城市和農村校車事故傷害嚴重程度影響因素對比分析

施 穎，潘義勇，吳靜婷SHI Ying, PAN Yiyong, WU Jingting

（南京林業(yè)大學 汽車與交通工程學院，江蘇 南京 210037）

0 引 言

道路交通事故是世界范圍內引人關注的問題（世界衛(wèi)生組織2018 年），根據人口和行駛里程的不同，農村地區(qū)的交通事故比城市地區(qū)更嚴重。校車是道路交通的重要組成部分之一，且校車行業(yè)發(fā)展存在滯后性、校車管理還不完善，校車事故頻發(fā)，受到社會各界廣泛關注。鑒于農村和城市地區(qū)的駕駛環(huán)境、校車發(fā)展運營條件的不同，深入分析農村和城市校車事故傷害嚴重程度致因并進行對比，對改善校車交通安全、指導實施交通安全管理政策具有重要意義。

國內外學者對校車事故展開了研究。Li 等分析校車事故時空分布特點；王燕等調研具體案例，對校車事故安全管理宏觀政策進行研究；陳濤等對中美校車安全標準進行比較研究；Hu 等針對中國發(fā)生的校車安全事件從發(fā)生年月、地區(qū)等進行調查；Wu 等建立貝葉斯網絡（BN） 模型，基于故障樹分析方法對校車安全事故進行研究。針對校車事故分析主要在定性分析和宏觀政策研究層面展開，針對城市和農村校車事故傷害嚴重程度致因的對比研究還比較少。

農村和城市地區(qū)事故傷害嚴重程度研究成果豐富。趙丹等基于雙變量Probit 對農村公路交叉口事故特征與風險因素進行分析；MA 等基于偏比例優(yōu)勢模型對農村雙車道公路交通事故致因進行分析；戢曉峰等基于廣義有序Logit 模型研究超大城市晝夜交通事故特征；ISLAM 等基于混合Logit 模型對比農村和城市道路中摩托車事故嚴重程度影響因素。上述研究均未涉及城市和農村校車事故傷害嚴重程度影響因素的研究。

綜上所述，采用混合Logit 模型，針對城市和農村校車事故進行對比分析和異質性探索具有實際意義。首先，闡述混合Logit 模型基本原理；第二，基于2018～2019 年美國某州校車事故數(shù)據，從人、車、路、環(huán)境四個方面，構建能夠反映事故數(shù)據異質性的城市和農村校車事故模型，進行參數(shù)估計和模型檢驗；第三，對比分析城市和農村校車事故傷害嚴重程度致因，為改善校車交通安全提供依據。

1 模型理論

1.1 混合Logit 模型

混合Logit 模型是一種包含固定參數(shù)和隨機參數(shù)的高度靈活的模型，從多項Logit 模型演化而來，解決了多項式Logit 模型未能考慮個體差異性與IIA 假設的限制。校車事故n 為傷害嚴重程度i 的效用函數(shù)見式（1）。

式中：X為解釋變量，β為對應的待估參數(shù)，ε為捕獲未觀測特性影響的誤差項。如果誤差項是獨立同分布的廣義極值，則得到的模型是多項式Logit 模型，其選擇概率見式（2）。

式中：P（i ）為校車事故n 為傷害嚴重程度i 的概率。

為了捕捉由于隨機性所導致的未觀察到的異質性的影響，將式（2） 擴展到混合Logit 模型公式，見式（3）。

式中：f （β|? ）為β的概率密度函數(shù)，? 為參數(shù)向量。

1.2 邊際效應分析

邊際效應分析能夠直觀地解釋顯著變量對校車事故傷害嚴重程度概率結果變化的影響，將與校車事故傷害嚴重程度相關的所有的解釋變量表示為0～1 變量，邊際效應計算公式見式（4）。

