道路交通安全研究的現(xiàn)狀與熱點(diǎn)分析*

萬 明 吳 倩 嚴(yán)利鑫 萬 平

（華東交通大學(xué)交通運(yùn)輸工程學(xué)院 南昌 330000）

0 引 言

隨著我國(guó)交通基礎(chǔ)設(shè)施的不斷建設(shè)，道路交通安全的形式越來越嚴(yán)峻，道路交通事故發(fā)生率也在逐年增加。根據(jù)《國(guó)家統(tǒng)計(jì)年鑒》中2000—2020年道路交通事故統(tǒng)計(jì)，可以看出2019年發(fā)生的交通事故次數(shù)達(dá)到2000—2020年的最高峰，為247 646起。道路交通事故造成的人員傷亡人數(shù)和直接財(cái)產(chǎn)損失的數(shù)量也是巨大的，2019年交通事故造成的傷亡人數(shù)為62 763人，是2011—2020年來傷亡人數(shù)最多的1年。2018年道路交通事故造成的直接財(cái)產(chǎn)損失也達(dá)到2011—2020年的最高峰，為138 455.9萬元。因此，筆者通過文獻(xiàn)計(jì)量學(xué)方法對(duì)國(guó)內(nèi)外道路交通事故的文獻(xiàn)進(jìn)行分析，總結(jié)研究熱點(diǎn)及發(fā)展趨勢(shì)，有助于科研人員了解道路交通事故的研究現(xiàn)狀，進(jìn)一步明確該領(lǐng)域的研究方向，對(duì)提高道路交通安全具有重要的意義。傳統(tǒng)的回顧性方法不能全面的展示道路交通事故的研究現(xiàn)狀，知識(shí)圖譜和文獻(xiàn)計(jì)量學(xué)分析可以將道路交通事故研究領(lǐng)域進(jìn)行可視化分析[1]，揭示研究領(lǐng)域的動(dòng)態(tài)發(fā)展規(guī)律，明確研究領(lǐng)域的研究熱點(diǎn)和趨勢(shì)，為學(xué)科研究提供實(shí)用和有價(jià)值的參考。Zou等[2]利用MKD軟件工具VOSviewer和SCI2軟件，提取2000—2018年Web of Science WOS中SCIE和SSCI發(fā)表的文獻(xiàn)，系統(tǒng)分析道路交通安全研究現(xiàn)狀、研究分布和未來研究趨勢(shì)。李杰等[3]以Web of Science的SCIE和SSCI為數(shù)據(jù)源，用CiteSpace和VOSviewer軟件分析1996—2019年國(guó)際道路交通安全的研究現(xiàn)狀，得出國(guó)際交通安全的主要研究方向和高被引文獻(xiàn)。

經(jīng)研究發(fā)現(xiàn)，大多數(shù)學(xué)者對(duì)Web of Science數(shù)據(jù)庫中的文獻(xiàn)進(jìn)行整理，或者用中國(guó)知網(wǎng)（CNKI）的文獻(xiàn)去分析，很少用文獻(xiàn)計(jì)量學(xué)方法對(duì)這2個(gè)數(shù)據(jù)庫的文獻(xiàn)一起分析。鑒于此，筆者基于CiteSpace和VOSviewer軟件，通過梳理2000—2020年發(fā)表在中國(guó)知網(wǎng)（CNKI）的道路交通事故相關(guān)的中文文獻(xiàn)，和2005—2020年發(fā)表在Web of Science核心合集中有關(guān)道路交通事故研究的英文文獻(xiàn)，從載文量、作者合作、期刊來源、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞聚類、關(guān)鍵詞突現(xiàn)等方面進(jìn)行分析，總結(jié)道路交通事故分析的研究熱點(diǎn)和趨勢(shì)，為進(jìn)一步開展道路交通事故研究提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

1）以中國(guó)知網(wǎng)（CNKI）的中文文獻(xiàn)為數(shù)據(jù)源，對(duì)2000—2020年道路交通事故研究的相關(guān)中文核心期刊文獻(xiàn)進(jìn)行搜集和分析。中國(guó)知網(wǎng)（CNKI）的中文文獻(xiàn)具體檢索式：主題=（“交通事故”）和主題=（“道路”）；時(shí)間跨度：2000—2020年；期刊來源：EI來源期刊/核心期刊/CSSCI/CSCD。在CNKI平臺(tái)上總共檢索到1 311篇文獻(xiàn)，隨后對(duì)這些文獻(xiàn)進(jìn)行逐一分析，刪除32篇無作者、會(huì)議類及其他交通運(yùn)輸方式造成交通事故的文獻(xiàn)，最終篩選出1 279篇與道路交通事故研究緊密相關(guān)的期刊文獻(xiàn)。

