減10%直至降為10級(jí)。在不按或無(wú)法依照傷殘?jiān)u級(jí)時(shí)，取損失工作日范圍的平均值計(jì)算，則

KZj=S1/S0，j=1，2，…，10。

表2 2016—2019年的KC

輕傷的損失工作日S2∈[2，100]，則

輕微傷的損失工作日S3=1，則

KW=S3/S0=0.000 17。

根據(jù)國(guó)家上年度職工平均工資GZ計(jì)算KC，即

KC=1/6000(GZ/250)=1/24GZ，

據(jù)此計(jì)算2016—2019年的KC如表2所示。

2.3 GWR模型

GWR側(cè)重對(duì)空間數(shù)據(jù)的局部分析，對(duì)空間范圍內(nèi)的離散對(duì)象構(gòu)建空間權(quán)重矩陣，分析研究離散對(duì)象的相關(guān)影響因素在不同空間的變化[20]，并可預(yù)測(cè)未來(lái)結(jié)果。普通線性回歸的變量在全局中認(rèn)為沒(méi)有空間異質(zhì)性，與普通線性回歸模型不同，GWR模型將數(shù)據(jù)的空間位置融入回歸方程，考慮變量的空間異質(zhì)性，提高了準(zhǔn)確性。

GWR模型計(jì)算公式為

式中：yt為因變量在第t個(gè)樣本點(diǎn)的值；β0(ut，vt)為第t個(gè)樣本點(diǎn)的坐標(biāo)，其中ut為經(jīng)度，vt為緯度；βk(ut，vt)為第t個(gè)樣本點(diǎn)的第k個(gè)回歸參數(shù)，βk(ut，vt)=[XTW(ut，vt)X]-1XTW(ut，vt)y，其中X為自變量矩陣，W(ut，vt)為空間權(quán)重矩陣，用來(lái)表述位置與參數(shù)估計(jì)間的相關(guān)性；εt為修正參數(shù)；m為樣本點(diǎn)數(shù)量。

通常用高斯距離權(quán)重或雙重平方距離權(quán)重2種函數(shù)表示空間權(quán)重Ws(ut，vt)，采用高斯距離權(quán)重函數(shù)的公式為

Ws(ut，vt)=e[-(dts/h)2]，s=1，2，…,m，

式中：h為帶寬，dts為位置間的距離。

采用雙重平方距離權(quán)重函數(shù)的公式為

3 數(shù)據(jù)分析

3.1 交通事故的時(shí)間特征

表3 事故量隨月份的變化情況

表4 事故量隨時(shí)間段的變化情況

交通事故的發(fā)生時(shí)間特征受氣候條件和交通量的影響，統(tǒng)計(jì)章丘區(qū)5條國(guó)道、省道的285起交通事故的發(fā)生時(shí)間，結(jié)果如表3、4所示(圖2b中T1、T2、T3、T4、T5、T6、T7、T8、T9、T10、T11、T12分別為時(shí)間段0：00—2:00、2：00—4:00、4：00—6:00、6：00—8:00、8：00—10:00、10：00—12:00、12：00—14:00、14：00—16:00、16：00—18:00、18：00—20:00、20：00—22:00、22：00—24:00)。

圖2 章丘區(qū)交通事故點(diǎn)緩沖區(qū)

由表3、4可知：事故頻數(shù)隨季度變化產(chǎn)生波動(dòng)，通常多發(fā)于早春和秋季，主要原因是早春和秋季溫度適宜，外出游玩人數(shù)增多、交通量增加，導(dǎo)致交通事故量相對(duì)較多；24 h的交通事故量與人們生產(chǎn)和生活行為的周期性變化相關(guān)，事故通常多發(fā)于早、晚高峰時(shí)段，主要原因是上、下班時(shí)間交通量迅速增加，人、車混行和機(jī)、非混行現(xiàn)象嚴(yán)重，復(fù)雜的交通環(huán)境易發(fā)生刮蹭和碰撞事故。

3.2 事故多發(fā)區(qū)域分析

通過(guò)ArcGIS軟件中的核密度分析工具得到章丘區(qū)交通事故數(shù)據(jù)核密度分析如圖2所示。圖2中不同顏色代表核密度的不同取值范圍，顏色越深表示該點(diǎn)的核密度越大，區(qū)域顏色越深代表該區(qū)域發(fā)生的交通次數(shù)越多。

