車輛機械故障與交通事故嚴(yán)重性關(guān)系模型

劉靜+馮忠祥+趙汝海

摘要：車輛是導(dǎo)致交通事故發(fā)生的重要因素，尤其車輛機械故障引發(fā)的傷亡事故較為嚴(yán)重。為量化車輛機械故障與交通事故嚴(yán)重性的關(guān)聯(lián)，從交通事故致因角度，將機械故障分為4大類，并應(yīng)用Logistic理論，以事故嚴(yán)重程度為因變量，以4類致因為自變量，構(gòu)建模型。并經(jīng)相關(guān)檢驗，模型正確，有效性較強。結(jié)果表明：制動失效的回歸系數(shù)為1.354，轉(zhuǎn)向失效、失去動力和其它故障的回歸系數(shù)分別是-0.853、-2.387和-4.118，說明制動失效發(fā)生嚴(yán)重性事故的概率較大，而另3類機械故障導(dǎo)致嚴(yán)重性事故概率相對較小。

關(guān)鍵詞：機械工程；車輛機械故障；事故嚴(yán)重性；Logistic模型

中圖分類號：F306文獻(xiàn)標(biāo)志碼：A文章編號：1672-1098（2016）01-0025-05

Abstract：Vehicle is an important factor leading to the occurrence of traffic accidents， especially the accidents caused by vehicle mechanical failure are more serious. In order to quantify the relationship between mechanical failure of vehicle and the severity of traffic accidents， the mechanical failures are divided into 4 categories from the angle of traffic accidents causation， The logistic theory was applied to construct the model with the accident severity as the dependent variable， and the 4 categories of causation as the independent variables. The relevant proved that the model is correct and effective. The results showed that the regression coefficient of braking failure is 1.354， and the regression coefficients of the steering failure， the loss of power and other failures respectively are -0.853， -2.387 and -4.118. It shows that there is a large probability of serious accidents of braking failure， and the other 3 categories of mechanical failures are relatively small.

Key words：mechanical engineering； vehicle mechanical Failures； accident severity； logistic model

交通事故作為車輛與交通發(fā)展的伴隨產(chǎn)物，已嚴(yán)重影響社會經(jīng)濟(jì)平穩(wěn)發(fā)展，并對人民生命財產(chǎn)造成重大損失。交通事故發(fā)生的誘因較多，主要因素為人、車、路、環(huán)境，且各因素又涉及較多子因素。如駕駛員在道路交通安全中扮演著非常重要的角色，駕駛員的性格、個人素質(zhì)、行為及技能等都會對安全行車有所影響[1]。另外駕駛?cè)俗袷胤傻那闆r與交通安全關(guān)系密切，特別是飲酒、吸毒、闖紅燈、超載，超速以及違章超車等違法行為是重大交通事故的重要原因。行人在交通安全中的作用也不容小覷，與駕駛員，駕乘人員不同的是，行人既沒有駕駛室，亦沒有座艙，外界環(huán)境直接干擾行人的判斷與行動，是道路交通中的弱者。行人行為受到心理作用影響較大，當(dāng)其它條件不變時，道路照明條件不良時，行人發(fā)生交通事故的幾率會較低，這是因為行人在心理上已經(jīng)產(chǎn)生了一種警戒心理[2]。另研究車輛設(shè)備ABS、ESP、安全帶、安全氣囊、吸能轉(zhuǎn)向柱等對交通事故嚴(yán)重程度的影響，均是從車輛角度來提高道路行車安全[3-5]；環(huán)境角度，文獻(xiàn)[6]的研究發(fā)現(xiàn)，交通事故數(shù)隨著降雪量的增加而大幅增加。文獻(xiàn)[7]的研究發(fā)現(xiàn)，降雪天氣對非致命事故與財產(chǎn)損失的影響要遠(yuǎn)高于對致命事故的影響。文獻(xiàn)[8]提出事故嚴(yán)重程度及財產(chǎn)損失與總降雪量以及日降雪量有著明顯的正相關(guān)關(guān)系。文獻(xiàn)[9]研究發(fā)現(xiàn)降雨量與交通事故數(shù)有著直接的正相關(guān)關(guān)系，但是還得出了中雨與大雨對于交通事故的影響作用相近的結(jié)論。文獻(xiàn)[10]研究提出降雨結(jié)束時道路交通碰撞風(fēng)險會立刻降到正常水平。

