陳富堅 謝松霏 鄧偉建 鐘 釗 吳貞團 鄧文莉 陳 瓊
(桂林電子科技大學建筑與交通工程學院 桂林 541004)
?
基于行車風險的摩托車限速標準研究*
陳富堅謝松霏鄧偉建鐘釗吳貞團鄧文莉陳瓊
(桂林電子科技大學建筑與交通工程學院桂林541004)
為了滿足春運期間各種惡劣天氣環(huán)境下摩托車車速管理的需要,研究了基于行車風險的摩托車限速標準.根據(jù)國標對摩托車行車可靠性進行了定義,提出了摩托車行車風險的基本模型,采用SPSS軟件對49例返鄉(xiāng)摩托車事故進行了統(tǒng)計分析.提取天氣、行駛距離、車速、駕齡和連續(xù)騎車時間5個參數(shù)作為行車風險模型的基本參數(shù).采用返鄉(xiāng)摩托車交通事故典型路段當時的狀態(tài)數(shù)據(jù),計算行車風險模型的基本事故率.采用文獻分析法構(gòu)建基本參數(shù)的經(jīng)驗?zāi)P?,并通過將基本參數(shù)的實際狀態(tài)數(shù)據(jù)與典型路段狀態(tài)數(shù)據(jù)之比作為基本參數(shù)對行車事故率的影響系數(shù).基于調(diào)查數(shù)據(jù),提出了春運騎摩托車返鄉(xiāng)的目標事故率,采用行車風險模型反向推導了典型天氣狀況和騎車人狀態(tài)下的最高安全車速.
交通安全;限速標準;行車風險模型;摩托車;目標事故率
近年來,眾多在粵、閩、浙等沿海地區(qū)務(wù)工的人們春節(jié)時選擇騎摩托車返鄉(xiāng)過年.這種返鄉(xiāng)方式已從開始時的零星隊伍,發(fā)展成有數(shù)十萬輛規(guī)模的“摩托車大軍”.據(jù)筆者的調(diào)查研究,2011年春運,返鄉(xiāng)摩托車大軍約為40萬輛;2012年,達50萬輛;2013年上升到約65萬輛,人數(shù)約150萬.顯然,摩托車已成為火車、汽車之外,沿海務(wù)工人員春節(jié)返鄉(xiāng)的第三種重要交通工具.
盡管摩托車方式返鄉(xiāng)“便宜和便捷”,但寒冬中長途騎車極為艱辛與危險,交通安全隱患非常嚴重.據(jù)統(tǒng)計,僅320國道江西省玉山縣境內(nèi)2009年春運期間就發(fā)生13起返鄉(xiāng)摩托車事故,15人受傷;2010年則發(fā)生18起,死亡1人,受傷14人[1].另梧州交警部門統(tǒng)計,春運摩托車過境高峰期,平均每5 min就發(fā)生1起摩托車倒地意外或撞車事故[2].返鄉(xiāng)摩托車事故進入事故處理程序的很少,大多數(shù)無據(jù)可查.因此,實際交通事故狀況要比披露的嚴重得多.上述嚴峻交通安全狀況除了與春運惡劣天氣有關(guān)外,騎車人普遍的超速行車和疲勞行車也是重要原因.
據(jù)筆者調(diào)查統(tǒng)計,有61%的騎車人平均車速超過60 km/h,有0.2%甚至達到100 km/h;有約20%的騎車人連續(xù)騎車時間超過3 h,其中2%甚至超過4 h.我國的道路交通管理條例規(guī)定:摩托車在路況好情況下允許的最高車速為60 km/h,在各種不利路況和環(huán)境下為20 km/h.由于眾多騎車人返鄉(xiāng)行程中遇到的路況和天氣狀況非常復雜,交通管理部門對他們進行相應(yīng)的安全騎車指導及安全車速警示對提高行車安全性有重要的作用.但顯然,目前的國家限速標準過于單一,不能滿足需要.為了減少春運交通事故,有必要就各種復雜路況和天氣狀況對返鄉(xiāng)摩托車進行精細化車速管理,并通過沿途設(shè)置臨時限速標志來警示.因此,深入研究摩托車的限速標準有重要的現(xiàn)實意義.
