本發(fā)明屬于道路安全評(píng)價(jià)技術(shù)領(lǐng)域，涉及一種基于空間自相關(guān)的事故多發(fā)點(diǎn)鑒別方法及裝置。

背景技術(shù)：

事故多發(fā)點(diǎn)的鑒別是道路安全評(píng)價(jià)及有針對(duì)性地對(duì)交通安全措施進(jìn)行改善的重要前提，常用的事故多發(fā)點(diǎn)鑒別方法有事故數(shù)法、事故率法、當(dāng)量總事故數(shù)法、聚類分析和經(jīng)驗(yàn)貝葉斯法等。

事故數(shù)法和事故率法旨在確定一個(gè)臨界值作為判斷事故多發(fā)點(diǎn)的指標(biāo)，應(yīng)用于公路，不考慮隨機(jī)波動(dòng)的影響，不適用于大規(guī)模的鑒別；矩陣法在一定程度上克服了事故數(shù)法和事故率法的缺陷，綜合事故數(shù)法和事故率法對(duì)待測(cè)點(diǎn)進(jìn)行排序和鑒別，但是其判斷標(biāo)準(zhǔn)有一定的主觀性，依然不能處理隨機(jī)波動(dòng)的問題；灰度評(píng)價(jià)法基于灰色理論，判斷標(biāo)準(zhǔn)仍然具有一定的主觀性；質(zhì)量控制法以事故率作為鑒別指標(biāo)，根據(jù)統(tǒng)計(jì)學(xué)原理去除評(píng)價(jià)指標(biāo)的鄰接空間，需要相似地點(diǎn)的大量歷史數(shù)據(jù)，我國現(xiàn)階段的數(shù)據(jù)資料尚不具備條件，另外，工作量大；當(dāng)量事故總數(shù)法是基于微觀交通分析的非統(tǒng)計(jì)安全評(píng)價(jià)法，雖然不依賴于事故的統(tǒng)計(jì)數(shù)據(jù)，但是調(diào)查量巨大，可移植性差；經(jīng)典貝葉斯法考慮了事故的隨機(jī)性，提高了預(yù)測(cè)的準(zhǔn)確性，但是數(shù)據(jù)采集量大，程序操作復(fù)雜。

上述事故多發(fā)點(diǎn)鑒別分析過程中，基本依靠經(jīng)典數(shù)理統(tǒng)計(jì)分析方法與模型，研究結(jié)果表現(xiàn)形式單一，數(shù)據(jù)可視化表達(dá)能力較差；一般將交叉口與路段分別評(píng)價(jià)，忽略了兩者相互影響；此外，忽略事故發(fā)生的空間位置和地理屬性信息，空間分析功能不足，對(duì)潛在事故原因的挖掘深度不夠。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，克服現(xiàn)有技術(shù)中的鑒別事故多發(fā)點(diǎn)時(shí)鑒別因素不全面、對(duì)潛在事故原因深度挖掘不夠的缺陷。

為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，包括如下步驟：

采用非參數(shù)核密度估計(jì)模型表示待測(cè)區(qū)域內(nèi)的待檢測(cè)事故點(diǎn)的二維分布；

確定所述核密度估計(jì)模型的最優(yōu)窗寬h₀；

采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元；

判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)；

若所述空間統(tǒng)計(jì)單元上的事故屬性呈現(xiàn)空間自相關(guān)，則計(jì)算所述空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果；

根據(jù)所述局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果生成事故多發(fā)點(diǎn)的分布圖。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述核密度估計(jì)模型的核密度函數(shù)為：

$\hat{u}\left(x\right)=\frac{1}{{\mathrm{nh}}^d}{\mathrm{\Σ}}_{i=1}^{n}k\left(\frac{l-l_i}{h}\right);$

其中，k()為核函數(shù)，h為窗寬，n為待測(cè)區(qū)域內(nèi)的待測(cè)事故點(diǎn)的個(gè)數(shù)，d為數(shù)據(jù)的維數(shù)，(l-l_i)為待測(cè)事故點(diǎn)到事故點(diǎn)l_i的距離。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述確定所述核密度函數(shù)的最優(yōu)窗寬，包括：

