道路交通事故碰撞類型影響因素分析

吳旭東, 趙 丹

(中國人民公安大學(xué)交通管理學(xué)院, 北京 100038)

0 引言

道路交通事故給全世界各個(gè)國家和地區(qū)帶來了非常嚴(yán)重的傷害[1]。 研究發(fā)現(xiàn),交通系統(tǒng)中人、車、路和環(huán)境都是導(dǎo)致交通事故風(fēng)險(xiǎn)增加的重要影響因素[2]。 但是不同的人、車、路和環(huán)境因素造成的事故碰撞類型以及對特定碰撞類型的影響程度是有差異的,所以還需再深入探討事故碰撞類型與交通系統(tǒng)中人、車、路和環(huán)境等因素的關(guān)系。

Kolesov V 等人[3]認(rèn)為:要從“安全系統(tǒng)”的角度保證交通參與者獲得安全的交通系統(tǒng),合理處理交通參與者、使用車輛、道路、交通環(huán)境等所有安全因素,以此減少交通事故數(shù)量和傷亡人數(shù)。 控制嚴(yán)重交通事故發(fā)生和減少交通事故發(fā)生頻次是管理部門的最終目的。 王健宇等人[4]利用多項(xiàng)logistic 回歸模型分析了影響車輛間事故嚴(yán)重程度的因素,識別出不同嚴(yán)重程度事故的顯著影響因素以及減小事故風(fēng)險(xiǎn)時(shí)應(yīng)重點(diǎn)關(guān)注的碰撞類型等因素;趙丹等人[5]利用雙變量Probit 模型分析出農(nóng)村交叉口事故類型和嚴(yán)重程度兩者之間具有顯著負(fù)相關(guān)關(guān)系,認(rèn)為在單車事故中造成人員死亡的概率更大;田利華等人[6]認(rèn)為不同碰撞類型的交通事故中受傷人員的臨床特點(diǎn)有區(qū)別。 由上述研究結(jié)論可知,事故類型對嚴(yán)重程度有很大影響。 劉林等人[7]根據(jù)駕駛員歷史交通違法行為數(shù)據(jù),采用對應(yīng)分析模型研究交通事故碰撞類型與違法行為的關(guān)系,對有危險(xiǎn)駕駛行為的駕駛員提前預(yù)警;白芳華等人[8]通過分析涉及客車類交通事故,認(rèn)為道路環(huán)境和車輛性能對不同交通事故類型有影響,并給出預(yù)防各種碰撞類型的措施;Abdel-Aty 等人[9]利用佛羅里達(dá)事故數(shù)據(jù)庫的分類分析技術(shù),開發(fā)了logistic 模型分析司機(jī)年齡與碰撞類型的關(guān)系,結(jié)果顯示兩者具有顯著的關(guān)系;Alghamdi 等人[10]基于沙特阿拉伯王國(KSA)首都利雅得在1996 ～1998 年期間發(fā)生的1 774 起交通事故記錄樣本利用logistic 回歸模型分析與十字路口相關(guān)事故的主要特征,認(rèn)為利雅得大部分交通事故是由超速、不讓行和無視紅燈造成的,表明應(yīng)加強(qiáng)警察執(zhí)法力度以確保遵守限速和其他交通規(guī)則;劉林才等人[11]結(jié)合某城市交通事故數(shù)據(jù)和交通違法數(shù)據(jù),利用廣義泊松模型和零截尾負(fù)二項(xiàng)模型分析兩者關(guān)系,結(jié)果表明交通違法行為與事故碰撞類型之間存在強(qiáng)關(guān)聯(lián)關(guān)系。 違法行為、道路環(huán)境、車輛性能和司機(jī)年齡等因素均對事故碰撞類型有顯著影響。

整理發(fā)現(xiàn),現(xiàn)有研究較少綜合考慮交通事故碰撞類型的影響因素。 事故碰撞類型的研究方法包括數(shù)據(jù)挖掘算法和離散選擇模型,離散選擇模型技術(shù)成熟容易實(shí)現(xiàn),穩(wěn)健性和通用性強(qiáng),樣本量要求低,模型整體優(yōu)化更合理,logistic 模型能夠發(fā)現(xiàn)碰撞類型更多的解釋變量。 因此,本文從交通系統(tǒng)全要素角度出發(fā),采用多分類logistic 回歸模型分析,從人、車、路和環(huán)境相關(guān)因素分析對事故碰撞類型的影響。

