道路因素作为交通事故的主要影响因素之一,其线形设计的不合理是造成交通事故聚集、形成交通事故黑点的重要原因。交通事故与道路线形相关性研究需要分别获取事故点文字信息和相关道路线形数据,然后整合。然而,目前国内交通事故数据和道路空间数据分属不同部门,数据相对不开放;政府数据公开平台相关工作尚在进行;部门之间数据不共享,存在信息孤岛等问题,科研人员及普通用户一般通过现场实测的方式获取。但交通事故的发生具有一定的偶然性和区域离散性,随着样本量的增加,现场实测方法需要耗费大量的人力和物力。为方便研究人员采集数据以及扩大样本量,论文给出了一种Web数据获取方法。首先,采用Deep Web数据采集方法,获取交通事故点文字描述。然后,针对国内地图中文语义识别较好但坐标加密,国外开源平台中文语义识别较弱但数据公开的特点,给出了将两者优点相结合的方法,通过建立国内地图和国外开源平台坐标映射关系,调用地图和平台接口,获取事故点相关道路数据源文件。并根据自动机理论,建立了状态自动机模型,便于从异构的事故点相关数据源文件中提取道路线形数据。获取到的道路线形数据通常为一或多条经纬度轨迹,需先进行坐标转换和数据清洗处理,然后再进行分段,识别出基本道路线形元素分界点。论文结合国内外研究现状和工程背景,首先,使用回归法对缺失值和噪声进行处理,并借鉴分箱思想,对车道变换数据进行处理。然后,论文提出基于整体最小二乘法的道路线形数据分段算法,对数据进行分段,为下一步的数据拟合及相似性比较提供数据基础。最后,采用C++、Python编程语言,使用Qt、Selenium、PhantomJS等工具开发了相应的测试软件。作为实例,利用文中的方法获取了北京市交通事故Web数据并对其进行分段,结果与实际道路状况基本一致,验证了所给方法的正确性和实用性。