獲取所述待測(cè)事故點(diǎn)在所述待測(cè)區(qū)域內(nèi)的真實(shí)密度f(x)；

獲取所述核密度函數(shù)與所述真實(shí)密度f(x)的積分均方誤差最小時(shí)的對(duì)應(yīng)的窗寬h₀，即為最優(yōu)窗寬。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述核密度函數(shù)與所述真實(shí)密度f(x)的積分均方誤差計(jì)算公式為：

其中為所述核密度函數(shù)、為所述積分均方誤差。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元，包括：

將待測(cè)區(qū)域分為交叉路口區(qū)域和路段區(qū)域；

交叉路口區(qū)域內(nèi)的事故點(diǎn)，通過“面”與“點(diǎn)”的運(yùn)算規(guī)則建立交叉路口與事故的空間關(guān)系；

路段區(qū)域的事故點(diǎn)，通過空間數(shù)據(jù)疊合運(yùn)算建立道路與事故的空間關(guān)系，并且在所述通過空間數(shù)據(jù)疊合預(yù)算建立空間關(guān)系前，在地理信息系統(tǒng)(Geographic Information System，簡稱GIS)中為弧段設(shè)預(yù)設(shè)寬度的緩沖區(qū)。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)，包括：

步驟S41，計(jì)算事故屬性的自相關(guān)指數(shù)I、期望E(I)及期望E(I)與方差構(gòu)造的標(biāo)準(zhǔn)化Z₁值；

步驟S42，判斷所述事故屬性的自相關(guān)指數(shù)I是否大于零，若是，則說明統(tǒng)計(jì)單元的鄰近區(qū)域的事故屬性呈空間正相關(guān)，繼續(xù)步驟S43，否則，退出本次操作；

步驟S43，所述自相關(guān)指數(shù)的期望與方差構(gòu)造的標(biāo)準(zhǔn)化Z₁的值大于預(yù)設(shè)值時(shí)，表示統(tǒng)計(jì)單元上所述空間鄰接或空間鄰近的區(qū)域的事故屬性呈空間自相關(guān)。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述自相關(guān)指數(shù)I的計(jì)算方法為：

$I=\frac{{\mathrm{n\Σ\Σw}}_{ij\left({\mathrm{SP}}_{i-}\stackrel{\‾}{S}P\right)\left({\mathrm{SP}}_{j-}\stackrel{\‾}{S}P\right)}}{\left({\mathrm{\Σ\Σw}}_{ij}\right)\left(\mathrm{\Σ}{\left({\mathrm{SP}}_{i-}\stackrel{-}{SP}\right)}^2\right)};$

其中，w_ij為空間單元i與j之間位置關(guān)系的空間權(quán)重矩陣，SP_i，SP_j為空間單元i和j處的事故數(shù)或事故嚴(yán)重程度；為事故數(shù)或事故嚴(yán)重程度的平均值，n為空間單元總數(shù)。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，在所述判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)前，還包括：

確定事故屬性為事故嚴(yán)重程度和/或事故數(shù)。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述事故嚴(yán)重程度的計(jì)算方法為：

${\mathrm{SP}}_s=\underset{p=1}{\overset{P}{\Σ}}{f}_{ps}\×w_p$

其中，SP_s為預(yù)設(shè)地點(diǎn)s處的事故嚴(yán)重程度指數(shù)，f_ps為地點(diǎn)s處事故類型p的頻數(shù)，w_p為死亡、重傷及輕傷的權(quán)重系數(shù)，P為考慮的事故類型的種類數(shù)。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述計(jì)算所述空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z值的分布結(jié)果之前，還包括：

計(jì)算局部Gi統(tǒng)計(jì)量；

計(jì)算局部Gi統(tǒng)計(jì)量的期望E(Gi)和方差Var(Gi)；

計(jì)算所述局部統(tǒng)計(jì)量Gi的標(biāo)準(zhǔn)化Z(i)值。

上述基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，其中，所述計(jì)算局部Gi統(tǒng)計(jì)量的方法為：

$Gi\left(d\right)=\frac{{\mathrm{\Σ}}_j{w}_{ij\left(d\right){\mathrm{SP}}_j}}{{\mathrm{\Σ}}_j{\mathrm{SP}}_j};$