人才培養(yǎng)和使用是人才引進(jìn)發(fā)展的落腳點(diǎn)。加快完善人才培育體系，將人才培養(yǎng)與人才引進(jìn)并重，在職培訓(xùn)和繼續(xù)教育并舉，提升人才創(chuàng)新能力。重點(diǎn)培育本土高端創(chuàng)新人才，設(shè)立青年人才專項(xiàng)計(jì)劃，定期遴選專業(yè)技術(shù)強(qiáng)、成長(zhǎng)潛力好的優(yōu)秀青年人才進(jìn)行重點(diǎn)開(kāi)發(fā)，通過(guò)項(xiàng)目支持、在職培訓(xùn)等方式打造一支創(chuàng)新能力強(qiáng)的青年人才隊(duì)伍。加大高技能人才培養(yǎng)實(shí)施力度，依托常州科教城資源成立常州市高技能人才培養(yǎng)基地，實(shí)施高技能人才分類培養(yǎng)、提升計(jì)劃，學(xué)校企業(yè)定向合作，共同提升企業(yè)職工專業(yè)技能水平；提高科技型企業(yè)家培訓(xùn)質(zhì)量，重點(diǎn)發(fā)展企業(yè)家資本運(yùn)作、品牌建立和團(tuán)隊(duì)管理能力，造就一支市場(chǎng)化、專業(yè)化經(jīng)營(yíng)管理人才隊(duì)伍。

由圖2可知：事故多發(fā)點(diǎn)主要集中在A、B、C 3個(gè)區(qū)域，其中B區(qū)域的交通事故量最多，C區(qū)域次之，A區(qū)域相對(duì)最少。

統(tǒng)計(jì)A、B、C 3個(gè)事故多發(fā)區(qū)域的交通事故隱患特征，如表5所示。其中道路交通標(biāo)志和標(biāo)線問(wèn)題包括標(biāo)線渠化及殘缺、安裝不規(guī)范及施化不規(guī)范問(wèn)題，安全隔離問(wèn)題包括護(hù)欄、隔離缺失和開(kāi)口位置不合理問(wèn)題，視距問(wèn)題包括視距不足和視線有遮擋。

表5 A、B、C區(qū)域交通事故隱患特征統(tǒng)計(jì)

由表5可知：3個(gè)區(qū)域的道路交通標(biāo)志和標(biāo)線問(wèn)題所占比例高達(dá)88.8%，安全隔離和視距問(wèn)題的比例分別為5.4%和5.8%。綜上可知，交通標(biāo)志和標(biāo)線問(wèn)題是導(dǎo)致交通事故多發(fā)的主要原因。

3.3 事故嚴(yán)重程度分析

以表1中的5個(gè)交通事故點(diǎn)為例，由式(1)計(jì)算各事故點(diǎn)的ED，結(jié)果如表6所示。

表6 交通事故點(diǎn)ED

圖3 章丘區(qū)交通事故點(diǎn)緩沖區(qū)

以ED為緩沖半徑得到章丘區(qū)事故點(diǎn)緩沖區(qū)，如圖3所示。圖3中紅色圓圈半徑代表事故點(diǎn)輻射的緩沖區(qū)范圍，范圍越大代表事故造成的影響程度越嚴(yán)重。

由圖3可知：Ⅰ、Ⅱ、Ⅲ、Ⅳ 4個(gè)區(qū)域發(fā)生的交通事故造成的影響比較嚴(yán)重，其中Ⅰ區(qū)域發(fā)生的事故造成的影響最大，需加強(qiáng)對(duì)該區(qū)域的交通管理，避免重大事故的發(fā)生；Ⅱ、Ⅲ區(qū)域的事故嚴(yán)重程度相較Ⅰ區(qū)域較輕；Ⅳ區(qū)域的事故雖是孤點(diǎn)，卻發(fā)生了相對(duì)嚴(yán)重的事故，該點(diǎn)是一個(gè)重大事故隱患點(diǎn)，應(yīng)盡早排除隱患，營(yíng)造安全行車環(huán)境。

3.4 交通事故量影響因素

為更好地分析交通事故發(fā)生的原因，從道路條件、路側(cè)干擾和交通管控3個(gè)層面選取影響交通事故發(fā)生的因素。

高品質(zhì)的道路條件是車輛安全、舒適行駛的基礎(chǔ)保障。當(dāng)?shù)缆窙](méi)有隔離設(shè)施時(shí)，車輛受到對(duì)向行駛車輛貼近或占用該方向行駛車道而造成的直接干擾，增加與對(duì)向行駛車輛發(fā)生意外碰撞的風(fēng)險(xiǎn)；當(dāng)車道數(shù)量較多時(shí)，車輛相對(duì)自由地改變行駛車道，可能因車輛變道頻繁而引發(fā)交通事故；缺少路側(cè)防護(hù)措施也增加發(fā)生事故的可能性和傷亡程度。

