基于零膨脹模型的交通事故影響因素分析

摘 要：應用零膨脹模型分析交通因素和道路特征對交通事故數(shù)和傷亡程度的影響。分別考慮了道路設施（如車道寬度、通過的車道數(shù)、路肩、中間帶、分隔帶長度、是否存在路邊停車等）和交通條件（如單車道年平均日交通量、限速）的作用。為提高交通安全水平，探尋交通安全改善措施，分析了各影響要素對年度事故數(shù)、財產(chǎn)損失事故數(shù)、輕傷事故數(shù)和外傷事故數(shù)的影響大小。

關鍵詞：道路交通事故；道路特征；事故頻率；零膨脹模型

引言

全球汽車保有量持續(xù)增多，過去30年間交通事故數(shù)及其嚴重程度呈現(xiàn)大幅增長態(tài)勢，成為嚴重危害人類安全的因素之一。近年來，發(fā)達國家交通事故死亡率已呈逐漸下降趨勢，但發(fā)展中國家同期交通事故死亡率仍然繼續(xù)增長，我國總交通事故水平雖然呈逐年下降趨勢，但是部分地區(qū)和城市的交通安全狀況仍然較為嚴峻。通過研究發(fā)達國家交通事故的成因和發(fā)展規(guī)律，可以對我國未來交通事故的預測和改善提供經(jīng)驗和借鑒。

交通事故影響因素包括人、車輛和環(huán)境因素等。在眾多因素中，多數(shù)研究分析了速度、交通密度、交通流、交通擁堵情況等交通特征與交通事故頻率及嚴重事故之間的關系，相對而言道路設施與交通事故頻率及傷亡程度關系的研究較少，且既有研究往往忽略了交通因素與道路條件之間相互影響關系。

文章在綜合考慮路段年平均日交通量等交通因素和路肩路寬等道路設施的基礎上，著重分析了限速與其它道路設施之間存在的聯(lián)系。使用美國內(nèi)布拉斯加州林肯市交通事故數(shù)據(jù)，及從Google Earth中獲得的當?shù)氐缆吩O施數(shù)據(jù)，構建計數(shù)模型分析道路特征和交通因素與不同等級損害事故的頻率之間的關系。文章第一部分回顧了相關研究成果，第二部分對數(shù)據(jù)和研究方法進行說明，第三部分分析和解釋本研究提出的模型結果，第四部分總結全文。

1 文獻綜述

國外研究較早地考慮了道路對交通事故的影響，大量已有研究分析道路特征或交通因素與事故發(fā)生概率及傷亡程度之間的關系。Matthew和Ioannis[1]研究了道路幾何條件和交通量與事故率之間的關系，發(fā)現(xiàn)兩條及以上車道的鄉(xiāng)村公路，對事故率影響最大的因素是其日均交通流量。Robert和Lyoong[2]應用負二項模型研究了道路設施和長期人口變化對交通事故的影響，發(fā)現(xiàn)除了平均車道數(shù)和平均路肩寬度外，大部分的基礎設施變量并不顯著。近幾年國內(nèi)也相繼有相關研究成果發(fā)表。王軍雷[3]等用面板數(shù)據(jù)研究了宏觀因素對交通安全的影響，分析了交通事故率同人口、經(jīng)濟發(fā)展、汽車保有量等宏觀因素之間的內(nèi)在聯(lián)系。胡立偉[4]等根據(jù)黑龍江省2006到2010年間一萬多起道路交通事故數(shù)據(jù)，從道路控制隔離防護和照明等方面，宏觀分析了典型道路交通設施對交通事故的影響。

另一個影響道路交通安全的重要因素是道路限速。大量研究顯示低限速道路更加安全[5]，換句話說，提高道路限速可能導致事故率和傷亡增加。Chris Lee[6]指出通過限速能減少5%到17%的潛在交通事故。然而Charles和Patrick證實美國各州1987年提高了縣鄉(xiāng)高速公路限速（從55mph提高到65mph），排除長期演變和經(jīng)濟因素等外因，卻導致各州高速公路交通事故死亡率降低了[7]。

2 數(shù)據(jù)和模型

2.1 數(shù)據(jù)

本研究的數(shù)據(jù)來自美國內(nèi)布拉斯加州的林肯市，記錄了從2003年到2012年的全市交通事故數(shù)據(jù)。林肯市于2014年舉辦交通事故數(shù)據(jù)分析大賽，并提供開放數(shù)據(jù)庫，鼓勵大眾提出新穎有效的交通事故分析方法。數(shù)據(jù)庫中包含了Google Earth中車道寬度、限速、是否存在路肩、路邊停車狀況、中心商業(yè)區(qū)等的數(shù)據(jù)，以及每年碰撞事故頻率的報告。這些變量及其描述如表1所示。十年間共記錄了5050起交通事故。

每一起事故都記錄了道路基礎設施的特征和交通因素。交通事故致因數(shù)據(jù)分為兩種類型，即連續(xù)變量（如年平均日交通量、車道寬度、分隔帶長度）和啞元變量（例如是否有路肩、是否有中央分隔帶、是否可以路邊停車等）。表2描述了各項因素的基本統(tǒng)計特征。由于重傷和死亡事故的數(shù)量很小，所以本研究未考慮這兩種事故類型。圖1為總事故數(shù)和各等級事故數(shù)的分布情況。

一般來說，限速對道路交通安全影響較大，且與道路設施之間具有一定相關性。統(tǒng)計各路段最大限速及事故起數(shù)，圖2顯示了不同限速水平的道路里程比例分布。圖3是不同限速水平下各級事故數(shù)的分布情況，其中35mph限速條件下的交通事故數(shù)量最高。