2）對(duì)Web of Science核心合集中與道路交通事故相關(guān)的英文文獻(xiàn)進(jìn)行精確檢索，Web of Science核心合集的英文文獻(xiàn)具體檢索式：Topic=（（traffic accident*or traffic safety*or traffic crash*）and(road))；Timespan=2005—2020；Document type=article or review，刪除無效文獻(xiàn)后，共篩選出2 664篇英文文獻(xiàn)。

1.2 研究方法

基于科學(xué)計(jì)量學(xué)，用CiteSpace和VOSviewer軟件進(jìn)行分析。CiteSpace是由德雷塞爾大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院與大連理工大學(xué)WISE實(shí)驗(yàn)室聯(lián)合開發(fā)的科學(xué)文獻(xiàn)分析工具，用于科學(xué)地分析文獻(xiàn)數(shù)據(jù)中包含科學(xué)知識(shí)結(jié)構(gòu)、規(guī)律及分布情況。VOSviewer是1種文獻(xiàn)計(jì)量分析軟件，可以用于生成多種基于文獻(xiàn)計(jì)量關(guān)系的圖譜，針對(duì)文獻(xiàn)進(jìn)行共引關(guān)系和共現(xiàn)關(guān)系分析，側(cè)重科學(xué)知識(shí)的可視化。

2 文獻(xiàn)分布特征

2.1 載文量分析

論文數(shù)量的變化某種程度上能夠反映該研究領(lǐng)域的關(guān)注度和未來的發(fā)展趨勢(shì)，將中國(guó)知網(wǎng)（CNKI）的中文期刊文獻(xiàn)和Web of Science的英文期刊文獻(xiàn)按照年度發(fā)文量進(jìn)行分布。為了更好地分析道路交通事故研究現(xiàn)狀，進(jìn)一步劃分為EI、CSSCI、CSCD、北大核心和WOS期刊，其中EI共有119篇文獻(xiàn)、CSSCI共有260篇文獻(xiàn)、CSCD共有493篇文獻(xiàn)、北大核心共有1 279篇文獻(xiàn)，WOS共有2 664篇，見圖1。

圖1 2000—2020年道路交通事故研究載文量分布圖Fig.1 Distribution of research papers on road safety from 2000 to 2020

對(duì)中國(guó)知網(wǎng)（CNKI）2000—2020年整體道路交通事故研究論文發(fā)表時(shí)間進(jìn)行分析發(fā)現(xiàn)：2000—2008年期間該方向發(fā)表的學(xué)術(shù)論文數(shù)量逐年遞增，2008年達(dá)到最高為92篇；2010年的發(fā)文量是2000—2020年發(fā)文量最多的1年達(dá)到105篇，這個(gè)階段是道路交通事故研究的熱點(diǎn)時(shí)期，2010年之后關(guān)于道路交通事故研究呈波動(dòng)式下降趨勢(shì)，2018年發(fā)文量達(dá)到了2011—2020年最低僅發(fā)表了30篇；2019年發(fā)文量突增，是2011—2020年發(fā)文量最高的1年，為76篇，增量達(dá)到1.53%，可見該領(lǐng)域的研究又成為了研究熱點(diǎn)。Web of Science核心合集中關(guān)于道路交通事故的文獻(xiàn)數(shù)量逐年遞增，且2018—2020年增長(zhǎng)的幅度越來越大，說明國(guó)際上對(duì)道路交通事故的研究熱度持續(xù)上升。

2.2 作者合作分析

通過CiteSpace分別生成中國(guó)知網(wǎng)（CNKI）和Web of Science主要研究群體共現(xiàn)圖譜，見圖2~3。1個(gè)類團(tuán)表示1個(gè)合作群體，節(jié)點(diǎn)處姓名字號(hào)越大表示該作者與其他作者合作的次數(shù)越多。

