電動自行車駕駛?cè)藗乐爻潭扔绊懸蛩匮芯?/h1>

2021-09-01 10:37:54王長帥董傲然

武漢理工大學學報(交通科學與工程版)訂閱 2021年4期 收藏

關(guān)鍵詞：回歸系數(shù)機動車電動

秦 丹 張 斌 王長帥 董傲然 朱 彤

(長安大學運輸工程學院1) 西安 710064) (陜西省公安廳交警總隊2) 西安 710064)(東南大學交通學院3) 南京 210096)

0 引 言

電動自行車以其便捷、環(huán)保等特性給人們的生活帶來方便的同時也引起了一些交通安全問題，電動自行車駕駛?cè)俗鳛榻煌ㄖ械娜鮿莸缆肥褂谜?，在事故中更容易受傷或者死亡[1].

針對電動自行車事故的研究國外起步較早并取得了一定的成果.Zambon等[2]基于多變量逐步邏輯回歸分析了個體、環(huán)境、車輛、碰撞屬性與電動自行車事故嚴重程度之間的關(guān)系，發(fā)現(xiàn)飲酒、交通環(huán)境、限速、碰撞類型等因素與事故嚴重程度顯著相關(guān).Haustein等[3]利用685名電動自行車用戶的調(diào)查數(shù)據(jù)進行研究，發(fā)現(xiàn)電動自行車駕駛?cè)四挲g、性別、騎行風格等因素與電動自行車的安全性顯著相關(guān).Schepers等[4]使用邏輯分析來比較電動自行車和傳統(tǒng)自行車發(fā)生撞車的風險，結(jié)果表明，電動自行車騎行者更容易發(fā)生車禍.由于國內(nèi)外的道路交通情況存在較大的差異，國外學者的研究成果不一定能應用于提升中國電動自行車駕駛?cè)说牡缆方煌ò踩?，為此有必要結(jié)合中國的實際情況展開研究.

國內(nèi)學者也對電動自行車事故展開了相關(guān)的研究.Ma等[5]利用結(jié)構(gòu)方程模型和BP模型對問卷調(diào)查得到的數(shù)據(jù)進行分析，結(jié)果表明超速行駛、闖紅燈、違規(guī)載人、逆行是電動自行車的主要危險駕駛行為.Bai等[6]收集了昆明20個地點的實地數(shù)據(jù)來確定影響交叉口處電動自行車和機動車之間交通沖突的因素，研究表明：機動車在交叉口發(fā)生沖突時起了更重要的作用.Guo等[7]通過研究發(fā)現(xiàn)性別、電動自行車行為和速度限制對電動自行車事故嚴重程度具有異質(zhì)性的影響.

目前國內(nèi)關(guān)于事故中電動自行車駕駛?cè)藗乐爻潭扔绊懸蛩氐难芯枯^少，主要的研究方法為統(tǒng)計分析模型，包括多項式logit模型、有序logit模型、廣義有序logit模型等.通常駕駛?cè)说膫乐爻潭确譃樗劳觥⒅貍?、輕傷及無傷害等有序類別，采用有序logit模型展開分析較為合理，但有序logit模型有比例優(yōu)勢假設的限制，利用有序logit模型展開分析可能會導致錯誤的參數(shù)估計和有偏差的推斷結(jié)果，而廣義有序logit模型可以克服有序logit模型的不足，在保持傷害嚴重程度有序性的同時放寬了比例優(yōu)勢假設，具有更好的適用性.

文中基于2006—2017年間某市2 943起機動車與電動自行車碰撞事故，采用廣義有序logit模型對影響事故中電動車駕駛?cè)藗乐爻潭鹊囊蛩卣归_研究，為減輕事故中電動車駕駛?cè)耸軅潭?，改善道路交通安全水平提供理論依?jù).

1 變量選擇

1.1 因變量的選擇與定義

因變量為電動自行車駕駛?cè)说膫乐爻潭龋煌ㄊ鹿手腥藛T的傷殘等級由輕至重劃分為：無傷害、輕傷、重傷、死亡.本研究用于分析的事故數(shù)據(jù)中“無傷害”這一類別的事故起數(shù)僅有16起，僅占全部事故的0.54%，為了確保分析結(jié)果的準確性，剔除該類型事故，最終篩選出2 943起機動車-電動自行車碰撞事故用于研究.將電動自行車駕駛?cè)说氖軅麌乐爻潭确譃樗劳?、重傷與輕傷并依次編碼為：Y=1為死亡，Y=2為重傷，Y=3為輕傷，事故起數(shù)和占比分別為301起(10.2%)，465起(15.8%)，2 177起(74%).