所述局部Gi統(tǒng)計(jì)量的期望E(Gi)的計(jì)算方法為：

E(Gi)＝W/n；

所述局部Gi統(tǒng)計(jì)量的方差Var(Gi)的計(jì)算方法為：

$Var\left(Gi\right)=\frac{S^2}{\stackrel{-}{SP}}\×\frac{W_i(n-W_i)}{n-1};$

所述計(jì)算所述局部統(tǒng)計(jì)量Gi的標(biāo)準(zhǔn)化Z值的方法為：

$Z\left(i\right)=\frac{Gi\left(d\right)-E\left(Gi\right)}{\sqrt{Var\left(G_{i\left(d\right)}\right)}};$

其中，SP_j為空間單元j處的事故嚴(yán)重程度，為空間事故嚴(yán)重程度平均值。

相應(yīng)地，本發(fā)明還提供一種基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別裝置，包括：

模型表示單元，用于采用非參數(shù)核密度估計(jì)模型表示待測(cè)區(qū)域內(nèi)的待檢測(cè)事故點(diǎn)的二維分布；

最優(yōu)窗寬確定單元，用于確定所述核密度估計(jì)模型的最優(yōu)窗寬h₀；

構(gòu)建單元，用于采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元；

判斷單元，用于判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)；

計(jì)算單元，用于當(dāng)所述空間統(tǒng)計(jì)單元上的事故屬性呈現(xiàn)空間自相關(guān)時(shí)，計(jì)算所述空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果；

分布圖生成單元，用于根據(jù)所述局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果生成事故多發(fā)點(diǎn)的分布圖。

由于采用上述技術(shù)方案，本發(fā)明具有如下有益效果：

1.本發(fā)明提供的基于空間自相關(guān)的事故多發(fā)點(diǎn)鑒別方法及裝置，從事故分布的地理角度出發(fā)，以道路空間單元之間的臨近關(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，采用核密度估計(jì)以及空間自相關(guān)方法進(jìn)行事故多發(fā)點(diǎn)的鑒別，克服了現(xiàn)有技術(shù)事故中的多發(fā)點(diǎn)鑒別過程采用經(jīng)典數(shù)理統(tǒng)計(jì)的分析方法，以致研究數(shù)據(jù)可視化表達(dá)能力較差的缺陷，本發(fā)明基于空間位置和地理位置信息，充分利用空間分析功能，對(duì)潛在事故原因的挖掘奠定基礎(chǔ)。

2.本發(fā)明提供的基于空間自相關(guān)的事故多發(fā)點(diǎn)鑒別方法及裝置，將待測(cè)事故點(diǎn)按照區(qū)域劃分為交叉路口區(qū)域內(nèi)的事故點(diǎn)和路段區(qū)域的事故點(diǎn)，結(jié)合二者的空間特征采用不同的方法構(gòu)建待測(cè)區(qū)域與待測(cè)事故點(diǎn)的空間關(guān)系，再計(jì)算事故嚴(yán)重程度評(píng)價(jià)指數(shù)，該方案克服了現(xiàn)有技術(shù)中將路段區(qū)域和交叉口區(qū)域分別評(píng)價(jià)，而不考慮二者之間的相互影響的缺陷。

本技術(shù)方案從我國道路交通運(yùn)營及管理現(xiàn)狀出發(fā)，針對(duì)道路空間構(gòu)建科學(xué)合理、有效便捷、適用性強(qiáng)且能夠分析事故成因的城市道路事故多發(fā)點(diǎn)鑒別方案。

附圖說明

圖1為本發(fā)明實(shí)施例1中基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法的一個(gè)具體示例的流程圖；

圖2為本發(fā)明實(shí)施例1中優(yōu)選的空間統(tǒng)計(jì)單元的結(jié)構(gòu)示意圖；

圖3a為本發(fā)明實(shí)施例1中基于空間單元的事故數(shù)的局部統(tǒng)計(jì)量的Z值的分布結(jié)果圖；

圖3b為本發(fā)明實(shí)施例1中基于空間單元的事故嚴(yán)重程度的局部統(tǒng)計(jì)量的Z值的分布結(jié)果圖；

圖4為本發(fā)明實(shí)施例2中基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別裝置的模塊結(jié)構(gòu)圖。