2.2 模型

常用的計數(shù)數(shù)據(jù)模型包含泊松模型、負二項模型（NB）、零膨脹泊松模型（ZIP）和零膨脹負二項模型（ZINB）[8]。在選擇泊松或負二項模型時需對大于零的數(shù)據(jù)進行檢驗，如果數(shù)據(jù)過于離散則負二項模型更為合適。然后通過Vuong檢驗對零膨脹模型和傳統(tǒng)計數(shù)模型進行比較。下文模型1主要分析道路設施結合交通因素年平均日交通量對事故頻率和傷亡人數(shù)的影響。模型2用來估計限速和道路設施的改變對模型1中因變量的影響。最后用似然比檢驗來比較兩個模型（含限速和不含限速模型）。

3 結果

在ZINB模型中，輕傷事故數(shù)的過離散系數(shù)？琢接近于0（？琢=0.015），而其他則明顯大于0（總事故數(shù)、財產(chǎn)損失事故數(shù)、外傷事故數(shù)的？琢值分別為0.5、0.49、0.49），且？琢的對數(shù)值不是負無窮，說明負二項模型更適合這組數(shù)據(jù)。ZIBN模型中Vuong 檢驗（無限速和有限速模型的Z統(tǒng)計量對應各因變量的值分別為：總事故數(shù)為1.6和2.38，財產(chǎn)損失事故數(shù)為1.99和2.62，外傷事故為3.81和4.36）證明零膨脹模型比傳統(tǒng)計數(shù)模型更適合。

3.1 不含限速的模型

結果顯示每車道的年平均日交通量對各因變量有較低程度的正影響，說明當年平均日交通量增大時事故數(shù)和傷亡數(shù)會輕微上漲。路邊停車會增大發(fā)生交通事故的可能性，而中心商業(yè)區(qū)會使事故數(shù)和傷亡程度有所減少。與已有研究結果結論類似的還有，路段長度和車道數(shù)對事故頻率影響為正，且雙行道比單行道引發(fā)交通事故可能性大，中間隔離帶能減少交通事故降低嚴重程度。與期望結果不符的是，在有路肩的道路上比在無路肩的道路上更易發(fā)生交通事故；總事故數(shù)和財產(chǎn)損失事故數(shù)隨車道寬度增加而減少，但外傷事故和輕傷事故隨車道寬度增加而增加。本研究中發(fā)生事故頻率最高的道路類型為城市支路。

3.2 含限速的模型

含限速模型結果顯示限速對所有因變量影響為負，說明較高限速時事故率和傷亡程度低。表3和表4相比除了車道寬度以外的其他自變量對因變量影響正負性并未改變。加入限速后，各變量影響程度或系數(shù)絕對值改變?nèi)缦拢很嚨缹挾龋?），車道數(shù)（+），路肩（+），中間帶（-），路邊停車（-），中心商業(yè)區(qū)（+），單向車道（+），路段長度（+），道路類型（-），（+）和（-）分別代表相關系數(shù)絕對值增加和減少，而單車道年平均日交通量的系數(shù)值不變。兩個模型中是否含有中間帶在95%的置信水平上均不顯著。是否有路肩僅對總事故頻率有影響，即在有路肩的道路上比無路肩道路更可能發(fā)生交通事故。有單向車道的道路發(fā)生事故的可能性較小，換句話說，單向車道是改善交通安全的要素之一。路邊停車會導致道路交通安全的惡化，車道數(shù)增加對事故數(shù)及傷亡程度的影響最為嚴重。通過改擴建或?qū)嵭幸恍┱邅碚{(diào)整車道數(shù)、路邊停車、單行道等可以使道路交通安全得到改善。比較無限速和有限速模型時根據(jù)最小AIC（Akaike information criterion）和最小BIC（Bayesian Information Criterions）準則，含有限速的模型擬合的更好。

4 結束語

文章在改善道路設施能顯著減少交通事故的假設下，研究了道路特征和交通因素如何影響事故頻率和傷亡程度。通過檢驗及參數(shù)對比，負二項零膨脹模型的擬合性最好。添加限速信息后，模型的擬合優(yōu)度有一定提升，且除年平均日交通量外各自變量參數(shù)均有一定程度的改變，限速的大小對事故率和傷亡嚴重程度產(chǎn)生顯著負影響。

參考文獻

[1]Karlaftis M G， Golias I. Effects of road geometry and traffic volumes on rural roadway accident rates[J]. Accident Analysis Prevention，2002，34（3）：357-365.

[2]Noland R B， Oh L. The effect of infrastructure and demographic change on traffic-related fatalities and crashes： a case study of Illinois county-level data[J]. Accident Analysis Prevention，2004，36（4）：525-532.

[3]王軍雷，孫小端，賀玉龍，等.基于面板數(shù)據(jù)的交通事故宏觀模型研究[J].北京工業(yè)大學學報，2012（4）：575-580.

[4]胡立偉，李耀平.典型交通設施對道路交通事故致因影響分析[J].武漢理工大學學報：交通科學與工程版，2014（1）：98-102.

[5]Pauw E D， Daniels S， Thierie M， et al. Safety effects of reducing the speed limit from 90 km/h to 70 km/h[J].Accident Analysis Prevention，2014，62（5）：426-431.

[6]Lee C， Hellinga B， Saccomanno F. Evaluation of variable speed limits to improve traffic safety[J].Transportation Research Part C Emerging Technologies，2006，14（3）：213-228.

[7]Lave C， Elias P.Did the 65 mph speed limit save lives？[J]. Accident Analysis Prevention，1994，26（1）：49-62.

[8]許正.零膨脹數(shù)據(jù)的幾種模型及應用[D].揚州大學，2014.

作者簡介：阮文德（1989-），男，碩士研究生，主要從事交通事故成因分析的研究工作。