CN110414067A - 一种考虑交通安全的小区内外部道路衔接设计的方法 - Google Patents
一种考虑交通安全的小区内外部道路衔接设计的方法 Download PDFInfo
- Publication number
- CN110414067A CN110414067A CN201910588553.6A CN201910588553A CN110414067A CN 110414067 A CN110414067 A CN 110414067A CN 201910588553 A CN201910588553 A CN 201910588553A CN 110414067 A CN110414067 A CN 110414067A
- Authority
- CN
- China
- Prior art keywords
- cell
- road network
- traffic
- road
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种考虑交通安全的小区内外部道路衔接设计的方法,包括如下步骤:(1)调查区域划分及数据采集;(2)计算路网特征变量;(3)道路网络形态划分及判别;(4)评价模型选择及参数标定。本发明的有益效果为:在交通分析小区(指由交通部门和地方城市规划组织划定的统计实体,用于统计与交通有关的数据)中,利用全贝叶斯空间分层模型研究道路设计对于不同路网形态的小区所造成的影响,在随机误差项的基础上,通过引入考虑小区空间相关性的随机效应项以及小区在空间上的趋同效应,为小区开放的交通安全风险识别及交通安全水平评价提供了科学有效的方法。
Description
技术领域
本发明涉及道路交通技术领域,特别是涉及一种考虑交通安全的内外部道路设计安全评价的方法。
背景技术
随着人口数量与机动车保有量的不断增加,道路交通事故逐渐成为威胁人们生命安全的重要因素,世界卫生组织在2015年公布的《道路安全全球现状报告》中谈到,自2007年至2015年每年交通事故造成的死亡人数约有125万人,相当于平均每25秒钟便有一人因交通事故身亡。该报告还指出,如不积极采取交通干预措施减少道路交通伤害,交通事故将成为世界第五大死亡原因。因此,针对交通安全的研究在交通规划领域中占有重要的地位。
目前,人们的聚居区越来越突出“小区”的概念,居住街区作为城市的基本构成单元,与居民的生活关联密切,其安全与否直接影响城市居民的生活质量。另外,居民在街区内的出行绝大部分都是基于社区道路,因此,如何评价社区的道路设计是否合理以及探索影响道路设计安全的因素是目前亟待解决的问题。传统的交通安全分析一般基于交通特征、人与环境或者道路水平等影响因素,但是随着路网的拓展,城市交通变得更加复杂,因此考虑更加细致的路网特性,不仅可以增加模型的性能,并且可以针对性的这些路网特性提出小区与外部衔接的建议,具有很高的研究价值。
发明内容
为了解决上述存在的问题,本发明提供一种考虑交通安全的内外部道路设计安全评价的方法,能够对小区内外部道路设计的安全水平进行定量分析,并对其交通安全水平进行等级划分。
为达此目的,本发明提供一种考虑交通安全的小区内外部道路衔接设计安全评价的方法,包括如下步骤:
(1)划分调查区域及数据采集:将每一个交通分析小区作为一个调查区域,所用数据集包含每个交通分析小区的事故数据q,以及各个小区的路网密度以及分级路网密度、人口密度、土地利用数据;
(2)计算路网特征变量:利用(1)中所得数据对各交通安全分析小区及其相邻调查区域的路网特征变量进行计算,包括中介中心性接近中心性网格系数M,以及各小区与其相邻小区的路网特征差异DVi,具体计算方法如下所示:
其中,N是路网中的节点个数,njk是点j与点k之间的最短路径的数目,njk(i)是点j与点k之间经过点i的最短路径的数目;
其中,dij是节点i与j之间的最短距离,N为网络中的节点个数;对于整个网络而言,有如下计算方式:
其中S表示路网中的路段数,N表示路网中的节点数,f为不含外部面的面数,由欧拉公式表示为:f=S-N+1;fmax是最大连通平面图中可能得到的最大面数,fmax=2N-5;
其中,ni是与第i个交通分析小区接口数大于1的小区数,aij是第i个交通分析小区与第j个交通小区间的接口数,at是第i个交通小区的全部接口数,βVi是第i个交通小区的某种路网特征,βVj是第j个交通小区的某种路网特征;
(3)道路网络形态划分及判别:将小区的路网总密度Dr、主干路密度DA、次干路密度DB、中介中心性接近中心性网格系数M作为聚类变量,利用K-means聚类的方法将所有交通安全分析小区及其相邻调查区域的路网形态共划分为g个种类,表示为Rf(f=1,2,3,…,g);
(4)评价模型选择及参数标定:以交通分析小区的事故率作为因变量,采取全贝叶斯空间分层模型进行交通安全分析,对具有不同类路网形态的交通分析小区分别建立交通安全分析模型;
