G2高速公路万辆车流的交通事故与气象综合指数的关系

邓长菊丁德平李迅张德山甘璐张庆林(北京市气象局北京)

摘要:通过整理G2高速公路3年(2007.3~2010.2年)逐日逐时的万辆车流的交通事故和交通流量及气象要素资料，并将万辆车流的交通事故(交通事故与交通流量之商)与同步气象综合指数进行日变化相关分析;结果表明:平均万辆车流的交通事故的日变化最高峰出现在05时，年平均高峰值高达2.34起/万辆;年度、春季、夏季、秋季和冬季的平均万辆车流的交通事故与同步气象综合指数均呈正抛物线的偏右侧相关，即万辆车流的交通事故随气象综合指数的加大而增多;统计学检验(R>Rα=0.01和F>Fα=0.01)效果很好。四个季节的万辆车流的交通事故与气象综合指数相关的系数高达0.7781~0.8537。为了更好地将自动气象监测信息服务于高速公路交通安全，在本文分析成果的基础上设计出了高速公路万辆车流的交通事故的气象综合指数风险等级指标，以便为高速公路交通安全提供客观的科学依据。

关键词:G2高速公路交通事故气象综合指数相关分析

基金项目:"十一五"国家科技支撑计划课题:国家高速公路安全和服务技术开发与工程应用示范(2009BAG13A03)

1引言

随着我国社会经济的快速发展，高速公路对国民经济建设和国家安全的影响日益重要，G2高速公路横跨一省两市，是京、津、冀重要交通枢纽之一，她在京、津的经济发展格局和提高人们生活质量方面发挥着不可估量的重要作用。引发高速公路交通安全事故的原因也呈现多元化(郑安文，2002)。专利法案例。恶劣气象条件对交通运输质量和安全的影响也受到全社会的广泛关注(徐永杰，2005;陈林等，2007)。尤其是因雾、强降水等引起的低能见度天气对交通的影响更大(Hassanetal.,1999;Andrey,2010)。罗慧等(2007)以西安地区为例考虑气象要素在不同时段的不同影响，并建立合理有效的公路气象预警模型，其研究指出影响西安地区公路交通事故相关因素依次为:能见度、相对湿度和降水;而在秋冬季(10月-次年3月)，依次为温度、能见度、降水。赵琳娜等(2008)分析了2008年初我国南方低温、雨雪、冰冻灾害对交通等各行业的影响。张青珍等(2007)利用代表濮阳市公路交通状况的南乐县、范县、濮阳县公路交通事故资料和气象资料,分析了濮阳市公路交通事故发生的一般规律及其与气象条件的关系,以及几种主要气象要素对公路交通的影响。尽管很多学者从气候方面进行了大量的交通事故与气象因子的统计分析。但是，从事高速公路万辆车流的交通事故与气象综合指数的日变化分析目前尚未发现。本文通过研究G2高速公路万辆车流的交通事故的日变化与气象综合指数的相关性，客观、科学地设计出万辆车流的交通事故的气象综合指数风险等级指标，对及时提醒在高速公路行驶的司机朋友，降低万辆车流的交通事故出现概率，将起到重要的科学指导意义。

2研究对象

2.1万辆车流的交通事故和气象观测资料

整理了2007年3月1日~2010年2月28日期间的交通事故和交通流量及气象观测资料(3年整)，其中G2高速公路(北京、天津、河北3段全程142.69公里)逐时出现的交通事故次数，连续样本数1096天×24小时=个，资料完整;G2高速公路三个桩号的交通流量数据"Vd01(k1+500)距北京四环路东南角十八里店1.50km、Vd27(k55+660)距北京四环路东南角十八里店55.66km、Vd24(k134+130)距北京四环路东南角十八里店134.13km"，连续样本数应该为1096天×24小时=个，实际每个桩号平均缺少336个小时的数据;北京市观象台、廊坊市气象台、塘沽市气象台逐日自动气象要素:即逐日逐时的气温、相对湿度、露点温度、本站大气压、平均风速、和降水量，三个站的气象要素的连续样本数数均为1096天×24小时=个，资料完整;G2高速公路的大羊坊北桥、京津塘23km、京津塘41km道面自动气象站的逐时气温、降水量、积雪深度、相对湿度、能见度和风向风速气象要素，三个站的气象要素的连续样本数应该为1096天×24小时=个，实际每个道面气象站平均缺少480个小时的数据。