3.4.2 路側(cè)干擾

路側(cè)干擾是車輛在道路上正常行駛時(shí)遇到的異常干擾，在一定情況下對(duì)人員和車輛造成致命傷害。街道化率過(guò)高影響車輛的正常行駛，駕駛員無(wú)法準(zhǔn)確關(guān)注到應(yīng)注意的問(wèn)題，引發(fā)錯(cuò)誤的交通行為而造成交通事故；視距不良導(dǎo)致駕駛員無(wú)法掌握對(duì)向來(lái)車的速度、距離及前方路況，無(wú)法對(duì)緊急情況做出應(yīng)急措施而造成交通事故。

3.4.3 交通管控

交通管理和控制是對(duì)道路行駛車輛和人員安全通行的管控措施，若交通管控出現(xiàn)漏洞，發(fā)生交通事故的概率增大。當(dāng)交通信號(hào)控制缺失時(shí)，車輛行駛路權(quán)不明確，或引發(fā)交叉口處交通流交織沖突；若道路交通標(biāo)志、標(biāo)線有殘缺，無(wú)法有效引導(dǎo)駕駛員合理、合法行駛，導(dǎo)致錯(cuò)誤的交通行為，引發(fā)交通事故。

選取道路中央隔離措施，車道數(shù)，路段交叉口數(shù)，街道化率，路側(cè)防護(hù)措施缺失，交通信號(hào)控制缺失，視距不良，道路交通標(biāo)志、標(biāo)線殘缺作為影響交通事故發(fā)生的因素，分析各影響因素與事故發(fā)生的相關(guān)性。以S102道路0～25 km路段區(qū)間為例，每隔5 km統(tǒng)計(jì)影響因素的基本情況，如表7所示。

表7 S102道路0～25 km路段區(qū)間交通事故影響因素基本情況數(shù)據(jù)統(tǒng)計(jì)

3.5 空間自相關(guān)性分析

圖4 章丘區(qū)交通事故樣本數(shù)據(jù)空間自相關(guān)性分析

為保證GWR模型有效，需先檢驗(yàn)研究區(qū)內(nèi)交通事故樣本數(shù)據(jù)的空間自相關(guān)性。若樣本數(shù)據(jù)空間相關(guān)性不顯著，說(shuō)明樣本數(shù)據(jù)的空間地理屬性對(duì)結(jié)果的影響較小，采用GWR分析不合理[21]。采用ArcGIS軟件的空間自相關(guān)工具中的莫蘭指數(shù)進(jìn)行分析，莫蘭指數(shù)以0為界限，大于0為正相關(guān)，等于0為無(wú)相關(guān)性，小于0為負(fù)相關(guān)。章丘區(qū)交通事故樣本數(shù)據(jù)空間自相關(guān)性分析結(jié)果如圖4所示。由圖4可知：莫蘭指數(shù)約為0.95，表明樣本數(shù)據(jù)具有強(qiáng)烈的空間自相關(guān)性；標(biāo)準(zhǔn)差倍數(shù)Z約為4，表明模型計(jì)算結(jié)果是標(biāo)準(zhǔn)差的4倍，分布在正態(tài)分布的兩端，結(jié)合莫蘭指數(shù)可知在正態(tài)分布的右端，表明樣本數(shù)據(jù)為空間聚集型[22-23]；空間模式是由某一隨機(jī)過(guò)程創(chuàng)建的概率P接近于0，表示所觀測(cè)到的空間模式不太可能產(chǎn)生于隨機(jī)過(guò)程，說(shuō)明樣本數(shù)據(jù)具有可靠性和真實(shí)性，采用GWR模型分析可行。

3.6 GWR模型分析

分別采用GWR模型與普通最小二乘法(ordinary least squares，OLS)模型定量分析交通事故量與道路中央隔離，車道數(shù)量，路段交叉口數(shù)量，街道化率，路側(cè)防護(hù)措施缺失，交通信號(hào)控制缺失，視距不良，道路交通標(biāo)志、標(biāo)線殘缺的關(guān)系，2種模型分析事故量與單個(gè)影響因素作用的回歸系數(shù)R2如表8所示，事故量與影響因素共同作用的R2及阿凱克信息準(zhǔn)則(akaike information criterion，AIC)系數(shù)如表9所示。

表8 2種模型分析事故量與單個(gè)影響因素作用的R2

表9 2種模型分析事故量與影響因素共同作用的R2、AIC系數(shù)

如果2種模型的AIC系數(shù)之差大于3，具有較小AIC系數(shù)的模型為更佳模型；R2是擬合度的一種度量，越大越好。由表8、9可知：相較于OLS模型，考慮了變量空間異質(zhì)性的GWR模型的R2更大；2模型的AIC系數(shù)之差大于3，GWR模型AIC系數(shù)較小，因此GWR模型的回歸精度高于OLS模型。交通事故量具有較強(qiáng)的空間異質(zhì)性，細(xì)化了多發(fā)路段的分布特征，表征了各多發(fā)路段地理環(huán)境的局部空間變化。

