山區(qū)公路小半徑彎道路段事故嚴(yán)重度影響因素及其異質(zhì)性比較分析*

趙華祥 杜飛翔 付開(kāi)華 蘇 宇 楊文臣▲

（1.云南省交通規(guī)劃設(shè)計(jì)研究院有限公司陸地交通氣象災(zāi)害防治技術(shù)國(guó)家工程實(shí)驗(yàn)室 昆明 650200；2.云南省交通投資建設(shè)集團(tuán)有限公司昭通管理處 昆明 657099）

0 引 言

受地形地質(zhì)等因素綜合限制，山區(qū)雙車(chē)道公路小半徑彎道路段多。已有研究證實(shí)[1]彎道半徑是導(dǎo)致事故的重要因素之一。澳大利亞Johns 認(rèn)為平曲線半徑小于600 m時(shí)，會(huì)產(chǎn)生較高的事故率，德國(guó)和日本研究證明曲線半徑小于600 m 時(shí)，事故率增加1.5 倍。根據(jù)我國(guó)公安部2018 年事故統(tǒng)計(jì)，二、三級(jí)公路上發(fā)生的交通事故總量占比49%，其中，彎道路段死亡人數(shù)占交通事故傷亡總?cè)藬?shù)的37%[2]。因此，精準(zhǔn)解析彎道路段上交通事故的形成機(jī)理及影響因素，已成為事故隱患主動(dòng)排查和精細(xì)治理亟需解決問(wèn)題。

現(xiàn)有研究主要從事故數(shù)據(jù)分析、行車(chē)動(dòng)力學(xué)仿真、駕駛模擬仿真、實(shí)車(chē)試驗(yàn)等角度分析了小半徑彎道路段事故風(fēng)險(xiǎn)影響因素。Xu等[3]通過(guò)采集雙車(chē)道公路自然駕駛的車(chē)輛行駛軌跡，分析發(fā)現(xiàn)彎道半徑越小正面碰撞概率越高。Kronprasert 等[4]收集了泰國(guó)86 599條農(nóng)村雙車(chē)道公路上彎道路段的交通事故數(shù)據(jù)，開(kāi)發(fā)了安全性能函數(shù)并發(fā)現(xiàn)車(chē)道寬度和曲線長(zhǎng)度、交通量和曲線半徑是影響事故頻率的重要參數(shù)。Xu等[5]采用仿真分析發(fā)現(xiàn)了行駛速度和圓曲線半徑是影響小半徑彎道路段行車(chē)安全的最主要因素。潘曉東等[6]通過(guò)實(shí)車(chē)試驗(yàn)，分析了小半徑曲線路段駕駛員的加減速行為和心率，發(fā)現(xiàn)小半徑曲線線形視距不良是導(dǎo)致交通事故的主要原因。吳偉國(guó)等[7]基于駕駛模擬實(shí)驗(yàn)研究了小半徑彎道路段的車(chē)輛駕駛行為，回歸發(fā)現(xiàn)車(chē)輛橫向偏移與彎道半徑和行駛速度顯著相關(guān)。

