硕士论文题目：基于城市交通大数据的主动安全管理研究
摘要：
伴随城市化的快速进程和机动化水平的提高，我国交通运行环境日趋复杂，交通安全形势也不容乐观。以广州市为例，2015年10万人交通事故死亡率为6.27。作为改善交通安全环境的重要手段，交通安全管理一直受到各级政府部门的重视。过去30年，无论是国家层面还是地方层面，出台了一系列的交通安全法律法规、政策与专项行动。面向一座特大型城市，由于管理资源的有限性，这些管理措施在实施过程中很难落实到位，所以需要明确交通安全管理的重点对象，包括总体的典型安全问题、亟待改善的事故多发区域和道路。随着交通信息化建设不断推进，积累了海量而丰富的数据资源，例如业务数据（如事故、违法）、交通数据（如流量、车速）、道路数据（如道路图层、道路几何特征），形成了交通安全管理大数据的基础，为更精细化的交通安全管理提供了可能。
本研究基于广州市的交通安全管理数据，从城市总体安全特征分析、重点安全管理区域识别和事故多发路段判别三个方面展开研究。由于既涉及到结构化数据（如事故、违法），又涉及到半结构化数据（如道路图层），所以如何进行多源数据的整合是关键问题。通过空间地理信息的关联，可以将这些不同类型的数据转换成空间数据，再利用空间分析方法进行研究。在城市总体安全特征分析方面，主要目的是挖掘典型特征，为重点管理区域识别和事故多发路段判别提供参考。在重点安全管理区域识别方面，主要是为了对管理区域进行安全等级划分，从中筛选出亟待改善的区域。因为目前广州市交警主要按照大队辖区进行管理，每个大队的管理任务是一样的，这忽略了安全问题在空间上的差异，而且使得有限的管理资源不能充分配置到最需要改善的地方。在事故多发路段判别方面，主要是为了提出一套考虑事故集聚特征的判别方法。因为在实际操作中，广州市交警只是按照事故绝对数且不分道路类型进行排序，这不仅受到事故随机波动性的影响，而且忽略了事故的空间相关性，容易造成误判。主要的研究内容和结论如下：
第一，从事故和违法两个角度对广州市安全特征进行分析。针对总体事故和伤亡事故分析其时间、车辆类型、道路类型和事故形态等特征；根据事故原因和平均每起事故的伤亡人数，确定重点违法行为，并分析不同重点违法行为的分布特征。结果发现总体事故与伤亡事故的时间分布没有显著差异，但是在空间分布上差异明显；超速行驶、酒后驾驶和无证驾驶是重点违法行为，并且在在空间分布上存在显著差异；明确了三类重点违法行为需要管理的重点车型、高峰时段、主要道路设施类型和高发事故形态。
第二，基于事故和违法数据进行重点安全管理区域识别。通过对比不同的点模式识别方法，选取Getis-Ord Gi*统计指标进行热点分析，并利用克里金插值制作区域热点分布图；根据总体事故、伤亡事故、超速行驶、酒后驾驶和无证驾驶五个指标的玫瑰图，综合衡量各个区域的安全管理水平，并以此构建安全评分公式划分区域的安全等级。结果发现，Gi*统计指标和克里金插值可以适用于事故和违法数据空间集聚特征的描述；以平均伤亡人数为纽带构建的安全评分公式可以筛选出亟待改善的区域；对比重点管理区域和其他区域的事故与违法特征，可以提出目标导向型（减少事故总量、减轻事故伤亡总量、降低事故风险水平）的管理对策。
第三，基于事故数据的空间集聚特征，提出一套针对不同道路设施（高速公路、城市快速路和地面干道）的事故多发路段判别方法。利用网络限制核密度估计方法进行事故多发路段判别，比较不同的路段划分单元和搜索范围，确定适用于不同道路设施的事故黑点判别标准；对排查出的事故多发路段进行三维场景展示，利于管理部门直观观察事故沿道路的分布趋势。结果发现，网络限制核密度估计考虑了事故的空间相关性，可以提升广州市目前事故多发路段排查的水平；不同道路设施的事故多发路段判别标准有差异，高速公路的建议标准是100m路段单元和1000m搜索范围，城市快速路的建议标准是100m路段单元和2000m搜索范围，地面主次干道的建议标准是485m路段单元和2425m搜索范围。
本研究利用空间分析方法整合多源数据，基于城市总体安全特征分析，发现了区域和道路层面的主要问题，分别进行了重点安全管理区域识别和事故多发路段判别，为精细化交通安全管理提供了理论上的参考。
硕士毕业生袁景辉（左四）、罗楝（右四）、樊天翔（右三）与杨筱菡副教授（答辩委员，左一）、高珍副教授（答辩委员，左二）、林航飞教授（答辩主席，左三）、王雪松教授（导师，右二）、高岩副研究员（答辩委员，右一）合影