1 數(shù)據(jù)收集

1.1 數(shù)據(jù)來源

選取寧波市交通事故數(shù)據(jù)。 寧波市車輛保有量接近300 萬輛,非機(jī)動車保有量也較大,是我國新興城鎮(zhèn)化建設(shè)試點(diǎn)城市,城鄉(xiāng)路網(wǎng)建設(shè)均較為成熟,可在一定程度上代表我國道路交通安全水平。 因此本研究數(shù)據(jù)選取寧波市2016 ～2020 年交通事故記錄,該記錄包含8 495 起交通事故以及每起事故的碰撞類型、嚴(yán)重程度、當(dāng)事人信息、車輛信息、路面路側(cè)結(jié)構(gòu)、交通環(huán)境、發(fā)生時(shí)間和違法行為等信息。 在交通事故中,承擔(dān)事故責(zé)任較大的一方通常是道路上的危險(xiǎn)因素,易引發(fā)交通事故,因此論文選取在交通事故中至少有一方承擔(dān)全部或主要責(zé)任的事故記錄,共篩選出6 845 起交通事故,根據(jù)碰撞形式及特點(diǎn)共分為正面碰撞、側(cè)面碰撞、追尾碰撞、刮碰行人和其他碰撞(包括其他角度碰撞和刮擦類碰撞)等5種碰撞類型,事故碰撞類型分布如表1 所示。

表1 事故碰撞類型頻數(shù)頻率分布表

1.2 數(shù)據(jù)預(yù)處理

將影響交通事故中雙方(或多方)碰撞類型的因素分為人、車、路和環(huán)境等4 類要素,并定義因變量和自變量。 將事故碰撞類型定義為因變量Y,共5個(gè)分類:正面碰撞、側(cè)面碰撞、追尾碰撞、刮碰行人和其他碰撞類型(Y的取值為1,2,3,4,5);根據(jù)選取的事故數(shù)據(jù)對缺失值較大的影響因素進(jìn)行剔除,同時(shí)結(jié)合黃偉[12]對道路交通事故人、車輛、道路和環(huán)境等因素的劃分標(biāo)準(zhǔn),將事故碰撞類型的人、車、路和環(huán)境等4 類影響因素定義為自變量Xm,包含年齡、能見度、違法行為、天氣等有序分類變量和無序分類變量共19 項(xiàng)影響因素,每類影響因素的具體含義如表2 所示。

表2 影響因素明細(xì)表

根據(jù)劉渤海[13]對交通事故中當(dāng)事人因素、參與車輛因素、道路因素、交通環(huán)境等影響因素劃分標(biāo)準(zhǔn),結(jié)合公安交警部門對事故現(xiàn)場記錄數(shù)據(jù)對每項(xiàng)影響因素進(jìn)行劃分,具體見表3,其中有序分類變量包括:年齡、文化程度、能見度;無序二分類變量包括:性別、安全帶(頭盔)、路面狀況、路面結(jié)構(gòu)、天氣、工作日;無序多分類變量包括:違法行為、車輛種類、道路類型、道路線形、路口路段類型、物理隔離、路側(cè)防護(hù)設(shè)施、照明條件、季節(jié)、發(fā)生時(shí)間。 其中違法行為較多,在此選擇關(guān)注度高的違法行為(X1)和占比較大的違法行為(X2,X3,X4,X5)。 表3 為各影響因素分類標(biāo)準(zhǔn)及所占比例。

表3 影響因素變量表示及比例分布

2 多分類logistic 回歸分析模型

2.1 模型概述

因變量的事故碰撞類型為無序多分類變量,故擬采用多分類logistic 回歸分析模型分析事故碰撞類型的影響因素。 選擇Y=5 即其他碰撞類型作為參照,擬合其他分類相對于此參照分類的logistic 回歸分析模型,Y的19 個(gè)影響因素分別為X1,X2,X3,…,X19,設(shè)19 個(gè)影響因素有幾個(gè)觀測值,該模型如式(1)所示。

