地铁站周边建成环境对交通事故风险的影响机制

doi:10.16265/j.cnki.issn1003-3033.2022.10.2546

中国安全科学学报 ›› 2022, Vol. 32 ›› Issue (10): 162-170.doi: 10.16265/j.cnki.issn1003-3033.2022.10.2546

地铁站周边建成环境对交通事故风险的影响机制

戢晓峰¹^,²(), 乔新¹^,², 普永明¹^,², 卢梦媛¹^,², 郝京京¹^,²

¹ 昆明理工大学交通工程学院，云南昆明 650500
² 云南省现代物流工程研究中心，云南昆明 650500

收稿日期:2022-04-10 修回日期:2022-07-28 出版日期:2022-10-28 发布日期:2023-04-28
作者简介:
戢晓峰（1982—），男，湖北随州人，博士，教授，博士生导师，主要从事交通安全和交通规划。E-mail： yiluxinshi@sina.com。
基金资助:
国家自然科学基金资助(52062024); 云南省创新引导与科技型企业培育计划项目(202004AR040022)

Influence mechanism of built environment around subway station on traffic accident risk

JI Xiaofeng¹^,²(), QIAO Xin¹^,², PU Yongming¹^,², LU Mengyuan¹^,², HAO Jingjing¹^,²

¹ Faculty of Transportation Engineering， Kunming University of Science and Technology， Kunming Yunnan 650500， China
² Yunnan Modern Logistics Engineering Research Center， Kunming Yunnan 650500， China

Received:2022-04-10 Revised:2022-07-28 Online:2022-10-28 Published:2023-04-28

摘要/Abstract

摘要：

为探究地铁站客流及周边建成环境对辐射范围内交通事故风险的影响机制，建立“5D+S”的建成环境指标体系，构建基于极度梯度提升（XG Boost）算法的事故风险模型及SHAP归因分析模型，探究建成环境与交通事故风险的非线性关系；以深圳市为例，从工作日和非工作日2个维度探究地铁站周边交通事故风险的影响机制，并与弹性网络回归（ENR）、支持向量回归机（SVR）等模型对比。研究表明：地铁站周边建成环境指标与交通事故风险存在非线性关系；当休闲娱乐兴趣点（POI）设施密度大于25个/km²时，交通事故风险较大；当购物中心可达性介于[0.3，0.5]km之间，交通事故风险较大；地铁站周边建成环境因素对工作日交通事故风险影响程度更大。

关键词: 地铁站周边, 交通事故风险, 极度梯度提升算法（XG Boost）, 建成环境, SHAP归因分析

Abstract:

In order to explore the influence mechanism of subway station passenger flow and surrounding built environment on traffic accident risk within the radiation range， the "5D+S" （5D+Subway） built environment index system was established. An accident risk model based on XG Boost algorithm and a SHAP（Shapley Additive Explanation） attribution analysis model were constructed to explore the nonlinear relationship between built environment and traffic accident risk. Taking Shenzhen as an example， this paper explores the influence mechanism of traffic accident risk around subway stations from two dimensions of weekdays and non-weekdays， and compares it with the elastic network regression model and support vector regression（SVR） model. The results show a nonlinear relationship between the built environment index of subway stations and traffic accident risk. When the density of recreational points of interest （POI） is more than 25 pieces/km²， the traffic accident risk is higher. When the accessibility of shopping malls is between [0.3，0.5]km， the traffic accident risk is higher. The built environment around subway stations has a greater impact on the risk of traffic accidents on weekdays.

Key words: around subway station, traffic accident risk, extreme gradient boosting （XG Boost） algorithm, built environment, SHAP attribution analysis

戢晓峰, 乔新, 普永明, 卢梦媛, 郝京京. 地铁站周边建成环境对交通事故风险的影响机制[J]. 中国安全科学学报, 2022, 32(10): 162-170.

JI Xiaofeng, QIAO Xin, PU Yongming, LU Mengyuan, HAO Jingjing. Influence mechanism of built environment around subway station on traffic accident risk[J]. China Safety Science Journal, 2022, 32(10): 162-170.

图/表 12

图1

表1

表2

表3

表4

图2

表5

图3

图4

图5

图6

图7

参考文献 10

[1]	SALLIS J F, BULL F, BURDETT R, et al. Use of science to guide city planning policy and practice: how to achieve healthy and sustainable future cities[J]. Lancet, 2016, 388: 2 936- 2 947. doi: 10.1016/S0140-6736(16)31522-7 pmid: 27598660
[2]	王成, 谢波. 土地利用视角下城市交通事故驱动机理的研究进展[J]. 地理科学进展, 2020, 39(9):1597-1606.
	WANG Cheng, XIE Bo. Research progress on the driving mechanism of traffic accidents from the perspective of land use[J]. Progress in Geography, 2020, 39(9):1597-1606.
[3]	EWING R, DUMBAUGH E. The built environment and traffic safety: a review of empirical evidence[J]. Journal of Planning Literature, 2009, 23(4):347-367. doi: 10.1177/0885412209335553
[4]	HUANG Yuan, WANG Xiaoguang, DAVID P. Examining spatial relationships between crashes and the built environment: a geographically weighted regression approach[J]. Journal of Transport Geography, 2018, 69(5): 221-233. doi: 10.1016/j.jtrangeo.2018.04.027
[5]	XU Pengpeng, HUANG Helai. Modeling crash spatial heterogeneity: random parameter versus geographically weighting[J]. Accident Analysis & Prevention, 2015, 75(2):16-25. doi: 10.1016/j.aap.2014.10.020
[6]	YANG Jiawen, JASON C, ZHOU Yufei. Elaborating non-linear associations and synergies of subway access and land uses with urban vitality in Shenzhen[J]. Transportation Research Part A: Policy and Practice, 2021, 144(2):74-88. doi: 10.1016/j.tra.2020.11.014
[7]	CHOI D, EWING R. Effect of street network design on traffic congestion and traffic safety[J]. Journal of Transport Geography, 2021, 96(10):1-9.
[8]	LIU Siyang, RONG Jian, ZHOU Chenjing, et al. Probability-based typology for description of built environments around urban rail stations[J]. Building and Environment, 2021, 205(11):1-12.
[9]	戢晓峰, 李德林, 杨文臣. 山区二级公路交通事故致因的时间演化机制[J]. 中国安全科学学报, 2019, 29(4):31-36. doi: 10.16265/j.cnki.issn1003-3033.2019.04.006
	JI Xiaofeng, LI Delin, YANG Wenchen. Temporal evolution analysis on causes of traffic accidents occurring on secondary highways in mountain areas[J]. China Safety Science Journal, 2019, 29(4):31-36. doi: 10.16265/j.cnki.issn1003-3033.2019.04.006
[10]	戢晓峰, 张琪. 学区尺度下小学生通学事故风险评估及影响因素[J]. 交通运输系统工程与信息, 2021, 21(1):221-226.
	JI Xiaofeng, ZHANG Qi. Risk assessment and influencing factors of pupils' school commuting accident risk in school district scale[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(1):221-226.