許多學(xué)者采用離散選擇模型剖析彎道路段上交通事故嚴(yán)重程度的影響因素。Jaehong等[8]采用有序Probit 模型分析了視距和車(chē)道寬度對(duì)交通事故嚴(yán)重程度的影響。Wang等[9]分別建立有序Logit、異構(gòu)選擇及廣義有序選擇回歸模型分析水平曲線對(duì)事故傷害嚴(yán)重程度的影響，發(fā)現(xiàn)曲線半徑越小事故嚴(yán)重度越大。楊文臣等[10]采用部分優(yōu)勢(shì)比和有序Logit 模型分析構(gòu)建機(jī)動(dòng)車(chē)碰撞嚴(yán)重度分析模型。整體而言，離散選擇模型相對(duì)簡(jiǎn)單，廣泛應(yīng)用于事故嚴(yán)重度分析及機(jī)理研究，但這類(lèi)模型假設(shè)各因素對(duì)事故嚴(yán)重程度的影響在不同事故中保持不變，沒(méi)有考慮未觀察的異質(zhì)性對(duì)事故嚴(yán)重程度的影響，在未觀測(cè)因素的作用下，納入模型的變量對(duì)模型的影響在各樣本上可能表現(xiàn)出異質(zhì)性，從而導(dǎo)致模型估計(jì)存在偏差。為此，隨機(jī)參數(shù)模型被提出并應(yīng)用于異質(zhì)性事故數(shù)據(jù)的分析建模[11-12]。Dinu 等[13]發(fā)現(xiàn)考慮異質(zhì)性的隨機(jī)參數(shù)Logit 模型估計(jì)農(nóng)村雙車(chē)道公路事故嚴(yán)重程度的效果更佳。Chang 等[14]結(jié)合潛在類(lèi)別聚類(lèi)和隨機(jī)參數(shù)Logit 模型對(duì)摩托車(chē)碰撞數(shù)據(jù)進(jìn)行了分析，發(fā)現(xiàn)性別、是否搭載乘客及事故發(fā)生日等因素存在異質(zhì)性效應(yīng)。施穎等[15]運(yùn)用隨機(jī)參數(shù)Logit 模型分析了影響校車(chē)碰撞事故嚴(yán)重度的異質(zhì)性因素。

綜上，國(guó)內(nèi)外學(xué)者在交通事故嚴(yán)重度分析研究方面取得了一定成果。但絕大多研究主要從全路段、全事故視角分析交通事故的影響因素，對(duì)不同路段上不同形態(tài)事故的形成機(jī)理，缺乏深入的比較分析；同時(shí)，常用的離散選擇模型存在數(shù)據(jù)同質(zhì)性假設(shè)，無(wú)法刻畫(huà)事故數(shù)據(jù)中的異質(zhì)性，鮮有彎道路段隨機(jī)參數(shù)模型的研究成果，而且既有研究多以數(shù)據(jù)豐富的城市道路、高速公路為對(duì)象，對(duì)山區(qū)雙車(chē)道公路的研究依然缺乏。因此，研究以山區(qū)公路小半徑彎道路段的追尾、正碰和側(cè)碰3類(lèi)事故為研究對(duì)象，采用傳統(tǒng)二項(xiàng)Logit模型（binary Logit model，BL）和考慮異質(zhì)性的隨機(jī)參數(shù)二項(xiàng)Logit模型（random parameter binary Logit model，RPBL），研究小半徑彎道路段3 類(lèi)事故嚴(yán)重程度的影響因素及其異質(zhì)性效應(yīng)，可為相關(guān)部門(mén)針對(duì)性制定安全改善措施提供依據(jù)。

1 數(shù)據(jù)準(zhǔn)備

1.1 研究對(duì)象

根據(jù)JTGB05—2015《公路項(xiàng)目安全性評(píng)價(jià)規(guī)范》，將平曲線半徑小于等于1 000 m 且縱坡小于3%的路段定義為平直路段，平曲線半徑小于等于1 000 m 的路段劃分為彎道路段[16]。根據(jù)山區(qū)雙車(chē)道公路彎道路段的分布特征，將雙車(chē)道公路小半徑路段定義為平曲線半徑小于等于600 m路段[17]。

1.2 數(shù)據(jù)來(lái)源

選取云南省楚雄州某典型二級(jí)公路為研究對(duì)象。該路段全長(zhǎng)87.42 km，共有159 處彎道，平曲線最小半徑125 m，最大縱坡為6%。其中彎道半徑小于600 m 的路段高達(dá)117 個(gè)，路段長(zhǎng)46.14 km，占研究路段總長(zhǎng)度的52.54%。

通過(guò)調(diào)研得到該路段2012—2017 年各類(lèi)交通事故數(shù)據(jù)2 247 起。經(jīng)路段單元?jiǎng)澐?、線形匹配等處理，篩選得到1 067 起具有完整信息的小半徑彎道路段事故數(shù)據(jù)，包括事故時(shí)間、地點(diǎn)、傷亡情況、事故現(xiàn)場(chǎng)、事故形態(tài)、事故原因等信息。

