本研究由 Wondwossen Taddesse Gedamu、Uwe Plank-Wiedenbeck 和 Bikila Teklu Wodajo 合作完成。Wondwossen Taddesse Gedamu 为第一及通讯作者，其主要研究机构为德国魏玛包豪斯大学（Bauhaus-Universität Weimar）交通系统规划教席，同时隶属于埃塞俄比亚亚的斯亚贝巴大学亚的斯亚贝巴理工学院土木与环境工程学院。该研究论文发表于期刊 *Transportation Engineering*，在线发表日期为2025年4月2日，卷期为第20卷（2025年），文章编号为100327。

本研究属于交通运输安全领域，特别是道路交通事故分析的交叉学科研究，涉及空间统计学、地理信息系统（GIS）和计量经济学模型的应用。研究的背景源于当前道路安全研究中的一个重要方法论争议。长期以来，大量研究依赖传统的城乡二分法（Urban-Rural Dichotomy）或基于行政区划、交通分析小区（TAZs, Traffic Analysis Zones）、道路路段等空间单元来分析事故模式。然而，这种粗粒度的空间划分被认为掩盖了城市内部从中心到边缘连续过渡区域（Urban-Rural Continuum, URC）中事故特征的细微差异。城市中心通常具有高交通流量、复杂的交叉口设计和密集的行人活动，而城市边缘（或外围）区域则往往具有更高的车速和不同的交通模式。传统方法未能有效捕捉这种从城市核心到外围连续变化的空间背景下，事故严重程度和类型分布的动态特征。因此，本研究旨在填补这一研究空白，提出一种新颖的空间单元定义方法，以深入探究亚的斯亚贝巴市道路交通事故严重程度和碰撞类型的时空动态规律。研究的具体目标是：（1）超越城乡二分法，使用从事故分布中心向外辐射的等距环形带来分析事故模式；（2）揭示事故严重程度和碰撞类型在从城市中心到外围的空间连续体上的分布特征；（3）分析事故的时空聚集性；（4）识别影响事故严重程度的关键因素。

研究的工作流程系统而严谨，主要包括以下几个步骤：

第一步：数据收集与预处理。 研究团队从埃塞俄比亚联邦民主共和国交通部国家道路安全委员会（NRSC）收集了亚的斯亚贝巴市2015年至2017年共三年的地理参照事故数据。初始数据集包含43,945起致死和致伤事故案例。首先，研究人员核对了事故坐标的准确性，排除了208个（0.5%）坐标有误的案例，保留了43,737个（99.5%）有效案例用于主要空间和时空分析。随后，为了进行多分类逻辑回归（Multinomial Logistic Regression, MNL）建模，进一步排除了3030个（占总数的7%）存在缺失值的案例，最终得到40,707个完整案例用于建模分析。原始数据包含28个变量，研究根据缺失值比例（>5%）、与研究问题的相关性以及主观判断误差的可能性，筛选出19个关键变量用于分析。其中，地理位置数据（事故坐标）被转化为本研究定义的空间“区域”（Zones）。

第二步：创新性空间区域划分。 这是本研究的核心创新方法之一。考虑到亚的斯亚贝巴的路网呈从中央商务区（CBD）向外辐射的形态，研究没有采用传统的行政边界，而是提出了一种基于事故点自身分布特征的径向分区法。具体操作如下：首先，使用 ArcGIS Pro 3.0 软件计算了所有事故点的平均中心（Mean Center）。接着，计算了事故分布的标准距离（Standard Distance, SD），这是一个衡量特征点围绕平均中心离散程度的指标。分析发现，64.3%的事故位于第一个标准距离（1SD）内，96.6%位于第二个标准距离（2SD）内，100%位于第三个标准距离（3SD）内。由于三个标准距离划分的区域过于宽泛，研究进一步以平均中心为圆心，以1公里为间隔，划定了10个同心环形带（Zone 1 至 Zone 10），并将10公里以外的区域统一划为 Zone 11。最终，形成了11个从中心向外围延伸的空间分析单元。这一方法的关键在于，它不依赖于外部行政或地理边界，而是基于事故数据本身的空间分布特性，构建了一个连续的空间梯度，用以精确度量“距城市核心的距离”这一核心解释变量。

第三步：描述性时空分析与碰撞类型模式识别。 在这一阶段，研究综合运用了多种统计和空间可视化方法。首先，基于行政“副城市”（Sub-cities）和新建的11个径向区域，分别计算了不同严重程度（轻伤、重伤、死亡）事故的比例分布，并绘制了图表和地图进行直观展示。其次，进行了时间维度分析，包括按月份、按一天内不同时段（白天/夜晚，以及具体小时）统计事故严重程度的分布。更重要的是，研究结合了空间（Zone）和时间（小时）维度，绘制了三维等高线图，以可视化展示不同严重程度事故的时空分布热点。对于碰撞类型，研究首先确定了占总数95%的五大碰撞类型（追尾、直角碰撞、侧擦、车辆-行人、正面碰撞），并分析了它们与事故严重程度的关联。随后，使用非度量多维尺度分析（Nonmetric Multidimensional Scaling, NMDS）这一多元统计方法，基于各区域碰撞类型的比例构成，在二维空间中可视化展示了11个区域之间的相似性和差异性，从而识别出具有相似碰撞模式的空间集群。