具體實(shí)施方式

以下結(jié)合附圖所示對(duì)本發(fā)明作進(jìn)一步的說明。

本發(fā)明一種基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別方法，如圖1所示，包括如下步驟：

步驟S1，采用非參數(shù)核密度估計(jì)模型表示待測(cè)區(qū)域內(nèi)的待檢測(cè)事故點(diǎn)的二維分布，選定待測(cè)區(qū)域內(nèi)的待測(cè)事故點(diǎn)，將該待測(cè)事故點(diǎn)的二維分布采用核密度模型來表示，由于非參數(shù)核密度估計(jì)方法不利用待測(cè)事故點(diǎn)的有關(guān)分布的先驗(yàn)知識(shí)，對(duì)待測(cè)事故點(diǎn)的分布不附加任何假定，從待測(cè)事故點(diǎn)本身出發(fā)研究待測(cè)事故點(diǎn)的分布特征，因此，該方法在應(yīng)用領(lǐng)域受到高度的重視；

步驟S2，確定所述核密度估計(jì)模型的最優(yōu)窗寬h₀，將步驟S1中的待測(cè)事故點(diǎn)的二維分布用一核密度函數(shù)表示，根據(jù)核密度函數(shù)的性質(zhì)計(jì)算該核密度函數(shù)與真實(shí)密度的積分均方誤差最小時(shí)對(duì)應(yīng)的窗寬，即為最優(yōu)窗寬；

步驟S3，采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元，引入“面-弧度”拓?fù)淠Ｐ蛯?duì)道網(wǎng)絡(luò)構(gòu)建模型，將待測(cè)區(qū)域分為交叉路口區(qū)域和位于任意相鄰兩個(gè)交叉路口區(qū)域之間的路段區(qū)域，對(duì)于交叉路口區(qū)域，然后根據(jù)兩個(gè)待測(cè)區(qū)域的不同特性分別建立交叉路口與交叉路口內(nèi)的待測(cè)事故點(diǎn)的空間關(guān)系及路段區(qū)域與路段區(qū)域內(nèi)的待測(cè)事故點(diǎn)的空間關(guān)系，如下以一個(gè)具體實(shí)施例進(jìn)行闡釋：

參見圖2所示結(jié)構(gòu)，為烏魯木齊市2007年至2011年的2316條立案事故數(shù)據(jù)按照“面-弧”模型劃分為的2468個(gè)空間統(tǒng)計(jì)單元，圖中以若干段空間統(tǒng)計(jì)單元為例，將“面-弧”拓?fù)淠Ｐ蛯优c事故數(shù)據(jù)層疊加分析，其中，基于“面-弧”拓?fù)淠Ｐ蛯拥臄?shù)據(jù)是辦案交警在Google map上后期定位獲得其經(jīng)緯度并導(dǎo)入ArcGis系統(tǒng)數(shù)據(jù)庫，因此，使用時(shí)，直接從ArcGis系統(tǒng)數(shù)據(jù)庫中獲取，而事故數(shù)據(jù)層的數(shù)據(jù)(包括但不僅限于傷亡人數(shù)，事故類型等)是由交管部門提供，綜合進(jìn)行分析，得到A類區(qū)域和B類區(qū)域，其中，A類區(qū)域?yàn)榻徊媛房趨^(qū)域，B類區(qū)域?yàn)槁范螀^(qū)域，則發(fā)生在A類區(qū)域內(nèi)的事故為交叉口事故，發(fā)生在B類區(qū)域內(nèi)的事故為路段事故。

步驟S4，判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)，空間自相關(guān)的判斷需要判斷Moran指數(shù)I是否大于零，及Moran指數(shù)的期望E(I)與方差構(gòu)造的標(biāo)準(zhǔn)化Z值是否大于一預(yù)設(shè)值，當(dāng)二者都滿足時(shí)，表示呈空間自相關(guān)，否則，不呈空間自相關(guān)。關(guān)于所述“預(yù)設(shè)值”，如圖3a和圖3b所示，其中Z大于預(yù)設(shè)值的部分可以被標(biāo)記在圖中，并且還可以進(jìn)一步根據(jù)Z值區(qū)別標(biāo)記顯著性水平。例如可以使用第一顏色標(biāo)記1.65<Z<1.96對(duì)應(yīng)的部分并判定為三級(jí)事故多發(fā)點(diǎn)；1.96<Z<2.58對(duì)應(yīng)于α＝0.05的顯著性水平，表明該單元是一個(gè)較高值的空間聚類，可以使用第二顏色對(duì)相應(yīng)部分進(jìn)行標(biāo)記并判定為二級(jí)事故多發(fā)點(diǎn)；空間單元標(biāo)準(zhǔn)化Z值>2.58對(duì)應(yīng)于α＝0.01的顯著性水平，表明該單元是一個(gè)極高值的空間聚類，可以使用第三顏色對(duì)相應(yīng)部分進(jìn)行標(biāo)記并判定為一級(jí)事故多發(fā)點(diǎn)，其它空間單元表示不存在明顯的空間聚類，可以利用其他顏色進(jìn)行標(biāo)記。