2.2万辆车流的交通事故的定义

在高速公路上行驶的机动车辆，因为路况、天气、车辆机械、驾驶员身体等种种因素出现的轻微事故、一般事故、重大事故、特大事故统称为交通事故。通过设置在高速公路上桩号，读取断面交通量双向日报统计数据(大车流量与小车流量之和)称为交通流量。交通事故÷交通流量×=壹万辆车流量所发生的交通事故起数(因为逐时交通流量最大可超过万辆，而逐时交通事故最多十几起，两者之商数字很小，故采用乘以来计算)，简称为万辆车流的交通事故(单位为:起/万辆)。

2.3万辆车流的交通事故和气象要素的统计方法

为了探讨万辆车流的交通事故的日变化特点与气象要素日变化的关系，本文分别用(1)和(2)式来统计3年的逐时万辆车流的交通事故和气象要素的平均数值。

(1)

(1)式中的为万辆车流的交通事故的逐时平均数值，为某日某时的万辆车流的交通事故数值，i=1，2，3，听说如何办理离婚手续。我不知道公安县特大交通事故。…，24(i为每日的时间序列数)，j=1,2,3,…，n(n分别为3个年度、春季、夏季、秋季、冬季的总数日数;遇到某时缺少交通流量的数据，自动减少样本计算)。

(2)

(2)式中的为各气象要素的逐时平均数值，i、j与(2)式相同，p=1，2，3，4，5，6(选择气象要素的数量)，k=1，2，3(m=3,观象台和气象台的个数)。

由(1)式统计出G2高速公路全程的年度、春季、夏季、秋季、冬季的逐时平均万辆车流的交通事故数值;由(2)式统计出北京市观象台、廊坊市气象台、塘沽市气象台的年度、春季、夏季、秋季、冬季各气象要素的逐时平均数值，即:统计各气象要素的3个气象台的平均数值代表G2高速公路全程平均气象要素(同理，大羊坊北桥、京津塘23km、京津塘41km道面自动气象站气象要素的四季和年度平均值，当遇到某时缺测数据，仍按自动减少样本计算)。

3万辆车流的交通事故的日变化分析万辆车流的交通事故的日变化

万辆车流的交通事故的日变化是否具有一定的特征可循?通过年度、春、夏、秋、冬的平均万辆车流的交通事故的日变化曲线便可一目了然，见图1。

图1年度、春、夏、秋、冬的平均万辆车流的交通事故的日变化曲线图

从图1可以直观的看出，年度、春、夏、秋、冬的平均万辆车流的交通事故的日变化最高峰值出现在05时，次峰值分别出现在02~03时和23时。夏季平均万辆车流的交通事故的峰值最大，高达3.04起/万辆，春季平均万辆车流的交通事故的峰值最小，为1.90起/万辆;在05~12时的时间段内，各季节的平均万辆车流的交通事故随时间迅速递减，平均递减量为0.2559起/万辆。这种特征对于提高高速公路管理水平将有重要的参考价值。建立影响万辆车流的交通事故的气象综合指数

万辆车流的交通事故的日变化特征与气象要素是否有关联?应用(1)式和(2)式的统计结果，分别将四季和年平均的逐时万辆车流的交通事故与同步的各气象要素进行相关分析，发现诸气象要素与万辆车流的交通事故均存在着比较密切的关系，其中尤以水平能见度、降水量、相对湿度与万辆车流的交通事故的关系最为密切。其中相对湿度和降水量与万辆车流的交通事故呈正比，能见度与万辆车流的交通事故呈反比。为了精简论述气象要素与万辆车流的交通事故的关系，参考经验公式(张德山，2010)，建立相对湿度、降水量和能见度的气象综合指数，见(3)式。

(3)

(3)式中的MCI为气象综合指数，H为四季和年度的逐时平均相对湿度，R为四季和年度的逐时平均降水量，N为四季和年度的逐时平均能见。由此，MCI的日变化趋势与万辆车流的交通事故的日变化趋势一致，为深入分析万辆车流的交通事故日变化与同步气象要素日变化的关系开阔了思路。