2 數(shù)據描述

數(shù)據來源于美國某州的交通數(shù)據庫。經過提取和數(shù)據清理，最終選取2018～2019 年該州2 416 起校車事故數(shù)據。結合校車事故傷害嚴重程度特征，將原始數(shù)據分為3 個等級：A（死亡、嚴重傷害和非失能性傷害）、B（可能傷害） 和C（未受傷）。為探討城市地區(qū)和農村地區(qū)校車事故傷害嚴重程度致因差異，將城市和農村地區(qū)事故數(shù)據進行對比，見圖1、圖2。城市地區(qū)發(fā)生的校車事故數(shù)量較農村地區(qū)多，但是農村地區(qū)校車事故傷害嚴重程度較城市地區(qū)略高。

圖1 城市農村地區(qū)總事故數(shù)對比

圖2 城市農村地區(qū)不同傷害等級事故占比對比

將校車事故傷害嚴重程度作為因變量，分別從人（性別、年齡、是否使用安全帶、不安全駕駛行為）、車（安全氣囊狀態(tài)、涉事車輛數(shù)）、路（道路限速值、控制方式、是否在交叉口、道路線形） 以及環(huán)境（光線條件、是否在學校區(qū)域、路表干濕狀況） 四個方面選取13 個影響因素作為自變量。統(tǒng)計信息見表1。

表1 變量統(tǒng)計信息

3 參數(shù)標定

利用處理得到的校車事故數(shù)據，將挑選出的自變量代入混合Logit 模型進行標定，可以發(fā)現(xiàn)城市和農村地區(qū)校車傷害嚴重程度致因有較大差別。在90%置信水平下，城市地區(qū)模型的χ值為721.58，自由度為13，大于臨界值19.812，模型整體有效性通過；農村地區(qū)模型的χ值為1 907.36，自由度為12，大于臨界值18.549，模型整體有效性通過，結果見表2 和表3。結果顯示，對于城市地區(qū)，“不在學校區(qū)域”參數(shù)服從正態(tài)分布；對于農村地區(qū)，“駕駛員年齡35～44 歲”參數(shù)服從正態(tài)分布。

表2 城市地區(qū)校車事故傷害嚴重程度模型標定

表3 農村地區(qū)校車事故傷害嚴重程度模型標定

4 對比分析

4.1 異質性結果對比分析

城市和農村地區(qū)校車事故傷害程度模型分別識別出1 個隨機參數(shù)，見圖3 和圖4。

城市地區(qū)校車事故傷害程度模型結果顯示，“不在學校區(qū)域”對應參數(shù)服從均值-4.478，標準差3.145 的正態(tài)分布，見圖3。該參數(shù)小于0 的概率為92.28%，即相比于在學校區(qū)域，92.28%的非學校區(qū)域不易發(fā)生傷害事故，7.72%的非學校區(qū)域較易發(fā)生可能傷害事故，潛在原因是非學校區(qū)域交通管理相對于學校區(qū)域不嚴格，但是不管是學校還是非學校區(qū)域，美國針對校車的相關法律法規(guī)相對完善，從而導致異質性結果。

圖3 “不在學校區(qū)域”參數(shù)分布

農村地區(qū)校車事故傷害程度模型結果顯示，“駕駛員年齡35～44 歲”對應參數(shù)服從均值1.244，標準差1.442 的正態(tài)分布，見圖4。該參數(shù)小于0 的概率為19.42%，即相比于小于25 歲的駕駛員，19.42%的35～44 歲駕駛員不易發(fā)生傷害事故，80.58%的35～44 歲駕駛員較易不發(fā)生傷害事故，可能原因是該年齡段的校車駕駛員身體機能較好、反應速度也較快，但農村地區(qū)車輛較少、路況復雜程度低，部分駕駛員難免存在激進駕駛行為，從而導致異質性結果。