步驟S5，若所述空間統(tǒng)計(jì)單元上的事故屬性呈現(xiàn)空間自相關(guān)，則計(jì)算所述空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果，請(qǐng)參閱圖3a、3b所示，為本實(shí)施例中選取的烏魯木齊市的2468個(gè)空間統(tǒng)計(jì)單元的事故數(shù)的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果，其中，圖3a是基于空間單元事故數(shù)的局部統(tǒng)計(jì)量的Z(i)值分布結(jié)果，圖3b是基于空間單元事故嚴(yán)重程度的局部統(tǒng)計(jì)量的Z(i)值分布結(jié)果。

步驟S6，根據(jù)所述局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果生成事故多發(fā)點(diǎn)的分布圖。

該分布圖是根據(jù)上述步驟S5中生成的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z值生成的分布圖，具體分布圖的格式由客戶根據(jù)需求進(jìn)行選擇設(shè)定，同時(shí)，軟件顯示的是基于何種事故屬性，例如是事故數(shù)的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布圖還是基于事故嚴(yán)重程度的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布圖，還是二者或者多個(gè)屬性的結(jié)合，用戶根據(jù)需要進(jìn)行選擇。

上述基于空間自相關(guān)的事故多發(fā)點(diǎn)鑒別方法，解決了現(xiàn)有技術(shù)中無法鑒別包含有交叉口的城市道路中的事故多發(fā)點(diǎn)的難題，從事故分布的地理角度出發(fā)，以道路空間單元之間的臨近關(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，采用核密度估計(jì)以及空間自相關(guān)方法進(jìn)行事故多發(fā)點(diǎn)的鑒別，克服了現(xiàn)有技術(shù)中的事故多發(fā)點(diǎn)鑒別過程采用經(jīng)典數(shù)理統(tǒng)計(jì)的分析方法，以致研究數(shù)據(jù)可視化表達(dá)能力較差的缺陷，本發(fā)明基于空間位置和地理位置信息，充分利用空間分析功能，對(duì)潛在事故原因的挖掘奠定基礎(chǔ)。

優(yōu)選地，步驟S2中的核密度函數(shù)為：

$\hat{u}\left(x\right)=\frac{1}{{\mathrm{nh}}^d}{\mathrm{\&Sigma;}}_{i=1}^{n}k\left(\frac{l-l_i}{h}\right);$

其中，k()為核函數(shù)，h為窗寬，n為待測(cè)區(qū)域內(nèi)的待測(cè)事故點(diǎn)的個(gè)數(shù)，d為數(shù)據(jù)的維數(shù)，(l-l_i)為待測(cè)事故點(diǎn)到事故點(diǎn)l_i的距離。

優(yōu)選地，步驟S2中確定所述核密度函數(shù)的最優(yōu)窗寬，還包括：

步驟S21，獲取所述待測(cè)事故點(diǎn)在所述待測(cè)區(qū)域內(nèi)的真實(shí)密度f(x)；

步驟S22，獲取所述核密度函數(shù)與所述真實(shí)密度f(x)的積分均方誤差最小時(shí)的對(duì)應(yīng)的窗寬h₀，即為最優(yōu)窗寬。

在此基礎(chǔ)上，進(jìn)一步的，核密度函數(shù)與真實(shí)密度f(x)的積分均方誤差計(jì)算公式為：

其中為核密度函數(shù)、為積分均方誤差。

本實(shí)施例對(duì)于道路采用1000m為單位劃分為基本路段，對(duì)于主、次干路則根據(jù)核密度函數(shù)的最佳窗寬來確定，本實(shí)施例中研究區(qū)域的主、次干路上共有的事故樣本點(diǎn)共1661個(gè)，選用Gaussian核函數(shù)估計(jì)平面空間事故點(diǎn)的密度，獲取最優(yōu)窗寬h₀為115.2m。