限速標準問題有不少學者進行過研究,關(guān)鍵是安全行車模型或風險模型的構(gòu)建問題.風險模型的構(gòu)建方法有系統(tǒng)分析法、經(jīng)驗貝葉斯方法、回歸分析法、經(jīng)驗?zāi)P头?、時間序列法、人工神經(jīng)網(wǎng)絡(luò)法、遺傳算法、馬爾可夫鏈法、模糊數(shù)學方法等,還有學者采用Matlab計算機仿真法.這些建模方法各有優(yōu)缺點及其適用范圍,在工程實際中都有應(yīng)用.本文要構(gòu)建的摩托車行車風險模型主要用于精細化車速管理,可指導騎車人根據(jù)自身狀況及路況、環(huán)境條件合理選擇安全車速.就此而言,基于調(diào)查數(shù)據(jù)的經(jīng)驗?zāi)P图盎貧w分析方法可能更為適合.下面,本文先定義摩托車行車風險的基本概念,然后進行模型構(gòu)建,以此為基礎(chǔ),推導出相應(yīng)的限速標準.
根據(jù)國標《可靠性基本名詞術(shù)語及定義》(GB3187-1982),可靠性的定義為“產(chǎn)品在規(guī)定的條件下和規(guī)定的時間內(nèi)完成規(guī)定功能的能力.”從交通系統(tǒng)工程的角度看,確保摩托車行車安全的要素是一個有機的系統(tǒng),由人-車-路-環(huán)境-管理5方面要素組成,摩托車交通事故可看作是系統(tǒng)故障.根據(jù)可靠性的標準定義,結(jié)合摩托車行車特征,可將摩托車行車可靠性定義為:在規(guī)定的騎車人、道路、車輛、環(huán)境和管理條件下,摩托車行駛系統(tǒng)保持正常安全運行而不發(fā)生故障的能力.這個能力主要以概率表示.相反,摩托車行駛系統(tǒng)發(fā)生故障的概率則表示行車風險.以下文中,提到的摩托車行車可靠性或行車風險都是指摩托車行車系統(tǒng)的可靠性或風險.
上述基本定義較為抽象,涉及參數(shù)非常多,按常規(guī)的功能函數(shù)方法直接建模會極為困難.本文試圖從相反方向,通過對典型事故路段的分析,從事故風險概率的角度建立行車風險模型,進而提出基于行車風險的摩托車限速標準.
有的文獻將道路交通系統(tǒng)中人-車-路-環(huán)境-管理各要素之間的關(guān)系看作是串聯(lián)關(guān)系,采用串聯(lián)系統(tǒng)的方法構(gòu)建道路交通系統(tǒng)可靠性模型[3].也有文獻將其中的人-車-路三者的關(guān)系看作的串聯(lián)關(guān)系,先構(gòu)建串聯(lián)可靠性模型,然后將其他因素當作外界影響系數(shù)引入.這2種建模方法的優(yōu)點是邏輯清晰,但缺點是確定參數(shù)取值很困難.本文吸取兩種方法各自的優(yōu)點,采取一種新的建模思路,即以某一特定路段當時的人-車-路-環(huán)境-管理要素狀態(tài)下的交通事故率為基本風險概率,然后分別引入這些要素的影響系數(shù)來反映各要素狀態(tài)變化對行車風險的影響.某一要素的影響系數(shù)是指該要素在其他要素狀態(tài)不變的情況下,它的實際狀態(tài)與基本風險模型時的狀態(tài)相比對摩托車行車風險的放大或縮小效應(yīng).用模型表達如下.
(1)
式中:Pf為單元路段內(nèi)摩托車發(fā)生交通事故的概率(次/輛·km);P0為特定典型事故路段的單元路段基本事故率,次/(輛·km);k人為騎車人影響系數(shù),k車為車輛影響系數(shù);k路為道路影響系數(shù);k環(huán)境為環(huán)境影響系數(shù);k管理為管理影響系數(shù).
