悉尼澳大利亚接近事故与事故黑点的空间关联性： 一种 Getis-OrdG∗ i 分析.pdfVIP

悉尼澳大利亚接近事故与事故黑点的空间关联性：

一种Getis-Ord分析

stndrd

1ArturGrigorev2DavidLillo-Trynes3Adriana-SimonaMihăiţă

FacultyofEngineeringandITCompassIoTFacultyofEngineeringandIT

UniversityofTechnologySydneySydney,AustraliaUniversityofTechnologySydney

Sydney,AustraliaSydney,Australia

ORCID:0000-0001-6875-3568ORCID:0000-0001-7670-5777

摘要—传统的道路安全管理本质上是被动的，依赖于稀疏且模式提供了一种前瞻性的方法来识别在严重事故发生之前

滞后的历史事故数据的分析来识别危险地点或事故黑点。车辆远可能存在危险的位置。

本程信息技术的普及为向主动安全范式的转变提供了机会，使用高

在接近事故的数据范围内，以高严重性指标（如大的纵

译频率、高分辨率的未遂事件作为事故风险的领先指标。本文提出

中了一种空间统计框架，系统地分析官方事故记录和城市环境中未向或横向加速度）为特征的事件被认为具有更高的潜在伤

遂事件之间的一致性和不一致性。首先应用Getis-Ord统计量来害风险，如果发生碰撞[5]。我们进一步将其定义为G力，在

2识别报告的事故和未遂事件中各自类型的显著局部聚类。随后，接近事故发生时加速的一种衡量标准（稍后称为NM+G，

v二元本地莫兰I评估了事故数量与高G事件数量之间的空间关

6即高G力的接近事故）。我们相信，通过利用NM+G严重

5系，将网格单元分类为不同的配置文件：高-高（风险重合）、高-性数据，我们可以主动完善安全分析，重点关注那些“潜

3低和低-高。我们的分析揭示了大量的低事故、高未遂事件聚类

3区域，这些区域在仅依赖历史事故数据时是不可观测的高风险区在后果”较高的频繁冲突地点。

0

.域。使用上下文中的兴趣点数据进行特征重要性分析，以识别不差距：尽管近似事故频率数据的可用性不断增加，但

6同基础设施因素，从而区分空间集群之间的差异。结果提供了一

0由近乎严重程度指标（例如高G力事件，以下简称High-

5种基于数据的方法，使交通管理部门能够从被动的安全管理策略G）得出的热点与使用传统事故数据(A)识别出的热点之

2转变为积极主动的策略，允许在严重事故发生前采取针对性干预

:措施。间的空间关系仍相对未被探索，特别是在城市地区的精细

v

iIndexTerms—连接车辆，险些发生的事故，黑点，统计空间分辨率内。据我们所知，从未证明频繁出现严重近似

x

r推断事故事件(NM+G)的区域是否直接在空间上对应于历史

a

上事故集中发生的区域，或者NM+G事件是否会显著增

I.介绍加实际碰撞的发生率。建立这种联系对于验证使用High-G

道路交通事故在全球范围内造成了显著的社会成本，严重程度作为可靠的空间事故风险代理至关重要，这将使

需要有效的安全管理策略。历史上，识别高风险地点主要安全管理工作更加有效，并揭示潜在风险的不同维度。显