1.3 變量定義

1.3.1 因變量選取

小半徑彎道路段事故類(lèi)型分布見(jiàn)圖1，追尾事故、正面碰撞事故和側(cè)面碰撞事故是山區(qū)雙車(chē)道小半徑彎道路段的主要事故形態(tài)，事故占比之和達(dá)79.4%。其中，追尾事故數(shù)量占比最高，高達(dá)36.5%，其次為正面碰撞事故和側(cè)面碰撞，占比分別為26.6%和16.6%。翻車(chē)事故等其他類(lèi)型事故雖時(shí)有發(fā)生，但整體占比少，故研究暫不考慮。

圖1 雙車(chē)道公路小半徑彎道路段事故類(lèi)型Fig.1 Accident types on sharp curves of two-lane highways

以交通事故嚴(yán)重程度為因變量，考慮不同嚴(yán)重度等級(jí)的事故樣本的不均衡分布特性，研究將交通事故嚴(yán)重程度劃分為一般事故和傷亡事故，占比分別為63.4%和36.6%。

1.3.2 自變量選取

交通事故的發(fā)生是駕駛員、車(chē)輛、道路條件及環(huán)境等多重復(fù)雜因素導(dǎo)致。綜合前人研究、事故記錄信息，道路線形設(shè)計(jì)數(shù)據(jù)和實(shí)地調(diào)研情況，從駕駛員（包括年齡、性別、超車(chē)行為）、車(chē)輛（包括貨車(chē)、摩托車(chē)）、環(huán)境（包括季節(jié)、節(jié)假日、光線、天氣、路表、接入口）、小半徑彎道道路條件（包括彎道轉(zhuǎn)角、彎道長(zhǎng)度、彎道坡度、彎道坡長(zhǎng)）選取潛在影響因素。變量描述見(jiàn)表1。

表1 自變量描述性統(tǒng)計(jì)信息Tab.1 Descriptive statistics of independent variables

2 研究方法

2.1 隨機(jī)參數(shù)二項(xiàng)Logit模型

筆者將事故嚴(yán)重程度劃分為一般事故（Y=0）和傷亡事故（Y=1）2類(lèi)，故采用二分類(lèi)Logit模型揭示觀測(cè)變量與因變量間的相關(guān)關(guān)系。傳統(tǒng)二項(xiàng)Logit 模型中解釋變量系數(shù)是固定的，然而交通碰撞事故數(shù)據(jù)中存在許多無(wú)法觀測(cè)到的要素可能會(huì)影響對(duì)事故嚴(yán)重度。因此，為捕捉未觀察到的異質(zhì)性，隨機(jī)參數(shù)二項(xiàng)Logit 模型將模型中參數(shù)估計(jì)系數(shù)設(shè)置成隨機(jī)變量，解除固定參數(shù)模型對(duì)隨機(jī)誤差項(xiàng)的固定分布形式，以刻畫(huà)未觀測(cè)到的異質(zhì)性。事故嚴(yán)重度效用函數(shù)見(jiàn)式（1）。

式中：Yin為第n起事故嚴(yán)重度為i的效用函數(shù)值；i為事故嚴(yán)重類(lèi)型的取值，包括一般事故和嚴(yán)重事故；βin為影響因素的參數(shù)向量集；Xin為解釋變量向量集；εin為誤差項(xiàng)；ηin為均值為0隨機(jī)項(xiàng)。

隨機(jī)參數(shù)二項(xiàng)Logit模型是標(biāo)準(zhǔn)二項(xiàng)Logit模型在其密度函數(shù)上的積分形式，見(jiàn)式（2）。式中：f(βin|φ) 為βin的概率密度函數(shù)，常見(jiàn)分布有正態(tài)分布、對(duì)數(shù)正態(tài)分布和平均分布；φ為概率密度參數(shù)向量。將所有參數(shù)估計(jì)值進(jìn)行不同分布的隨機(jī)參數(shù)檢驗(yàn)，當(dāng)參數(shù)估計(jì)系數(shù)均值和標(biāo)準(zhǔn)差均在0.05水平下顯著時(shí)，認(rèn)為該變量估計(jì)系數(shù)是隨機(jī)的。