ui~CAR.normal(adj,wij,N,tau.u)
式中:I表示与交通分析小区相邻的调查区域的总数,N表示每个交通小区邻接小区的数量,α为常数项、Dr表示小区的路网总密度、DA表示小区中主干路密度、DB表示小区中次干路密度、表示小区路网的中介中心性、表示路网的接近中心性、M表示路网网格系数、DVi表示各小区与其相邻小区的路网特征差异、εi表示随机误差项、βn为回归向量系数、ui表示空间相关性的随机效应项,ui服从自相关正态分布、adj表示与交通小区相邻的小区编号数组、wij表示两个小区之间的邻接关系,相邻取1,不相邻即取0。
所述的一种考虑交通安全的小区内外部道路衔接设计安全评价的方法,其特征在于:步骤(4)中贝叶斯模型在标定时,设置所有回归向量的系数服从N(0,0.01)分布,误差项服从N(0,tau)分布,其中tau服从Gamma(0.5,0.0005)分布。
本发明是一种考虑交通安全的小区内外部道路设计安全评价的方法,通过选取交通分析小区作为研究对象,利用全贝叶斯空间分层模型研究道路设计对于不同路网形态的小区所造成的影响,在随机误差项的基础上,引入与小区空间性相关的随机效应项,考虑了小区之间相邻接的影响。
附图说明
图1为本发明的交通安全分析结果与安全评价等级划分示意图。
图2为本发明的方法流程示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供一种考虑交通安全的小区内外部道路设计安全评价的方法,能够对小区内外部道路设计的安全水平进行定量分析,并对其交通安全水平进行等级划分。包括如下步骤:
(1)划分调查区域及数据采集:本方法基于交通分析小区,将每一个交通分析小区作为一个调查区域。所用数据集包含每个交通分析小区的事故数据q(重伤事故、轻伤事故以及全部事故),以及各个小区的路网密度以及分级路网密度、人口密度、土地利用数据;
(2)计算路网特征变量:利用(1)中所得数据对各交通安全分析小区及其相邻调查区域的路网特征变量进行计算,包括中介中心性对于节点而言,如果一个节点位于许多其他节点之间,那么它就是中心节点,因此可以连接多个节点对的最短路径,其中介中心性就高,对于路网而言,中介中心性衡量的是路网的连通性。;接近中心性接近中心性可以用来度量路网中点的中心性,接近中心性需要考量每个结点到其它结点的最短路的平均长度。即,对于单个节点而言,它距离其它节点越近,那么它的中心度越高;网格系数M,网格系数衡量的是路网中的环路的程度,网格系数越大,路网的聚集程度越高,交叉口之间的关联越强;以及各小区与其相邻小区的路网特征差异DVi,在本研究中,我们基于每个小区对外的道路接口数对路网特征差异进行加权,来计算各种路网特征在不同小区间的差异。各种路网特征的具体计算方法如下所示:
其中,N是路网中的节点个数,njk是点j与点k之间的最短路径的数目,njk(i)是点j与点k之间经过点i的最短路径的数目。
其中,dij是节点i与j之间的最短距离,N为网络中的节点个数。对于整个网络而言,有如下计算方式:
其中S表示路网中的路段数,N表示路网中的节点数,f为面数(不含外部面),由欧拉公式表示为:f=S-N+1。fmax是最大连通平面图中可能得到的最大面数,fmax=2N-5。
其中,ni是与第i个交通分析小区接口数大于1的小区数,aij是第i个交通分析小区与第j个交通小区间的接口数,at是第i个交通小区的全部接口数,βVi是第i个交通小区的某种路网特征,βVj同理。
(3)道路网络形态划分及判别:将小区的路网总密度Dr、主干路密度DA、次干路密度DB、中介中心性接近中心性网格系数M作为聚类变量,利用K-means聚类的方法将所有交通安全分析小区及其相邻调查区域的路网形态共划分为g个种类,表示为Rf(f=1,2,3,…,g)。
(4)评价模型选择及参数标定:以交通分析小区的事故率作为因变量,采取全贝叶斯空间分层模型进行交通安全分析,I表示与交通分析小区相邻的调查区域的总数,N表示每个交通小区邻接小区的数量,α为常数项、Dr表示小区的路网总密度、DA表示小区中主干路密度、DB表示小区中次干路密度、表示小区路网的中介中心性、表示路网的接近中心性、M表示路网网格系数、DVi表示各小区与其相邻小区的路网特征差异、εi表示随机误差项、βn为回归向量系数、ui表示空间相关性的随机效应项(在本方法中ui服从自相关正态分布)、adj表示与交通小区相邻的小区编号数组、wij表示两个小区之间的邻接关系(相邻取1,不相邻即取0),对具有不同类路网形态的交通分析小区分别建立交通安全分析模型;
ui~CAR.normal(adj,wij,N,tau.u)
下面用具体实施例来说明本发明。
1)划分调查区域及数据采集:本方法基于交通分析小区,将每一个交通分析小区作为一个调查区域。所用数据集包含每个交通分析小区的事故数据q(重伤事故、轻伤事故以及全部事故),以及各个小区的路网密度以及分级路网密度、人口密度、土地利用数据。
