RiskGrid：面向道路安全影响评估的连续空间风险制图框架及其在罗马郊区的验证

《European Transport Research Review》：Development of a risk map analysis tool (RiskGrid) to support road safety impact assessment

　　

传统移动性影响评估（Mobility Impact Assessments）经常忽视道路安全，主要关注交通效率。为应对主动、定量的道路安全影响评估（Road Safety Impact Assessments, RSIA）日益增长的需求，本研究介绍RiskGrid——一种新颖的数据驱动框架，将安全分析集成到常规交通规划中。该方法应用于罗马一个不断扩张的郊区案例研究，采用包括宏观仿真（macrosimulation）、微观仿真（microsimulation）和预测性安全建模（predictive safety modeling）的三阶段方法。RiskGrid通过计算方向交互潜力（directional interaction potential），将车辆轨迹转换为连续空间风险图（continuous spatial risk maps），代表从离散冲突计数（discrete conflict counting）到连续风险制图（continuous risk mapping）的概念转变。本研究使用真实碰撞数据，将RiskGrid与既有替代安全评估模型（Surrogate Safety Assessment Model, SSAM3）进行评估。结果表明，RiskGrid在计算效率和预测效度方面均显著优于SSAM3。SSAM3每个场景需要超过12 min，且仅正确识别13个官方碰撞热点中的2个；RiskGrid的自动化工作流在不到一分钟内处理数据，并成功检测13个热点中的12个。通过将移动性绩效与主动安全分析相结合，RiskGrid提供了一种易于使用的工具，符合安全系统方法（Safe System Approach），使规划人员能够预测并缓解未来基础设施开发中的安全风险。

研究背景方面，城市外围扩张产生新的出行需求，而既有基础设施难以高效、安全地承载；若缺乏提前预测，会引发拥堵、行程时间不可靠和碰撞概率上升。移动性影响评估（Mobility Impact Assessments, MIA）是城市规划的重要工具，但传统MIA主要关注运行与环境指标，如流量-容量比和行程时间，道路安全在设计与评估早期常处于边缘位置。欧洲立法通过Directive 2019/1936/EC强调嵌入主动道路安全影响评估（Road Safety Impact Assessment, RSIA）的必要性，这构成开展本研究的政策与方法背景。既有文献指出分析域之间缺乏整合、预测性安全模型存在标准化与可解释性限制、替代安全评估模型（Surrogate Safety Assessment Model, SSAM3）受静态行为假设约束、空间冲突方法多局限于单个交叉口，且微观仿真高空间粒度与宏观仿真区域可扩展性之间存在权衡。因此，本研究提出将传统需求与供给分析同预测性道路安全评估耦合的集成方法，并引入RiskGrid，以实现从离散冲突计数向连续空间风险制图的概念转变；其意义在于把安全维度纳入MIA，支持多维度、稳健且与可持续城市增长一致的规划决策。

关键技术方法（≤250字）：案例为罗马东南郊区Morena（Municipio VII），计划开发总建筑面积20,160 m2、约538名居民，并以最不利情景将80 peak-hour passenger car equivalents全部 assign 给私人机动车。交通流基线来自10月工作日早高峰06:00–09:00、11个关键网络路段的K-Band（24 GHz）Sierzega SR4雷达逐车数据；历史碰撞数据由ISTAT提供（2021–2023），排除行人和微移动道路交通事故（Road Traffic Crashes, RTC）。宏观层面在TransCAD?中构建供需模型，以Nielsen算法迭代调整O/D矩阵，采用Bureau of Public Roads（BPR）流量-延误函数和User Equilibrium（UE）分配，校准精度R²=0.98；微观层面转换至SUMO（Simulation of Urban MObility），以Python脚本自动化需求转换，用Breadth-First Search（BFS）生成微观路径，纵向动力学采用Intelligent Driver Model（IDM），横向运动采用LC2013换道模型，微观仿真复现排队精度R²=0.78并导出亚秒级浮动车数据（Floating Car Data, FCD）。SSAM3以最大Time-To-Collision（TTC）1.5 s、最大Post-Encroachment Time（PET）5 s识别近失事件，追尾最大角20°、交叉大于70°。RiskGrid将研究区离散为10 × 10 m网格，按30°角度分箱计算多方向性指数（Multi-Directionality Index, MDI），由归一化熵（H_norm）与圆方差（V）以λ=0.5凸组合，并以严重度-机会指数S按0.45、0.30、0.25权重合成Risk Index=MDI·S∈[0,1]，再以Well-Known Text（WKT）几何和五级分位输出风险图。