2.2 邊際效應(yīng)

由于RPBL模型估計(jì)系數(shù)只能定性描述顯著因素對(duì)碰撞嚴(yán)重度間的影響關(guān)系，無(wú)法量化自變量對(duì)事故嚴(yán)重程度的具體影響。因此引入彈性系數(shù)（對(duì)于連續(xù)變量）和偽彈性系數(shù)（對(duì)于分類(lèi)變量）作為邊際效應(yīng)指標(biāo)[14]，評(píng)估單個(gè)參數(shù)對(duì)3種事故形態(tài)嚴(yán)重程度結(jié)果可能性的影響，計(jì)算見(jiàn)式（3）～（4）。

2.3 模型評(píng)價(jià)

選取赤池信息準(zhǔn)則（akaike information criterion，AIC）和McFadden PseudoR2評(píng)價(jià)混模型的整體擬合優(yōu)度，計(jì)算見(jiàn)式（5）～（6）。

式中：K為模型參數(shù)數(shù)量；L為模型收斂時(shí)的似然函數(shù)值；Lo為模型只包括截距項(xiàng)時(shí)的對(duì)數(shù)似然值。其中，AIC值越小，McFadden PseudoR2越大，模型擬合優(yōu)度越高。

3 模型結(jié)果分析

為保證模型精度，在模型求解前采用Spearman相關(guān)系數(shù)來(lái)檢驗(yàn)變量間的相關(guān)性。經(jīng)檢驗(yàn)，變量間均不存在多重共線性。在此基礎(chǔ)上，進(jìn)一步使用Nlogit 6.0 進(jìn)行模型求解，基于蒙特卡洛方法完成小半徑彎道路段追尾碰撞、正面碰撞和側(cè)面碰撞的模型標(biāo)定。首先，選取顯著性水平為0.05，采用逐步回歸法確定顯著變量。然后，假定所有顯著變量的參數(shù)均為隨機(jī)參數(shù)，運(yùn)用Halton 抽樣法分別對(duì)各顯著變量服從正態(tài)分布、對(duì)數(shù)正態(tài)分布和平均分布進(jìn)行模擬仿真；最后，發(fā)現(xiàn)Halton 抽樣次數(shù)達(dá)到500 時(shí)，模型的擬合優(yōu)度趨于穩(wěn)定，當(dāng)待估變量的參數(shù)服從正態(tài)分布時(shí)，模型的擬合優(yōu)度也最佳。故設(shè)定抽樣次數(shù)為500，隨機(jī)參數(shù)服從正態(tài)分布，得到雙車(chē)道公路小半徑彎道路段追尾碰撞、正面碰撞和側(cè)面碰撞的最佳模型估計(jì)結(jié)果。

相較于傳統(tǒng)BL模型，追尾碰撞（表2）、正面碰撞（表3）和側(cè)面碰撞（表4）這3類(lèi)事故的RPBL模型的AIC值均更小，McFadden PseudoR2均更大，表明RPBL模型的數(shù)據(jù)擬合能力更優(yōu)，可有效識(shí)別顯著因素對(duì)不同事故類(lèi)型的異質(zhì)性效應(yīng)。因此基于RPBL模型估計(jì)結(jié)果及邊際效應(yīng)結(jié)果進(jìn)行分析。

表2 追尾碰撞模型參數(shù)對(duì)比Tab.2 Comparison of model parameters for rear-end collisions

表3 正面碰撞模型參數(shù)對(duì)比Tab.3 Comparison of model parameters for head-on collisions

表4 側(cè)面碰撞模型參數(shù)對(duì)比Tab.4 Comparison of model parameters for side collisions