影響交通事故發(fā)生的主要因素為道路中央隔離設(shè)施，視距不良，交通標(biāo)志、標(biāo)線殘缺，車道數(shù)，GWR模型的R2分別為0.68、0.50、0.48、0.35；其余因素的相關(guān)性較低，R2<0.30。

散點(diǎn)圖描述解釋變量與因變量間的關(guān)系。當(dāng)擬合線型為有斜率的直線時(shí)表示具有較強(qiáng)的相關(guān)關(guān)系，斜率為正時(shí)，表示解釋變量促進(jìn)因變量的發(fā)生；斜率為負(fù)時(shí)，表示解釋變量抑制因變量的發(fā)生。通過(guò)OLS模型分析得到各影響因素與交通事故量的散點(diǎn)線性關(guān)系，如圖5所示。由圖5可知：除路段交叉口數(shù)量，其他影響因素與交通事故量均呈正相關(guān)關(guān)系。

圖5 影響因素與交通事故量的散點(diǎn)線性關(guān)系

3.7 影響因素自適應(yīng)性分析

分別從相關(guān)性、條件數(shù)、方差膨脹系數(shù)3個(gè)方面分析與交通事故量相關(guān)性較大的影響因素的自適應(yīng)性[24]。

由表8分析可知，道路中央隔離措施，視距不良，交通標(biāo)志、標(biāo)線殘缺，車道數(shù)與交通事故量相關(guān)性較大。分析4個(gè)影響因素自身的相關(guān)性，兩兩間相關(guān)系數(shù)均小于0.1，表明無(wú)明顯相關(guān)性。對(duì)4個(gè)影響因素進(jìn)行回歸分析，回歸條件數(shù)如表10所示(取前10條數(shù)據(jù))。回歸條件數(shù)用于評(píng)估局部多重共線性，當(dāng)回歸條件數(shù)大于30，表示存在較強(qiáng)局部多重共線性，相關(guān)性的結(jié)果可信度低。由表10可知：道路中央隔離，視距不良，交通標(biāo)志、標(biāo)線殘缺，車道數(shù)量的回歸條件數(shù)分別為1～4、2～3、2～4、4～5，即影響因素間不存在共線性問(wèn)題，滿足回歸分析的要求，GWR模型結(jié)果可信。

表10 影響因素的回歸條件數(shù)

方差膨脹系數(shù)用于測(cè)量影響因素的冗余。若影響因素的方差膨脹系數(shù)大于7.5，則應(yīng)從回歸模型中移除。對(duì)道路中央隔離措施，視距不良，交通標(biāo)志、標(biāo)線殘缺，車道數(shù)進(jìn)行方差膨脹系數(shù)檢驗(yàn)，結(jié)果如表11所示。由表11可知：4個(gè)影響因素的方差膨脹系數(shù)均滿足要求，GWR模型結(jié)果可信。

表11 影響因素的方差膨脹系數(shù)

4 結(jié)語(yǔ)

本文采用ArcGIS軟件相關(guān)分析工具分析了濟(jì)南市章丘區(qū)5條國(guó)省道上2017—2019年發(fā)生的285起交通事故相關(guān)數(shù)據(jù)，得到以下結(jié)論：1)基于數(shù)理統(tǒng)計(jì)285起交通事故的發(fā)生時(shí)間可知，事故多發(fā)于春、秋季及早、晚高峰時(shí)段，與公路交通量增加有關(guān)；2)采用核密度分析可知章丘區(qū)存在3處交通事故多發(fā)區(qū)域，以交通事故當(dāng)量死亡人數(shù)為緩沖半徑得到章丘區(qū)有4個(gè)交通事故嚴(yán)重程度較大的緩沖區(qū)，交通標(biāo)志、標(biāo)線殘缺，缺乏路側(cè)防護(hù)措施和行車視距不良是事故多發(fā)區(qū)域的主要隱患；3)通過(guò)GWR模型分析公路交通事故的風(fēng)險(xiǎn)誘因可知，道路中央隔離措施，視距不良，交通標(biāo)志、標(biāo)線缺失，車道數(shù)與事故量正相關(guān)，其回歸系數(shù)R2分別為0.68、0.50、0.48、0.35。

基于本文分析情況，可從宏觀和微觀層面提出保障行車的安全措施：1)宏觀層面上應(yīng)從供需關(guān)系入手，優(yōu)化路網(wǎng)結(jié)構(gòu)，提高道路供給能力，采取相關(guān)措施減少需求，提供高品質(zhì)的行車環(huán)境服務(wù)；2)微觀層面上應(yīng)完善完備道路交通標(biāo)志和標(biāo)線、路側(cè)防護(hù)措施等交通基礎(chǔ)設(shè)施，加強(qiáng)道路隱患排查的強(qiáng)度和力度，保障行車安全。