根據(jù)式(1),摩托車行車系統(tǒng)的可靠性模型可表達為
(2)
根據(jù)式(2),即可得到摩托車行車可靠度.但是,式(2)實際上無法進行計算,因為其中的5個影響系數(shù)依然很抽象,內(nèi)涵很豐富,必須具體化才能用于計算.
根據(jù)筆者3年來收集的49例返鄉(xiāng)摩托車交通事故的詳細信息,采用SPSS軟件進行統(tǒng)計分析,最終確定:k人可用騎車人的連續(xù)駕駛時間和駕齡2個參數(shù)代表;k車用速度參數(shù)表達;k環(huán)境難以單獨表達,可用各種天氣下的基本事故率方式來表達,即整合進P0,用Patm來表達;k路用行駛里程表達,單元路段為1 km;k管理因相對影響較小被SPSS分析軟件篩掉.那么,式(1)可改為
(3)
式中:Patm為各類天氣下的基本事故率;kt為2次休息之間的連續(xù)駕駛時間影響系數(shù);kage為駕齡影響系數(shù);kv為速度影響系數(shù).
那么,一輛摩托車行駛一段里程L后,其行車風險值可用式(4)計算.
(4)
式中:F為發(fā)生的摩托車交通事故次數(shù).
需要說明的是,式(1)反映的單輛車單元路段的行車風險模型,那么,行駛一段里程L后的風險值用式(4)計算,其值可能大于1,相應(yīng)的現(xiàn)實意義是發(fā)生了1次以上交通事故.這完全是可以理解的,但必須假定每次事故后騎車人不至于喪命,還可以繼續(xù)行駛.
對3年來調(diào)查數(shù)據(jù)的綜合分析,2010年玉山縣的返鄉(xiāng)摩托車交通事故狀況具有典型的代表性,可用作為摩托車的基本風險概率.下面對此進行分析,并確定式(3)中各項參數(shù)的計算方法.
3.1各類天氣下基本事故率Patm的計算
據(jù)交警部門統(tǒng)計,在2010年,有約3萬農(nóng)民工騎摩托車經(jīng)過320國道玉山縣段.該路段長約40 km.交通事故狀況見上文所述.
根據(jù)以上條件可以計算玉山路段春運期間返鄉(xiāng)摩托車的事故率為
(5)
式(5)是各種天氣條件下的綜合事故率,還需按公式(3)的要求將其分解為各種天氣類型的基本事故率.
1) 晴天、陰天和雨天時的基本事故率據(jù)美國賓夕法尼亞州交通部門的調(diào)查研究,路面狀況和汽車交通事故率存在表1的關(guān)系[4].
表1 路面狀況與交通事故率關(guān)系
路面狀況的不同是天氣的不同造成的,因此,可根據(jù)天氣狀況套用表 1中的基本關(guān)系.玉山縣2010年除夕前15 d的天氣情況見表2[5].
表2 2010年玉山縣除夕前15 d的天氣統(tǒng)計情況
根據(jù)表 1,可得到表3.
表3 天氣狀況與汽車交通事故率關(guān)系
表3是不同天氣下汽車的交通事故率狀況,對摩托車應(yīng)具有借鑒意義.因此,本文假定,摩托車在雨天下行駛的事故率與在晴陰天下行駛的事故率也具有5倍的數(shù)量關(guān)系.上述關(guān)系和式(5)可用下式來表達.
(6)
式中:P晴、陰為晴陰天時的基本事故率;P雨為雨天時的基本事故率.
求解式(6)可得:
(7)
2) 雪天時的基本事故率與晴陰天或雨天相比,冰雪天氣對兩輪摩托車行車安全性的影響要比汽車嚴重得多,因此,對于冰雪天氣下的基本事故率不采用表 1的基本關(guān)系,而采用作者自己收集的貴州路段的返鄉(xiāng)摩托車事故資料直接進行計算.
