交叉口處老年人碰撞事故傷害嚴(yán)重程度分析

潘義勇，吳靜婷，施 穎

(南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037)

0 引 言

自2000年起，我國(guó)開始進(jìn)入老齡化社會(huì)并且人口老齡化速度逐漸加快[1]。根據(jù)第七次全國(guó)人口普查數(shù)據(jù)顯示：我國(guó)60歲及以上人口約為2.6億人，占總?cè)丝诘?8.70%。老年人在交通事故中喪生人數(shù)占所有交通事故死亡人數(shù)的20%。老年人交通安全引起了全社會(huì)的廣泛關(guān)注。隨著年齡增長(zhǎng)，老年人的應(yīng)變能力、身體狀況和感知能力逐漸下降，再加上道路交叉口的交通狀況復(fù)雜，老年人在道路交叉口處發(fā)生交通事故的概率較大且嚴(yán)重程度較高。因此，深入研究交叉口處老年人碰撞事故的影響因素和事故傷害嚴(yán)重程度對(duì)改善老年人交通安全具有重要的意義。

國(guó)內(nèi)外學(xué)者對(duì)不同群體的交通事故傷害嚴(yán)重程度展開了研究。林慶豐等[2]基于Logistic模型提出了影響公交車碰撞事故傷害嚴(yán)重程度影響因素的辨識(shí)方法；溫惠英等[3]基于巢式Logit模型分析了不同路段摩托車單車事故傷害嚴(yán)重程度的影響因素；LIN Zijing等[4]利用混合Logit模型對(duì)自行車碰撞事故傷害嚴(yán)重程度的影響因素進(jìn)行了識(shí)別；李英帥等[5]采用隨機(jī)森林模型建立了電動(dòng)自行車騎行者事故傷害嚴(yán)重程度的模型。上述研究均未將老年人單獨(dú)進(jìn)行分析，且未考慮群體中不同類別之間的異質(zhì)性。

部分學(xué)者對(duì)老年人碰撞事故的影響因素展開了研究。ZHANG Jun等[6]分析了駕駛員年齡、駕駛行為、事故發(fā)生日期等與老年駕駛員事故風(fēng)險(xiǎn)之間的關(guān)系；S.KIM等[7]通過(guò)對(duì)比老年行人和年輕行人發(fā)生碰撞事故的情況發(fā)現(xiàn)：老年行人更容易與轉(zhuǎn)彎車輛發(fā)生碰撞；WANG Yueying等[8]發(fā)現(xiàn)駕駛員年齡、車道數(shù)、車輛類型等因素對(duì)老年行人碰撞事故有著顯著影響。但上述研究均未考慮建成環(huán)境對(duì)交叉口處老年人碰撞事故的影響。

綜上，筆者采用潛類別Logit模型對(duì)交叉口處老年人碰撞事故傷害嚴(yán)重程度進(jìn)行了異質(zhì)性分析。① 闡述潛類別Logit模型的基本原理；② 采用2019年美國(guó)某州的交叉口處老年人碰撞事故數(shù)據(jù)，構(gòu)建了基于潛類別Logit模型的老年人事故傷害嚴(yán)重程度模型，并進(jìn)行參數(shù)估計(jì)和模型檢驗(yàn)；③ 從駕駛員特性、道路特性、車輛特性、道路環(huán)境、建成環(huán)境這5個(gè)方面對(duì)交叉口處老年人碰撞事故傷害嚴(yán)重程度進(jìn)行異質(zhì)性分析并提出建議。

1 模型理論

1.1 潛類別Logit模型

根據(jù)潛類別Logit理論，事故嚴(yán)重傷害程度既取決于可觀測(cè)的因素，也取決于未觀測(cè)到的因素中潛在的異質(zhì)性。潛類別Logit模型可通過(guò)參數(shù)變化或類別變化來(lái)反映異質(zhì)性。

假設(shè)潛類別Logit模型中有C個(gè)潛在類別。在c類別下，事故傷害嚴(yán)重度為j的第i起事故發(fā)生的條件概率如式(1)：

(1)

第i起碰撞事故屬于類別c的概率如式(2)：

(2)

根據(jù)貝葉斯公式，事故傷害嚴(yán)重度為j的第i起事故發(fā)生的無(wú)條件概率如式(3)：

(3)

1.2 偽彈性系數(shù)

由于參數(shù)估計(jì)結(jié)果并不總是和自變量實(shí)際影響一致[9]，因此運(yùn)用彈性系數(shù)來(lái)量化顯著影響因素對(duì)事故傷害嚴(yán)重程度的影響。彈性分析計(jì)算如式(4)：