其中j=1、2、3、4,因變量Y包括5 個(gè)類別,多分類logistic 回歸模型包含4 個(gè)方程,其中b0j是第j個(gè)回歸方程的常數(shù)項(xiàng),b1j,b2j,b3j,…,b19j分別為第j個(gè)回歸方程X1,X2,X3,…,X19等自變量的回歸系數(shù)。 當(dāng)自變量X改變一個(gè)單位時(shí),多分類logistic 回歸分析模型可根據(jù)自變量的回歸系數(shù)計(jì)算其優(yōu)勢比OR值,計(jì)算公式為ORj=exp(bj)。

2.2 模型顯著性檢驗(yàn)

將其他碰撞類型設(shè)置為對照組,多分類logistic回歸分析模型將年齡、性別、文化程度、違法行為等19 項(xiàng)指標(biāo)作為自變量,將碰撞類型作為因變量,結(jié)合SPSS 分析軟件,利用多分類logistic 回歸分析模型分析交通事故碰撞類型的影響因素及其作用強(qiáng)度,模型擬合信息及偽R方如表4 所示。

表4 模型擬合信息

如表4 所示,該模型擬合的顯著性小于0.05,表示該分析模型通過顯著性檢驗(yàn),此模型能夠分析交通事故碰撞類型影響因素的解釋說明,且考克斯-斯奈爾偽R方為0.350,表示所有自變量能解釋事故碰撞類型35.0%的原因。 通過該模型似然比檢驗(yàn)發(fā)現(xiàn):性別、文化程度、安全帶(頭盔)、路面狀況、路面結(jié)構(gòu)、天氣、工作日、季節(jié)的P值大于0.05,表示這8 類影響因素與碰撞類型不存在顯著關(guān)系,需對這8 類影響因素進(jìn)行排除,將模型進(jìn)行優(yōu)化。

通過邏輯回歸偏似然估計(jì)法[14]對與因變量碰撞類型不存在顯著關(guān)系的影響因素進(jìn)行排除,即似然比檢驗(yàn)時(shí)P值大于0.05 的因素。 被排除順序?yàn)樾詣e、文化程度、安全帶(頭盔)、路面狀況、路面結(jié)構(gòu)、天氣、工作日、季節(jié)。 最終在模型中與碰撞類型存在顯著關(guān)系的影響因素為年齡、車輛種類、道路類型、道路線形、路口路段類型、物理隔離、路側(cè)防護(hù)設(shè)施、能見度、照明條件、發(fā)生時(shí)間和違法行為,這11類影響因素的顯著性均小于0.05,表示這11 類影響因素對事故碰撞類型具有顯著影響。 其他因素顯著性大于0.05,不予以考慮。 將篩選出的11 類顯著影響因素作為自變量,因其全部為分類變量,為更容易解釋,可將其進(jìn)行啞變量處理,即將因變量的各個(gè)分類轉(zhuǎn)化為二元變量代入模型計(jì)算。

我之所以想到學(xué)術(shù)研討會，是因?yàn)槲易≡簳r(shí)，就是因?yàn)樗獏⒓右粋€(gè)類似的學(xué)術(shù)研討會而被迫推后了原定于第二天為我做的手術(shù)。

2.3 模型估計(jì)結(jié)果

以其他碰撞類型為對照組,分析正面碰撞、側(cè)面碰撞、追尾碰撞、刮碰行人等4 種事故碰撞類型的發(fā)生相對可能性,通過每個(gè)自變量分類的OR值,即優(yōu)勢比來判斷自變量分類對因變量的影響程度,Y=1、2、3、4 的模型分析結(jié)果如表5 所示。

3 模型結(jié)果分析

3.1 碰撞類型影響因素分析

OR值比回歸系數(shù)b在解釋自變量對因變量的影響上更具有意義,OR值表示自變量等分類變量與事故碰撞類型的關(guān)聯(lián)強(qiáng)度,當(dāng)OR值大于1 時(shí),說明自變量分類使該碰撞類型的危險(xiǎn)度增加,是危險(xiǎn)因素;當(dāng)OR值小于1 時(shí),說明自變量分類使該碰撞類型的危險(xiǎn)度減小,是保護(hù)因素;當(dāng)OR值等于1 時(shí),說明自變量分類與該碰撞類型無關(guān)聯(lián)。 由表5可知:

表5 多分類logistic 回歸分析模型結(jié)果

(1)正面碰撞(相對其他碰撞)與年齡中的0 ～18 歲、19 ～45 歲,路側(cè)防護(hù)設(shè)施的綠化帶(樹),違法行為中的違反交通標(biāo)志、逆向行駛,能見度的50 ～100 米、100 ～200 米,照明條件的夜間有路燈照明,道路線形的坡,車輛種類的輕型貨車有顯著相關(guān)關(guān)系;通過OR值進(jìn)行分析,違反交通標(biāo)志、逆向行駛、50 ～100 米、100 ～200 米、坡的OR值大于1,表示以上情形是事故發(fā)生正面碰撞的危險(xiǎn)因素;而0 ～18歲、19 ～45 歲、綠化帶(樹)、夜間有路燈照明、輕型貨車的OR值小于1,表示具有以上情形的事故不容易發(fā)生正面碰撞。

(2)側(cè)面碰撞(相對其他碰撞)與違法行為中的未按規(guī)定讓行、違反交通標(biāo)志、逆向行駛,發(fā)生時(shí)間為7:00 ～9:00,車輛種類的非機(jī)動車,道路類型的高級公路和中級公路,路口路段類型的交叉口,物理隔離的中心隔離,路側(cè)防護(hù)設(shè)施的無護(hù)欄有顯著相關(guān)關(guān)系;通過OR值進(jìn)行分析,未按規(guī)定讓行、違反交通標(biāo)志、逆向行駛、7:00 ～9:00、非機(jī)動車、高級公路、交叉口、無護(hù)欄的OR值大于1,表示以上情形是事故發(fā)生側(cè)面碰撞的危險(xiǎn)因素;中級公路、中心隔離的OR值小于1,表示具有以上情形的事故不容易發(fā)生側(cè)面碰撞。

(3)追尾碰撞(相對其他碰撞)與0 ～18 歲,非機(jī)動車,城市道路,高級公路,中級公路,無隔離,50 ～100 米有顯著相關(guān)關(guān)系;通過OR值進(jìn)行分析,0 ～18 歲、非機(jī)動車、高級公路的OR值大于1,表示以上情形是事故發(fā)生追尾碰撞的危險(xiǎn)因素;城市道路、中級公路、無隔離、50 ～100 米的OR值小于1,表示具有以上情形的事故不容易發(fā)生追尾碰撞。

(4)刮碰行人(相對其他碰撞)與0 ～18 歲,19 ～45 歲,中級公路,無護(hù)欄,夜間無路燈照明,7:00 ～9:00,17:00 ～20:00,未按規(guī)定讓行有顯著相關(guān)關(guān)系;通過OR值進(jìn)行分析,0 ～18 歲、19 ～45 歲、無護(hù)欄、夜間無路燈照明,7:00 ～9:00,17:00 ～20:00,未按規(guī)定讓行的OR值大于1,表示以上情形是事故發(fā)生刮碰行人的危險(xiǎn)因素;中級公路的OR值小于1,表示具有以上情形的事故不容易發(fā)生刮碰行人。

3.2 敏感性及對策分析

已有文獻(xiàn)[15]表明,正面碰撞和刮碰行人導(dǎo)致的事故后果較為嚴(yán)重,造成傷亡人數(shù)呈增加趨勢,因此重點(diǎn)針對正面碰撞和刮碰行人兩種碰撞類型展開分析。

式中:Y=1 為正面碰撞;Y=5 為其他碰撞;X1,1,X1,2為自變量年齡中0 ～18 歲和19 ～45 歲;X4,4,X4,5分別為自變量違法行為中的違反交通標(biāo)志、逆向行駛;X5,2為自變量車輛種類中的輕型貨車;X9,3為自變量道路線形中的坡;X13,2為自變量路側(cè)防護(hù)設(shè)施中的綠化帶(樹);X15,2,X15,3分別為自變量能見度中的50 ～100 米和100 ～200 米;X16,2為自變量照明條件中的夜間有路燈照明;