圖4 “駕駛員年齡33～44 歲”參數(shù)分布

4.2 同種因素對比分析

根據結果可知，安全氣囊狀態(tài)、道路限速值、控制方式、光線條件和不安全駕駛行為對城市和農村校車事故傷害嚴重程度均有影響，但影響程度不同。

安全氣囊打開與城市地區(qū)死亡受傷事故呈正相關，與農村地區(qū)未受傷事故呈負相關。邊際效應顯示，安全氣囊打開狀態(tài)下，城市和農村地區(qū)死亡受傷事故分別增加2.66%和0.98%、可能傷害事故分別降低0.29%和增加1.88%、未受傷事故概率分別降低2.37%和2.86%，城市和農村地區(qū)安全氣囊打開造成的事故傷害程度都較高，可能原因是氣囊起爆造成的二次傷害；事故存在翻車、嚴重側向碰撞等情況。有研究表明，校車事故中兒童頭頸部更容易受到傷害，安全氣囊打開，對兒童頭頸部可能造成傷害；乘車兒童常存在離位情況，安全氣囊的作用受到限制。

道路限速值大于60km/h 與城市地區(qū)死亡傷害事故呈正相關，死亡受傷事故概率增加1.85%；道路限速值40～50km/h 與農村地區(qū)未受傷害事故呈負相關，未受傷事故降低2.38%，死亡受傷事故增加0.85%，可以發(fā)現(xiàn)無論城市還是農村限速值越大，發(fā)生的校車事故傷害嚴重程度越高，原因是車輛速度越高，制動距離和制動時間都增大。

道路控制方式為中央分隔帶與城市可能傷害事故呈正相關，可能傷害事故增加2.15%，未受傷事故、死亡受傷事故概率降低0.48%、1.67%，中央分隔帶為物理隔離，能有效降低重大事故的損失；與農村未受傷事故呈負相關，未受傷事故概率降低0.91%，可能傷害事故、死亡受傷事故增加0.56%、0.35%，可以發(fā)現(xiàn)該因素導致的農村校車事故傷害嚴重程度更高，可能原因是中央分隔帶的存在，導致農村駕駛員行車疏忽或可能存在側向碰撞、翻車事故。控制方式為車道標線與農村未受傷事故呈負相關，未受傷事故發(fā)生概率降低2.62%，可能傷害事故、死亡受傷事故發(fā)生概率分別增加1.68%和0.94%，潛在原因是車道標線不是物理隔離，僅能達到簡單的車流隔離作用，且農村地區(qū)車流較少，容易導致一些車輛疏忽行駛，影響校車行車，增加事故傷害程度。

黃昏/黎明與城市可能傷害事故呈正相關，發(fā)生可能傷害事故增加0.9%，可能原因是黃昏/黎明時光線較暗，導致事故發(fā)生，但駕駛員謹慎駕駛，降低了死亡受傷事故概率；夜晚無燈與農村未受傷事故呈負相關，未受傷事故概率降低2.45%，可能傷害事故、死亡受傷事故增加0.35%、0.21%，以往研究表明，由于夜間駕駛更謹慎，死亡事故發(fā)生概率降低，與農村校車事故不一致，可能原因是夜晚農村車流較少，導致駕駛員疏忽。

不安全駕駛行為未能讓出道路優(yōu)先權與農村未受傷事故呈負相關，未受傷事故概率降低1.56%，可能傷害事故、死亡受傷事故概率增加0.87%、0.69%；不安全車速與農村可能傷害事故呈正相關，可能傷害事故概率增加2.13%，可能原因是農村地區(qū)車輛較少，車況沒有城市復雜，且管理相對城市較松，容易導致超速行車，不顧道路優(yōu)先權行車，增加事故傷害嚴重程度。不安全時倒車轉彎、未按規(guī)定車道行駛、其他（飲酒等） 與城市未受傷事故呈正相關，發(fā)生未受傷事故概率分別增加0.57%、0.36%和1.25%，分心駕駛與城市可能傷害事故呈負相關，可能傷害事故概率降低0.79%；與農村死亡受傷事故呈負相關，死亡受傷事故概率降低0.35%，不按規(guī)定車道行車是一種危險的車道偏離行為，飲酒、分心駕駛容易導致面對突發(fā)情況時反應速度降低?？梢园l(fā)現(xiàn)，上述不安全駕駛行為導致的城市和農村事故傷害程度不高，與經驗相反?？紤]到美國校車的堅固程度、相關法律法規(guī)的嚴格程度，且校車駕駛員在發(fā)現(xiàn)情況處理能力更強，加上其他社會車輛的配合，嚴重事故的發(fā)生較少。

