基于R语言与GIS的亚的斯亚贝巴博莱区交通事故时空建模及风险干预研究

《Scientific Reports》：Spatiotemporal modeling and mapping of traffic crashes using R programming and GIS: a case study of Bole sub city, Addis Ababa, Ethiopia

本研究针对埃塞俄比亚亚的斯亚贝巴博莱区交通事故高发问题，利用三年期17,285起事故数据，综合运用核密度估计(KDE)和时空分析方法，系统揭示了交通事故的时空分布规律。研究发现事故热点集中分布于广场和交叉口，夏季月份(8-9月)和周末为高发期，年轻男性驾驶员为主要风险群体。研究成果为制定基于证据的道路安全干预策略提供了科学依据。

　　

在全球范围内，道路交通事故已成为严峻的公共卫生挑战，特别是在埃塞俄比亚这样的发展中国家，其交通事故死亡率高达令人震惊的每10万辆车4,984.3人死亡。亚的斯亚贝巴作为首都城市，承担了全国超过60%的交通事故负担，而博莱区更是因其商业中心、国际门户（博莱国际机场）和主要干道的密集交通流，成为事故高发的重点区域。尽管问题日益严重，但针对埃塞俄比亚城市层面的局部化、数据驱动的研究仍然匮乏，难以形成有效的干预策略。

为了填补这一研究空白，由Meskelu Nedaga Haile、Kanenus Fufa Dararo等研究人员组成的研究团队，在《Scientific Reports》上发表了题为"Spatiotemporal modeling and mapping of traffic crashes using R programming and GIS: a case study of Bole sub city, Addis Ababa,Ethiopia"的研究论文。该研究通过对博莱区2020-2022年三年间的17,285起交通事故记录进行深入分析，旨在揭示事故的时空规律和解释性因素，为政策制定和干预策略提供证据支持。

研究人员采用了一套综合性的方法学流程。数据来源于博莱区警察部门的事故记录，包括空间数据（事故位置、道路网络）和非空间数据（事故时间、驾驶员 demographics、事故严重程度等）。通过数据预处理（清洗、标准化、地理编码）后，研究分别进行了解释性分析（探究事故特征与人口统计学、行为等因素的关系）、时空分析（识别长期和短期趋势）和空间分析（使用核密度估计KDE识别事故热点）。

可视化环节则通过专题地图、图表等形式有效呈现研究结果。关键技术方法包括利用ArcGIS 10.8和QGIS 3.28.1进行空间数据处理与制图，运用R编程进行统计和时空分析，并对来自博莱区警察部门的三年事故数据进行整合与建模。

Occurrence of traffic crashes in Bole sub-city(2020 to 2022)

研究结果显示，博莱区的交通事故数量从2020年的6,450起持续下降至2022年的5,128起，线性回归分析表明这种下降趋势具有统计学显著性（R²=0.995, p=0.0455）。性别分析揭示男性驾驶员是事故的主要参与群体，三年间平均占比高达93.9%。

The relationships between trafic crashes and level of education

教育水平与事故严重性的热图分析表明，受过高等教育的驾驶员在致命事故（0.57）和轻伤事故（0.52）中占比最高，这可能与过度自信、超速驾驶或更高的道路暴露有关。而中学教育水平的驾驶员则在财产损失事故（0.54）和重伤事故（0.48）中占比最高。

Types of traffic crashes occurred in between 2020-2022

车辆间碰撞（Vehicle-to-vehicle collisions）是最主要的交通事故类型，占所有事故的88.7%，而仅造成财产损失（Property damage only）的事故占78.7%。车辆与行人、车辆与固定物体等类型的事故占比较小，但车辆与固定物体碰撞的事故在2020至2022年间有所增加。

Traffic crashes by their severity level

在事故严重程度方面，仅财产损失事故占绝大多数，且呈下降趋势。轻伤事故数量有所增加，而重伤和死亡事故数量波动较大，未呈现明显下降趋势，表明在减少严重伤亡事故方面仍需加强干预。

Temporal Patterns of Traffic Accident Occurrence in Bole Sub-City

Distribution of crashes occurred during the daytime hours

时间模式分析显示，事故高发时段集中在白天，尤其是上午（6:00-12:00）和下午（12:00-18:00），这与通勤和商业活动的高流量密切相关。夜间和清晨事故数量显著减少。

不同类型事故的时间分布热图进一步证实了车辆间碰撞在日间的集中性。

The distribution of traffic crashes Occurrence across the days of the week

一周内的事故分布显示，周五事故数量最高，周日最低。工作日（周一至周五）的事故总数（12,858起）远高于周末（4,427起），约占74%，反映了工作日交通流量对事故频率的显著影响。

按星期划分的事故类型热图也清晰展示了车辆间碰撞在工作日的集中模式。

Occurrence of traffic crash by months of the year(2020-2022)

月度分析表明，1月、7月、9月、10月、11月和12月的事故率略有上升，可能与节假日、天气条件变化等因素相关。

The severity levels of traffic crashes occurrence in Bole Sub-City(2020-2022)

Severity of crashes occurrence by time of a day

按一天中不同时段分析事故严重程度，财产损失事故在白天时段最为高发，而夜间事故虽少，但严重程度可能更高。

Severity of crashes occurrence by day of the week

按一周中各天分析，财产损失事故在工作日（周一到周五）更为频繁，周日所有严重程度的事故均较少。

Severity of crashes occurrence by month of the year

按月份分析事故严重程度显示，财产损失事故在8月、9月、10月、11月和1月更为集中。

The spatial distribution and hotspot of traffic crashes

Traffic crashes distribution

空间分布图清晰显示，事故点密集分布于主要交叉口和繁忙街道周围，如Bole Michael和Gerji地区，表明交通密度与事故频率存在相关性。

Hotspot area of traffic crashes

热点图通过颜色梯度进一步突出了事故高密度区域，温暖色区域指示了需要优先进行安全改进的关键区域，主要集中在主要交叉口和商业区周围。

网络地图则交互式地展示了事故分布的详细情况，有助于识别特定高风险位置。

研究结论强调，博莱区的交通事故呈现出明显的时空聚集性和特定的人口统计学模式。事故热点集中于广场和交叉口等关键交通节点；时间上夏季月份、周末及日间高峰时段风险最高；驾驶员层面，年轻、经验不足的男性驾驶员是高风险群体。基于这些发现，研究提出了多项建议：优先对高密度事故区进行物理基础设施升级（如交通信号灯、减速带）；加强针对高风险群体（年轻男性驾驶员）的安全教育和特定时段（高峰时段、周末）的交通执法；建立持续、标准化的数据收集系统以支持长期监测和评估。该研究通过综合运用GIS和R编程进行时空建模，为埃塞俄比亚乃至类似快速城市化的非洲城市提供了基于实证的交通事故分析和干预框架，对降低交通事故发生率和提升道路安全具有重要的实践意义。