研究结果：4.1 Mobility indicators：基线调查显示 passenger cars 占84–86%，08:00–09:00为关键高峰；Do-nothing Scenario与Project Scenario比较表明，80额外高峰小时出行被既有剩余容量吸收，平均速度仅由44.7 km/h降至44.6 km/h（-0.22%），vehicle-kilometers和vehicle-hours仅边际增加，无新瓶颈；若仅按传统MIA，项目在运行层面为中性。4.2 Safety indicators：以ISTAT 2021–2023历史碰撞记录验证SSAM3与RiskGrid输出。4.2.1 SSAM3：其工作流资源与时间密集，单场景处理超过12 min，且需手动轨迹转换和离散近失事件转风险图；验证显示其仅识别2个真实热点，产生3个假阳性和11个假阴性，输出拉长、扩散的冲突线，与实际RTC黑点局部性不匹配，并系统性低估交叉冲突。4.2.2 RiskGrid：以空间聚合替代逐车轨迹提取、冲突检测和事件分类，自动化流程在不到一分钟内处理整个场景并生成分类风险图；验证检测12/13真实热点，产生5个假阳性和1个假阴性；假警报略多，但依据主动安全管理中的成本不对称原则可被合理化，且工具能准确识别交互最可能条件，尤其交叉冲突。4.2.3 Predicting the safety impact：RiskGrid比较两情景后发现项目区关键安全退化，总体网络风险水平增加2.1%；若假设模拟风险尺度与观测碰撞成比例，则评估区额外2起碰撞，总数由84增至86（+2.38%），揭示标准MIA的盲点，即运行效率上看似中性的基础设施增量可 measurably 降低人的安全。

讨论部分总结：5.1指出仅拥堵评估不足，Morena案例中运行指标几乎不变但风险增加2.1%，道路碰撞的社会成本包括医疗、生产力损失和财产损害，隐藏的社会经济成本可能超过边际效率收益，道路安全应作为独立且同等决定性的维度。5.2指出SSAM3等冲突模型依赖个体制动事件追踪并低估交叉冲突，RiskGrid以暴露和方向复杂性为基础，量化交通流多方向潜力，依据相交路径几何与密度识别危险，并在计算效率上适合大规模、多情景和区域规划分析。5.3局限包括仅评估机动车而排除行人与骑行者，采用二维网络表示导致立体交叉轨迹被误投影为相交，RTC验证仅限2021–2023三年，13个碰撞热点限制显著性检验与精度/召回稳定性，地理上仅限罗马Morena，且需要特定FCD结构并存在异质数据源互操作约束。

研究结论部分翻译：本研究证明，将连续空间风险制图整合到标准MIA中在方法上可行，且对负责任的城市规划具有重要意义。该工作的主要科学贡献在于从反应性、依赖碰撞历史的模型和刚性运动学冲突检测器，转向主动、基于暴露的预测框架。通过将FCD转换为多方向复杂性指数，RiskGrid为地方当局和交通规划者提供自动化工具，以在RTC发生前预测结构性危险。从实践规划角度看，这一转变使市政当局能够优化安全投资；规划者可将RiskGrid作为快速预筛选工具识别高风险节点，优先开展针对性道路安全检查（Road Safety Inspections, RSIs），并在项目批准前要求设计修改。最终，该框架使当代交通规划与安全系统方法（Safe System Approach）一致，并满足Directive (EU) 2019/1936确立的主动安全管理要求。基于已识别局限，RiskGrid未来将扩展多模态能力，模拟并整合行人与骑行者轨迹；升级空间聚合逻辑以纳入基础设施垂直（Z轴）维度，解决当前平面误分类；并将模型应用扩展到从密集历史城市中心到乡村公路网络等多样形态背景，同时整合更广泛FCD格式和机器学习算法，以验证工具可转移性并进一步提高预测准确性。