4万辆车流的交通事故的日变化与气象综合指数的相关分析

应用统计学的方法(陶澍，1994)量化年度、春季、夏季、秋季和冬季的万辆车流的交通事故与同步气象综合指数的日变化的相关程度是简便易行的，现以年度为例，进行万辆车流的交通事故与同步气象综合指数的日变化的相关程度的分析。年度万辆车流的交通事故与气象要素相关分析

年度逐时平均万辆车流的交通事故与同步气象综合指数的日变化的相关程度，见图2。

图2年度万辆车流的交通事故与同步气象综合指数点散图

图2反映了年平均逐时万辆车流的交通事故与同步气象综合指数呈抛物线相关。当气象综合指数为0.17mm·%·km-1时，近似为抛物线的底部，由该点开始，万辆车流的交通事故随气象综合指数的加大呈二次方程曲线趋势增长;其相关系数为0.8714。春夏秋冬四个季度的平均逐时万辆车流的交通事故与同步气象综合指数均呈抛物线相关(春季、夏季、秋季和冬季的分析图略)，只是相关程度略有差异。这种现象说明了相对湿度、降水量和能见度的日变化对高速公路驾驶员安全行车的影响是明显的。万辆车流的交通事故与同步气象要素的相关分析的显著性检验

既然万辆车流的交通事故与气象综合指数存在较为密切的关系，应用气象综合指数的日变化指导高速公路的交通安全事在必行。图2的分析表明:能否从3年平均的气象综合指数的日变化特征及时地提醒司机朋友呢?在此，根据春、夏、秋、冬四个季节的逐时万辆车流的交通事故的平均数值的多少，定义万辆车流的交通事故的气象风险等级。应用经验概率密度分级方法，将万辆车流的交通事故的气象风险划分为3个等级，即:出现万辆车流的交通事故高风险的概率密度为15%(平均万辆车流的交通事故数值偏大)、出现万辆车流的交通事故有风险的概率密度为30%(平均万辆车流的交通事故数值略大)、出现万辆车流的交通事故低风险的概率密度为55%(平均万辆车流的交通事故数值较小);见表2。如果分别以Ⅰ、Ⅱ、Ⅲ表示3种万辆车流的交通事故风险等级的符号。把平均万辆车流的交通事故的概率密度的区间数值分别代入表1中相对应的数学表达式的Y值，计算出相应的万辆车流的交通事故气象风险等级所对应的气象综合指标(x值)，见表2。

表2G2高速公路的四季万辆车流的交通事故的气象风险等级一览表

应用表2中的气象综合指数的风险等级的数据，可以通过高速公路沿线道面自动气象站监测的能见度、降水量和相对湿度计算出气象综合指数，预测高速公路的万辆车流的交通事故量，为高速公路安全运营提供气象警示参考。

5结语

本文分析了G2高速公路的年度、春季、夏季、秋季和冬季的万辆车流的交通事故与同步气象要素之间的关系，并给出了交通事故风险等级与气象综合指数的概率密度表，主要结论有:平均万辆车流的交通事故的日变化的主峰出现在05时，次峰分别出现在02~03时和23时;其中夏季平均万辆车流的交通事故的峰值最大，高达3.04起/万辆，春季平均万辆车流的交通事故的峰值最小，为1.90起/万辆;在05~12时的时间段内，各季节的平均万辆车流的交通事故随时间迅速递减，平均递减量为0.2559起/万辆。万辆车流的交通事故随气象综合指数的相关系数为0.8714，两者呈二次方程曲线趋势增长;其中春夏秋冬四个季度的平均逐时万辆车流的交通事故与同步气象综合指数均呈抛物线相关，并且春夏季节的气象综合指数与平均万辆车流的交通事故的相关系数高于秋冬季节。通过分析万辆车流的交通事故的概率密度的区间，推导出了万辆车流的交通事故的气象风险等级指数，应用高速公路自动气象监测数据可以客观地服务交通安全管理，为高速公路安全运营提供气象警示参考。

气象综合指数的日变化与万辆车流的交通事故之间存在很好的相关性，通过对气象综合指数的预测可以量化出四季平均万辆车流的交通事故，给相关部门提供参考。对于交通事故的气象综合指数风险等级指标还需在收集和积累更长时间序列的资料，并利用新资料对本文得出的结论进行验证和修正，也是将来需进一步研究的问题。

该文原载于中国社会科学院文献信息中心主办的《环球市场信息导报》杂志总第430期2011年第39期目录10月28日出版)---转载须注名来源