有記者視頻跟蹤了5位民工春運期間騎摩托車返鄉(xiāng)的情況[6],從廣東肇慶出發(fā)回到家鄉(xiāng)貴州省石阡縣,行程約1 200 km,歷時108 h.5人坐3輛車,其中有2輛車各坐2人,1輛車坐1人.他們在貴州的結(jié)冰路面上謹慎行駛了約270 km,車速約為20 km/h,3輛車共發(fā)生了7起事故.該案例具有冰雪山區(qū)返鄉(xiāng)摩托車行車的基本特征,有典型的代表性,其事故率可作為冰雪地區(qū)摩托車行車的基本事故率.
冰雪地區(qū)的基本事故率為(見表4)
(8)
表4 各類天氣下摩托車行車的基本事故率
3.2速度影響系數(shù)的計算
根據(jù)澳大利亞學者的研究,行駛速度與事故危險性存在表 5所列的關(guān)系[7].
表5 行駛速度與交通事故危險性的關(guān)系
表 5的數(shù)量關(guān)系用回歸分析擬合可得到圖 1,公式表達如下.
(9)
式中:y為事故危險系數(shù);v為行駛速度.
通常摩托車的行車穩(wěn)定性比汽車要差得多,因此,相同條件下,摩托車車速與事故危險性關(guān)系肯定要比汽車的差.由于目前無法得到摩托車車速與事故危險性關(guān)系,作為近似,本文以汽車的上述研究結(jié)果替代.
圖1 行駛速度與交通事故風險值的關(guān)系圖
下面分晴陰天、雨天和冰雪天三種情況分別提出速度影響系數(shù)的計算方法.
據(jù)筆者2012和2013年春運期間對返鄉(xiāng)摩托車的車速調(diào)查,晴陰天時的平均車速約為60 km/h,也就是說基本事故率是在該車速下得到的.那么,以車速60 km/h為基準,晴天條件下,則其余速度的相對影響系數(shù)kv為
(10)
式中:kv為速度影響系數(shù);v為行駛速度.
在雨天,可視距離在75~100 m時的安全車速推薦值為40 km/h[8].而我國二級公路的視距設(shè)計要求是:設(shè)計車速為80 km/h,設(shè)計視距為100 m;設(shè)計速度為60 km/h,設(shè)計視距為75m.這些規(guī)定值是在相同的算法基礎(chǔ)上得出的,因此可以理解為:雨天時車速為40 km/h的騎車風險值與晴陰天時車速為60 km/h的風險值相等.據(jù)此,則可求得雨天天氣的速度影響系數(shù)kv.
根據(jù)我國的道路交通管理條例,雪天情況下,道路限速值為20 km/h.這個限速值的算法基礎(chǔ)與雨天限速值是一樣的,同理可將雪天時限速20 km/h與晴陰天時限速60 km/h的風險值相等.據(jù)此可求得雪天天氣下的速度影響系數(shù)kv.
3.3連續(xù)騎車時間影響系數(shù)的計算
人因工程學研究表明,人體連續(xù)工作一定時間后會出現(xiàn)疲勞現(xiàn)象,工作效率會降低,誤操作率會增加.根據(jù)文獻[9],可以得到疲勞與連續(xù)駕駛時間的基本關(guān)系,見表6.
表6 駕駛時間與誤操作數(shù)的關(guān)系
圖2 連續(xù)駕駛時間與誤操作數(shù)的關(guān)系圖
由于駕駛員在駕駛車輛行駛的過程中,每一次的錯誤操作都很可能引起交通事故,因此可以將連續(xù)行駛時間與疲勞誤操作的關(guān)系看作是連續(xù)行駛時間對交通事故風險的影響系數(shù).
對圖 2的數(shù)據(jù)進行回歸,可得到連續(xù)駕駛時間與誤操作數(shù)之間的關(guān)系模型.
(13)
式中:m為誤操作數(shù),次;t為連續(xù)行駛時間,h.