(4)

在潛類別Logit模型中，自變量被離散化為0-1的變量。在進(jìn)行彈性分析時(shí)，無(wú)法區(qū)分自變量為0或1的概率[10]，故筆者引入偽彈性系數(shù)來(lái)量化自變量對(duì)事故傷害嚴(yán)重程度的影響。偽彈性系數(shù)計(jì)算如式(5)：

(5)

2 數(shù)據(jù)描述

筆者基于2019年美國(guó)某州的交通數(shù)據(jù)庫(kù)，提取了交叉口處碰撞事故共4 635起，剔除年齡低于60歲的數(shù)據(jù)，最終選取2 100起交叉口處老年人碰撞事故作為研究樣本。

事故傷害嚴(yán)重程度可分為5個(gè)等級(jí)：死亡事故(事故發(fā)生時(shí)當(dāng)場(chǎng)死亡及事故發(fā)生后30 d內(nèi)死亡)、僅財(cái)產(chǎn)損失事故、非失能性傷害事故、可能受傷事故和失能性傷害事故。由于死亡事故和失能性傷害事故發(fā)生次數(shù)較少，將其合并為重傷事故(總占比為3.1%)；將非失能性傷害事故和可能受傷事故合并為輕傷事故(總占比為20.6%)；剩下的為財(cái)產(chǎn)損失事故(總占比為76.3%)。

將事故傷害嚴(yán)重程度作為因變量，分別從人、車、建成環(huán)境、道路條件和道路環(huán)境這5個(gè)方面挑選12個(gè)影響因素作為自變量，如表1。

表1 變量信息

表1中：包括人的特征(老年人性別)、車輛特征(車輛類型、行駛速度)、建成環(huán)境(交叉口300 m緩沖區(qū)內(nèi)是否有公園、醫(yī)院、購(gòu)物中心)、道路條件(道路表面環(huán)境、線形、控制方式、豎曲線類型、分隔形式)和道路環(huán)境(光照情況、是否在作業(yè)區(qū))。

3 參數(shù)標(biāo)定

采用向后逐步回歸法，在置信水平為95%下剔除不符合顯著水平的影響因素。其中：X1、X41、X22、X33、X34、X21、X34、X53共8個(gè)影響因素(包含虛擬變量)與因變量顯著相關(guān)。將不顯著的虛擬變量類別設(shè)定為參考變量，例如：在X1中，女性因素在向后逐步回歸法中被剔除，將其設(shè)定為參考變量；在X21中，除摩托車因素對(duì)應(yīng)的虛擬變量與事故傷害嚴(yán)重程度顯著相關(guān)外，其他因素對(duì)應(yīng)的虛擬變量被剔除，選擇被剔除的第一個(gè)類別變量作為參考變量；若影響因素對(duì)應(yīng)的虛擬變量均被排除，則選擇任一因素作為參考變量。

通過(guò)比較AIC和BIC信息準(zhǔn)則的值來(lái)確定潛類別Logit模型最佳潛在類別數(shù)量，如表2。

表2 不同潛在類別數(shù)的潛類別Logit模型比較結(jié)果

當(dāng)潛在類別數(shù)量為4及以上時(shí)，潛類別Logit模型不收斂，無(wú)法進(jìn)行參數(shù)標(biāo)定；當(dāng)潛在類別數(shù)量為2時(shí)，潛類別Logit模型AIC和BIC的值最小。故筆者對(duì)分類數(shù)為2的潛類別Logit模型進(jìn)行研究，其參數(shù)估計(jì)結(jié)果見表3。

表3 潛類別Logit模型的參數(shù)估計(jì)結(jié)果

潛類別Logit模型的自由度為21，似然比卡方值為1 550.31，大于臨界值38.93(99%的置信水平下)，這表明模型的整體有效性通過(guò)了檢驗(yàn)。且潛類別Logit模型的McFaddenR2值為0.336，在0.2～0.4之間，表明模型擬合效果較好[11]。為量化各自變量對(duì)事故傷害嚴(yán)重程度的影響，計(jì)算各自變量的平均偽彈性系數(shù)，如表4。

表4 各自變量的平均偽彈性系數(shù)

4 結(jié)果分析

4.1 異質(zhì)性結(jié)果分析

由表3可知：自變量的參數(shù)估計(jì)在兩個(gè)潛在類別中存在著顯著差異。主要包括：① 參數(shù)在兩個(gè)潛在類別中同時(shí)顯著但是參數(shù)符號(hào)相反。② 參數(shù)在其中一個(gè)潛在類別中顯著，在另一個(gè)類別中不顯著。