3.1 追尾碰撞模型結(jié)果

追尾碰撞參數(shù)估計(jì)結(jié)果見(jiàn)表5。RPBL和BL模型均識(shí)別出駕駛員年齡、事故涉及摩托車(chē)、事故發(fā)生季節(jié)、白天、彎道轉(zhuǎn)角共5個(gè)因素與雙車(chē)道公路小半徑彎道路段追尾碰撞嚴(yán)重度顯著相關(guān)。

表5 追尾碰撞的模型參數(shù)估計(jì)結(jié)果Tab.5 Estimation results of model parameters for rear-end collisions

與既有研究山區(qū)公路普通路段追尾碰撞事故影響因素相比[18]，摩托車(chē)和冬季2個(gè)變量對(duì)小半徑彎道路段追尾碰撞傷亡事故為隨機(jī)參數(shù)，且在99%置信水平下顯著。其中，事故涉及摩托車(chē)對(duì)追尾碰撞嚴(yán)重度的影響程度最大，其參數(shù)服從（2.716，1.5642）的正態(tài)分布，表明在小半徑彎道路段追尾碰撞事故中，僅有4.28%摩托車(chē)參與事故發(fā)生傷亡事故的概率低于未涉及摩托車(chē)事故，95.72%涉及摩托車(chē)的追尾碰撞傾向于發(fā)生傷亡事故。根據(jù)邊際效應(yīng)可知，追尾碰撞涉及摩托車(chē)會(huì)導(dǎo)致傷亡事故概率增加55.3%。由于摩托車(chē)作為山區(qū)雙車(chē)道公路上的主要出行工具，其穩(wěn)定性差且行駛速度普遍較高，當(dāng)發(fā)生追尾碰撞時(shí)完全暴露于環(huán)境中，更容易發(fā)生傷亡事故。但不同摩托車(chē)行駛年齡、結(jié)構(gòu)參數(shù)、行駛速度等存在差異，導(dǎo)致車(chē)輛安全性能不一致，進(jìn)而導(dǎo)致了異質(zhì)性。

事故發(fā)生季節(jié)為冬季的參數(shù)服從（-1.495，2.1162）的正態(tài)分布，表明在冬季時(shí)，76.42%發(fā)生在冬季的追尾碰撞更不容易受到嚴(yán)重傷害，而23.58%的追尾碰撞更傾向于發(fā)生傷亡事故。這可能由于事故發(fā)生在冬季時(shí)，車(chē)輛行駛速度、駕駛員駕駛行為等存在差異，從而導(dǎo)致異質(zhì)性。邊際效應(yīng)結(jié)果顯示，冬季發(fā)生追尾碰撞事故會(huì)導(dǎo)致傷亡事故的概率降低14.5%。很大程度上是冬季雖然導(dǎo)致路面滑動(dòng)摩擦較低，車(chē)輛在小半徑彎道路段行駛時(shí)易發(fā)生追尾碰撞，但駕駛員在冬季時(shí)往往會(huì)更加謹(jǐn)慎，加之行駛速度低于其他季節(jié)，從而更不容易發(fā)生傷亡事故。

固定參數(shù)中駕駛員年齡和季節(jié)的回歸系數(shù)小于0，負(fù)向影響追尾碰撞嚴(yán)重度，而事故時(shí)間、摩托車(chē)和彎道轉(zhuǎn)角對(duì)追尾碰撞嚴(yán)重度具有顯著正向影響。相對(duì)于年輕駕駛員，駕駛員年齡每增大1個(gè)單位，追尾碰撞導(dǎo)致的傷亡事故發(fā)生概率會(huì)降低0.7%；小半徑彎道路段追尾碰撞發(fā)生在秋季和夏季時(shí)，傷亡事故的概率會(huì)分別增大10.3%和11.3%。相對(duì)于白天，夜間追尾碰撞發(fā)生傷亡事故的概率增大10%；彎道轉(zhuǎn)角越大，追尾碰撞嚴(yán)重性越高，導(dǎo)致傷亡事故概率增大0.2%。