第四步：时空聚类分析（Knox Test）。 为了检验事故（特别是死亡事故）在时空上是否存在非随机的聚集现象，研究采用了最初用于流行病学、后也被应用于犯罪学和交通事故分析的 Knox 检验。该检验通过统计在预先设定的临界空间距离和临界时间距离内发生的事故对的数量，来判断其是否显著高于随机分布下的期望值。本研究以2017年的593起死亡事故为对象。首先，通过全局最近邻距离（Global Nearest-Neighbor Distance, GNND）分析来确定候选的临界空间距离阈值（如50米、100米直至1250米）。然后，使用R语言中的“surveillance”包，对每个选定的空间距离阈值，在1至90天的时间窗口内迭代进行Knox检验，并计算卡方统计量。通过观察卡方值超过99.9%置信水平阈值的时间点，来确定在该空间尺度下形成显著时空聚类所需的临界时间距离。

第五步：影响因素建模分析（多分类逻辑回归）。 为了定量识别影响事故严重程度的关键因素并验证描述性分析中的发现，研究构建了一个多分类逻辑回归模型。模型的因变量是事故严重程度（轻伤作为参考基线，重伤和死亡作为比较类别）。自变量涵盖了时间（一天中的时段、周末/工作日）、空间（所属的Zone区域）、土地利用类型、碰撞类型、道路特征（类型、路面状况、是否在路口）、驾驶员经验、车辆车龄、受害者类型（驾驶员、乘客、行人）、受害者年龄等多个维度。模型通过似然比卡方检验、Pearson和Deviance卡方检验以及McFadden伪R方等指标评估了整体拟合优度。模型的估计结果以系数、显著性水平和优势比（Odds Ratio, OR）的形式呈现，用以解释各因素如何影响重伤或死亡事故（相对于轻伤事故）的发生概率。

本研究取得了丰富且多层次的结果，各环节结果环环相扣，共同支撑了最终结论。

在空间分析方面，结果清晰显示事故严重程度呈现出从城市中心向外围的系统性变化。基于副城市的分析显示，外围副城市（如Kolfe-Keranio, Akaki-Kality）承担了约70%的死亡和重伤事故，而中心副城市仅占24%。更精细的径向分区分析进一步揭示：在Zone 1到Zone 4（内城及近中心区），轻伤事故比例显著高于重伤和死亡事故；但从Zone 5开始向外，趋势发生逆转，死亡和重伤事故的比例开始超过轻伤事故。尤其是死亡事故的比例从Zone 1开始逐步上升，在Zone 7达到峰值。卡方检验证实了事故严重程度与空间位置（Zone）之间存在极显著的统计关联。这一结果为“城市中心以低严重程度事故为主，外围则以高严重程度事故为主”的核心假设提供了强有力的证据，并将其量化为连续的距离函数。

在时间分析方面，研究发现夜间（晚6点至早6点）是高风险时段，虽然交通量较小，但占据了52%的死亡事故和40%的重伤事故。三维时空分布图提供了更深入的见解：死亡事故在傍晚（晚6点至8点）于中间区域（Zone 3-9）出现峰值，而在白天则集中在外围区域（Zone 6-8）；重伤事故在早晚高峰时段于Zone 4等区域出现峰值；轻伤事故则明确表现为白天（早8点至晚6点）和内城（Zone 2-4）现象。这表明事故严重程度的时空模式因地点而异，内城区域的严重事故更多与夜间能见度低相关，而外围区域的严重事故则与白天的更高车速相关。

Knox检验的结果为死亡事故的预防提供了精确的时空干预尺度。分析发现，死亡事故在空间上存在显著聚集，平均最近邻距离为275米。检验进一步识别出三个层次的时空聚类模式：（1）在较小的空间范围（100-150米，大致相当于一个交叉口范围）内，死亡事故在两周（14-16天）的时间窗口内形成显著聚类（99.9%置信度）。（2）在接近平均距离的范围（200-300米）内，聚类持续的时间更长，达55-71天。（3）在更大的空间范围（500-1250米）内，聚类出现的时间窗口为13-27天，其中1000-1250米范围表现出相似的时空特征。这些结果意味着，如果一个地点发生了死亡事故，那么在特定的时间和空间范围内，其附近再次发生死亡事故的风险并非随机，而是显著增高。这为交警部门进行精准的巡逻布防和工程改善点识别提供了定量依据。