由表3可知：當(dāng)速度為50～60 km/h時(shí)，在類別1中呈現(xiàn)正影響，在類別2中呈現(xiàn)負(fù)影響； 35.60%的車輛更容易發(fā)生重傷事故，64.40%的車輛不易發(fā)生重傷事故；發(fā)生僅財(cái)產(chǎn)損失事故的概率降低0.17%，發(fā)生輕傷事故和重傷事故的概率分別增加0.01%和2.08%。而當(dāng)速度<20 km/h時(shí)，發(fā)生輕傷事故和重傷事故的概率分別降低7.09%和7.12%。這是因?yàn)橛捎谲囕v速度越快，發(fā)生碰撞時(shí)的動(dòng)能越大；且速度越快，留給老年人反應(yīng)的時(shí)間越短，而相對(duì)于年輕人，老年人在面對(duì)危險(xiǎn)時(shí)所需的反應(yīng)時(shí)間更長(zhǎng)，更容易造成嚴(yán)重傷害。因此，車輛在交叉口處行駛時(shí)應(yīng)降低車速[12]。

摩托車在類別1中不顯著，在類別2中顯著，且與僅財(cái)產(chǎn)損失事故呈現(xiàn)負(fù)相關(guān)。當(dāng)行駛車輛為摩托車時(shí)，發(fā)生僅財(cái)產(chǎn)損失事故的概率降低0.51%，而發(fā)生輕傷事故和重傷事故的概率分別增加0.19%和0.14%。這是因?yàn)橄啾绕渌愋蛙囕v，摩托車在發(fā)生行人-摩托車碰撞事故時(shí)，由于摩托車的速度較低，造成的事故傷害較??；在發(fā)生汽車-摩托車碰撞事故時(shí)，由于摩托車駕駛者暴露面積大，遭受的事故傷害大。相比于年輕人，老年人一般體質(zhì)偏弱，在發(fā)生交通事故受傷后不易恢復(fù)。因此，老年人摩托車駕駛者應(yīng)當(dāng)帶上頭盔等保護(hù)工具并在交叉口處行駛時(shí)降低車速[13]。

夜間黑暗無(wú)燈光在類別1中不顯著，在類別2中顯著，與輕傷事故呈現(xiàn)正相關(guān)。當(dāng)?shù)缆窢顩r為黑暗無(wú)燈時(shí)，發(fā)生輕傷事故概率增加0.24%，發(fā)生僅財(cái)產(chǎn)損失事故和重傷事故概率降低0.35%和0.37%。這是因?yàn)槭窃谝归g黑暗無(wú)燈光條件下，老年人會(huì)謹(jǐn)慎駕駛[14]。在夜晚行駛時(shí)，老年人視力會(huì)逐漸下降，對(duì)車輛距離和速度無(wú)法準(zhǔn)確判斷，會(huì)導(dǎo)致發(fā)生事故的風(fēng)險(xiǎn)有所增加。因此，在下午6點(diǎn)至早上6點(diǎn)無(wú)論道路上是否有路燈，駕駛員都必須打開車燈行駛。

山頂/山底在類別1中不顯著，在類別2中顯著，與輕傷事故呈現(xiàn)正相關(guān)。當(dāng)事故發(fā)生在山頂/山底時(shí)，發(fā)生僅財(cái)產(chǎn)損失事故和重傷事故的概率增加7.09%和6.74%。這是因?yàn)橄啾绕渌Q曲線類型，事故發(fā)生在山頂/山底時(shí)，老年人視線被道路遮擋，相對(duì)于年輕人，隨著年齡增長(zhǎng)，老年人視野變窄，更加不容易注意到其他方向的來(lái)車[15]。

4.2 建成環(huán)境分析

由表3可知：交叉口300 m緩沖區(qū)內(nèi)不存在商場(chǎng)在類別1、類別2中均顯著，與輕傷事故呈現(xiàn)負(fù)相關(guān)。當(dāng)交叉口300 m緩沖區(qū)內(nèi)不存在購(gòu)物中心時(shí)，發(fā)生輕傷事故概率增加1.93%。這是因?yàn)槔夏耆私?jīng)常去購(gòu)物中心購(gòu)物，而購(gòu)物中心人流量大，保障老年人安全的交通設(shè)施相對(duì)充足，且駕駛者在人流量大區(qū)域會(huì)更加謹(jǐn)慎駕駛，老年人發(fā)生交通事故概率會(huì)有所下降；在交叉口300 m緩沖區(qū)內(nèi)不存在購(gòu)物中心時(shí)，駕駛員容易存在僥幸心理超速行駛，因此發(fā)生事故概率會(huì)有所增加。

