原文传递
基于空间数据分析的城市宏观交通安全研究
| 论文题名： | 基于空间数据分析的城市宏观交通安全研究 |
| 关键词： | 交通安全;空间数据分析;密度划分;时空变化 |
| 摘要： | 随着我国综合国力的增强和城镇化、机动化进程的加快，尽管近些年道路交通事故各项统计指标总体呈现平稳态势，但基数仍然很大，各种交通违章行为引发的交通事故仍持续影响着交通安全的总体环境。在未来一段时间内，我国仍将长期面临道路交通安全的严峻形势。 传统的交通安全研究主要致力于致因建模分析和安全影响评估。这类方法一般是基于已有的历史事故数据发现交通安全隐患并予以改善，是一种被动式的(reactive)研究理念。针对这一问题，本文采用当前交通安全领域研究前沿：交通安全规划的研究方法，探讨了一种将日常交通运营与宏观交通安全融合的新的交通安全分析模式。 相关研究表明，道路交通流密度对交通事故有着显著的影响关系，其影响程度往往超出人口、社会经济因素的总和。因此使用道路交通流密度划分城市宏观交通安全研究小区，一方面可以将影响交通事故数量的首要因素：交通流密度与其他因素剥离开，以便更加准确的分析其他因素对交通事故的影响；另一方面为后续基于交通流时空变化的动态交通小区划分下的城市宏观交通安全研究提供前期铺垫。在空间统计分析方法上，使用基于分层贝叶斯模型下的两种的条件自回归模型（Intrinsic和Cressie）探讨了各区域的交通安全相对危险度及宏观层面交通安全影响因素。最后，以江苏省昆山市2015年交通事故为研究案例，使用全市范围内393个微波检测器一天的交通流量数据为区域划分依据，以全市2015年各类土地利用性质及各等级道路为宏观层次交通安全影响变量，建立分层贝叶斯条件自回归模型。 模型结果表明：Cressie条件自回归模型在收敛速度及拟合程度上优于Intrinsic模型，在区域相对危险度的分层等级上，Cressie条件自回归模型给出了多于Intrinsic模型的层级，表明Cressie模型危险度识别更加趋向真实情况。进一步对宏观层面交通安全影响因素分析得出：次干路密度和工业用地比例的增加会提升区域交通安全性；中小学用地和低端住宅用地会对交通安全产生不利的影响。因而增加路网密度，减少区域内主干道的车辆吸引力，重点治理城市交通冲突点可以降低交通事故率，提升道路交通安全性。 |
| 作者： | 刘林 |
| 专业： | 工业工程 |
| 导师： | 胡刚;傅惠;吕伟韬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