在碰撞类型分析中，一个突出的发现是：车辆-行人碰撞虽然只占总碰撞数的15%，却导致了85%的死亡事故和71%的重伤事故，无疑是风险最高的碰撞类型。其空间分布也呈现从中心向外围比例递增的趋势，在Zone 6和7达到峰值。NMDS分析成功地将11个区域划分为两个主要集群和一个孤立点：一个集群（Zone 2-5）具有中等比例的车辆-行人碰撞；另一个集群（Zone 6,7,9,10）则以高比例的车辆-行人碰撞为特征；而最外围的Zone 11则极为独特，拥有最高的车辆-行人碰撞比例（33.8%）和翻车、撞静态物体事故比例，显示了其高风险的道路环境。

多分类逻辑回归模型的结果系统性地验证并量化了上述发现。模型拟合良好（McFadden伪R方=0.438），主要结果包括：（1）时间因素：与深夜（0-6点）相比，白天各时段发生死亡和重伤事故的几率显著降低；周末事故导致死亡和重伤的几率是工作日的1.228倍和1.197倍。（2）空间因素：随着Zone编号增大（即远离市中心），事故导致死亡和重伤的几率相对于轻伤显著上升，完美印证了描述性空间分析的结果。（3）碰撞类型：车辆-行人碰撞、翻车、与静态物体碰撞导致死亡和重伤的几率极高（OR值高达18至48），而追尾、侧擦等碰撞类型的严重程度则较低。（4）道路与环境因素：设有中央分隔带的道路能显著降低严重事故几率；无交叉口的路段发生死亡事故的几率更高（OR=1.345），这与高速行驶环境相符。（5）人员因素：行人和乘客比驾驶员面临高得多的死亡和重伤风险；驾驶员经验不足（<1年）和车辆老旧（>10年）也会显著增加严重事故几率。

本研究得出了明确的结论：亚的斯亚贝巴的道路交通事故严重程度和类型存在显著的时空异质性，传统的城乡二分法无法捕捉从城市中心到外围的连续变化模式。通过创新的径向分区法，研究证实了轻伤事故集中于内城，而死亡和重伤事故主导外围区域。夜间，特别是傍晚，是内城和中间区域的致命时段，而外围区域的致命事故则多发生于白天。车辆-行人碰撞是最大的安全威胁。Knox检验揭示了死亡事故在不同空间尺度上存在可预测的时空聚类模式。多分类逻辑回归模型定量识别了周末、夜间、远离市中心、特定碰撞类型、缺乏中央分隔带、无交叉口路段、行人/乘客、新手驾驶员和老旧车辆等关键风险因素。

本研究的价值体现在科学和应用两个层面。科学价值在于：（1）方法论创新：提出了一个不依赖于外部行政边界、基于数据本身的空间单元划分新范式，为城市交通安全的精细化空间分析提供了有力工具。（2）理论贡献：有力地质疑并补充了过度依赖城乡二分法的现有研究框架，强调了“城市中心-外围连续体”概念的重要性，推动了该领域理论的发展。应用价值在于：（1）为精准干预提供依据：研究识别出的高风险时空区域（如外围区域白天、内城区域傍晚）、高风险碰撞类型（车辆-行人碰撞）以及具体的风险因素，能够帮助埃塞俄比亚及类似发展中国家的城市交管部门制定更具针对性、更高效的道路安全措施，例如在特定区域和时段加强执法、优化行人过街设施、在外围区域推行车速管理等。（2）提供了可操作的聚类分析工具：Knox检验的结果可以直接用于指导警力资源的高效配置，在事故高发聚类出现的时间和空间范围内加强巡逻和监控。

本研究的亮点突出体现在以下几个方面：第一，研究方法的创新性：首创的“基于事故平均中心的等距径向分区法”是本研究最核心的亮点，它巧妙地解决了城市内部空间连续体难以量化的问题。第二，分析手段的综合性：研究并未局限于单一方法，而是融合了描述性统计、空间可视化、多元统计（NMDS）、经典时空聚类检验（Knox Test）和高级计量经济模型（MNL），从多个角度相互印证，使得结论非常坚实。第三，研究发现的实践指导性：无论是时空聚类模式的具体参数，还是风险因素的定量优势比，都直接为道路安全实践提供了清晰、可操作的决策支持信息，超越了单纯的学术发现。第四，对发展中国家的关注：研究以亚的斯亚贝巴这一典型非洲快速城市化城市为案例，其研究发现对于面临类似交通安全挑战的发展中国家大都市具有重要的参考价值。

此外，研究也坦诚地指出了自身的局限性，例如提出的径向分区方法对亚的斯亚贝巴的放射状路网结构有特定适应性，在其他形态城市中的普适性需进一步验证。同时，作者也指出了未来研究方向，包括开发适用于不同城市结构的空间划分通用框架，以及分别建立城市中心和外围区域的事故预测模型，以更深入地理解城市内部异质性对安全的影响。这些思考体现了研究的严谨性和开放性。