建筑环境对交通安全的空间异质性影响,使用地理加权的状卷积神经网络

科学领域:

• 城市规划 城市规划
• 运输工程 运输工程
• 地理信息系统 地理信息系统

背景情况:

• 建筑环境对交通事故的发生频率和严重程度产生重大影响.
• 现有的研究经常使用空间统一的假设,导致不一致的发现.
• 像GWR这样的传统方法忽视了道路网络距离和非线性影响衰减.

研究的目的:

• 开发一种新型模型,即地理加权的状卷积神经网络回归 (GACNNWR),用于准确地捕捉建筑环境中的空间异质性对交通安全的影响.
• 解决交通安全研究中现有的空间分析方法的局限性.
• 确定影响济南市交通事故的关键建筑环境因素.

主要方法:

• 开发和应用一个地理加权状卷积神经网络回归 (GACNNWR) 模型.
• 利用济南市交通事故和建筑环境的经验数据.
• 将GACNNWR模型性能与地理加权回归 (GWR) 等传统方法进行比较.

主要成果:

• 与传统分析方法相比,GACNNWR模型表现出优越的性能.
• 发现十字路口密度和公共汽车站密度对交通事故的影响比人口密度,土地使用组合和目的地可访问性更大.
• 人口密度表现出双向影响,土地使用混合显示出其影响的显著空间变化.

结论:

• GACNNWR模型提供了一个更准确的方法来分析交通安全的空间异质性.
• 研究结果强调了十字路口和公共汽车站密度在影响交通事故中的关键作用.
• 结果强调了对环境敏感的城市设计和本地化交通安全管理策略的需要,以减少碰撞风险.