優(yōu)選地，步驟S3中，采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元，包括如下步驟：

步驟S31，將待測(cè)區(qū)域分為交叉路口區(qū)域和路段區(qū)域；

步驟S32，對(duì)于交叉路口區(qū)域內(nèi)的事故點(diǎn)，通過“面”與“點(diǎn)”的運(yùn)算規(guī)則建立交叉路口與事故的空間關(guān)系；

步驟S33，對(duì)于路段區(qū)域的事故點(diǎn)，通過空間數(shù)據(jù)疊合運(yùn)算建立道路與事故的空間關(guān)系，并且在所述通過空間數(shù)據(jù)疊合預(yù)算建立空間關(guān)系前，在地理信息系統(tǒng)(Geographic Information System，簡稱GIS)中為弧段設(shè)預(yù)設(shè)寬度的緩沖區(qū)。

采用此方法，將包含有交叉口的城市道路中的路段區(qū)域的事故點(diǎn)與交叉路口區(qū)域內(nèi)的事故點(diǎn)依據(jù)其具體情況具體分析，分別建立交叉路口與事故的空間關(guān)系及道路與事故的空間關(guān)系，通過此方法，依據(jù)事故發(fā)生區(qū)域的不同，建立事故與事發(fā)地點(diǎn)的空間關(guān)系，綜合分析事故與事發(fā)地點(diǎn)的關(guān)系進(jìn)行下一步分析。

優(yōu)選地，步驟S4中，判定空間統(tǒng)計(jì)單元上的事故屬性是否呈空間自相關(guān)，還包括：

步驟S41，計(jì)算事故屬性的自相關(guān)指數(shù)I、期望E(I)及期望E(I)與方差構(gòu)造的標(biāo)準(zhǔn)化Z₁值；事故數(shù)的自相關(guān)指數(shù)I反映的是空間鄰接或空間鄰近的區(qū)域的事故屬性的相關(guān)性，其中，事故屬性可為但不僅限于事故數(shù)、事故嚴(yán)重程度。

步驟S42，判斷所述事故屬性的自相關(guān)指數(shù)I是否大于零，若是，則說明統(tǒng)計(jì)單元的鄰近區(qū)域的事故屬性呈空間正相關(guān)，繼續(xù)步驟S43，否則，退出本次操作，其中，所述自相關(guān)指數(shù)的期望與方差構(gòu)造的標(biāo)準(zhǔn)化Z₁的值大于預(yù)設(shè)值時(shí)，表示統(tǒng)計(jì)單元上所述空間鄰接或空間鄰近的區(qū)域的事故屬性呈空間自相關(guān)。另外，當(dāng)I<0，表示統(tǒng)計(jì)單元的鄰近區(qū)域的事故屬性呈空間負(fù)相關(guān)，若I＝0，表示統(tǒng)計(jì)單元的鄰近區(qū)域的事故屬性呈現(xiàn)空間隨機(jī)性。

步驟S43，當(dāng)所述自相關(guān)指數(shù)的期望與方差構(gòu)造的標(biāo)準(zhǔn)化Z₁的值大于預(yù)設(shè)值時(shí)，表示統(tǒng)計(jì)單元上所述空間鄰接或空間鄰近的區(qū)域的事故屬性分布模式與隨機(jī)分布模式之間存在顯著性差異，且呈空間自相關(guān)。

優(yōu)選的，綜合分析事故數(shù)和事故嚴(yán)重程度兩個(gè)事故屬性，在優(yōu)選α＝0.01的顯著水平下，通過上述公式分別計(jì)算得到對(duì)于事故數(shù)的Moran指數(shù)為I₁＝0.24，Z₁＝12.01；對(duì)于事故嚴(yán)重程度的Moran指數(shù)為I₂＝0.15，Z₂＝7.6，可以看出，兩個(gè)自相關(guān)指數(shù)的期望與方差構(gòu)造的標(biāo)準(zhǔn)化Z值(包括Z₁和Z₂)均大于預(yù)設(shè)2.58，則表明該空間統(tǒng)計(jì)單元上的事故屬性均呈空間自相關(guān)。