2)计算路网特征变量:利用(1)中所得数据对各交通安全分析小区及其相邻调查区域的路网特征变量进行计算,包括中介中心性对于节点而言,如果一个节点位于许多其他节点之间,那么它就是中心节点,因此可以连接多个节点对的最短路径,其中介中心性就高,对于路网而言,中介中心性衡量的是路网的连通性。;接近中心性接近中心性可以用来度量路网中点的中心性,接近中心性需要考量每个结点到其它结点的最短路的平均长度。即,对于单个节点而言,它距离其它节点越近,那么它的中心度越高;网格系数M,网格系数衡量的是路网中的环路的程度,网格系数越大,路网的聚集程度越高,交叉口之间的关联越强;以及各小区与其相邻小区的路网特征差异DVi,在本研究中,我们基于每个小区对外的道路接口数对路网特征差异进行加权,来计算各种路网特征在不同小区间的差异。各种路网特征的具体计算方法如下所示:
其中,N是路网中的节点个数,njk是点j与点k之间的最短路径的数目,njk(i)是点j与点k之间经过点i的最短路径的数目。
其中,dij是节点i与j之间的最短距离,N为网络中的节点个数。对于整个网络而言,有如下计算方式:
其中S表示路网中的路段数,N表示路网中的节点数,f为面数(不含外部面),由欧拉公式表示为:f=S-N+1。fmax是最大连通平面图中可能得到的最大面数,fmax=2N-5。
其中,ni是与第i个交通分析小区接口数大于1的小区数,aij是第i个交通分析小区与第j个交通小区间的接口数,at是第i个交通小区的全部接口数,βVi是第i个交通小区的某种路网特征,βVj同理。
结合第一步,得到的各调查区域的相关数据如表1-1所示。
表1-1调查区域数据采集统计表
3)道路网络形态划分及判别:将小区的路网总密度Dr、主干路密度DA、次干路密度DB、中介中心性接近中心性网格系数M作为聚类变量,利用K-means聚类的方法将所有交通安全分析小区及其相邻调查区域的路网形态共划分为g个种类,表示为Rf(f=1,2,3,…,g)。
4)评价模型选择及参数标定:以交通分析小区的事故率作为因变量,采取全贝叶斯空间分层模型进行交通安全分析,I表示与交通分析小区相邻的调查区域的总数,N表示每个交通小区邻接小区的数量,α为常数项、Dr表示小区的路网总密度、DA表示小区中主干路密度、DB表示小区中次干路密度、表示小区路网的中介中心性、表示路网的接近中心性、M表示路网网格系数、DVi表示各小区与其相邻小区的路网特征差异、εi表示随机误差项、βn为回归向量系数、ui表示空间相关性的随机效应项(在本方法中ui服从自相关正态分布)、adj表示与交通小区相邻的小区编号数组、wij表示两个小区之间的邻接关系(相邻取1,不相邻即取0),对具有不同类路网形态的交通分析小区分别建立交通安全分析模型;
ui~CAR.normal(adj,wij,N,tau.u)
表1-2交通安全分析小区参数标定表
由于该实施案例是基于假设条件进行,根据最终的参数标定表,假定βr为正值,即说明小区总路网密度越高,小区发生的交通事故越多,因此在考虑道路设计时,应在保证交通运行效率的前提下,适当加少总路网密度,其余参数以此类推。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (2)
1.一种考虑交通安全的小区内外部道路衔接设计的方法,其特征在于,包括如下步骤:
(1)划分调查区域及数据采集:将每一个交通分析小区作为一个调查区域,所用数据集包含每个交通分析小区的事故数据q,以及各个小区的路网密度以及分级路网密度、人口密度、土地利用数据;
(2)计算路网特征变量:利用(1)中所得数据对各交通安全分析小区及其相邻调查区域的路网特征变量进行计算,包括中介中心性接近中心性网格系数M,以及各小区与其相邻小区的路网特征差异DVi,具体计算方法如下所示:
其中,N是路网中的节点个数,njk是点j与点k之间的最短路径的数目,njk(i)是点j与点k之间经过点i的最短路径的数目;
其中,dij是节点i与j之间的最短距离,N为网络中的节点个数;对于整个网络而言,有如下计算方式:
其中S表示路网中的路段数,N表示路网中的节点数,f为不含外部面的面数,由欧拉公式表示为:f=S-N+1;fmax是最大连通平面图中可能得到的最大面数,fmax=2N-5;
其中,ni是与第i个交通分析小区接口数大于1的小区数,aij是第i个交通分析小区与第j个交通小区间的接口数,at是第i个交通小区的全部接口数,βVi是第i个交通小区的某种路网特征,βVj是第j个交通小区的某种路网特征;
(3)道路网络形态划分及判别:将小区的路网总密度Dr、主干路密度DA、次干路密度DB、中介中心性接近中心性网格系数M作为聚类变量,利用K-means聚类的方法将所有交通安全分析小区及其相邻调查区域的路网形态共划分为g个种类,表示为Rf(f=1,2,3,…,g);
