基于Gologit模型的地鐵事故嚴(yán)重程度影響因素研究

王甜甜 李 偉副教授

(首都經(jīng)濟(jì)貿(mào)易大學(xué) 管理工程學(xué)院，北京 100070)

0 引言

隨著中國(guó)城市體量不斷擴(kuò)張，地鐵作為城市內(nèi)重要交通工具，其通車?yán)锍桃仓鹉昱噬?。與此同時(shí)，事故突發(fā)、受眾廣泛、危害多元、應(yīng)急困難等地鐵風(fēng)險(xiǎn)特質(zhì)都直接影響著地鐵安全。因此，切實(shí)提高地鐵運(yùn)營(yíng)安全刻不容緩。國(guó)內(nèi)外學(xué)術(shù)界對(duì)其給予極大關(guān)注，主要表現(xiàn)在2個(gè)方面：一是從地鐵安全系統(tǒng)角度：2004年，李為為等最先提出應(yīng)綜合考慮“人員—設(shè)備—管理—應(yīng)急”的地鐵運(yùn)營(yíng)安全系統(tǒng)，為地鐵安全系統(tǒng)的定性分析奠定基礎(chǔ)；2007年，國(guó)外學(xué)者Beugin等首次將定量概率模型引入地鐵系統(tǒng)的安全評(píng)估中，具體模擬預(yù)測(cè)主要憑借蒙特卡羅模型的計(jì)算框架；李銘輝基于對(duì)地鐵運(yùn)營(yíng)系統(tǒng)中危險(xiǎn)因素的辨識(shí)，結(jié)合定性和定量分析方法，探索適用于我國(guó)地鐵運(yùn)營(yíng)現(xiàn)狀的安全綜合評(píng)價(jià)程序；Azadeh A等結(jié)合AHP與數(shù)據(jù)包絡(luò)分析法得出地鐵運(yùn)營(yíng)集成模型，并將其應(yīng)用于地鐵運(yùn)營(yíng)系統(tǒng)中的安全管理。二是從主要風(fēng)險(xiǎn)因素角度：2004年，Reilly等首次提出通過(guò)對(duì)關(guān)鍵風(fēng)險(xiǎn)因素的預(yù)測(cè)分析，探究其對(duì)事故傷害程度的影響機(jī)理，從而有針對(duì)性地研究這些關(guān)鍵危險(xiǎn)有害因素的作用路徑；2005年，國(guó)內(nèi)學(xué)者代寶乾等最先從地鐵事故內(nèi)部和外部2大影響因素切入，并分別于內(nèi)外部因素的定義、范圍及影響機(jī)理等方面著重進(jìn)行了主要風(fēng)險(xiǎn)因素的危險(xiǎn)度計(jì)算；李偉等研究發(fā)現(xiàn)地鐵事故幾乎都是各傷害特征之間相互交叉作用，提出采用系統(tǒng)聚類方法探索新的事故類別構(gòu)成，并加以重點(diǎn)預(yù)防干預(yù)；萬(wàn)欣等基于案例庫(kù)，運(yùn)用Petri網(wǎng)構(gòu)建由乘客異常行為導(dǎo)致地鐵運(yùn)營(yíng)事故的致因關(guān)系模型，進(jìn)而識(shí)別出其作用的關(guān)鍵路徑。

上述研究成果對(duì)地鐵安全起到重要作用，但大多研究停留于不同傷害橫向?qū)用娴钠饰雠c對(duì)策措施的提出，對(duì)于地鐵事故傷害程度的縱向研究卻存在不足。因此，本文將探尋地鐵運(yùn)營(yíng)事故中各致因因素對(duì)其不同傷害等級(jí)的影響規(guī)律，針對(duì)性地提出改善措施，以控制地鐵不安全事故的發(fā)生并提升地鐵管理部門的安全管控水平。

1 廣義有序Logit模型

依據(jù)現(xiàn)有地鐵事故數(shù)據(jù)因變量的有序特征，為探尋各影響因素與地鐵事故傷害嚴(yán)重程度的潛在規(guī)律，引入有序響應(yīng)模型進(jìn)行分析。常見(jiàn)的有序Logit模型是二項(xiàng)Logit模型的擴(kuò)展，多用于有序的多分類離散型變量。其表達(dá)式如下：

P

(

Y

>

j

)=

g

(

X

β

)

(1)

式中：

P

(*)—事故傷害嚴(yán)重等級(jí)的發(fā)生概率；

j

—嚴(yán)重等級(jí),

j

=1,2,…,

M

-1；

Y

—第

i

起事故的傷害嚴(yán)重等級(jí)；

X

—第

i

起事故的自變量；

β

—

X

的系數(shù)；

a

—第

j

個(gè)傷害等級(jí)的常數(shù)項(xiàng)。但傳統(tǒng)的有序Logit模型有顯著不足，即其自變量系數(shù)

β

在各有序等級(jí)中必須相同，因而局限了模型的適用。為此放寬成比例假設(shè)條件，引入其改進(jìn)模型——廣義有序Logit(Generalized Ordered Logit，Gologit)模型，表達(dá)式如下：

P

(

Y

>

j

)=

gX

β

)

(2)

其中，

β

為第

j

等級(jí)的自變量系數(shù)，根據(jù)模型的劃分等級(jí)而變化。Gologit模型的不同事故傷害水平

Y

的概率計(jì)算如下：

P

(

Y

=

j

)=1-

g

(

X

β

),

j

=1

(3)

P

(

Y

=

j

)=

g

(

X

β

-1)-

g

(

X

β

),

j

=2,…,

M

-1

(4)

P

(

Y

=

j

)=

g

(

X

β

-1)，

j

=

M

(5)

Stata15.0是常用的數(shù)理統(tǒng)計(jì)分析軟件，這款軟件能夠?qū)崿F(xiàn)數(shù)據(jù)分析、數(shù)據(jù)管理和繪制專業(yè)圖表等功能，本文運(yùn)用該軟件分別對(duì)有序Logit模型和Gologit模型進(jìn)行回歸分析，并進(jìn)行邊際效應(yīng)值計(jì)算。

2 實(shí)例分析

2.1 數(shù)據(jù)準(zhǔn)備

2.1.1 數(shù)據(jù)來(lái)源

研究數(shù)據(jù)來(lái)源于某市地鐵安全生產(chǎn)責(zé)任保險(xiǎn)案件報(bào)表，調(diào)取2017年11月1日-2018年10月31日期間的地鐵事故數(shù)據(jù)。該數(shù)據(jù)庫(kù)包含性別、年齡、季度、時(shí)間、線路、具體位置、事件原因、傷害類型及其嚴(yán)重程度等指標(biāo)變量，在數(shù)據(jù)建模前首先對(duì)原始數(shù)據(jù)預(yù)處理，剔除有缺失項(xiàng)及無(wú)法認(rèn)定的事故樣本，最終篩選出1 180起事故記錄。

2.1.2 研究因素的提取與分析

本事故記錄中，統(tǒng)計(jì)內(nèi)容主要包含人員、人員行為、設(shè)備及環(huán)境等4類信息；事故傷害水平確定為4個(gè)等級(jí)：死亡、重傷、輕傷及無(wú)傷害。由于死亡事故的樣本量?jī)H有2起，占比不足1%，因此在建模過(guò)程中將死亡和重傷一并考慮作重傷，即用作數(shù)據(jù)建模的事故傷害水平可分為3個(gè)等級(jí)：重傷(59起)、輕傷(472起)及無(wú)傷害(649起)。在建模分析中，事故傷害水平作為因變量，各致因因素作為備選自變量，變量解釋及描述性統(tǒng)計(jì)，見(jiàn)表1。

表1 模型變量的定義與描述性統(tǒng)計(jì)Tab.1 The definition and descriptive statistics of model variables

2.2 分析有序Logit模型

2.2.1 參數(shù)估計(jì)

借助計(jì)算機(jī)軟件Stata15.0對(duì)有序Logit模型進(jìn)行回歸分析。自變量的篩選選取混合逐步選擇法，經(jīng)逐步回歸得出的性別、年齡、身體原因、扶穩(wěn)、行李原因、搶趕時(shí)間、與異物發(fā)生磕/壓、緊急制動(dòng)、事件時(shí)間、事件地點(diǎn)、地面條件、人多擁擠和多種設(shè)備故障等變量與事故傷害程度呈顯著相關(guān)，見(jiàn)表2。

表2 有序Logit模型標(biāo)定結(jié)果Tab.2 The calibration results of the Ordered Logit model

2.2.2 成比例假設(shè)檢驗(yàn)

有序Logit模型是假設(shè)所有觀察值的隨機(jī)誤差項(xiàng)具有相同方差，也就是回歸系數(shù)保持一致，僅在臨界點(diǎn)出現(xiàn)變化，這種現(xiàn)象就是Logit模型的平行線假設(shè)?？赏ㄟ^(guò)卡方檢驗(yàn)進(jìn)行判定，檢驗(yàn)結(jié)果若有顯著差異，則拒絕零假設(shè)，也就是有序Logit模型不適用。經(jīng)計(jì)算得到

X

=241.755，自由度為30，顯著性概率為0.000<0.05，可見(jiàn)不滿足成比例假設(shè)檢驗(yàn)，則所建立的有序Logit模型無(wú)效。通過(guò)松弛所有變量的平行假設(shè)，進(jìn)一步引出Gologit模型。平行假設(shè)檢驗(yàn)結(jié)果，見(jiàn)表3。

表3 卡方檢驗(yàn)結(jié)果Tab.3 Chi-square test results

2.3 Gologit模型

2.3.1 參數(shù)估計(jì)

選取混合逐步選擇法，提取出顯著變量，顯著性水平假定為0.05，具體應(yīng)用Stata15.0外部命令Gologit2實(shí)現(xiàn)。根據(jù)表4的回歸結(jié)果得到性別、年齡、身體原因、扶穩(wěn)、行李原因、搶趕時(shí)間、事件時(shí)間、事件地點(diǎn)、地面條件、人多擁擠及多種設(shè)備故障等16個(gè)變量與事故傷害程度呈顯著相關(guān)，這與有序Logit模型中的一致。但Gologit模型能夠體現(xiàn)出相同變量對(duì)不同事故水平的影響有所不同，比如老幼群體會(huì)顯著增加事故水平為重傷的概率，檢驗(yàn)值

P

=0.013，表明老幼群體對(duì)地鐵事故傷害程度有影響的置信度已經(jīng)達(dá)到99%，而對(duì)于輕傷或無(wú)傷害概率影響不大。

表4 Gologit模型標(biāo)定結(jié)果Tab.4 The calibration results of the Gologit model

2.3.2 模型有效性檢驗(yàn)

對(duì)比分析所建立的2種模型，并評(píng)估模型的有效性。利用偽

R

及赤池信息量準(zhǔn)則(Akaike Information Criterion，AIC)值檢驗(yàn)地鐵事故Gologit模型的擬合優(yōu)度。在回歸建模分析中，AIC值越小且偽

R

值越大，該模型的擬合優(yōu)度就更高。根據(jù)表5結(jié)果，Gologit模型的偽

R

值大于有序Logit模型的相應(yīng)值，AIC值也更小，表明Gologit模型用于探索各致因要素對(duì)地鐵事故傷害水平的影響更具優(yōu)勢(shì)。因此，本文只進(jìn)一步研究Gologit模型的回歸結(jié)果。

表5 模型擬合優(yōu)良性檢驗(yàn)Tab.5 The model fitting goodness test

2.3.3 地鐵事故模型邊際效用分析

由于Gologit模型的回歸結(jié)果只反映各致因因素對(duì)不同事故傷害水平的作用趨勢(shì)，難以定量闡述其影響程度。對(duì)此，在上述估計(jì)的基礎(chǔ)上進(jìn)一步分析各要素的邊際效應(yīng)。Gologit模型的邊際效應(yīng)是指：其他變量保持不變時(shí)，某自變量的變動(dòng)對(duì)個(gè)體選擇某項(xiàng)特定類別概率的影響。通過(guò)邊際效應(yīng)分析，能夠了解各致因因素如何改變事故傷害水平的概率。為簡(jiǎn)化計(jì)算，本文應(yīng)用MEMs(Marginal Effects at the Means)表示在其他變量取均值時(shí)自變量變化對(duì)因變量取值概率的影響，具體結(jié)果見(jiàn)表6。

In conclusion, pain in pancreatic cancer has a complex physiopathology. It eminently implies a neuronal invasion and a neurogenic inflammation.

表6 Gologit模型中因子的邊際效用Tab.6 The marginal utility of factors in the Gologit model

3 影響特性分析及建議措施

3.1 人員特性

根據(jù)回歸結(jié)果，人員的各項(xiàng)特征會(huì)顯著影響地鐵事故的傷害水平，包括性別、年齡等。首先，從性別來(lái)看，相較于女性，男性乘客遭遇地鐵不安全事故的概率更高。由邊際效應(yīng)分析可以得出，男性發(fā)生輕傷、重傷事故概率均會(huì)增加，表明在地鐵事故中，女性行為較為謹(jǐn)慎，從而降低事故概率。從年齡來(lái)看，對(duì)于老幼群體來(lái)說(shuō)，由于其自身身體素質(zhì)欠缺，反應(yīng)遲鈍，平衡協(xié)調(diào)性要比年輕人差很多，對(duì)于可能出現(xiàn)突發(fā)情況的警覺(jué)性大大降低，易受傷甚至重傷率較高。由邊際效應(yīng)分析可以看出其發(fā)生重傷的概率比年輕人高出0.72%，而輕傷概率也要高出1.67%。由于身體原因?qū)е碌罔F事故概率顯著上漲，具體重傷、輕傷的事故概率分別增長(zhǎng)1.43%與3.30%，主要不適原因包括受害者本身為病、殘、孕群體或者服用其他藥物(比如復(fù)方感冒藥，副作用就是致困)，所以較易發(fā)生事故。因此，這類弱勢(shì)群體應(yīng)不斷加強(qiáng)事故防范意識(shí)，留心地鐵內(nèi)外部狀況及相應(yīng)的消防安全設(shè)備設(shè)施，如有必要應(yīng)在家人陪同下出行，如遇身體不適，請(qǐng)勿獨(dú)自乘坐地鐵。

3.2 人員行為特性

由Gologit模型回歸結(jié)果顯示：第一，站好扶穩(wěn)能夠有效降低事故發(fā)生概率，其中重傷、輕傷事故概率分別可降低3.3%、5.5%，且很大一部分事故發(fā)生在自動(dòng)扶梯位置，事故形態(tài)包括女乘客裙邊卷入運(yùn)行中的電梯縫隙，推著購(gòu)物車、行李箱，甚至是嬰兒車乘坐自動(dòng)扶梯等，再加上安全意識(shí)薄弱，沒(méi)有扶穩(wěn)，最終釀成悲劇。第二，在地鐵運(yùn)行過(guò)程，由于啟?；蛘呒眲x急停，若沒(méi)有扶穩(wěn)，易發(fā)生事故，因此應(yīng)注意列車在運(yùn)行中的循環(huán)公益廣播提示。第三，攜帶行李會(huì)使重傷事故概率增加1.15%，輕傷事故概率增加3.17%，因此應(yīng)盡量避免攜帶大件行李以及飄帶過(guò)長(zhǎng)的包、袋等，這不僅容易夾在閘機(jī)、屏蔽門、電梯等縫隙中，大件行李在移動(dòng)過(guò)程還會(huì)影響他人行動(dòng)，造成擁堵。第四，乘客搶趕時(shí)間會(huì)使重傷、輕傷事故概率分別增加1.44%、2.90%，這是因?yàn)樵诩痹隊(duì)顟B(tài)下，地鐵即將運(yùn)行時(shí)乘客也會(huì)急沖上車，導(dǎo)致與屏蔽門發(fā)生擠壓或碰撞，也有部分大人小孩同時(shí)過(guò)閘機(jī)，會(huì)由于時(shí)間緊促而發(fā)生擠壓。因此，地鐵方應(yīng)嚴(yán)格確保每日安檢，將異物、突出物等不安全因素排查到位，防止乘客與其產(chǎn)生碰、刮、擦等事故，還應(yīng)大力倡導(dǎo)乘車道德，嚴(yán)格遵從地鐵乘坐規(guī)則，減少事故發(fā)生，乘客方也應(yīng)冷靜出行，留意身邊環(huán)境的安全隱患。

3.3 設(shè)備特性

本文所指設(shè)備包括列車、電梯、站臺(tái)屏蔽門以及閘機(jī)等。第一，列車在緊急制動(dòng)情況下，會(huì)導(dǎo)致重傷事故概率上升6.84%，輕傷事故概率上升2.85%，引起列車緊急制動(dòng)的情況諸多，如信號(hào)故障、誤動(dòng)駕駛模式開(kāi)關(guān)、軌旁設(shè)備影響等。通常，列車通過(guò)緊急制動(dòng)以保障危急境況下的順利運(yùn)行，但仍易引發(fā)大規(guī)模晚點(diǎn)，甚至導(dǎo)致乘客身體嚴(yán)重?fù)u晃而摔傷，更嚴(yán)重可能導(dǎo)致重傷事故。第二，電梯故障導(dǎo)致重傷和輕傷的事故概率分別增加7.77%、4.26%，表明電梯故障是地鐵事故中常見(jiàn)且致傷率較高的安全影響因素，因此應(yīng)加強(qiáng)機(jī)電等設(shè)備的日常維保，增強(qiáng)文明乘梯意識(shí)。第三，站臺(tái)屏蔽門故障導(dǎo)致重傷和輕傷的事故概率分別增加1.92%、6.77%，更易導(dǎo)致輕傷事故的發(fā)生，其主要原因是在屏蔽門處發(fā)生衣物、包袋等的夾帶，重傷則是人體部位的不慎擠壓。第四，乘客違規(guī)攀爬、穿越、擅自進(jìn)入違禁區(qū)的設(shè)備設(shè)施易導(dǎo)致傷害案件，且多發(fā)生于早晚客流高峰期，除乘客規(guī)則意識(shí)淡薄、客流量上升等原因外，部分自動(dòng)化裝置的使用失當(dāng)也是一個(gè)潛在風(fēng)險(xiǎn)。綜上，列車故障導(dǎo)致重、輕傷的事故概率會(huì)增加4.70%、2.17%，尤其在乘客過(guò)量，列車出現(xiàn)故障容易引起群傷事件。由邊際效應(yīng)分析可知，設(shè)備因素導(dǎo)致的地鐵乘客人身?yè)p害事故相對(duì)多發(fā)，更多是由于乘客自身原因，其事故嚴(yán)重程度也較低；而地鐵運(yùn)營(yíng)方引發(fā)的傷害，更易導(dǎo)致重傷事故的發(fā)生，這也是近年客運(yùn)服務(wù)糾紛增多的一個(gè)主要原因。

3.4 環(huán)境特性

環(huán)境特性包含事件時(shí)間、事件地點(diǎn)、地面條件、人流是否擁擠等影響因素，在此逐一分析。首先，相比其他時(shí)間段，在上下班高峰期會(huì)導(dǎo)致重、輕傷事故概率分別增加3.86%、7.97%，分析得出：由于這2個(gè)時(shí)間段人們上班心急、回家心切，造成上下班高峰期地鐵流量的驟然增長(zhǎng)，電梯負(fù)荷過(guò)重，列車內(nèi)擁擠等極易引起事故，因此地鐵運(yùn)營(yíng)方應(yīng)加強(qiáng)這2個(gè)時(shí)間段的乘客引流工作。其次，地鐵事故更易發(fā)生在電梯，包括自動(dòng)扶梯和升降直梯，與其他事故地點(diǎn)相比，乘梯傷害會(huì)導(dǎo)致重、輕傷事故概率分別增長(zhǎng)3.56%、6.26%，因此地鐵運(yùn)營(yíng)方要進(jìn)一步加強(qiáng)安全乘梯宣傳和服務(wù)改進(jìn)。再次，地面是否干燥整潔、有無(wú)異物也對(duì)地鐵事故有著顯著影響，濕滑地面容易引起摔傷事故，地鐵運(yùn)營(yíng)方應(yīng)加強(qiáng)衛(wèi)生巡檢與地面整理工作。最后，地鐵內(nèi)擁擠情況下會(huì)導(dǎo)致重、輕傷事故概率分別增加1.80%、2.87%，擁擠狀態(tài)下地鐵內(nèi)幾近飽和狀態(tài)，容易出現(xiàn)擁擠致傷、進(jìn)出車廂時(shí)擠傷，甚至發(fā)生因擁擠導(dǎo)致站內(nèi)乘客吵架斗毆等第三方責(zé)任損害的事件。對(duì)此，建議乘客尤其在早高峰時(shí)期勿空腹擠地鐵，容易產(chǎn)生低血糖頭暈等現(xiàn)象；在擁擠時(shí)盡量做到排隊(duì)謙讓，避免引發(fā)踩踏等惡性事故。

4 結(jié)論

利用既有事故數(shù)據(jù)庫(kù)，從人員、人員行為、設(shè)備因素和環(huán)境因素4個(gè)方面中選出16個(gè)變量，構(gòu)建傳統(tǒng)有序Logit和Gologit 2種反應(yīng)模型，探尋影響地鐵事故嚴(yán)重水平的致因因素，得到如下結(jié)論：

(1)Gologit模型結(jié)果表明：老幼群體、上下班雙峰期、是否扶穩(wěn)、緊急制動(dòng)、電梯故障、閘機(jī)故障及列車故障顯著影響地鐵事故嚴(yán)重程度，且各顯著因素對(duì)不同等級(jí)事故嚴(yán)重水平的影響有差別。

(2)依據(jù)模型的有效性檢驗(yàn)和擬合優(yōu)度，Gologit模型優(yōu)于傳統(tǒng)有序Logit模型；與傳統(tǒng)有序模型相比，Gologit模型放松了傳統(tǒng)有序模型須滿足平行線假設(shè)這一條件，對(duì)現(xiàn)有事故數(shù)據(jù)有更大的適用性。

(3)本文基于國(guó)內(nèi)某地鐵事故數(shù)據(jù)庫(kù)，對(duì)研究我國(guó)地鐵事故傷害的致因因素具有一定借鑒意義?？紤]到部分致因要素可能未代入模型中，例如時(shí)段客流量、出行工具選擇意愿等，因此下一步研究應(yīng)完善和精確相關(guān)數(shù)據(jù)，將變量更加詳細(xì)地分類，并試用更多的計(jì)算及檢驗(yàn)方法優(yōu)化模型。