1.2 自變量的選擇與定義

自變量的描述及定義見表1.

由表1可知，本研究中的自變量均為分類變量，其中如性別等二分類變量可以直接代入模型進行分析.另外如年齡等變量為多分類變量不能直接帶入模型進行分析，為了明確各類別對因變量的影響情況，需設置虛擬變量.當類別數(shù)m≥3時，需要設置m-1個虛擬變量.以機動車輛類型為例(x10)介紹虛擬變量的設置方法，以摩托車為參照類，引入3個虛擬變量，結(jié)果見表2.

表1 自變量描述及取值

表2 機動車輛類型的虛擬變量設置

2 研究方法

2.1 廣義有序logit模型

廣義有序logit模型在保持傷害嚴重程度有序性的同時放寬了比例優(yōu)勢假設，其回歸系數(shù)對電動自行車駕駛?cè)烁魇軅麌乐爻痰燃壙梢圆煌?設有序因變量有M個類別，其廣義有序logit模型的表達式為

j=1,2,…,M-1

(1)

式中：P(*)為某一等級電動自行車駕駛?cè)藗乐爻潭劝l(fā)生的概率；αj為第j個等級的截距；βj為第j個等級的回歸系數(shù)向量.因此，廣義有序logit模型的概率模型為

P(Yi=1│X)=1-g(Xiβ1)

(2)

P(Yi=j│X)=g(Xiβj-1)-g(Xiβj)

j=2,3,…,M-1

(3)

P(Yi=M│X)=g(XiβM-1)

(4)

對于具有3種可能結(jié)果的因變量，可以通過將3個結(jié)果水平分為2組來進行比較分析.對于j=1時，代表著結(jié)果水平1與結(jié)果水平2和3進行對比；j=2時，代表著水平1和2與結(jié)果水平3進行對比.

2.2 彈性分析

由于廣義有序logit模型的參數(shù)估計只能定性地反映自變量對某個類別的影響情況，本文將采用平均彈性系數(shù)來評估顯著自變量對電動自行車駕駛?cè)耸軅麌乐爻潭鹊挠绊懘笮8].第j個電動自行車駕駛?cè)藗Τ潭认嚓P(guān)的第k個顯著自變量的彈性系數(shù)表達式為

(5)

式中：Xjk為與第j個電動自行車駕駛?cè)藗乐爻潭认嚓P(guān)的第k個顯著自變量.

當自變量為二分類變量時，因為變量不是連續(xù)的，無法對觀測變量的概率進行微分來計算平均彈性值，因此可用式(6)來計算二分類變量的偽彈性系數(shù)[9].

(6)

3 結(jié)果與討論

利用統(tǒng)計分析軟件STATA16.0中的gologit2程序進行廣義有序logit模型的統(tǒng)計分析，取顯著性水平，當某一自變量p的值小于0.05時，說明該自變量對于因變量有著顯著影響；若某一自變量p的值大于0.05時，則將其剔除，結(jié)果見表3.顯著變量的彈性分析結(jié)果見表4.

表3 廣義有序logit模型的參數(shù)估計

3.1 駕駛?cè)颂匦苑治?/h3>

1)機動車駕駛?cè)颂匦?機動車駕駛?cè)说哪挲g為(≥56歲)在第二級中顯著，回歸系數(shù)為0.859，表明與年齡小于25歲的機動車駕駛?cè)讼啾龋撃挲g段的機動車駕駛?cè)嗽谂鲎彩鹿手袑е码妱幼孕熊囻{駛?cè)耸苤貍目赡苄暂^低，由表4可知電動自行車駕駛?cè)嗽馐苤貍母怕式档土?4.6%.機動車駕駛?cè)说鸟{齡為[7,10]在第二級中顯著且系數(shù)為正，表明與駕齡小于兩年的駕駛?cè)讼啾?，駕齡在7～10年間的機動車駕駛?cè)耸闺妱幼孕熊囻{駛?cè)嗽馐苤貍母怕式档土?.9%.

表4 廣義有序logit模型中顯著影響因素的彈性分析 單位：%

2)電動自行車駕駛?cè)颂匦?男性車駕駛?cè)嗽诘诙壷酗@著且回歸系數(shù)為0.305，與女性相比，男性駕駛?cè)嗽谂鲎彩鹿手邪l(fā)生輕傷事故的概率更高，結(jié)合彈性分析的結(jié)果可知男性駕駛?cè)嗽谂鲎仓邪l(fā)生重傷和死亡事故的概率分別降低了2.0%和2.7%.電動車駕駛?cè)四挲g為(26,55]在第二級中顯著，回歸系數(shù)為-0.305，其在事故中發(fā)生重傷和死亡的概率分別增加了4.1%和1.0%；

駕駛?cè)四挲g(≥56歲)在兩個等級中都顯著且均為負值，該年齡段的駕駛?cè)嗽谑鹿手性馐芩劳龊椭貍娘L險分別增加了3.7%和7.4%.

3)事故責任方 雙方均有責任在第一級中顯著且回歸系數(shù)為-0.724，表明當雙方都需承擔事故責任時，電動自行車駕駛?cè)税l(fā)生死亡的概率增加5.7%.

4)機動車駕駛?cè)说倪`規(guī)行為 機動車駕駛?cè)诉`反交通信號在第二級中顯著且回歸系數(shù)為0.754，當機動車駕駛?cè)诉`反交通信號時，電動自行車駕駛?cè)嗽馐車乐厥鹿实母怕瘦^低，與其他違規(guī)行為相比，其死亡和重傷事故的概率分別降低了0.9%和10.9%.機動車駕駛?cè)宋窗匆?guī)定讓行在第一級中顯著，回歸系數(shù)為正值，說明在該事故原因下電動自行車駕駛?cè)烁鼉A向于發(fā)生輕傷.機動車駕駛?cè)藷o證駕駛也在第一級中顯著，回歸系數(shù)為-1.320，表明機動車駕駛?cè)藷o證駕駛會顯著增加電動自行車駕駛?cè)嗽馐芩劳鍪鹿实娘L險，相應概率會增加10.5%.

3.2 機動車輛特性分析

1)機動車輛類型 小轎車、客車、貨車在第一級中的回歸系數(shù)分別為-0.965、-2.342、-2.576，表明這三種類型的機動車均會顯著增加事故中電動自行車駕駛?cè)税l(fā)生死亡傷害的概率，對應的概率分別增加了7.7%、18.7%、20.5%.此外，貨車在第二級中也顯著，回歸系數(shù)為-1.192，表明貨車還會增大電動自行車駕駛?cè)税l(fā)生重傷的風險.客、貨車使電動自行車駕駛?cè)嗽馐芩劳龅母怕曙@著高于摩托車.

2)機動車輛行駛狀態(tài) 機動車左轉(zhuǎn)在第二級中的回歸系數(shù)為1.326，表明與直行相比，機動車左轉(zhuǎn)時電動自行車駕駛?cè)税l(fā)生嚴重事故的可能性較低，發(fā)生重傷和死亡的概率分別降低了16.0%和4.7%；機動車右轉(zhuǎn)在兩個等級中的系數(shù)分別為-0.512和0.776，彈性分析的結(jié)果表明機動車右轉(zhuǎn)使電動自行車駕駛?cè)税l(fā)生死亡的概率增加了4.1%，發(fā)生輕傷的概率增加了12.1%.

3.3 道路特性分析

交通信號控制方式其回歸系數(shù)為0.724，表明當?shù)缆飞嫌忻黠@的交通控制信號時，電動自行車駕駛?cè)嗽谂鲎仓邪l(fā)生嚴重傷害的風險較低，其遭受重傷和死亡的概率分別降低了9.5%和1.8%.行道樹在第二級中的回歸系數(shù)為0.676，行道樹使駕駛?cè)嗽谑鹿手性馐苤貍退劳龅母怕史謩e降低了9.4%和1.1%.水泥路面在第一級中的回歸系數(shù)為-0.664，與瀝青路面相比，在水泥路面上發(fā)生駕駛?cè)怂劳龅氖鹿矢怕试黾恿?.3%.

路口路段類型在第二級顯著且回歸系數(shù)為-0.617，表明當事故發(fā)生在交叉口時電動自行車駕駛?cè)税l(fā)生重傷和死亡的概率分別增加了7.1%和2.5%.彎道在第一級中的回歸系數(shù)為-0.770，說明與平直路相比，在彎道上電動自行車駕駛?cè)嗽馐芩劳鍪鹿实母怕试黾恿?.1%；坡道在第二級的回歸系數(shù)為1.711，表明在坡道上電動自行車駕駛?cè)税l(fā)生重傷和死亡的概率分別降低了17.7%和9.0%.