(4)评价模型选择及参数标定:以交通分析小区的事故率作为因变量,采取全贝叶斯空间分层模型进行交通安全分析,对具有不同类路网形态的交通分析小区分别建立交通安全分析模型;
ui~CAR.normal(adj,wij,N,tau.u)
式中:I表示与交通分析小区相邻的调查区域的总数,N表示每个交通小区邻接小区的数量,α为常数项、Dr表示小区的路网总密度、DA表示小区中主干路密度、DB表示小区中次干路密度、表示小区路网的中介中心性、表示路网的接近中心性、M表示路网网格系数、DVi表示各小区与其相邻小区的路网特征差异、εi表示随机误差项、βn为回归向量系数、ui表示空间相关性的随机效应项,ui服从自相关正态分布、adj表示与交通小区相邻的小区编号数组、wij表示两个小区之间的邻接关系,相邻取1,不相邻即取0。
2.根据权利要求1所述的考虑交通安全的小区内外部道路衔接设计的方法,其特征在于:步骤(4)中贝叶斯模型在标定时,设置所有回归向量的系数服从N(0,0.01)分布,误差项服从N(0,tau)分布,其中tau服从Gamma(0.5,0.0005)分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588553.6A CN110414067B (zh) | 2019-07-01 | 2019-07-01 | 一种考虑交通安全的小区内外部道路衔接设计的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588553.6A CN110414067B (zh) | 2019-07-01 | 2019-07-01 | 一种考虑交通安全的小区内外部道路衔接设计的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414067A true CN110414067A (zh) | 2019-11-05 |
CN110414067B CN110414067B (zh) | 2023-07-07 |
Family
ID=68360076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910588553.6A Active CN110414067B (zh) | 2019-07-01 | 2019-07-01 | 一种考虑交通安全的小区内外部道路衔接设计的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414067B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192320A (zh) * | 2021-03-16 | 2021-07-30 | 东南大学 | 一种开放式小区道路交通改善情况分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961758A (zh) * | 2018-08-03 | 2018-12-07 | 东华理工大学 | 一种基于梯度提升决策树的路口展宽车道探测方法 |
CN109345434A (zh) * | 2018-10-31 | 2019-02-15 | 东南大学 | 一种开放式小区内外部道路设计安全评价的方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
-
2019
- 2019-07-01 CN CN201910588553.6A patent/CN110414067B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961758A (zh) * | 2018-08-03 | 2018-12-07 | 东华理工大学 | 一种基于梯度提升决策树的路口展宽车道探测方法 |
CN109345434A (zh) * | 2018-10-31 | 2019-02-15 | 东南大学 | 一种开放式小区内外部道路设计安全评价的方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192320A (zh) * | 2021-03-16 | 2021-07-30 | 东南大学 | 一种开放式小区道路交通改善情况分析方法 |
CN113192320B (zh) * | 2021-03-16 | 2022-04-22 | 东南大学 | 一种开放式小区道路交通改善情况分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110414067B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404890B (zh) | 一种顾及轨迹时空语义的犯罪团伙判别方法 | |