圖2 CNKI主要研究群體共現(xiàn)圖譜Fig.2 CNKI cooccurrence map of main research groups

表1分別列出了中國(guó)知網(wǎng)（CNKI）中聚類程度及論文被引頻次在前10名的作者。從合作群體的中心性來看：李楨和段騰龍為1個(gè)研究群體，以段騰龍等[4]為例，其從法醫(yī)學(xué)角度，基于PC-Crash進(jìn)行道路交通事故重建，尤其是對(duì)人-車碰撞的道路交通事故，再現(xiàn)車輛與行人的碰撞過程，分析成傷機(jī)制；王正國(guó)、周繼紅和張良為1個(gè)研究群體，以張良等[5]為例，其研究道路交通事故造成的流行病學(xué)、交通傷害，分析道路交通傷害特點(diǎn)，找出事故發(fā)生規(guī)律，提出降低交通事故預(yù)防的方法。從合作群體的被引頻次來看：劉小明、張杰和賀玉龍為1個(gè)研究群體，以劉小明等[6]為例，其主要研究道路交通事故對(duì)路網(wǎng)交通狀態(tài)的影響，分析事故前后，事故與交通流、平均速度、車輛轉(zhuǎn)移概率的關(guān)系；高建剛和陳宏云為1個(gè)研究群體，以高建剛等[7]為例，其主要研究我國(guó)農(nóng)村公路交通安全的主要影響因素與事故特征，通過收集國(guó)外鄉(xiāng)村公路交通安全保障措施提出改善我國(guó)農(nóng)村公路交通安全狀況的建議；趙玲和許宏科為1個(gè)研究群體，以趙玲等[8]為例，其以道路交通事故死亡人數(shù)、受傷人數(shù)、次數(shù)為因變量，從人-車-路組成的系統(tǒng)選取影響道路交通事故的因素作為候選變量，采用灰色馬爾科夫鏈模型、最優(yōu)加權(quán)組合模型、新維無偏灰色馬爾可夫模型、加權(quán)馬爾可夫模型、灰色加權(quán)馬爾可夫等模型對(duì)道路交通事故死亡人數(shù)、受傷人數(shù)、次數(shù)的影響因素進(jìn)行分析。

表1 CNKI從事道路交通事故研究的代表性學(xué)者Tab.1 CNKI representative scholars engaged in road safety research

圖3 Web of Science主要研究群體共現(xiàn)圖譜Fig.3 Web of Science cooccurrence map of main research groups

表2分別列出了Web of Science中聚類程度及論文被引頻次在前10名的作者。從合作群體的中心性來看：Negishi和Yamamoto為1個(gè)研究群體，以Yamamoto等[9]為例，其確定了1種新的傳感方法，研究高齡駕駛?cè)藢?dǎo)致的致命交通事故，根據(jù)車輛行為評(píng)估健康老年人的道路駕駛能力；Hotta和Makizako為1個(gè)研究群體，以Hotta等[10]為例，其主要研究年齡與不安全駕駛行為的關(guān)系，通過分析人口特征、視覺條件以及認(rèn)知功能（注意力、執(zhí)行能力和反應(yīng)速度）分析不同年齡段駕駛員的駕駛特征，其中反應(yīng)速度與不安全駕駛行為次數(shù)有著顯著的相關(guān)性。從合作群體的被引頻次來看：Laumon和Hours為1個(gè)研究群體，以HourS等[11]為例，其使用了Esparr（一系列道路交通事故受害者）數(shù)據(jù)，采用問卷調(diào)查和隨訪對(duì)受害者在道路交通受傷后的生活質(zhì)量進(jìn)行評(píng)估，結(jié)果表明社會(huì)人口學(xué)因素、事故前心理史、創(chuàng)傷后應(yīng)激障礙是影響生活質(zhì)量的主要因素；Xing和Lu為1個(gè)研究群體，以Xing等[12]為例，其建立Probit模型分析影響因素中隱藏的異質(zhì)性，探索危險(xiǎn)因素與道路交通事故嚴(yán)重程度的關(guān)系，結(jié)果表明危險(xiǎn)品種類、危險(xiǎn)品運(yùn)輸重量、路面干燥度、駕駛員錯(cuò)誤操作等因素顯著增加了危險(xiǎn)品運(yùn)輸中道路交通事故的嚴(yán)重程度。

表2 Web of Science從事道路交通事故研究的代表性學(xué)者Tab.2 Web of Science representative scholars engaged in road safety research

2.3 主要期刊來源分析

對(duì)中國(guó)知網(wǎng)（CNKI）1 279篇道路交通事故文獻(xiàn)的期刊來源進(jìn)行分析發(fā)現(xiàn)：這些文獻(xiàn)來源于327種期刊，見表3，其中載文量5篇及以上的期刊有58種，共載文708篇，占比55.4%。《公路》是載文量最多的期刊（82篇），《公路交通科技》《中國(guó)安全科學(xué)學(xué)報(bào)》并列為載文量第2位的期刊（58篇），載文量第4~5位分別為《中華創(chuàng)傷雜志》（43篇）、《中國(guó)公路學(xué)報(bào)》（30篇）。

表3 CNKI期刊載文量分布Tab.3 CNKI distribution of journal articles單位：篇

對(duì)Web of science道路交通事故的2 664篇文獻(xiàn)的用CiteSpace進(jìn)行期刊共被引分析，分別得到期刊被引頻次和中心性表，見表4。其中，被引頻次最多的期刊是Accident Analysis&Prevention，達(dá)到924次，其次是Journal of Orthopaedic Trauma（526次）、International Journal of The Care of Injured（396次）、The Lancet（365次）、Traffic Injury Prevention（363次）。從中心性來看，Acta Otorhinolaryngologica、American Journal of Psychiatry和Journal of Neurotrau?ma這3個(gè)期刊的中心性較高，均在10以上，說明這些期刊在道路交通事故研究中具有一定的權(quán)威性。