經(jīng)過多年的研究，國內(nèi)外學(xué)者認(rèn)為人是交通事故發(fā)生的最主要原因，因為隨著車輛技術(shù)的發(fā)展、道路環(huán)境設(shè)計優(yōu)化、道路管理措施的規(guī)范科學(xué)，車輛和道路環(huán)境因素趨于穩(wěn)定，尤其是車輛因素，目前其機械性能已基本完備，而主動安全技術(shù)和被動安全技術(shù)又應(yīng)用于車輛設(shè)計和使用的全部環(huán)節(jié)，所以對其的安全保障的研究目前已重點轉(zhuǎn)移至電子設(shè)備性能方面，即開發(fā)智能車輛駕駛和人機互動的協(xié)調(diào)性，研究的導(dǎo)向是從車輛角度來提升駕駛?cè)藢Νh(huán)境的適應(yīng)性和減小其對駕駛能力的需求性，所以，對車輛本身造成的事故或安全威脅研究已趨于淡化。但根據(jù)相關(guān)交通事故統(tǒng)計，因車輛直接原因?qū)е碌慕煌ㄊ鹿蕿?%左右，且其中80%與車輛機械故障有直接關(guān)系，而此類事故往往嚴(yán)重程度較大，群死群傷事故易發(fā)。

本文在對因車輛機械故障導(dǎo)致的事故原因進(jìn)行總結(jié)分析后，應(yīng)用logistic理論構(gòu)建事故嚴(yán)重性度量模型，對事故致因與事故嚴(yán)重性進(jìn)行關(guān)聯(lián)度分析。

1車輛機械故障交通事故致因分析

11制動失效

制動性能是車輛在道路安全行車的基本性能，其目的是按照駕駛?cè)说囊庠冈谝欢ň嚯x內(nèi)停車并保持方向穩(wěn)定性或者是在下坡能維持一定車速，主要由以下構(gòu)件協(xié)調(diào)工作實現(xiàn)：（1）供能裝置包括供給、調(diào)節(jié)制動所需能量以及改善傳能介質(zhì)狀態(tài)的各種部件；（2）控制裝置包括產(chǎn)生制動動作和控制制動效果的各種部件，如制動踏板；（3）傳動裝置包括將制動能量傳輸?shù)街苿悠鞯母鱾€部件及管路，如制動主缸、輪缸及連接管路；（4）制動器是產(chǎn)生阻礙車輛運動或運動趨勢的力的部件。上述任何一個部件的失效均會導(dǎo)致車輛制動能力下降或者無法制動，從而導(dǎo)致交通事故。且在實際道路行車中，車輛制動失效導(dǎo)致的事故往往較為惡劣，易發(fā)死傷，且車輛毀壞程度嚴(yán)重。

12轉(zhuǎn)向失效

轉(zhuǎn)向性能是汽車操穩(wěn)性的一部分，是按照駕駛員的意愿控制汽車改變或保持行駛或倒退方向，對汽車的行駛安全至關(guān)重要。汽車轉(zhuǎn)向系統(tǒng)一般由轉(zhuǎn)向器和轉(zhuǎn)向傳動機構(gòu)組成。轉(zhuǎn)向器由轉(zhuǎn)向盤、轉(zhuǎn)向軸、轉(zhuǎn)向蝸桿、齒扇等主要機件組成，其主要功用是將轉(zhuǎn)向力傳遞到轉(zhuǎn)向傳動機構(gòu)。轉(zhuǎn)向傳動機構(gòu)包括轉(zhuǎn)向搖臂、轉(zhuǎn)向縱拉桿、轉(zhuǎn)向節(jié)臂、左右轉(zhuǎn)向梯形臂和轉(zhuǎn)向橫拉桿等機件，其功用是將轉(zhuǎn)向嚙合機構(gòu)傳來的力傳遞到前輪實現(xiàn)轉(zhuǎn)向。上述機構(gòu)和零部件在行車過程中長時高強度使用，且受力角度和載荷變化快，易損耗發(fā)生斷裂或故障導(dǎo)致交通事故，也是導(dǎo)致車輛機械故障事故的主要誘因。