3.2 正面碰撞模型結(jié)果

正面碰撞參數(shù)估計(jì)結(jié)果見(jiàn)表6。由表6可見(jiàn)：駕駛員是否超車(chē)、貨車(chē)、摩托車(chē)、彎道角度、彎道長(zhǎng)度這5 類(lèi)因素對(duì)小半徑彎道路段正面碰撞事故嚴(yán)重度影響較為顯著。彎道超車(chē)、貨車(chē)、摩托車(chē)、彎道角度對(duì)正面碰撞嚴(yán)重度有正向影響，彎道長(zhǎng)度對(duì)正面碰撞嚴(yán)重度有負(fù)向影響，Lee等[19]也發(fā)現(xiàn)普通路段上貨車(chē)會(huì)增加小型車(chē)輛正面碰撞事故的嚴(yán)重度。

事故涉及摩托車(chē)的參數(shù)服從（6.941，9.9012）的正態(tài)分布，表明小半徑彎道路段上76.11%涉及摩托車(chē)的正面碰撞更容易受?chē)?yán)重傷害。由表6 可見(jiàn)：當(dāng)正面碰撞涉及摩托車(chē)時(shí)，傷亡事故的概率增加54.4%。彎長(zhǎng)的參數(shù)服從（-0.004，0.0032）的正態(tài)分布，表明90.82%小半徑長(zhǎng)彎道路段正面碰撞更傾向于發(fā)生一般事故，而9.18%的正面碰撞易發(fā)生傷亡事故。整體上，小半徑彎道長(zhǎng)度每增加1 m，正面碰撞發(fā)生傷亡事故的概率降低0.1%。根據(jù)平曲線長(zhǎng)度計(jì)算公式可知，平曲線長(zhǎng)度越大，平曲線半徑越大，當(dāng)平曲線長(zhǎng)度增加時(shí)，駕駛?cè)藭?huì)獲得相對(duì)較好的行車(chē)視距，進(jìn)而降低事故嚴(yán)重程度。然而，部分駕駛員在彎道較長(zhǎng)的路段行駛時(shí)，為滿(mǎn)足更好的行駛視線，常采取跨線行駛導(dǎo)致與對(duì)向車(chē)輛發(fā)生沖突，從而增大事故嚴(yán)重性。

表6 正面碰撞的模型參數(shù)估計(jì)結(jié)果Tab.6 Estimation results of model parameters for head-on collisions

對(duì)于固定參數(shù)，結(jié)合邊際效應(yīng)結(jié)果可知，彎道角度每增加1°時(shí)，導(dǎo)致的正面碰撞傷亡事故概率增加0.2%。有貨車(chē)參與的正面碰撞會(huì)導(dǎo)致事故嚴(yán)重程度增加108.8%，是影響小半徑彎道路段事故嚴(yán)重度最大的因素，這與現(xiàn)有研究結(jié)論一致[8]。當(dāng)駕駛員在彎道上超車(chē)時(shí)，碰撞事故等級(jí)為傷亡事故的概率會(huì)提高14.6%，潛在原因是小半徑彎道路段視距受限，駕駛員超車(chē)時(shí)，對(duì)向車(chē)道一旦來(lái)車(chē)，極大概率引發(fā)嚴(yán)重的正面碰撞。

3.3 側(cè)面碰撞模型結(jié)果

由表7 可見(jiàn)：駕駛員年齡、摩托車(chē)、彎道是否有接入口3個(gè)因素顯著影響山區(qū)雙車(chē)道小半徑彎道路段側(cè)面碰撞事故嚴(yán)重度。與現(xiàn)有側(cè)碰事故影響因素相比[17]，駕駛員年齡與側(cè)碰事故嚴(yán)重度呈負(fù)相關(guān)，駕駛員年齡每增加1 個(gè)單位，側(cè)碰傷亡事故概率會(huì)降低0.5%。潛在原因是隨著駕駛員年齡增大，駕駛經(jīng)驗(yàn)和駕駛技能可能越豐富，規(guī)避風(fēng)險(xiǎn)的能力趨向于平穩(wěn)，在一定程度上可減少事故嚴(yán)重度。另外，RPBL模型識(shí)別出摩托車(chē)和彎道是否有接入口2個(gè)參數(shù)為隨機(jī)參數(shù)。