4.3 不同種因素分析

駕駛員性別為男與農村死亡受傷（死亡、嚴重傷害和非失能性傷害） 事故呈負相關，死亡受傷事故概率降低1.32%，潛在原因是相對于女性駕駛員，男性駕駛員面對校車事故的應變能力以及判斷執(zhí)行能力都較強，且農村地區(qū)車輛相對城市少，有利于男性駕駛員更好地處理突發(fā)狀況。

涉事車輛數(shù)為1 輛和2 輛與城市地區(qū)死亡受傷事故呈負相關，死亡受傷事故概率分別下降0.92%和15.15%?？赡茉蚴桥c涉事車輛數(shù)為3 相比，涉事車輛數(shù)為1 輛或2 輛情況沒有3 輛時復雜，加上城市區(qū)域交通管理、設施較農村地區(qū)完善，校車駕駛員通過正確判斷和處理，降低嚴重事故發(fā)生概率。

路表濕滑與城市可能傷害事故呈正相關，發(fā)生可能傷害事故概率增加1.28%，死亡受傷事故概率降低0.18%。路表濕滑一般與雨雪等不良天氣情況有關，容易發(fā)生可能傷害事故，但不良條件下更多司機行車較為謹慎，且城市交通基礎設施更為完善，所以不易發(fā)生死亡受傷事故。

5 結 論

以美國某州城市和農村地區(qū)2 416 條校車事故數(shù)據為研究對象，將事故傷害嚴重程度作為因變量，從人的特征、車輛特征、道路條件以及道路環(huán)境等方面選取13 個影響因素作為自變量，構建混合Logit 模型，對城市和農村地區(qū)校車事故傷害嚴重程度進行異質性分析。結果表明：

（1） 城市和農村地區(qū)校車傷害嚴重程度致因有較大差別：城市地區(qū)模型識別出13 個顯著影響變量，包括1 個隨機參數(shù)；農村地區(qū)模型識別出10 個顯著影響變量，包括1 個隨機參數(shù)；

（2） “不在學校區(qū)域”對應參數(shù)服從均值-4.478，標準差3.145 的正態(tài)分布；“駕駛員年齡35～44 歲”對應參數(shù)服從均值1.244，標準差1.442 的正態(tài)分布；

（3） 涉事車輛數(shù)為1 輛/2 輛、安全氣囊狀態(tài)打開和道路限速值大于60km/h 與城市死亡受傷事故顯著相關，駕駛員性別為男與農村死亡受傷事故呈負相關；

（4） 分心駕駛、控制方式為中央分隔帶、黃昏/黎明和路表濕潤與城市可能傷害事故顯著相關，不安全車速與農村可能傷害事故呈正相關；

（5） 不安全駕駛行為為不安全時倒車轉彎、未按規(guī)定車道行駛和其他（飲酒等） 與城市未受傷事故呈正相關，未能讓出道路優(yōu)先權、安全氣囊狀態(tài)打開、道路限速值為40～50km/h、控制方式為車道標線和中央分隔帶、夜晚無燈與農村地區(qū)未受傷事故顯著相關。

鑒于條件有限以及數(shù)據采集的局限性，沒有對異質性的來源展開分析；另外，本文提出的模型沒有考慮事故數(shù)據在時間上的差異性，后續(xù)需要進一步研究。