表4 Web of Science期刊共被引分析Tab.4 Web of Science analysis of journal co-citation

2.4 關(guān)鍵詞共現(xiàn)分析

通過CiteSpace進(jìn)行關(guān)鍵詞共現(xiàn)分析，采用Top5%算法，得到CNKI關(guān)鍵詞共現(xiàn)知識(shí)圖譜見圖4，該共現(xiàn)網(wǎng)絡(luò)共有363個(gè)節(jié)點(diǎn)，658條連線。從統(tǒng)計(jì)結(jié)果來看，其中關(guān)鍵詞出現(xiàn)頻率最高的為道路交通事故和交通安全，分為是303次和168次，排名第3~5名的分別是交通工程82次、高速公路49次、事故45次。可見交通安全、交通工程、高速公路和事故是2000—2020年的研究熱點(diǎn)。

圖4 CNKI關(guān)鍵詞共現(xiàn)知識(shí)圖譜Fig.4 CNKI keywords co-occurrence knowledge map

用CiteSpace對(duì)Web of science核心合集的英文文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)分析，見圖5，出現(xiàn)的高頻關(guān)鍵詞有“road traffic accident”“crash”“motor vehicle accident”“alcohol”和“risk”，可見與中文文獻(xiàn)期刊研究熱點(diǎn)基本一致。

圖5 Web of Science關(guān)鍵詞共現(xiàn)知識(shí)圖譜Fig.5 Web of Science keywords co-occurrence knowledge map

關(guān)鍵詞共現(xiàn)中心性的大小表示道路交通事故研究領(lǐng)域中各研究?jī)?nèi)容的重要程度，中心性越高，表示其在該研究領(lǐng)域的研究過程中的影響較大[13]。統(tǒng)計(jì)結(jié)果見表5，CNKI的中文文獻(xiàn)關(guān)鍵詞中心性最高為道路交通事故，其次為交通安全、交通工程和高速公路，這代表交通安全、交通工程、高速公路等在道路交通事故研究中被廣泛討論。Web of Science中關(guān)鍵詞共現(xiàn)中心性較高的為“risk factor”“safety”“motor vehicle accident”和“crash”。通過對(duì)CNKI與Web of Science期刊中的關(guān)鍵詞共現(xiàn)分析，發(fā)現(xiàn)在較高中心性的關(guān)鍵詞中如“影響因素”“impact factor”，都是研究道路交通事故影響因素；交通安全法、交強(qiáng)險(xiǎn)與“management”一致，都與道路交通安全管理相關(guān)。

表5 CNKI與Web of Science關(guān)鍵詞共現(xiàn)中心性表Tab.5 CNKI and Web of Science keywords co-occurrence frequency and centrality table

3 道路交通事故研究熱點(diǎn)與前沿分析

3.1 關(guān)鍵詞聚類分析

在關(guān)鍵詞共現(xiàn)的基礎(chǔ)上，進(jìn)一步對(duì)關(guān)鍵詞進(jìn)行聚類，從而得到該研究領(lǐng)域的知識(shí)結(jié)構(gòu)關(guān)系和該研究領(lǐng)域的熱點(diǎn)主題。圖譜信息模塊Q值越大，表示聚類效果越好；圖譜輪廓系數(shù)S越大表示聚類的有效性越高。通過CiteSpace軟件進(jìn)行聚類，得到CNKI關(guān)鍵詞聚類圖譜見圖6，其中Q=0.900 5，S=0.984 7；Web of Science關(guān)鍵詞聚類圖譜見圖7，Q=0.746 5，S=0.945 7。Q值和S值均大于0.5，表明聚類結(jié)果較好。1個(gè)圖塊表示1個(gè)熱點(diǎn)話題，按照聚類大小[14]，取排名在前9名的聚類，其數(shù)字越小表示該熱點(diǎn)話題在研究領(lǐng)域的重要程度越高。CNKI中道路交通事故研究領(lǐng)域排名在前9位的熱點(diǎn)話題分別為：#0交通事故、#1交通安全、#2交通工程、#3交通安全法、#4事故、#5交強(qiáng)險(xiǎn)、#6影響因素、#7道路交通傷害、#8人工智能。Web of Science中道路交通事故研究領(lǐng)域排名在前9位的熱點(diǎn)話題分別為：#0 risk factor、#1 safety、#2 motor vehicle accident、#3 epidemiology、#4 impact、#5 road accident、#6 management、#7 rural india、#8 shoulder septic arthritis。