4.3 其他影響因素分析

4.3.1 男性老年人

男性老年人在類別1、類別2中均顯著，與僅財(cái)產(chǎn)損失事故呈現(xiàn)正相關(guān)。當(dāng)老年人性別為男性時(shí)，發(fā)生僅財(cái)產(chǎn)損失事故概率增加15.10%，發(fā)生輕傷事故和重傷事故概率分別降低57.05%和61.36%。這是因?yàn)橄啾扔谂岳夏耆?，男性老年人參與交通的機(jī)會(huì)更多，當(dāng)發(fā)生意外狀況時(shí)，男性老年人往往更加理智[16]。因此，應(yīng)對(duì)不同性別老年人進(jìn)行有針對(duì)性的交通安全知識(shí)普及。

4.3.2 無(wú)分離有連續(xù)左轉(zhuǎn)車道

無(wú)分離有連續(xù)左轉(zhuǎn)車道在類別1、類別2中均顯著，與僅財(cái)產(chǎn)損失事故呈現(xiàn)正相關(guān)。當(dāng)?shù)缆窡o(wú)分離有連續(xù)左轉(zhuǎn)車道時(shí)，發(fā)生僅財(cái)產(chǎn)損失事故的概率增加1.01%。這是因?yàn)榇嬖诶夏耆舜┻^(guò)交叉口的情況，而連續(xù)左轉(zhuǎn)車道會(huì)使車輛與老年人存在沖突點(diǎn)。老年人信息處理能力衰退，面對(duì)復(fù)雜交通狀況時(shí)，判斷時(shí)間較長(zhǎng)，且容易發(fā)生交通事故[17]。車輛在通過(guò)交叉口路段時(shí)應(yīng)注意停車讓行。

4.3.3 信號(hào)控制

信號(hào)控制在在類別1、類別2中均顯著，與重傷事故呈現(xiàn)負(fù)相關(guān)。當(dāng)事故發(fā)生在信號(hào)交叉口時(shí)，發(fā)生僅財(cái)產(chǎn)損失事故和輕傷事故概率增加4.43%和4.77%，發(fā)生重傷事故概率降低109.87%。這是因?yàn)榕c其他控制方式相比，信號(hào)控制通過(guò)改變信號(hào)燈周期，有利于減少交叉沖突點(diǎn)；且老年人行動(dòng)遲緩，而信號(hào)燈設(shè)計(jì)是依據(jù)年輕人設(shè)置的，因此可適當(dāng)考慮老年人步行速度調(diào)整信號(hào)時(shí)長(zhǎng)，從而保障老年人安全。

5 結(jié) 論

1)筆者以2019年美國(guó)某州2 100起老年人交叉口碰撞事故為研究對(duì)象，將事故傷害嚴(yán)重程度作為因變量，從道路環(huán)境、車輛、建成環(huán)境、老年人、道路環(huán)境這5個(gè)方面挑選了12個(gè)影響因素作為自變量。在95%置信水平下，采用向后逐步回歸法篩選出男性老年人、速度<20 km/h、速度50～60 km/h、無(wú)分離有連續(xù)左轉(zhuǎn)車道、摩托車、交叉口300 m緩沖區(qū)內(nèi)不存在購(gòu)物中心、夜間黑暗無(wú)燈光、山頂/山底、信號(hào)控制與因變量顯著相關(guān)。

2)筆者將老年人事故傷害嚴(yán)重程度為因變量，男性老年人、速度50～60 km/h、無(wú)分離有連續(xù)左轉(zhuǎn)車道、摩托車、交叉口300 m緩沖區(qū)內(nèi)不存在購(gòu)物中心、夜間黑暗無(wú)燈光、速度<20 km/h、山頂/山底、信號(hào)控制為自變量，采用潛類別Logit模型建立事故傷害嚴(yán)重程度模型。

3)通過(guò)建立潛類別Logit模型發(fā)現(xiàn)：摩托車、夜間黑暗無(wú)燈光、山頂/山底、速度50～60 km/h在不同類別中表現(xiàn)出明顯的異質(zhì)性。

4)在建成環(huán)境影響因素中：交叉口300 m緩沖區(qū)內(nèi)不存在購(gòu)物中心與輕傷事故呈現(xiàn)負(fù)相關(guān)。

5)鑒于調(diào)研條件有限，筆者沒(méi)有將路幅寬度、無(wú)信號(hào)燈控制時(shí)的交通量、是否存在二次過(guò)街、300 m緩沖區(qū)內(nèi)是否存在養(yǎng)老院等引入自變量，這是今后需要研究的重要方向之一。