表7 側(cè)面碰撞的模型參數(shù)估計(jì)結(jié)果Tab.7 Estimation results of model parameters for side collision

事故涉及摩托車(chē)的參數(shù)服從（5.211，5.1112）的正態(tài)分布，表明88.87%的側(cè)碰事故會(huì)傾向于增加傷亡事故發(fā)生概率，11.13%的側(cè)碰事故傾向于發(fā)生一般事故。結(jié)合邊際效應(yīng)發(fā)現(xiàn)，有摩托車(chē)參與的側(cè)面碰撞事故導(dǎo)致傷亡事故概率增加65.7%。駕駛員在小半徑彎道路段行駛過(guò)程中，為了盡可能獲得道路前方信息，會(huì)潛意識(shí)改變行駛方向或者駛離原車(chē)道，車(chē)輛易與對(duì)向車(chē)道車(chē)輛發(fā)生沖突，造成碰撞事故的發(fā)生。但不同駕駛風(fēng)格的駕駛員會(huì)存在不同的操作行為，駕駛經(jīng)驗(yàn)豐富的駕駛員在越線行駛發(fā)現(xiàn)對(duì)向來(lái)車(chē)后，會(huì)緊急減速返回原車(chē)道降低事故嚴(yán)重程度。

彎道是否有接入口參數(shù)服從（-1.408，2.1462）的正態(tài)分布，表明74.53%有接入口的彎道不容易發(fā)生側(cè)碰傷亡事故，25.47%有接入口的彎道容易發(fā)生側(cè)碰傷亡事故。結(jié)合邊際效應(yīng)可知，相對(duì)于沒(méi)有接入口的小半徑彎道路段，發(fā)生側(cè)碰傷亡事故的概率會(huì)降低10.5%。潛在原因是山區(qū)雙車(chē)道公路中分布著大量的接入口，加之小半徑彎道路段視距受限，若接入口突然沖出車(chē)輛，極易引發(fā)交通事故。但通過(guò)有接入口的彎道時(shí)，駕駛員可能會(huì)更加謹(jǐn)慎駕駛，主動(dòng)降低行駛車(chē)速，因此降低事故嚴(yán)重程度。

3.4 典型事故形態(tài)結(jié)果對(duì)比

對(duì)比3 種典型事故嚴(yán)重度致因結(jié)果（見(jiàn)表8），從駕駛員來(lái)看，駕駛員年齡增加會(huì)降低追尾碰撞和側(cè)面碰撞的事故嚴(yán)重度；從事故車(chē)型來(lái)看，發(fā)現(xiàn)是否有摩托車(chē)參與是影響山區(qū)雙車(chē)道小半徑彎道路段追尾、正碰和側(cè)碰這3種典型事故形態(tài)的重要因素，且都表現(xiàn)為具有正向影響效應(yīng)的隨機(jī)參數(shù)。從時(shí)間上來(lái)看，夏、秋、冬和夜間均會(huì)影響追尾碰撞嚴(yán)重度，夏季、秋季和晚上均正向影響追尾碰撞嚴(yán)重度，冬季則具有負(fù)向影響效應(yīng)。從空間上來(lái)看，彎道轉(zhuǎn)角越大，導(dǎo)致追尾碰撞和正面碰撞傷亡程度越大。彎長(zhǎng)和彎道有接入口分別對(duì)正碰和側(cè)碰事故嚴(yán)重度具有異質(zhì)性效應(yīng)。

表8 典型事故形態(tài)致因結(jié)果對(duì)比Tab.8 Comparison of causative results of typical accident

4 結(jié)束語(yǔ)

