时空GIS在广州市交通事故黑点预判与鉴别中的应用

2017-01-21 15:52谭锦艳张湘邵丽芳莫锋华欧雁钿
软件导刊 2016年12期

谭锦艳+张湘+邵丽芳+莫锋华+欧雁钿+李少伟

摘 要:介绍了时空GIS及其预判与鉴别交通事故黑点的原理,重点讨论了基于SuperMap GIS的道路交通事故黑点智能鉴别方法。通过广州市道路交通事故黑点预判与鉴别系统,进行交通事故黑点实时鉴别及地图发布,解决了传统道路交通安全管理手段单一、内容枯燥、信息滞后等问题,在一定程度上满足了大众安全出行的需求。

关键词:Super Map GIS;缓存区分析;叠置分析;事故黑点

DOIDOI:10.11907/rjdk.162214

中图分类号:TP319

文献标识码:A文章编号:1672-7800(2016)012-0116-02

0 引言

随着广州市经济的持续发展,道路通车里程及汽车保有量逐渐增加,道路交通事故发生频率不断上升。因此,开展道路交通事故黑点预判与鉴别,制作并发布道路交通事故黑点地图,是管控与治理危险路段、提高道路交通安全管理水平的重要手段之一[1]。

1 时空GIS概念及其发展趋势

时空GIS是建立在时态数据库、GIS、人工智能等基础上的一种综合型应用技术,其研究对象是时空世界中遵循诞生、成长、生存,直至死亡等自然规律的事物和现象的时空信息,不但包含传统地理信息系统的空间特性,而且涵盖时间特性;不但反映事物和现象的存在状态,而且可以表达其发展变化过程及规律。时态地理信息系统(TGIS)是一种采集、存储、管理、分析与显示地理实体随时间变化情况的计算机系统,TGIS的操作对象是时空信息[2]。

传统GIS只描述了研究对象的一个快照,没有对时态数据作专门处理,因而是静态的,只能反映事物的当前状态,无法反映其历史状态,更无法预测未来的发展趋势,而客观事物的存在都与时间紧密相联。因此,在系统中增强对时间维的表达、分析能力,提供历史分析与趋势分析的功能,是时空GIS的独特之处。时间、空间和属性是地理实体和地理现象固有的3个基本特征,是反映地理实体状态和演变过程的重要组成部分。时空GIS能够三者并重,因此是未来GIS的发展方向之一。

2 广州市交通事故黑点预判与鉴别系统

广州市交通事故黑点预判与鉴别系统的核心功能是事故黑点智能鉴别,本文采用SuperMap Deskpro 处理道路交通地理数据,采用SuperMap Objects 开发交通事故黑点智能鉴别功能,以Super Map Is.net发布交通事故黑点地图。

2.1 道路交通事故黑点鉴别方法

道路交通事故黑点指单位时间内每公里发生的交通事故次数大大高于该条道路平均值的路段。道路交通事故黑点鉴别的目的是找出某段时间内交通事故次数和严重程度高于其它地方的路段,因此对路段的鉴别标准通常为一段时间内交通事故发生的次数和损失情况两个主要因素,并利用设定的明确量化指标判断路段的危险系数[3]。

在鉴别道路交通事故黑点时,如果不考虑事故的严重程度,而是简单地将事故次数累加,往往造成判断失误。因此,为了准确地判断事故黑点,结合我国道路交通管理的实际情况,提出一种对死亡、伤亡、财产损失等不同后果赋予不同权重系数来计算事故严重程度的模型,是一种比较贴近实际情况的鉴别方法。

2.2 基于GIS的道路交通事故黑点智能鉴别

道路交通事故黑点鉴别主要涉及交通事故的属性数据和空间位置,而SuperMap GIS平台能很好地融合管理两种数据,并基于地理对象的位置和形态分析空间数据,提取有价值的空间信息,以一种图形化且高效直观的方式呈现结果。本文基于SuperMap Objects平台,利用缓存区分析与叠置分析功能进行道路交通事故的黑点鉴别,并对广州市内实际道路的交通事故数据进行了分析[4]。

2.2.1 广州市道路交通事故数据准备

结合广州市实际道路交通事故数据采集情况,以事故死亡人数和事故次数为主,以受伤人数和经济损失为辅,建立事故严重程度的计算模型。本文选用超过280条实际发生的广州市某时间段采集的道路交通事故数据,基本信息包括事故发生的时间、地点(坐标)、死亡人数、轻重伤人数、直接经济损失等。由于交通管理部门采集的部分数据不准确甚至相互冲突、重复,因此需要首先对获取的原始事故数据进行整理[5]。

2.2.2道路交通事故严重程度模型设计

根据我国公安部交通管理局对交通事故黑点判断的相关规定,选取500m(2 000m)作为黑点(路段)的计算单位。分别将死亡人数、重伤、轻伤及财产损失赋予不同权重值,并对原事故调查表中的权重值进行累计。当某个500m(2 000m)路段某段时间内多次交通事故累计的权重值大于某个阈值时,鉴别为事故黑点。某次事故严重程度权重值计算公式如下:

式中,S1、S2、S3、S4分别为死亡人数、重伤人数、轻伤人数、经济损失,X1、X2、X3、X4为相应权重系数,根据不同情况可以自由调整权重系数。

2.2.3 道路交通事故黑点智能鉴别

将图中的每一个事故点作为一个点状对象,根据事故的严重程度(本文使用500m或2 000m作为道路交通事故多发点和多发段)进行缓冲区分析,可以得到道路交通事故点的影响范围分布图[6];然后将所有事故点形成的每一个事故缓冲区进行多边形图层与图层之间的叠置,形成一个崭新的综合性事故图层。缓冲区重叠现象越严重的区域,事故黑点的可能性和级别越高;最后,再将反映事故黑点的新图层与道路交通路网进行多边形与线的叠置分析,鉴别出事故黑点的路段或者区域;将事故黑点影响范围内某段时间的当量死亡人数求和,根据当量死亡人数的不同可以得出国家级、省级、市级、县级等不同级别的事故黑点,具体情况如图1所示。

在具体功能实现上,本文采用SuperMap Objects的点对象soGeoPoint作缓冲分析Buffer:soGeoRegion soGeoPoint.Buffer(dDistance As Double,nSmoothness As Long),实现缓存区分析功能;采用SuperMap Objects的面对象soDatasetVector作叠加分析Intersect:Boolean soOverlayAnalyst.Intersect(objInDataseAssoDatasetVector,objIntersectDatasetAssoDatasetVector,objOutDataset As soDatasetVector,bJoinAttribute As Boolean) ,实现叠加分析功能;采用soTrackingLayer图层实现缓冲和叠加分析的图形显示:Long soTrackingLayer.AddEvent (objGeometry As soGeometry,objStyle As soStyle,strTag As String) [7]。

2.2.4 道路交通事故黑点变动分析

通过叠加不同时期的广州市道路交通事故黑点地图,可以直观地分析道路交通事故黑点的变迁,通过比较不同时期事故黑点的形成原因,可以对广州市道路交通安全管理工作作出针对性部署。

2.3 系统总体架构

广州市交通事故黑点预判与鉴别系统总体架构分为3个结构层次(见图2),具体包括:①服务层,主要面向公众提供道路交通事故黑点鉴别及地图发布服务;②服务提供层,主要采用Super Map Object及 Super Map Is.net平台进行黑点鉴别及地图发布[8];③数据层,采用数据库进行管理,可提供时空GIS数据和道路交通事故信息。

2.4 系统缺点及改进方法

在运用事故严重程度模型鉴别事故黑点时,没有将道路特征、交通环境、天气条件等其它因素的影响纳入模型中,在后续研究中,应该根据实际情况进行修正。由于道路交通事故黑点预判与鉴别系统是根据以往数据进行的分析,其结果有一定滞后性,应结合实际情况进一步分析事故黑点的道路特征、交通条件等,对鉴别结果进行修正,为道路交通事故黑点提供防治策略与治理技术[9]。

3 结语

基于Super Map GIS的广州市交通事故黑点预判与鉴别系统成功实现了道路交通事故黑点的预判与鉴别,解决了传统交通安全管理手段单一、内容枯燥、信息滞后的问题,有效提高了广州市道路交通安全管理水平,在一定程度上满足了大众安全出行的需求。由于交通事故数据的获取需要一定时间,要取得更好的效果,数据获取的速度和效率非常重要,这也是未来需要改进的方向[10]。

参考文献:

[1] 广州市公安局交通警察支队.广州市交通事故资料汇编(1949-1994年)[M].广州:广东经济出版社,1995.

[2] 罗静,崔伟宏,牛振国.面向对象的超图时空推理模型的研究与应用[J].武汉大学学报:信息科学版,2007(1):90-93.

[3] 邵祖峰,蔡建湖.交通事故多发点鉴别方法的比较研究[J].湖北警官学院学报,2009,22(2):83-87.

[4] 李少伟,曹成涛.基于GIS的道路交通事故黑点智能鉴别与信息发布[J].物流工程与管理,2016(5):257-259.

[5] 张广新.道路交通事故多发点段智能排查系统的研究[D].吉林:吉林大学,2006.

[6] 王海.缓冲区分析方法在事故多发点鉴别的应用研究[J].公路工程,2016(2):103-107.

[7] 北京超图软件股份有限公司.Super Map Object 2008开发手册[M].北京:Super Map Press,2008.

[8] 李少伟,宋洁华.基于Super+Map+Is.net的交通信息实时发布[J].海南师范大学学报:自然科学版,2010(9):338-342.

[9] 张力.基于GIS与主成份分析的道路交通事故黑点研究[J].地理空间信息,2008,6(5):79-82.

[10] 孟样海,裴玉龙,马长青.高速公路事故黑点成因分析模型的建立及应用[J].哈尔滨建筑大学学报,2000,33(2):46-50.

(责任编辑:黄 健)