通過此方法，有效判斷出空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空自相關(guān)，不同的區(qū)域依據(jù)不同的原則建立事故與事發(fā)地點(diǎn)的空間關(guān)系，但是，此步采用同一原則判斷不同區(qū)域的事故屬性是否均呈空間自相關(guān)，做到了將不同區(qū)域的事故點(diǎn)分別分析又整體分析的目的，解決了孤立分析每一類事故點(diǎn)而導(dǎo)致無法有效建立不同事發(fā)區(qū)域的事故點(diǎn)之間的聯(lián)系的缺陷。

在此基礎(chǔ)上，進(jìn)一步的，Moran指數(shù)I的計(jì)算方法為：

$I=\frac{{\mathrm{n\&Sigma;\&Sigma;w}}_{ij\left({\mathrm{SP}}_{i-}\stackrel{\&OverBar;}{S}P\right)\left({\mathrm{SP}}_{j-}\stackrel{\&OverBar;}{S}P\right)}}{\left({\mathrm{\&Sigma;\&Sigma;w}}_{ij}\right)\left(\mathrm{\&Sigma;}{\left({\mathrm{SP}}_{i-}\stackrel{-}{SP}\right)}^2\right)};$

其中，w_ij為空間單元i與j之間位置關(guān)系的空間權(quán)重矩陣，SP_i，SP_j為空間單元i和j處的事故數(shù)或事故嚴(yán)重程度；為事故數(shù)或事故嚴(yán)重程度的平均值，n為空間單元總數(shù)。

優(yōu)選地，上述步驟S4中，判斷空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)前，還包括：

步驟S′4，確定本實(shí)施例的事故屬性為事故嚴(yán)重程度和/或事故數(shù)。

在此基礎(chǔ)上，進(jìn)一步的，計(jì)算事故嚴(yán)重程度的方法為：

${\mathrm{SP}}_s=\underset{p=1}{\overset{P}{\&Sigma;}}{f}_{ps}\&times;w_p$

其中，SP_s為預(yù)設(shè)地點(diǎn)s處的事故嚴(yán)重程度指數(shù)，f_ps為地點(diǎn)s處事故類型p的頻數(shù)，w_p為死亡、重傷及輕傷的權(quán)重系數(shù)，P為考慮的事故類型的種類數(shù)，在本實(shí)施例中，w_p為死亡、重傷及輕傷的權(quán)重系數(shù)分別為9.5,9.5,3.5。

計(jì)算事故嚴(yán)重程度評(píng)價(jià)指數(shù)前，首先對(duì)事故賦予權(quán)重，然后計(jì)算事故嚴(yán)重程度評(píng)價(jià)指數(shù)，本實(shí)施例中，空間單元的平均事故數(shù)為0.66，平均事故嚴(yán)重程度為3.67。

優(yōu)選地，步驟S5，計(jì)算空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z(i)值的分布結(jié)果之前，還包括：

步驟S′51，計(jì)算局部Gi統(tǒng)計(jì)量；

步驟S′52，計(jì)算局部Gi統(tǒng)計(jì)量的期望E(Gi)和方差Var(Gi)；

步驟S′53，計(jì)算所述局部統(tǒng)計(jì)量Gi的標(biāo)準(zhǔn)化Z(i)值。

在此基礎(chǔ)上，進(jìn)一步的，計(jì)算局部Gi統(tǒng)計(jì)量的方法為：

$Gi\left(d\right)=\frac{{\mathrm{\&Sigma;}}_j{w}_{ij\left(d\right){\mathrm{SP}}_j}}{{\mathrm{\&Sigma;}}_j{\mathrm{SP}}_j};$

局部Gi統(tǒng)計(jì)量的期望E(Gi)的計(jì)算方法為：

E(Gi)＝W/n；

局部Gi統(tǒng)計(jì)量的方差Var(Gi)的計(jì)算方法為：

$Var\left(Gi\right)=\frac{S^2}{\stackrel{-}{SP}}\&times;\frac{W_i(n-W_i)}{n-1};$

計(jì)算所述局部統(tǒng)計(jì)量Gi的標(biāo)準(zhǔn)化Z(i)值的方法為：

$Z\left(i\right)=\frac{Gi\left(d\right)-E\left(Gi\right)}{\sqrt{Var\left(G_{i\left(d\right)}\right)}};$