1）針對(duì)小半徑彎道路段事故多發(fā)問(wèn)題，采用2012—2017年云南省典型山區(qū)雙車(chē)道公路小半徑彎道路段事故數(shù)據(jù)，從駕駛員、車(chē)輛、道路和環(huán)境這4個(gè)方面選擇了15個(gè)自變量，將事故嚴(yán)重程度分為一般事故和傷亡事故，分別采用BL和RPBL模型建立了3 種典型事故形態(tài)（追尾碰撞、正面碰撞、側(cè)面碰撞）的致因分析模型，研究結(jié)果表明考慮異質(zhì)性的RPBL 模型比傳統(tǒng)BL 模型擬合精度更優(yōu)，能更加準(zhǔn)確地刻畫(huà)數(shù)據(jù)采集時(shí)未觀測(cè)到的異質(zhì)性和事故嚴(yán)重程度之間的交互作用。

2）從駕駛員特性來(lái)看，駕駛員年齡負(fù)向影響小半徑彎道路段追尾碰撞和側(cè)面碰撞嚴(yán)重度。從車(chē)輛特性來(lái)看，事故涉及貨車(chē)或摩托時(shí)，會(huì)增加傷亡事故發(fā)生概率，其中摩托車(chē)變量在3 種典型事故嚴(yán)重度模型中的回歸系數(shù)均為服從正態(tài)分布的隨機(jī)參數(shù)。道路線形方面，彎道轉(zhuǎn)角和彎道長(zhǎng)度對(duì)正面碰撞嚴(yán)重度具有顯著影響效應(yīng)，彎道長(zhǎng)度正向影響正碰嚴(yán)重度且具有異質(zhì)性效應(yīng)，彎道轉(zhuǎn)角則具有負(fù)向效應(yīng)。行車(chē)環(huán)境特性方面，冬季和夜間對(duì)追尾碰撞嚴(yán)重度影響較大，且冬季具有異質(zhì)性效應(yīng)；事故發(fā)生在有接入口的小半徑彎道路段時(shí)，側(cè)碰傷亡事故事故概率會(huì)降低。

3）道路交通管理部門(mén)應(yīng)加強(qiáng)對(duì)年輕駕駛員安全教育培訓(xùn)，加強(qiáng)對(duì)摩托車(chē)管理力度，提高駕駛員小半徑彎道行車(chē)安全意識(shí)；針對(duì)小半徑彎道路段超車(chē)行為，加大懲處措施力度，或根據(jù)實(shí)際情況對(duì)彎道路段進(jìn)行加寬或線形調(diào)整；對(duì)于事故發(fā)生率較高的小半徑彎道路段增設(shè)中央隔離帶、施劃道路中心實(shí)線等方式降低交通沖突率；對(duì)于存在接入口的小半徑彎道路段，建議在接入口處設(shè)置接入口警告標(biāo)志和減速標(biāo)志，并定期清理彎道視距范圍內(nèi)的路側(cè)障礙物和樹(shù)木植被等以保證接入口視距良好。另外，建議從主動(dòng)防控角度加強(qiáng)山區(qū)公路隱患路段排查，對(duì)于交通事故高發(fā)的小半徑彎道路段，研發(fā)小半徑彎道路段行車(chē)風(fēng)險(xiǎn)預(yù)警系統(tǒng)與裝備，最大限度降低事故率及嚴(yán)重度，改善小半徑彎道路段交通安全運(yùn)營(yíng)管理水平。

受客觀條件和數(shù)據(jù)采集條件限制，交通流特征、彎道視距等影響因素暫未在文中分析，未來(lái)的研究會(huì)擴(kuò)大數(shù)據(jù)采集力度，增大事故樣本量，進(jìn)一步納入?yún)?shù)間的相關(guān)性，在隨機(jī)參數(shù)模型基礎(chǔ)上構(gòu)建相關(guān)隨機(jī)參數(shù)模型，捕捉潛在的異質(zhì)相關(guān)性，以滿(mǎn)足更精細(xì)化交通安全改善的需要。