圖6 CNKI關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)聚類圖譜Fig.6 CNKI keyword co-occurrence network cluster map

圖7 Web of Science關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)聚類圖譜Fig.7 Web of Science keyword co-occurrence network cluster map

為了進(jìn)一步將CiteSpace聚類的13個(gè)關(guān)鍵詞類團(tuán)和9個(gè)關(guān)鍵詞類團(tuán)進(jìn)行歸類，將CNKI下載的1 279篇文獻(xiàn)和Web of Science下載的2 664篇文獻(xiàn)分別用VOSviewer軟件進(jìn)行聚類分析，見圖8~9。

圖8 CNKI關(guān)鍵詞聚類圖Fig.8 CNKI keyword cluster diagram

圖9 Web of science關(guān)鍵詞聚類圖Fig.9 Web of science keyword cluster diagram

通過對(duì)CiteSpace關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)聚類圖6~7和VOSviewer關(guān)鍵詞聚類圖8~9進(jìn)行分析，可將當(dāng)前道路交通事故研究熱點(diǎn)大致歸為5類，分別為：事故黑點(diǎn)鑒別與影響因素分析、事故安全評(píng)價(jià)與事故預(yù)測(cè)、事故傷害（RTI）的流行病學(xué)研究和預(yù)防、事故處理與安全管理、事故仿真與駕駛行為分析。

1）事故黑點(diǎn)鑒別與影響因素分析。在道路交通事故黑點(diǎn)鑒別方面，根據(jù)道路交通事故黑點(diǎn)原因的不確定性和模糊性特征，采用經(jīng)驗(yàn)貝葉斯[15]、累計(jì)頻率法根據(jù)事故率、事故頻次識(shí)別道路交通事故黑點(diǎn)，揭示事故多發(fā)點(diǎn)分布規(guī)律。如耿超等[16]基于動(dòng)態(tài)分段和DBSCAN算法尋求長(zhǎng)度較短且事故集中的事故黑點(diǎn)，采用事故數(shù)-累計(jì)頻率法鑒別出事故多發(fā)路段。在道路交通事故機(jī)理分析方面，建立各成因耦合作用的機(jī)理模型，或者開展交通事故驅(qū)動(dòng)機(jī)理研究，認(rèn)識(shí)事故發(fā)生機(jī)理，預(yù)防交通事故[17]。在道路交通事故影響因素分析方面，從人-車-路-環(huán)境4個(gè)方面細(xì)化變量，標(biāo)定各因素與事故頻次[18]、事故嚴(yán)重程度[19]的關(guān)系，找出交通事故的影響因素，根據(jù)影響程度對(duì)事故進(jìn)行防控。

2）事故安全評(píng)價(jià)與事故預(yù)測(cè)。交通安全評(píng)價(jià)是改善道路交通安全的理論依據(jù)，從定性和定量的視角構(gòu)建交通安全評(píng)價(jià)指標(biāo)體系[20]，對(duì)交通安全的狀況進(jìn)行客觀評(píng)價(jià)，可以調(diào)整道路交通安全狀況[21]，減少交通事故，為道路安全管理部門提供理論依據(jù)[22]。在道路交通事故預(yù)測(cè)方面，主要分為事故率、事故風(fēng)險(xiǎn)和事故嚴(yán)重程度預(yù)測(cè)。為了提高道路交通事故率預(yù)測(cè)的準(zhǔn)確率，采用深度學(xué)習(xí)[23]、機(jī)器學(xué)習(xí)組合模型[24]對(duì)交通事故進(jìn)行預(yù)測(cè)，減少事故預(yù)測(cè)誤差[25]。對(duì)道路交通事故后的交通運(yùn)行風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)也是事故預(yù)測(cè)的熱點(diǎn)，通過提取事故發(fā)生前及非事故狀況下的交通流特征數(shù)據(jù)作為自變量[26]，預(yù)測(cè)道路交通事故風(fēng)險(xiǎn)，可以為偶發(fā)性事故提供科學(xué)的應(yīng)急處置方案與高效的應(yīng)急救援[27]，保障道路通行能力。

3）事故傷害（RTI）的流行病學(xué)研究和預(yù)防。對(duì)不同城市、地區(qū)、天氣[28]和不同年齡、交通方式的居民交通傷害流行病學(xué)進(jìn)行分析，采用描述性分析、回顧性調(diào)查等方法了解道路交通傷害病例分布特點(diǎn)及流行特征，探討道路交通事故傷害發(fā)生的原因，為不同類別的交通傷害提出有針對(duì)性的預(yù)防措施。如楊嘉璐等[29]通過網(wǎng)絡(luò)邀請(qǐng)、街頭攔截和學(xué)校抽取，調(diào)查北上廣深杭等共享單車用戶的道路交通傷害、騎行體驗(yàn)、安全認(rèn)知和騎行行為，分析共享單車道路交通傷害流行特征及危險(xiǎn)因素。