指标		计算方式	单位
土地利用	居住密度	缓冲区内居住POI数量/ 总面积	个/km²
	路网密度	缓冲区内路网长度/ 总面积	km/km²
	土地利用混合度	采用熵指数表征	—
交通系统	人行道密度	缓冲区内人行道长度/总面积	km/km²
	交叉口密度	缓冲区内交叉口个数/总面积	个/km²
	公交线网密度	缓冲区内公交线路总长度/总面积	km/km²
	公交站点密度	缓冲区内公交站点个数/总面积	个/km²
	公交站可达性	地铁站到最近的公交站距离	km
	购物中心可达性	地铁站到最近的购物中心距离	km
城市设计	休闲娱乐 POI密度	缓冲区内休闲娱乐 POI数量/总面积	个/km²
	购物中心 POI密度	缓冲区内购物中心 POI数量/总面积	个/ km²
	旅游休闲 POI密度	缓冲区内旅游休闲 POI数量/总面积	个/km²
	企业办公 POI密度	缓冲区内企业办公 POI数量/总面积	个/km²
	餐饮服务 POI密度	缓冲区内餐饮服务 POI数量/总面积	个/km²
地铁站形态	工作日地铁客流量	工作日客流量均值	人
	非工作日地铁客流量	非工作日客流量均值	人
	地铁站的出入口数量	地铁站出入口总数	个

指标	最小值	最大值	平均值
居住密度	0.04	6 292.99	1 219.34
路网密度	0.13	10.89	5.21
土地利用混合度	0.20	0.94	0.59
人行道密度	0.06	10.85	1.77
交叉口密度	0.00	28.03	11.21
公交线网密度	0.93	86.95	26.42
公交站点密度	0.50	9.94	4.12
公交站可达性	0.06	9.45	2.28
购物中心可达性	0.09	50.96	9.71
休闲娱乐POI密度	1.00	229.30	45.34
购物中心POI密度	0.50	50.93	10.12
企业办公POI密度	0.00	2 081.53	337.94
餐饮服务POI密度	0.00	974.52	175.71
旅游休闲POI密度	0.00	72.61	4.57
工作日地铁站客流量	370.00	65 731.00	22 862.21
非工作日地铁站客流量	266.00	84 070.00	18 153.96
地铁站的出入口数量	1.00	16.00	4.50

指标	相关系数（工作日）	相关系数（非工作日）
居住密度	0.351^**	0.334^**
路网密度	0.412^**	0.317^**
土地利用混合度	-0.147^**	-0.193^**
人行道密度	0.212^**	0.149^*
交叉口密度	0.247^**	0.216^**
公交线网密度	0.351^**	0.323^**
公交站点密度	0.174^*	0.242^**
公交站可达性	-0.264^**	-0.199^**
购物中心可达性	-0.179^*	-0.169^*
休闲娱乐POI密度	0.307^**	0.282^**
购物中心POI密度	0.251^**	0.256^**
企业办公POI密度	0.305^**	0.307^**
餐饮服务POI密度	0.357^**	0.325^**
旅游休闲POI密度	0.148^*	0.132^*
地铁站客流量	0.355^**	0.279^**
地铁站的出入口数量	0.320^**	0.319^**

指标	VIF
居住密度	7.124
路网密度	3.485
土地利用混合度	1.782
人行道密度	1.653
交叉口密度	2.182
公交线网密度	1.696
公交站点密度	1.478
指标	VIF
公交站可达性	2.213
购物中心可达性	2.901
休闲娱乐POI密度	5.257
购物中心POI密度	6.267
企业办公POI密度	4.972
餐饮服务POI密度	1.476
旅游休闲POI密度	8.175
工作日地铁站客流量	1.495
非工作日地铁站客流量	1.468
地铁站的出入口数量	1.291

模型	研究时段	评价指标
模型	研究时段	MAE	RMSE	R²
ENR	工作日	3.731	5.462	0.692
ENR	非工作日	4.059	6.174	0.542
SVR	工作日	2.549	3.431	0.821
SVR	非工作日	2.603	3.701	0.703
XG Boost	工作日	0.237	0.321	0.891
XG Boost	非工作日	0.324	0.427	0.825

地铁站周边建成环境对交通事故风险的影响机制

Influence mechanism of built environment around subway station on traffic accident risk

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 10

相关文章 0

编辑推荐

Metrics

本文评价