13失去動力

車輛在道路上能正常行駛，主要依靠發(fā)動機輸出的動力，并經(jīng)過傳動系傳至驅(qū)動輪。傳動系具有減速、變速、倒車、中斷動力、輪間差速和軸間差速等功能，與發(fā)動機配合工作，能保證汽車在各種工況條件下的正常行駛，它由離合器、變速器、萬向傳動裝置和驅(qū)動橋組成，結(jié)構(gòu)復(fù)雜。所以車輛在道路上行車時，如果失去動力，可能與發(fā)動機故障有關(guān)，或傳動系某組成機構(gòu)發(fā)生故障。此時車輛轉(zhuǎn)向系和制動系正常工作，車輛本身一般不會主動與其他設(shè)施或車輛發(fā)生碰撞，但易被其他車輛追尾或側(cè)撞，發(fā)生傷亡事故。

14其它故障

車輛本身結(jié)構(gòu)復(fù)雜，含有5大總成及各類零部件，任何零部件結(jié)構(gòu)損壞或功能故障，均可能導(dǎo)致車輛無法正常操控而發(fā)生交通事故。如風(fēng)扇皮帶松弛、制動踏板間隙增大等。本身或許不會直接發(fā)生事故，但存在安全隱患，當(dāng)結(jié)合其他行車風(fēng)險時，如超速、超載、顛簸等，極易引發(fā)事故。

2模型構(gòu)建

21變量選取

Logistic模型是針對一般回歸模型不能解釋事情發(fā)生與否，進(jìn)行l(wèi)og轉(zhuǎn)換后，獲得事情發(fā)生概率的一種多因素分析方法，對分類變量具有很好的解釋和賦值功能。構(gòu)建車輛機械故障與交通事故嚴(yán)重程度模型，首先需要將事故嚴(yán)重程度該因變量yi按照logistic思路進(jìn)行分類和賦值。

根據(jù)《中華人民共和國道路交通安全法》規(guī)定，道路交通事故根據(jù)嚴(yán)重程度可劃分為輕微事故、一般事故、重大事故和特大事故，主要依據(jù)為死傷人數(shù)，其中輕微事故和一般事故中均無人員死亡，而重特大事故有人員死亡或者重傷人數(shù)較多。根據(jù)此分類，結(jié)合前人事故嚴(yán)重性文獻(xiàn)，本文將事故嚴(yán)重性化為兩類， 一類是無人員死亡， 僅有受傷或經(jīng)濟(jì)損失類事故，定義為非嚴(yán)重性事故，記為yi=0；另一類為有人員死亡事故（中國死亡統(tǒng)計時間為事故發(fā)生后的7天內(nèi)），定義為嚴(yán)重性事故，記為yi=1，其中i表示第i起因車輛機械故障導(dǎo)致的交通事故。