4）事故處理與安全管理。道路交通事故處理主要包括交通歸責(zé)與賠償。在道路交通事故處理工作中，事故責(zé)任認(rèn)定和賠償是作出事故處理結(jié)論的重要環(huán)節(jié)，早些年CNKI文獻(xiàn)主要是對(duì)《道路交通安全法》中的歸責(zé)原則進(jìn)行分析和解讀，分析歸責(zé)原則的不足，提高歸責(zé)原則的合理性。Wu等[30]設(shè)計(jì)了1個(gè)用于大規(guī)模場(chǎng)景多視點(diǎn)監(jiān)視的實(shí)時(shí)虛-實(shí)融合框架，融合二維全景圖、衛(wèi)星紋理和三維模型，用于交通事故應(yīng)急處理、交通事故責(zé)任認(rèn)定；在道路交通事故賠償中，由于交通事故侵權(quán)責(zé)任類型多樣化和異質(zhì)性[31]，以及交強(qiáng)險(xiǎn)與侵權(quán)責(zé)任在實(shí)際應(yīng)用中存在的問題，需要多方面完善行業(yè)補(bǔ)償制度和強(qiáng)制保險(xiǎn)制度[32]，如建立動(dòng)態(tài)調(diào)整機(jī)制等改善措施。

5）事故仿真與駕駛行為分析。在道路交通事故仿真方面，通過仿真軟件Paramics、VISSIM、3DS Max等模擬不同參數(shù)的道路線性、彎道[33]、天氣、交叉口[34]、車流、車速等交通事故影響因素下的交通運(yùn)行狀況，設(shè)置合理的參數(shù)，以減少道路交通事故的發(fā)生。除此以外，部分學(xué)者采用交通仿真軟件模擬道路交通事故后產(chǎn)生的交通影響，為城市道路應(yīng)急組織[35]、優(yōu)化城市道路交通事故處理機(jī)制提供依據(jù)。在駕駛行為分析方面，主要探討駕駛員生理特征、心理特征、人格類型以及職業(yè)、年齡、性別[36]等個(gè)體特征，分析駕駛員與車輛、駕駛員與道路環(huán)境、駕駛員與行人以及其他道路使用者的關(guān)系，研究不同駕駛行為[37]對(duì)行車安全、行車風(fēng)險(xiǎn)的影響。如蔡曉禹等[38]基于車輛OBD駕駛行為數(shù)據(jù)及信息熵理論，提出了城市道路交通安全風(fēng)險(xiǎn)預(yù)估方法，得出異常駕駛行為高發(fā)位置與交通事故發(fā)生位置具有一致性。Hu等[39]采用機(jī)器學(xué)習(xí)技術(shù)描述服用阿普唑侖和/或酒精后的異常駕駛行為，采用橫向位置、車速和轉(zhuǎn)向車速等參數(shù)標(biāo)定異常駕駛行為。

3.2 關(guān)鍵詞突現(xiàn)分析

將數(shù)據(jù)導(dǎo)入CiteSpace工具并運(yùn)行Burst檢測(cè)，參數(shù)設(shè)置如下：Gamma=1.0，狀態(tài)數(shù)=2.0，最小持續(xù)時(shí)間=1，得到研究領(lǐng)域內(nèi)某段時(shí)間內(nèi)的突發(fā)關(guān)鍵詞以及這些關(guān)鍵詞持續(xù)的時(shí)間。通過這些信息，可以分析道路交通事故研究領(lǐng)域的突發(fā)熱點(diǎn)和研究趨勢(shì)，為后續(xù)的研究方向提供思路。圖10為CNKI和Web of Science核心合集中2013—2020年道路交通事故研究關(guān)鍵詞突發(fā)性檢測(cè)圖，加粗線條的2個(gè)端點(diǎn)表示每個(gè)突發(fā)時(shí)間的開始和結(jié)束[40]。

圖10 道路交通事故研究關(guān)鍵詞突現(xiàn)檢測(cè)圖Fig.10 Road safety research keyword burst detection chart