根據(jù)調(diào)查數(shù)據(jù),3.1計算得到的基本事故率是摩托車返鄉(xiāng)人員在平均連續(xù)駕駛時間為1.95 h下發(fā)生的,約為2 h.如果把連續(xù)駕駛2 h下的誤操作數(shù)(行車風險)作為基準值,那么其他連續(xù)駕駛時間下的誤操作數(shù)與基準值的比值,即為連續(xù)駕駛時間影響系數(shù)kt,用公式表達如下.
(14)
3.4駕齡影響系數(shù)的計算
根據(jù)文獻[10],1 000個駕駛員中,駕齡與事故發(fā)生率之間存在表7的關(guān)系.由表7可得表 8.對表 8的數(shù)據(jù)進行回歸,可得圖 3.
圖3 駕齡與交通事故發(fā)生數(shù)關(guān)系圖
由圖3,得到駕齡與事故頻率的關(guān)系模型:
y=-0.043 2x3+0.927 8x2-7.415 5x+36.493
(15)
式中:y為事故發(fā)生數(shù);x為駕齡.
表7 駕齡與事故發(fā)生數(shù)的關(guān)系(分年齡)
表8 駕齡與事故發(fā)生數(shù)的關(guān)系(不分年齡)
據(jù)筆者的調(diào)查數(shù)據(jù),騎摩托車返鄉(xiāng)人員的平均駕齡約為8年,基本事故頻率是有8年駕齡的騎車人續(xù)騎車2 h情況下的事故發(fā)生頻率.同理,把8年駕齡司機的事故發(fā)生數(shù)作為基準值,其他駕齡司機的事故發(fā)生數(shù)與基準值的比值,即為駕齡影響系數(shù)kage,用公式表達如下.
kage=(-0.043 2x3+0.927 8x2-7.415 5x+36.493)/14.43
(16)
根據(jù)筆者2012和2013年對春運摩托車返鄉(xiāng)潮現(xiàn)象交通安全狀況的調(diào)查,100 km長路段每100輛晴天時車約發(fā)生1起交通事故,雨天時約發(fā)生5起交通事故,雪天時100 km長路段每1輛車約發(fā)生1起交通事故.這些事故率雖然比汽車要高得多,但顯然絕大多數(shù)騎車人認為是可以接受的.否則,春運摩托車返鄉(xiāng)現(xiàn)象 就不會規(guī)模越來越大,發(fā)展態(tài)勢愈演愈烈.
長路段每100輛車約發(fā)生5起交通事故,雪天時100 km長路段每1輛車約發(fā)生1起交通事故.這些事故率雖然比汽車要高得多,但顯然絕大多數(shù)騎車人認為是可以接受的.否則,春運摩托車返鄉(xiāng)潮現(xiàn)象就不會規(guī)模越來越大,發(fā)展態(tài)勢愈演愈烈.
現(xiàn)象交通安全狀況的調(diào)查,晴天時100 km長路段每100輛車約發(fā)生1起交通事故,雨天時100 km長路段每100輛車約發(fā)生5起交通事故,雪天時100 km長路段每1輛車約發(fā)生1起交通事故.這些事故率雖然比汽車要高得多,但顯然絕大多數(shù)騎車人認為是可以接受的.否則,春運摩托車返鄉(xiāng)潮現(xiàn)象就不會規(guī)模越來越大,發(fā)展態(tài)勢愈演愈烈.
為了對春運返鄉(xiāng)摩托車進行合理的車速管理,防范和減少交通事故,針對春運期間各種不利天氣和不利路況制定相應(yīng)的最高車速,以對騎車人進行精細化的安全騎車指導是非常有必要.此處僅以晴、雨和雪3種天氣為例,采用上述調(diào)查得到的事故率作為目標事故率,以駕齡4年和連續(xù)行駛時間2 h為基本條件,采用摩托車行車風險模型進行反算,可得到相應(yīng)的摩托車最高安全車速,即相應(yīng)天氣條件下的限速標準,具體見表9.
1) 我國現(xiàn)行的摩托車限速標準過于單一,存在諸多不足,不能滿足復雜天氣狀況下精細化交通安全管理的需要,也不能對騎車人的安全騎車進行科學的指導.