設(shè)上述4個事故致因作用于事故嚴(yán)重程度yi，記為自變量x1，x2，x3，x4，根據(jù)Logistic模型原理，發(fā)生嚴(yán)重性事故的概率為

p=p（yi=1|x1，x2，x3，x4），0≤p≤1

則發(fā)生與不發(fā)生的概率比記為優(yōu)勢O.R.=p1-p

對其取對數(shù)ln（O.R.），記為log（p1-p），可設(shè)為因變量與x1，x2，x3，x4構(gòu)建回歸方程

log（p1-p）=β0+β1x1+β2x2+β3x3+β4x4

式中：β0為常數(shù)項；β1，β2，β3，β4為上述四致因的回歸系數(shù)。

由上式可迭代得嚴(yán)重性事故發(fā)生的概率

p=exp（β0+β1x1+β2x2+…+βmxm）1+exp（β0+β1x1+β2x2+…+βmxm）（1）

則非嚴(yán)重性事故發(fā)生的概率為

1-p=11+exp（β0+β1x1+β2x2+β3x3+β4x4） （2）

22模型自變量賦值

由于上述4因素均無直接數(shù)據(jù)，屬于分類變量，需進(jìn)行劃分及賦值， 具體如表1所示。

表1影響因素賦值及含義

影響因素變量名賦值及含義 制動失效x1劃分為：是、否，分別取值1、0 轉(zhuǎn)向失效x2劃分為：是、否，分別取值1、0 失去動力x3劃分為：是、否，分別取值1、0 其它故障x4劃分為：是、否，分別取值1、0 3模型計算及檢驗

“選取某地因車輛機械故障所致事故363起，在事故記錄中明確有制動失效、轉(zhuǎn)向失效、失去動力或其它物理故障的事故共計148起，導(dǎo)致人員死亡92人，受傷218人”

將上述148起事故按照模型構(gòu)建進(jìn)行分類和賦值，造成人員死亡的嚴(yán)重事故共計126起，未導(dǎo)致人員死亡的非嚴(yán)重事故共計22起。

使用Spss180進(jìn)行二項Logistic回歸及參數(shù)計算，具體采用正向逐步法（條件），選取顯著水平α=005。首先對模型自變量用Score檢驗，選擇能夠滿足建模要求的變量，檢驗結(jié)果如表2所示。

4模型結(jié)果及分析

根據(jù)模型計算及檢驗結(jié)果，模型有效。由公式（1）可得，發(fā)生嚴(yán)重性事故的概率為

p（yi=1|x）=exp（1668+1354x1-0853x2-2387x3-4118x4）1+exp（1668+1354x1-0853x2-2387x3-4118x4）（3）

式中：x1制動失效，x2為轉(zhuǎn)向失效，x3為失去動力，x4為其它故障。

根據(jù)表3及公式（3），制動失效的回歸系數(shù)為1354， 說明制動失效發(fā)生嚴(yán)重性事故的概率較大， 其發(fā)生比3873， 即制動失效導(dǎo)致的嚴(yán)重性事故概率比不是制動失效導(dǎo)致的要高3873倍；轉(zhuǎn)向失效、失去動力和其它故障的回歸系數(shù)分別是-0853、-2387和-4118，均為負(fù)數(shù)，且各自發(fā)生比分別為0426、0092和0016，均小于1，說明上述三類機械故障導(dǎo)致嚴(yán)重性事故概率相對較小。

上述4類故障，只有制動失效導(dǎo)致嚴(yán)重性事故的概率較大，而其他3類相較較低，與在實際駕車過程中，由于制動失效后，車輛失去制動能力，只能靠碰撞或者其它非正常操控車輛的方法迫使車輛停止，且制動失效瞬間，駕駛?cè)司^為緊張，所以易導(dǎo)致事故且事故發(fā)生時能量較大，造成嚴(yán)重的傷亡性事故；而轉(zhuǎn)向失效時，駕駛?cè)怂查g可采取制動對車輛進(jìn)行操控，但易發(fā)追尾，或來不及制動車輛已駛出路外，但從能量轉(zhuǎn)移角度，可控程度較制動失效大，所以嚴(yán)重性事故發(fā)生概率略低，但比失去動力和其它故障導(dǎo)致嚴(yán)重性事故的概率大；車輛失去動力，如果在低速時，則駕駛?cè)藭杆偻＼圏c火，而高速時，車輛由于慣性會繼續(xù)往前行駛，駕駛?cè)藭扇≈苿又镣＼?，再發(fā)動車輛，所以，該機械故障發(fā)生時，以被追尾事故較多，發(fā)生嚴(yán)重性死傷事故的概率較小；其它故障，一般以零部件松動或損耗為主，如導(dǎo)致其他主要系統(tǒng)如制動、轉(zhuǎn)向失效，則發(fā)生事故致因歸結(jié)為制動失效和轉(zhuǎn)向失效，則其它故障導(dǎo)致的事故一般以輕微或非嚴(yán)重性事故為主。