2013—2020年，CNKI爆發(fā)的關(guān)鍵詞有道路交通、侵權(quán)責(zé)任、交通工程、法醫(yī)病理學(xué)、交通等，其中交通工程的突現(xiàn)值最高為9.71。交通工程主要針對(duì)山區(qū)公路、高速公路、城市快速路、公路平面交叉口采用時(shí)空交互模型、交通波模型、交通仿真等多個(gè)模型研究道路交通事故預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估、黑點(diǎn)鑒別、交通安全評(píng)價(jià)、事故疏散誘導(dǎo)和交通設(shè)計(jì)。道路交通事故侵權(quán)責(zé)任突現(xiàn)持續(xù)的時(shí)間最長(zhǎng)，從2013年持續(xù)到2020年，可見道路交通事故侵權(quán)責(zé)任一直是研究熱點(diǎn)，尤其是“無人駕駛汽車”時(shí)代已經(jīng)來臨，對(duì)無人駕駛汽車碰撞民事責(zé)任分配、交通肇事罪立法等方面的研究越來越多[41]。

Web of Science核心合集爆發(fā)的關(guān)鍵詞有“network”“traumatic brain injury”“motor vehicle accident”“time”“classification”“fatigue”等，其中“time”突現(xiàn)值最高為6.37，且持續(xù)的時(shí)間最長(zhǎng)。2017—2020年，主要研究發(fā)生道路交通事故后對(duì)通行產(chǎn)生的影響，Kuang等[42]提出由成本敏感貝葉斯網(wǎng)絡(luò)和加權(quán)K-nearest構(gòu)成的兩級(jí)模型預(yù)測(cè)道路交通事故持續(xù)時(shí)間，提出緩解擁堵恢復(fù)道路通行的措施。除此以外，利用智能移動(dòng)大數(shù)據(jù)監(jiān)測(cè)疲勞駕駛[43]也是2017年以來的研究熱點(diǎn)，Chang等[44]通過HAVS監(jiān)控的車輛軌跡大數(shù)據(jù)監(jiān)控道路上疲勞駕駛員，研究發(fā)現(xiàn)使用從出發(fā)地點(diǎn)到目標(biāo)路段的駕駛持續(xù)時(shí)間，可以成功地調(diào)查目標(biāo)路段上疲勞的駕駛員。

4 存在的問題和未來的研究方向

1）事故黑點(diǎn)鑒別與影響因素分析。對(duì)于交通事故黑點(diǎn)鑒別與影響因素分析，目前大多數(shù)研究方法都能從現(xiàn)有的交通事故數(shù)據(jù)進(jìn)行挖掘，從不同的角度來分析事故易發(fā)點(diǎn)和影響因素，但在在分析時(shí)容易將一些宏觀指標(biāo)與事故信息忽略，使分析結(jié)果的準(zhǔn)確性下降。因此，需要將道路交通事故所包含的信息進(jìn)行充分的數(shù)據(jù)挖掘，系統(tǒng)地分析各個(gè)因素與事故黑點(diǎn)、事故頻次、事故嚴(yán)重程度的關(guān)系。

2）事故安全評(píng)價(jià)與事故預(yù)測(cè)。傳統(tǒng)的交通安全評(píng)價(jià)利用交通事故歷史數(shù)據(jù)，采用交通事故統(tǒng)計(jì)指標(biāo)體系或者本源性物理特性評(píng)價(jià)指標(biāo)體系對(duì)道路交通安全進(jìn)行評(píng)價(jià)，對(duì)于交通安全評(píng)價(jià)體系的研究還不夠系統(tǒng)。并且交通事故數(shù)據(jù)具有小樣本、長(zhǎng)周期等特點(diǎn)，使得傳統(tǒng)的統(tǒng)計(jì)方法不能對(duì)實(shí)時(shí)的交通安全進(jìn)行評(píng)價(jià)，存在一定的局限性。在交通事故預(yù)測(cè)方面，機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法對(duì)于預(yù)測(cè)影響因素復(fù)雜、多尺度時(shí)空相關(guān)性、多維度的交通事故數(shù)據(jù)都較困難，提高交通事故預(yù)測(cè)準(zhǔn)確性和提高模型的性能都值得進(jìn)一步開展研究。

3）故事傷害（RTI）的流行病學(xué)研究和預(yù)防?，F(xiàn)有的道路交通傷害研究主要基于道路交通傷害的分布特點(diǎn)、事故原因與預(yù)防措施進(jìn)行描述性統(tǒng)計(jì)研究。分布特點(diǎn)主要分析年齡、性別、空間、時(shí)間、道路類型、傷害性質(zhì)等特征。事故原因主要從駕駛員個(gè)體分析，包括疲勞駕駛、藥物駕駛和酒后駕駛等。預(yù)防措施主要包括實(shí)施交通執(zhí)法戰(zhàn)略、修訂交通法、增加救護(hù)車服務(wù)、完善道路交通安全監(jiān)測(cè)系統(tǒng)等?；仡櫺哉{(diào)查方法，存在回憶偏倚，并且對(duì)道路交通傷害的數(shù)據(jù)缺乏比較深度的分析。由于道路交通傷害數(shù)據(jù)采集主要來源于醫(yī)療系統(tǒng)記錄、交警事故處理記錄、死因登記記錄或者調(diào)查問卷，存在數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一的問題。對(duì)于道路交通傷害的研究應(yīng)該進(jìn)一步擴(kuò)展到完善道路交通事故監(jiān)測(cè)系統(tǒng)、標(biāo)準(zhǔn)化創(chuàng)傷救援和治療網(wǎng)絡(luò)等，以提高數(shù)據(jù)的完整性和統(tǒng)一性，同時(shí)減少應(yīng)急響應(yīng)、院前轉(zhuǎn)運(yùn)、緊急救援時(shí)間，從而降低患者傷亡率。