表9 基于行車風險的摩托車限速標準(示例)
2) 摩托車行車風險模型能考慮天氣、行駛里程、駕齡、車速和連續(xù)騎車時間等因素對事故發(fā)生風險的影響,并計算出相應(yīng)的事故概率,對交通管理部門指導騎車人結(jié)合具體條件調(diào)整騎車狀態(tài),提高行車安全性有積極的意義.
3) 基于行車風險的摩托車限速標準能考慮各種復雜天氣對行車風險的影響,對交通管理部門進行精細化車速管理有參考價值.
4) 行車風險模型雖是以摩托車為對象構(gòu)建,但其思想方法和部分成果可移植至汽車交通安全管理,有借鑒價值.
[1]省際國道上,5萬返鄉(xiāng)“摩托軍團”氣如虹[N/OL].大江網(wǎng)-江西日報,2011-01-31.http://www.jxnews.com.cn.
[2]梧州啟動春運跨省警務(wù)協(xié)作機制:兩廣三地愛心接力共保過境車輛安全[J/OL].梧州市公安,2012-01-10.http://www.wz110.cn/portal.php?mod=view&aid=6368.
[3]陳富堅,郭忠印,柳本民,等.基于貝葉斯分析的道路交通系統(tǒng)可靠性模型[J].同濟大學學報(自然科學版),2011(2):220-225.
[4]汪明春.道路條件對交通安全的影響分析[D].重慶:重慶交通大學,2008.
[5]江西省玉山縣預(yù)報[DB/OL].天氣風云錄.http://www.fengyunlu.com/yushan/.
[6]農(nóng)民工騎摩托返鄉(xiāng):三個家庭騎摩托車回家之路[J/OL].北京青年網(wǎng),2011-01-30.http://www.bjqnw.com/2011/0130/173725.html.
[7]PAM S, GEOFF M. Roads and traffic authority of New South Wales, Speed Problem Definition and countermeasure Summary, Speed[R].New South Wales, August 2000.
[8]張麗君.有關(guān)雨雪天氣的安全行車[D].上海:同濟大學,2006.
[9]馬艷麗,王要武,裴玉龍.疲勞與駕駛時間關(guān)系的實驗心理學研究[J].西南交通大學學報,2009,44(4):535-540.
[10]許洪國,何彪.道路交通事故分析與再現(xiàn)[M].北京:人民教育出版社,1996.
Research on Speed Limits of Motorcycle based on the Riding Risk
CHEN FujianXIE SongfeiDENG WeijianZHONG ZhaoWU ZhentuanDENG WenliCHEN Qiong
(SchoolofArchitecture&TransportationEngineering,GuilinUniversityofElectronicTechnology,Guilin541004,China)
To meet the need of speed management of motorcycle riding in various severe weathers during China’s Spring Festival period, investigation is carried out on speed limit of motorcycle based on the riding risk. In this paper, the motorcycle riding reliability is defined according to the National Standard and a basic motorcycle riding risk model is proposed. Forty-nine cases of returned motorcycle accidents which happened during Spring Festival are analyzed by using SPSS software. Five basic parameters of the riding risk model are extracted, which are weather condition, distance traveled, speed, riding age and continuous riding time. The basic accident rate of the riding risk model is calculated based on the state data at that time of a typical traffic accident section. The empirical model of the basic parameters is established by the literature analysis method. The ratios between the actual state data of the basic parameters and those of the typical traffic accident section are regarded as influential coefficients of the basic parameters to the riding accident rate. Based on the survey data, the target accident rates are proposed for riding a motorcycle during Spring Festival. The maximum safe speed under typical weather conditions and typical riders’ status is inversely derived based on the riding risk model.
traffic safety; speed limits; riding risk model; motor; target accident rate
2016-06-02
U491.5
10.3963/j.issn.2095-3844.2016.04.006
陳富堅(1974- ):男,博士,教授,主要研究領(lǐng)域為道路交通安全
*國家自然科學基金項目資助(73120136)