5結(jié)論

論文在分析車輛機械故障交通事故致因的基礎(chǔ)上，應(yīng)用Logistic理論對其導(dǎo)致的事故嚴(yán)重程度進(jìn)行分類和構(gòu)建模型，經(jīng)相關(guān)檢驗，模型有效性較強，并分析相關(guān)參數(shù)對事故嚴(yán)重性的影響，具體結(jié)論如下。

1） 本文構(gòu)建了基于4個自變量的Logistic模型，經(jīng)似然比卡方值檢驗，模型擬合優(yōu)度較好。而檢驗表明模型擬合劣度較低，暗示模型缺陷較小。綜上，所構(gòu)建模型具有較強的有效性和適用性，可以滿足相關(guān)需求。

2） 制動失效的回歸系數(shù)為1354，轉(zhuǎn)向失效、失去動力和其它故障的回歸系數(shù)分別是-0853、-2387和-4118，說明制動失效發(fā)生嚴(yán)重性事故的概率較大，而另3類機械故障導(dǎo)致嚴(yán)重性事故概率相對較小。

參考文獻(xiàn)：

[1]肖敏敏，苗聰.道路交通安全工程[M].北京：中國建筑工業(yè)出版社，2012：112 -125.

[2]ZHANG G， YAU K K W， ZHANG X.Analyzing fault and severity in pedestrian-motor vehicle accidents in China[J]. Accident Analysis & Prevention， 2014， 73（73）：141-150.

[3]脫晨. 汽車被動安全系統(tǒng)評價模式研究[D]. 沈陽航空航天大學(xué)， 2013

[4]喬維高. 車輛被動安全性研究現(xiàn)狀及發(fā)展[J]. 農(nóng)業(yè)機械學(xué)報， 2005， 36（09）：144-146.

[5]黃合來， 胡水燕. 道路車輛碰撞協(xié)調(diào)性研究綜述[J]. 北京工業(yè)大學(xué)學(xué)報， 2014， 40（10）：1 524-1 533.

[6]ANDREESCU M P， FROST D B.Weather and traffic accidents in Montreal， Canada[J]. Climate Research， 1998， 9：225-230.

[7]DANIEL E， WARNER K E. Effects of snowfalls on motor vehicle collisions， injuries， and fatalities.[J].American Journal of Public Health，2005，95（1）：120-124.

[8]EL-BASYOUNY K， KWON D W.Assessing Time and Weather Effects on Collision Frequency by Severity in Edmonton Using Multivariate Safety Performance Functions[C]// Transportation Research Board 91st Annual Meeting.2012.

[9]HAGHIGHI-TALAB D.An investigation into the relationship between rainfall and road accident frequencies in two cities[J]. Accident Analysis & Prevention， 1973， 5（4）：343-349.

[10]ANDREY J， YAGAR S.A temporal analysis of rain-related crash risk.[J]. Accident Analysis & Prevention， 1993， 25（4）：465-472.

[11]斯科特·梅納德著，李俊秀譯.應(yīng)用logistic回歸分析[M].上海：上海人民出版社，2012：8-100.

（責(zé)任編輯：李麗，范君）第1期沙莎，等：Hamilton圈問題的分子信標(biāo)檢測模型安徽理工大學(xué)學(xué)報（自然科學(xué)版）第36卷第36卷第1期安徽理工大學(xué)學(xué)報（自然科學(xué)版）Vol.36No.1

2016年1月Journal of Anhui University of Science and Technology（Natural Science）Jan.2016