4）事故處理與安全管理。2017年以來，隨著無人駕駛、人工智能技術(shù)的日益成熟，由于無人駕駛汽車與傳統(tǒng)汽車不同的運(yùn)行原理，應(yīng)從民事法律、刑事法律、分級(jí)比例責(zé)任等方面提出漸進(jìn)性、前瞻性的相關(guān)法律規(guī)制。在交通事故賠償中，隨著社會(huì)保險(xiǎn)體制的完善和保險(xiǎn)意識(shí)的提高，應(yīng)進(jìn)一步完善司法解釋，實(shí)現(xiàn)受害人保護(hù)最大化和訴訟經(jīng)濟(jì)化的雙贏目標(biāo)。

5）事故仿真與駕駛行為分析?，F(xiàn)有的交通仿真軟件主要分為宏觀交通仿真模型、中觀交通仿真模型與微觀交通仿真模型。宏觀交通仿真與中觀交通仿真主要描述路網(wǎng)整體的系統(tǒng)特性，微觀交通仿真模型往往被用來進(jìn)行交通系統(tǒng)運(yùn)行狀況的仿真、交通流特征的分析以及駕駛員行為特征等方面的研究。由于仿真的地區(qū)、交通狀況有不同的特征，應(yīng)采用不同的機(jī)器學(xué)習(xí)和啟發(fā)式算法研究仿真模型的參數(shù)值標(biāo)定。在駕駛行為研究方面，隨著深度學(xué)習(xí)算法、圖像增強(qiáng)技術(shù)的普及，對(duì)不同駕駛員的駕駛表現(xiàn)與心理狀態(tài)、生理狀態(tài)有了更精準(zhǔn)的識(shí)別與描述，但目前大多數(shù)學(xué)者只針對(duì)特定場(chǎng)景或特定駕駛行為進(jìn)行研究，對(duì)于不同駕駛行為往往需要單獨(dú)訓(xùn)練構(gòu)造新的模型，這就要求研究人員要盡可能多的切換場(chǎng)景和識(shí)別駕駛行為。

5 結(jié)束語

以CNKI 2000—2020年收錄的和Web of Science 2005—2020年收錄的道路交通事故研究的相關(guān)期刊論文為數(shù)據(jù)源，借助CiteSpace和VOSviewer軟件平臺(tái)進(jìn)行分析，主要研究結(jié)論如下。

1）從作者合作來看，道路交通事故研究具有多學(xué)科交叉性質(zhì)，研究人員來自交通工程、智能交通、計(jì)算機(jī)科學(xué)、醫(yī)學(xué)、統(tǒng)計(jì)學(xué)、司法和交通規(guī)劃等不同學(xué)科。并且早期道路交通事故研究合作較為密切，隨著更多新的研究領(lǐng)域的出現(xiàn)，近期合作的規(guī)模較小，大多數(shù)的研究是獨(dú)立完成的。

2）從關(guān)鍵詞共現(xiàn)分析來看，CNKI與Web of Science數(shù)據(jù)庫的關(guān)鍵詞類別一致，說明國(guó)內(nèi)外期刊對(duì)道路交通事故研究具有一致性。

3）道路交通事故研究熱點(diǎn)主要聚焦在5個(gè)研究方向：①事故黑點(diǎn)鑒別與影響因素分析；②事故安全評(píng)價(jià)與事故預(yù)測(cè)；③事故傷害（RTI）的流行病學(xué)研究和預(yù)防；④交通事故處理與安全管理；⑤事故仿真與駕駛行為分析。

4）從研究趨勢(shì)的演進(jìn)來看，CNKI數(shù)據(jù)庫的研究趨勢(shì)集中在交通工程與道路交通事故侵權(quán)責(zé)任研究；Web of science核心合集數(shù)據(jù)庫的研究趨勢(shì)集中在分析道路交通事故發(fā)生后對(duì)道路通行產(chǎn)生的影響以及用大數(shù)據(jù)監(jiān)測(cè)疲勞駕駛行為。