其中，SP_j為空間單元j處的事故嚴(yán)重程度，為空間事故嚴(yán)重程度平均值。

優(yōu)選的，在α＝0.01時(shí)，當(dāng)Z(i)>2.58時(shí)，表示該單元是一個(gè)事故多發(fā)點(diǎn)，稱為一級(jí)事故多發(fā)點(diǎn)；在α＝0.05時(shí)，1.96<α＝0.01<2.58時(shí)，該單元的事故多發(fā)概率小于該一級(jí)事故多發(fā)點(diǎn)，設(shè)定該單元是一個(gè)二級(jí)事故多發(fā)點(diǎn),其中，i表示基于的事故屬性類型。

通過上述公式計(jì)算得到針對(duì)事故數(shù)鑒別出的事故多發(fā)點(diǎn)為53處，針對(duì)事故嚴(yán)重程度鑒別出的事故多發(fā)點(diǎn)為47處，而基于這兩種屬性鑒別出的重復(fù)的事故多發(fā)點(diǎn)為28處，則此28個(gè)事故點(diǎn)為事故多發(fā)點(diǎn)，需要進(jìn)行改善。

綜上所述，本發(fā)明從事故分布的地理角度出發(fā)，以道路空間單元之間的臨近關(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，采用核密度估計(jì)以及空間自相關(guān)方法進(jìn)行事故多發(fā)點(diǎn)的鑒別，克服了現(xiàn)有技術(shù)事故中的多發(fā)點(diǎn)鑒別過程采用經(jīng)典數(shù)理統(tǒng)計(jì)的分析方法，以致研究數(shù)據(jù)可視化表達(dá)能力較差的缺陷，本發(fā)明基于空間位置和地理位置信息，充分利用空間分析功能，對(duì)潛在事故原因的挖掘奠定基礎(chǔ)；同時(shí)，將待測(cè)事故點(diǎn)按照區(qū)域劃分為交叉路口區(qū)域內(nèi)的事故點(diǎn)和路段區(qū)域的事故點(diǎn)，結(jié)合二者的空間特征采用不同的方法構(gòu)建待測(cè)區(qū)域與待測(cè)事故點(diǎn)的空間關(guān)系，再計(jì)算事故嚴(yán)重程度評(píng)價(jià)指數(shù)，該方案克服了現(xiàn)有技術(shù)中將路段區(qū)域和交叉口區(qū)域分別評(píng)價(jià)，而不考慮二者之間的相互影響的缺陷。

一種實(shí)現(xiàn)上述方法的基于空間自相關(guān)的道路事故多發(fā)點(diǎn)鑒別裝置，如圖4所示，包括：

模型表示單元41，用于采用非參數(shù)核密度估計(jì)模型表示待測(cè)區(qū)域內(nèi)的待檢測(cè)事故點(diǎn)的二維分布；

最優(yōu)窗寬確定單元42，用于確定所述核密度估計(jì)模型的最優(yōu)窗寬h₀；

構(gòu)建單元43，用于采用基于地理系統(tǒng)的“面-弧”網(wǎng)絡(luò)拓?fù)淠Ｐ蜆?gòu)建空間統(tǒng)計(jì)單元；

判斷單元44，用于判定所述空間統(tǒng)計(jì)單元上的事故屬性是否呈現(xiàn)空間自相關(guān)；

計(jì)算單元45，用于當(dāng)所述空間統(tǒng)計(jì)單元上的事故屬性呈現(xiàn)空間自相關(guān)時(shí)，計(jì)算所述空間統(tǒng)計(jì)單元的局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z值的分布結(jié)果；

分布圖生成單元46，用于根據(jù)所述局部統(tǒng)計(jì)量的標(biāo)準(zhǔn)化Z值的分布結(jié)果生成事故多發(fā)點(diǎn)的分布圖。

上述的對(duì)實(shí)施例的描述是為便于該技術(shù)領(lǐng)域的普通技術(shù)人員能理解和應(yīng)用本發(fā)明。熟悉本領(lǐng)域技術(shù)的人員顯然可以容易地對(duì)這些實(shí)施例做出各種修改，并把在此說明的一般原理應(yīng)用到其他實(shí)施例中而不必經(jīng)過創(chuàng)造性的勞動(dòng)。因此，本發(fā)明不限于上述實(shí)施例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的揭示，對(duì)于本發(fā)明做出的改進(jìn)和修改都應(yīng)該在本發(fā)明的保護(hù)范圍之內(nèi)。