帝都交通安全指南

作者:王偉,馮羽,劉璨,張涵睿,陳琳,吳梓君,王鵬,陳曉露

一、研究背景

安全出行指南的數據源於城室科技參加2015上海開放數據創新應用大賽的一個項目StreeTalk。通過採用深度學習的技術,讓計算機從已經得到的安全感興奮的照片中抽取深度圖像特徵。然後通過多任務學習的方法給北京市城市街景照片進行了打分。帝都交通安全指南匯總了這些街景照片數據的計算結果,並進行相應的分析,希望為人們的安全出行提供幫助。

本次研究以北京市五環路作為研究邊界,主要針對五環以內的北京市城區的安全得分進行空間分析。之前知乎上已推出了魔都安全出行指南,獲得了不錯的反響,現將帝都交通安全指南奉獻給大家~

二、北京市五環內街道安全感

(一) 整體

綜合來看,北京市五環內的安全得分分布呈現明顯的空間分布規律。從地理方位來看,北部區域普遍比南部區域的安全感高。追溯歷史原因,北京的北部包括老城區,由於地理位置上風上水,達官貴族大多生活在北部,而南部屬於城外,居住的大多數平民百姓。從中心—外圍來看,中心區域普遍比外圍區域的安全感高。這是因為中心區域的道路綠化率、路面平整程度、交通基礎設施質量等指標較佳,整體提高了道路的安全感。而外圍區域聚集了大量流動人口,人口的聚集導致生活空間、就業空間的擁擠,從而產生道路被佔用、空間狹小、交通行為不規範等一系列安全問題。

將主要道路提煉後,得到右圖,進一步驗證了上述觀點。中心城區的道路整體位於6-10的分值區間,且形狀規整。而外圍區域的道路較為雜亂、錯綜複雜,存在許多位於0-2分值區間的道路,其次是安全感為2-4分的道路,6-10分的道路較少。

(二) 中心城區

北京三環路以內的道路安全得分普遍較高,僅存在少部分區域安全得分位於0-2區間。這些區域可以分為兩部分。其一是老北京衚衕的聚集區域,例如東城區東四、東四十條、王府井、前門等。根據數據顯示,東城區的大量衚衕安全得分較低,屬於0-2的分值區間。這是由於衚衕窄小、存在違規停放車輛、照明設施不完備等原因,給予了市民較低的安全感。其二是存在細碎、混亂的道路結構的區域。例如,豐益橋附近是汽配城,存在許多斷頭路,且路網交織複雜,也存在較多閑置空地,沒有建築和綠化景觀,人煙稀少,故而導致安全得分較低。

中心城區各街道的安全得分分布特點明顯,西城區各街道的安全程度普遍高於東城區各街道的安全程度。其中,安全得分最低的為安定門街道,約為3.8;安全得分最高的街道是東直門街道,約為6.9。東城區和西城區的安全感差異與老北京衚衕的分布規律一致。n

三、道路安全感分區排名

北京的五環以內包括東城區和西城區的全部區域以及朝陽區、海淀區、丰台區、大興區、石景山區的部分區域。由於大興區、石景山區所涉及的街道較少,故而此處不進行細緻分析。西城區的安全得分最高,東城區和朝陽區緊隨其後,接著是海淀區,分數均在5分以上。分數最低的是丰台區,與其他各區相差較多。n

整體來看,各個行政區內部差異較小,處於較為均衡的狀態。北京市各行政區安全得分分布的規律較為明顯,排名最低的街道往往是老北京衚衕所在街道。由於衚衕本身較為狹小,又停放了較多車輛、放置了過多雜物,顯得衚衕空間更為擁擠、雜亂。部分衚衕缺少夜間照明系統或者設備損壞,所以安全感較低。排名最高的三個街道往往是城市主要幹道、商業中心所在地、金融中心所在地、高校聚集地等。比如,東直門街道是商業中心所在地,金融街街道是金融中心所在地,北下關街道是高校聚集地。部分穿插在社區的道路也給予了行人較高的安全感。

四、小專題

(一) n衚衕專題

衚衕是北京特有的空間形式之一。前面提到過,部分街道的安全得分由於衚衕聚集而較低,但通過對所有衚衕進行對比後,不難發現不同衚衕之間也存在的較大的差距。衚衕的平均安全得分為3.58,方差為6.94。在滿分為10分的前提下,平均值說明衚衕的安全得分普遍較低,而方差則說明衚衕之間的安全級別也存在著差別。隨機選取40個衚衕得到下面的柱狀圖,其中最高得分為北草廠衚衕,8.71分;最低得分為八寶衚衕,0.17分,相差超過8分。通過百度全景地圖也可看出,部分衚衕通過擴建改造,路面寬敞平坦,周圍商業設施完備,而部分衚衕保持了原始風貌,但衚衕內部集聚了商鋪和車輛,導致衚衕環境更為擁擠、雜亂,不方便行人通行,尤其是夜晚,安全得分因而較低。n

(二) n環路專題n

北京市各環路的安全得分不同,隨著距離中心距離的增加而降低。其中二環和三環的得分較為接近,五環與四環的安全得分差距明顯。二環的方差最低,這說明二環路整體環境的安全指數較高。五環的方差也較低,這說明五環道路普遍給予人們較低的安全感。四環和三環的方差較高,這說明不同路段的安全得分不同,差異較為明顯。環路的主路道路較為規整,差距不明顯,產生差異的原因主要是因為環路的主路和輔路受到周圍環境影響。首先,安全得分較低的路段周圍的支路體系普遍得分較低,尤其是輔路受到的影響更為明顯。其次,道路的安全得分與周圍建築特點有關,往往商業繁華的地帶道路狀況良好,小商小販聚集的地區道路安全得分普遍較低。n


推薦閱讀:

在大數據時代,每家公司都要有大數據部門嗎?
手把手|教你打造一個曲風分類機器人
民法通則和大寶劍的故事
遙感小衛星扎堆發射,預示空間數據流化時代即將到來
金融需要 hadoop、spark 等這些大數據分析工具嗎?使用場景是怎樣的?

TAG:大数据 | 道路安全 | 图像识别 |