Xu et al. | Modelling urban expansion guided by land ecological suitability: A case study of Changzhou City, China | |
Rodríguez-Déniz et al. | Classifying airports according to their hub dimensions: an application to the US domestic network | |
Girardet et al. | Does regional landscape connectivity influence the location of roe deer roadkill hotspots? | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN109345434B (zh) | 一种开放式小区内外部道路设计安全评价的方法 | |
CN110781267A (zh) | 一种基于地理国情的多尺度空间分析评价方法及系统 | |
CN110379161A (zh) | 一种城市路网交通流量分配方法 | |
Pulugurtha et al. | Modeling AADT on local functionally classified roads using land use, road density, and nearest nonlocal road data | |
Yue et al. | Understanding the interplay between bus, metro, and cab ridership dynamics in Shenzhen, China | |
Tu et al. | Research on intelligent calculation method of intelligent traffic flow index based on big data mining | |
CN108846597A (zh) | 一种面向tod建设的交通枢纽评价方法 | |
CN110414067A (zh) | 一种考虑交通安全的小区内外部道路衔接设计的方法 | |
CN108985518A (zh) | 一种基于vissim仿真的交通拥堵收费策略优化方法 | |
Maeda et al. | Comparative examination of network clustering methods for extracting community structures of a city from public transportation smart card data | |
Burgalassi | Defining and measuring polycentric regions: the case of Tuscany | |
CN115965108A (zh) | 一种防灾生活圈设施适宜性评定及预测方法、系统 | |
Yang et al. | An extended node-place model for comparative studies of transit-oriented development | |
Lee et al. | Spatiotemporal distributions of population in Seoul: joint influence of ridership and accessibility of the subway system | |
Li et al. | Impact of traffic exposure and land use patterns on the risk of COVID-19 spread at the community level | |
CN111914052B (zh) | 一种区域空间关联关系确定方法及装置 | |
CN108805392A (zh) | 一种基于轨迹数据集成人类出行行为的可达性评估方法 | |
Cats et al. | The identification and classification of urban centres using public transport passenger flows data | |
Yongdong et al. | Analysis of road travel behaviour based on big trajectory data | |
Anjomshoaa et al. | Accessibility measurement techniques in urban studies: a comprehensive review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |