基于Logistic的不同車型碰撞行人事故嚴(yán)重程度致因分析*

段雨陽(yáng)，何雅琴

(武漢科技大學(xué) 汽車與交通工程學(xué)院，湖北 武漢 430065)

0 引言

與其他運(yùn)輸實(shí)體相比，行人是最脆弱的交通參與者?！兜缆方煌ㄟ\(yùn)輸安全發(fā)展報(bào)告》指出全球每年死于道路交通事故的人群中，行人占總死亡人數(shù)的22%[1]。交通事故具有隨機(jī)性，但從統(tǒng)計(jì)角度可知，1個(gè)地區(qū)在較長(zhǎng)時(shí)域內(nèi)發(fā)生的交通事故特征存在一定潛在規(guī)律[2]，部分交通事故中的行人傷害并非巧合。因此，開(kāi)發(fā)有效的建模方法以分析行人傷害嚴(yán)重程度的致因機(jī)理是交通安全領(lǐng)域的重點(diǎn)。

通過(guò)對(duì)人車碰撞事故嚴(yán)重程度致因進(jìn)行分析發(fā)現(xiàn)，主要影響因素包括車速、碰撞角度和車身結(jié)構(gòu)[3]?，F(xiàn)有研究大多利用仿真平臺(tái)或邏輯回歸分析探究交通參與者狀態(tài)或碰撞速度對(duì)事故傷害風(fēng)險(xiǎn)的影響：Kong等[4]以行人年齡和碰撞速度為變量，建立行人傷害風(fēng)險(xiǎn)的多元邏輯回歸模型；Hussain等[5]運(yùn)用多元回歸模型探究車輛撞擊速度與行人死亡風(fēng)險(xiǎn)間的關(guān)系；董傲然等[6]采用部分優(yōu)勢(shì)比模型和彈性分析探究人車碰撞中行人受傷嚴(yán)重程度的相關(guān)因素；蔣陽(yáng)等[7]搭建人車碰撞仿真平臺(tái)，計(jì)算不同多元關(guān)聯(lián)因素影響下的行人運(yùn)動(dòng)學(xué)響應(yīng)及損傷程度；李丹等[8]建立人車正面碰撞仿真模型，研究行人不同運(yùn)動(dòng)狀態(tài)和車輛不同碰撞速度下行人動(dòng)力學(xué)響應(yīng)情況。

一般不同車型安全性差距很大，因此，明確不同車型在道路交通事故中的風(fēng)險(xiǎn)差異，對(duì)于調(diào)整交通管理策略和設(shè)施設(shè)計(jì)標(biāo)準(zhǔn)十分必要。牛世峰等[9]引入車輛保護(hù)性和攻擊性指標(biāo)，基于多分類有序Logit模型構(gòu)建城鄉(xiāng)結(jié)合地區(qū)7種主要車型安全性分析方法；李華等[10]以車速為變量設(shè)計(jì)仿真試驗(yàn)，探究行人與轎車、SUV及客車3種不同車型碰撞事故中頭部損傷來(lái)源；聶進(jìn)等[11]建立各類乘用車碰撞速度與行人傷亡風(fēng)險(xiǎn)的邏輯回歸模型，比較不同類型乘用車造成的事故傷亡風(fēng)險(xiǎn)；林慶豐等[12]基于Logistic模型對(duì)比分析，探究車輛間事故、人車事故和單車事故3類不同形態(tài)的公交事故嚴(yán)重程度影響因素間的異同性；楊文臣等[13]基于部分優(yōu)勢(shì)比模型和有序Logit模型，建立機(jī)動(dòng)車之間、機(jī)動(dòng)車與摩托車、機(jī)動(dòng)車與非機(jī)動(dòng)車3類交通事故嚴(yán)重度分析模型，發(fā)現(xiàn)不同交通方式下機(jī)動(dòng)車碰撞事故嚴(yán)重度的影響因素存在明顯差異。

目前，針對(duì)不同車輛類型碰撞行人事故傷害性方面的研究，從人、車、路和環(huán)境等方面對(duì)不同車型碰撞行人事故嚴(yán)重程度影響因素的對(duì)比分析較少。因此，本文擬構(gòu)建小轎車、SUV、貨車3種車型的人車事故嚴(yán)重程度logistic模型，探究交通參與者屬性、道路因素、環(huán)境條件和事故特征對(duì)人車事故嚴(yán)重程度的影響及3種車型的人車事故顯著因素間的異同點(diǎn)，為交管部門制定人車碰撞事故防治措施，針對(duì)不同車型實(shí)施交通環(huán)境改善政策提供依據(jù)。

1 數(shù)據(jù)分析及處理

1.1 數(shù)據(jù)描述

數(shù)據(jù)來(lái)源于美國(guó)高速公路安全信息系統(tǒng)(HSIS)中公開(kāi)的北卡羅來(lái)納州發(fā)生于2007—2016年的人車碰撞事故數(shù)據(jù)統(tǒng)計(jì)，共23 691起[14]，剔除無(wú)效信息，最終保留21 348起人車碰撞事故，其中小轎車行人事故、SUV行人事故以及貨車行人事故分別為12 196，4 070，5 082起。解釋變量類別包括事故類型、傷害嚴(yán)重等級(jí)、交通參與者的屬性特征、道路特征、車輛類型及環(huán)境特征等，其中，傷害嚴(yán)重等級(jí)按照事故記錄記為無(wú)傷害、輕傷、中傷、致殘傷害和致命傷害5類，3種車型事故在不同嚴(yán)重等級(jí)中的占比見(jiàn)表1。

由表1可得，貨車行人事故在致命傷害中的占比高于全體貨車事故在事故總數(shù)中的比例，表明貨車會(huì)增加人車事故致命傷害風(fēng)險(xiǎn)；小轎車會(huì)增加人車事故中輕傷的風(fēng)險(xiǎn)；SUV會(huì)增大致殘及致命傷害的風(fēng)險(xiǎn)。不同車型造成的傷害嚴(yán)重程度不同，因此，針對(duì)不同車型碰撞行人交通事故分別建模分析，有利于降低人車碰撞事故數(shù)據(jù)的異質(zhì)性，有效挖掘數(shù)據(jù)信息，為提高行人交通安全和降低事故嚴(yán)重性提供依據(jù)。

表1 3種車型事故在不同嚴(yán)重程度等級(jí)中的占比情況Table 1 Proportions of accidents with three types of vehicle in different severity levels %

1.2 變量選取

將上述5個(gè)事故嚴(yán)重等級(jí)作為因變量，其中無(wú)傷害、輕傷、中傷、致殘傷害、致命傷害分別取Y=1，2，3，4，5。根據(jù)事故記錄，從人、車、路、環(huán)境及事故特征5方面最終選取25個(gè)影響因素作為自變量。由于事故形式及事故時(shí)段分類較多，采用壓縮聚類法分別壓縮為5類和4類，詳細(xì)變量描述及賦值見(jiàn)表2。

表2 變量編碼及賦值Table 2 Coding and assignment of variables

2 人車碰撞事故嚴(yán)重程度logistic模型

2.1 累計(jì)logistic模型

設(shè)有序變量Y有J個(gè)等級(jí)，按順序Y取1，2，…，j，則累積logistic模型[15]如式(1)所示：

(1)

式中：Pj表示當(dāng)有序變量Y的等級(jí)為j時(shí)的概率；X

注：*為變量對(duì)照組。

則累積logistic概率模型如式(2)所示：

(2)

2.2 模型構(gòu)建

利用數(shù)據(jù)分析軟件SAS對(duì)小轎車、SUV和貨車3種車型人車碰撞事故分別構(gòu)建累計(jì)logistic模型，采用逐步回歸法，取顯著性水平0.05，模型標(biāo)定結(jié)果見(jiàn)表3。

表3 模型標(biāo)定結(jié)果Table 3 Model calibration results

依據(jù)模型標(biāo)定常數(shù)項(xiàng)和回歸系數(shù)，將數(shù)值代入式(2)得到不同事故嚴(yán)重程度等級(jí)下的累積概率：如P(Y≤1|X)表示嚴(yán)重程度為無(wú)傷害的人車碰撞事故發(fā)生概率。在P值<0.000 1的顯著性水平下，SUV行人無(wú)傷害事故預(yù)測(cè)模型如式(3)所示，其余模型同理可得。因此，無(wú)傷害事故概率預(yù)測(cè)值為P1=P(Y≤1|X)；輕傷事故概率預(yù)測(cè)值為P2=P(Y≤2|X)-P(Y≤1|X)；中傷事故概率預(yù)測(cè)值為P3=P(Y≤3|X)-P(Y≤2|X)；致殘事故概率預(yù)測(cè)值為P4=P(Y≤4|X)-P(Y≤3|X)；致命事故概率預(yù)測(cè)值為P5=1-P(Y≤4|X)。

表3(續(xù))

注：P值<0.05時(shí)表明該變量在95%的置信度下表現(xiàn)顯著，P值<0.1時(shí)表明該變量在90%的置信度下表現(xiàn)顯著。

(3)

2.3 模型檢驗(yàn)

對(duì)3種不同車型的人車碰撞事故嚴(yán)重程度模型進(jìn)行檢驗(yàn)，其中，參數(shù)估計(jì)結(jié)果符合似然比檢驗(yàn)和Wald檢驗(yàn)，且P值均<0.000 1，說(shuō)明擬合3種車型的模型整體通過(guò)檢驗(yàn)；擬合優(yōu)度檢驗(yàn)顯示模型擬合良好(pearson檢驗(yàn)，P值均>0.05)；準(zhǔn)確度檢驗(yàn)顯示預(yù)測(cè)準(zhǔn)確性較好(序次相關(guān)指標(biāo)檢驗(yàn)，小轎車、SUV和貨車3種模型c值分別為0.729 0、0.727 0、0.733 0，均>0.7)。

3 結(jié)果分析

由參數(shù)標(biāo)定結(jié)果可得，對(duì)小轎車、SUV和貨車3種車型的人車碰撞事故嚴(yán)重程度均影響顯著的因素包括：是否有救援、事故形式、事故時(shí)段、道路限速、是否超速、道路等級(jí)、車道數(shù)量、行人年齡段和行人飲酒情況。其中，參數(shù)估計(jì)為負(fù)值，表明該情況下嚴(yán)重程度更高的事故發(fā)生概率會(huì)升高；參數(shù)估計(jì)為正值，表明對(duì)照組情況下事故更為嚴(yán)重。即事故后無(wú)及時(shí)救援、行人橫穿高速公路、道路限速值>55 km/h、超速駕駛、行人飲酒、行人年齡超過(guò)60歲時(shí)易發(fā)生更嚴(yán)重的人車事故。

3.1 事故特征顯著因素分析

3個(gè)模型中，行人橫穿高速公路、行人橫穿馬路時(shí)車輛直行、行人路況不明這3種情況會(huì)增加事故嚴(yán)重性，而行人亂竄、有特殊的中央分隔的情況僅會(huì)導(dǎo)致貨車行人事故中更為嚴(yán)重的傷害后果。研究顯示，超速駕駛會(huì)顯著增加3種車型碰撞行人事故嚴(yán)重性，其中超速駕駛與SUV事故嚴(yán)重程度相關(guān)性相對(duì)最大，超速駕駛發(fā)生的事故嚴(yán)重程度高出1個(gè)等級(jí)的可能性是未超速情形下的2.70倍(exp|0.994 9|)，故應(yīng)加強(qiáng)對(duì)車輛尤其是SUV超速駕駛的監(jiān)控與管理。

3.2 交通參與者屬性顯著因素分析

小轎車和SUV造成的事故嚴(yán)重程度與駕駛員屬性顯著相關(guān)，參數(shù)估計(jì)結(jié)果顯示，25歲以下的年輕駕駛員和駕駛員飲酒會(huì)增加小轎車和SUV事故的傷害嚴(yán)重性。此外，男性駕駛小轎車造成的人車碰撞事故中，傷害嚴(yán)重程度高1個(gè)等級(jí)的概率是女性駕駛員導(dǎo)致的事故的1.13倍；駕駛員屬性對(duì)貨車事故嚴(yán)重性無(wú)明顯影響，可能因?yàn)樨涇囻{駛員一般駕駛經(jīng)驗(yàn)比較豐富，且其酒后駕駛的情況相對(duì)較少；但只有貨車事故中的駕駛員是否逃逸顯著影響事故傷害嚴(yán)重性，因此，交管部門和貨運(yùn)公司應(yīng)協(xié)同加強(qiáng)貨車駕駛員的責(zé)任意識(shí)。

3.3 道路顯著因素分析

對(duì)于小轎車和SUV模型，限速值過(guò)高(≥55 km/h)或過(guò)低(<35 km/h)均會(huì)導(dǎo)致事故嚴(yán)重程度升高，故限速控制在35～55 km/h對(duì)于降低事故嚴(yán)重程度比較有利。貨車模型中限速值過(guò)高會(huì)加重貨車事故的嚴(yán)重性，因此，對(duì)于貨車的限速管理應(yīng)控制在較低速度水平。

道路等級(jí)對(duì)事故嚴(yán)重程度也有一定影響。小轎車在私人車道上更易發(fā)生嚴(yán)重性較高的事故，SUV在州際公路上有較大風(fēng)險(xiǎn)遭受更嚴(yán)重的人車碰撞事故。對(duì)于發(fā)生在不同等級(jí)道路上的貨車行人事故，國(guó)道、2級(jí)公路和地方街道上的事故嚴(yán)重性較低，州際公路和私人車道上發(fā)生的事故嚴(yán)重性較高(相對(duì)于公共車輛區(qū)域)。

道路分隔情況僅對(duì)小轎車事故嚴(yán)重性影響顯著，單向無(wú)分隔比雙向無(wú)分隔的事故嚴(yán)重程度低，而雙向有中央隔離帶的道路上發(fā)生嚴(yán)重事故的概率比雙向無(wú)分隔的情況下高1.12倍。說(shuō)明行人翻越中央分隔帶的違章行為會(huì)增加小轎車事故的傷害嚴(yán)重性。

路面材料和道路線形僅顯著影響貨車事故嚴(yán)重性，在沙土或碎石路面上發(fā)生的事故嚴(yán)重程度高出1個(gè)等級(jí)的可能性是在瀝青路上的1.29倍；在彎曲路段上嚴(yán)重程度高出1個(gè)等級(jí)的概率是平直路段情形下的1.39倍。

交通管控情況是小轎車和貨車模型中的顯著因素，信號(hào)燈控制會(huì)顯著降低小轎車事故嚴(yán)重性，而雙黃線無(wú)行人通過(guò)區(qū)情況下小轎車、貨車事故嚴(yán)重程度高出1個(gè)等級(jí)的概率分別是無(wú)交通管控情形下的1.33，1.36倍。由此可見(jiàn)，在設(shè)有雙黃線的道路上應(yīng)根據(jù)實(shí)際需求增設(shè)人行過(guò)街設(shè)施，以此降低行人過(guò)街受傷風(fēng)險(xiǎn)。

3.4 環(huán)境條件顯著因素分析

事故時(shí)段對(duì)3個(gè)模型均顯著，相對(duì)于在9～16點(diǎn)發(fā)生的人車碰撞事故，1點(diǎn)、3～5點(diǎn)發(fā)生的事故嚴(yán)重性更高。且1點(diǎn)、3～5點(diǎn)事故時(shí)段在貨車模型中最顯著，這是緣于凌晨時(shí)段多為貨車通勤，1點(diǎn)和3～5點(diǎn)時(shí)發(fā)生的事故嚴(yán)重程度高出1個(gè)等級(jí)的可能性是9～16點(diǎn)時(shí)段下的1.97倍。

地形因素僅影響小轎車和SUV碰撞行人事故嚴(yán)重性，小轎車在山麓地區(qū)發(fā)生嚴(yán)重事故的風(fēng)險(xiǎn)將增大；小轎車和SUV在沿海地區(qū)發(fā)生的行人碰撞事故嚴(yán)重程度均較低，這與當(dāng)?shù)匮睾^(qū)域較高道路等級(jí)和較優(yōu)駕駛環(huán)境相關(guān)。

事故發(fā)生區(qū)僅在貨車模型中表現(xiàn)顯著，在居民區(qū)、商業(yè)區(qū)、工業(yè)區(qū)發(fā)生的貨車碰撞行人事故嚴(yán)重程度依次升高，這可能因?yàn)樨涇囋谏虡I(yè)區(qū)和工業(yè)區(qū)出現(xiàn)頻次較高，且其在工業(yè)區(qū)車速會(huì)更高。

4 結(jié)論

1)基于累計(jì)logistic模型得出小轎車、SUV和貨車3種車型的人車碰撞事故嚴(yán)重程度顯著因素，通過(guò)對(duì)比分析發(fā)現(xiàn)涉及不同車型的人車碰撞事故嚴(yán)重程度影響因素之間存在異同性。檢驗(yàn)結(jié)果顯示，累計(jì)logistic模型可有效進(jìn)行不同車型的人車碰撞事故嚴(yán)重程度分析。

2)對(duì)3種類型事故嚴(yán)重程度均影響顯著的因素包括：是否有救援、事故形式、事故時(shí)段、道路限速、是否超速、道路等級(jí)、車道數(shù)量、行人年齡段和行人飲酒情況；駕駛員年齡段、性別和飲酒情況僅對(duì)小轎車和SUV造成的人車事故嚴(yán)重程度有影響；貨車碰撞行人的事故更易受到外界因素影響，如照明條件、路面材料等。

3)本文研究受事故數(shù)據(jù)限制，未考慮駕駛員是否疲勞駕駛、交通參與者中的過(guò)錯(cuò)方等因素影響，后續(xù)將采集更為全面的交通事故信息做進(jìn)一步研究。