3.4 環(huán)境特性分析

能見度在200 m以上時，駕駛?cè)嗽馐茌p傷的風險較高，發(fā)生嚴重傷害的風險較低，彈性分析的結(jié)果表明能見度在200 m以上時，電動自行車駕駛?cè)税l(fā)生重傷和死亡的概率分別降低了11.8%和0.7%.夜間有路燈照明僅在第二級中顯著且系數(shù)為-0.476，表明與白天相比，夜間有路燈照明的情況下，電動自行車駕駛?cè)嗽谑鹿手性馐苤貍退劳龅母怕史謩e增加了4.9%和2.4%.

4 結(jié) 論

1)論文利用廣義有序logit模型從人、車輛、道路和環(huán)境四個方面對2 943起機動車-電動自行車碰撞事故中進行分析，機動車駕駛?cè)四挲g和駕齡、電動自行車駕駛?cè)诵詣e和年齡、事故責任方、機動車駕駛?cè)说倪`規(guī)行為、機動車輛類型、機動車行駛狀態(tài)、交通控制信號方式、路側(cè)防護設施類型、路面結(jié)構(gòu)、路口路段類型、道路線型、能見度、照明條件15個變量顯著影響機動車-電動自行車碰撞事故中電動自行車駕駛?cè)说膫乐爻潭?

2)根據(jù)本文的研究結(jié)果，提出以下改進措施:有關(guān)部門應加強對駕駛?cè)说慕逃嘤?，提高其交通安全意識；針對駕駛?cè)说倪`法行為，加大懲罰力度；設置隔離設施，使電動自行車遠離客、貨車的行駛車道；規(guī)范貨車和客車在城市內(nèi)的行駛路線，避免其通過交通流密集的場所，限制客車出入市區(qū)的時間段；改善交通基礎(chǔ)設施，如在路側(cè)增設防護設施、增加彎道處的路側(cè)凈空以及改善夜間的照明條件等.

3)雖然本研究取得了一定成果，但仍存以下不足：①由于數(shù)據(jù)的缺失，一些可能影響駕駛?cè)耸軅麌乐爻潭鹊囊蛩夭⑽丛诒疚闹羞M行分析，比如車速、駕駛員是否酒駕等，在未來的研究中會進一步完善；②本研究發(fā)現(xiàn)天氣狀況等變量對電動自行車駕駛?cè)说氖軅麌乐爻潭炔淮嬖陲@著影響，而這些變量在其他研究中被認為會影響電動自行車駕駛?cè)说氖軅潭?，這可能是由未觀測到的異質(zhì)性導致的，為此在后續(xù)的研究中有必要采用更復雜的統(tǒng)計模型展開研究.

猜你喜歡

回歸系數(shù)機動車電動

讓機動車交通安全統(tǒng)籌更

公民與法治(2022年7期)2022-07-22 07:12:22

由一起廠內(nèi)機動車事故引發(fā)的思考

中國特種設備安全(2022年1期)2022-04-26 14:16:30

電動自行車

小讀者(2021年2期)2021-03-29 05:03:20

鐵路機動車管理信息系統(tǒng)

電子制作(2019年24期)2019-02-23 13:22:30

純電動重卡展會遇冷

汽車觀察(2018年10期)2018-11-06 07:05:28

多元線性回歸的估值漂移及其判定方法

統(tǒng)計與決策(2018年14期)2018-08-22 12:38:08

MINI 電動概念車

車迷(2017年10期)2018-01-18 02:10:46

基于Cruise的純電動客車動力系統(tǒng)匹配

北京汽車(2017年3期)2017-10-14 02:15:52

電導法協(xié)同Logistic方程進行6種蘋果砧木抗寒性的比較

江蘇農(nóng)業(yè)科學(2017年10期)2017-07-21 17:09:52

多元線性模型中回歸系數(shù)矩陣的可估函數(shù)和協(xié)方差陣的同時Ｂａｙｅｓ估計及優(yōu)良性

華東師范大學學報(自然科學版)(2017年1期)2017-02-27 13:41:03

武漢理工大學學報(交通科學與工程版)2021年4期

武漢理工大學學報(交通科學與工程版)的其它文章

C55自密實混凝土中MB取值的優(yōu)選區(qū)間探討

基于冪律模型的橡膠瀝青松弛模量預估

水泥穩(wěn)定碎石基層強度及影響因素相關(guān)性分析

褥墊層厚度對勁芯攪拌樁復合地基承載特性影響與優(yōu)化

PGMD選波時規(guī)范反應譜局部場地效應參數(shù)研究

機場航空器污染物排放測算的不確定性分析