由式(2)看出:

(1)常數(shù)項(xiàng)表示自變量為0 時(shí)觀測組與對照組的發(fā)生概率比值的對數(shù),因此不考慮自變量事故發(fā)生正面碰撞的概率是其他碰撞的exp(0.015)倍,即1.02 倍。

(2)不管在任何道路條件下,0 ～18 歲和19 ～45 歲群體發(fā)生正面碰撞的概率是60 歲以上群體(對照類)的0.309 和0.597 倍,表明年輕人與老年人相比發(fā)生正面碰撞的概率較小,在預(yù)防正面碰撞事故時(shí),應(yīng)有選擇地針對年齡較大人群。 車輛在產(chǎn)生違反交通標(biāo)志和逆向行駛違法行為下,發(fā)生正面碰撞的概率是其他違法行為(對照類)的2.598 和8.750 倍,表明車輛存在這兩項(xiàng)違法行為時(shí)容易發(fā)生正面碰撞事故,尤其注意在正面碰撞高發(fā)區(qū)域重點(diǎn)查處逆向行駛違法行為。 有坡的道路發(fā)生正面碰撞的概率為彎坡組合(對照類)的5.017 倍;能見度為50 ～100 米和100 ～200 米的路段發(fā)生正面碰撞的概率是大于200 米(對照類)的2.136 和1.763倍,表明要根據(jù)外界環(huán)境及時(shí)提醒駕駛員,尤其是有坡路段提前做好警示標(biāo)志。 在任何道路上,輕型貨車發(fā)生正面碰撞的概率是其他車輛(對照類)的0.273 倍;當(dāng)路側(cè)防護(hù)設(shè)施為綠化帶(樹)時(shí)發(fā)生正面碰撞的概率是其他設(shè)施(對照類)的0.606 倍;夜間有路燈照明路段上發(fā)生正面碰撞的概率是其他照明條件(對照類)的0.606 倍;在這3 種情況下發(fā)生正面碰撞的概率都小于對照類,為預(yù)防正面碰撞事故提供了思路。

建立刮碰行人與其他碰撞的概率比模型如公式(3)所示。

式中:Y=4 為刮碰行人;Y=5 為其他碰撞;X1,1,X1,2為自變量年齡中0 ～18 歲和19 ～45 歲;X4,2為自變量違法行為中的未按規(guī)定讓行,X8,3為自變量道路類型中的中級公路;X13,1為自變量路側(cè)防護(hù)設(shè)施中的無護(hù)欄;X16,3為自變量照明條件中的夜間無路燈照明;X19,1,X19,3為自變量發(fā)生時(shí)間的早高峰和晚高峰時(shí)段。

由式(3)看出:不考慮人的違法行為和年齡、路側(cè)防護(hù)設(shè)施及環(huán)境因素,在城市道路和高級公路上發(fā)生刮碰行人的概率是其他碰撞的1.699 倍,表明預(yù)防刮碰行人事故要重點(diǎn)關(guān)注城市道路和高級公路,加強(qiáng)道路管理;在任何交通環(huán)境下,0 ～18 歲和19 ～45 歲群體發(fā)生正面碰撞的概率是60 歲以上群體(對照類)的4.164 和1.601 倍,表明年齡較小的人群更容易發(fā)生刮碰行人事故,尤其是未成年人駕駛技術(shù)不成熟,經(jīng)驗(yàn)較少,要重點(diǎn)管理。 任何車輛在產(chǎn)生未按規(guī)定讓行違法行為時(shí)發(fā)生刮碰行人的概率是其他違法行為(對照類)的3.318 倍,在大量行人經(jīng)過的區(qū)域要提醒車輛讓行;任何車輛在中級公路上行駛時(shí)發(fā)生刮碰行人的概率是其他道路(對照類)的0.652 倍;當(dāng)車輛在無護(hù)欄路段行駛時(shí),發(fā)生刮碰行人的概率是其他路側(cè)防護(hù)設(shè)施(對照類)的3.117 倍,夜間無路燈照明路段發(fā)生刮碰行人的概率是其他照明條件(對照類)的2.315 倍,這表明加裝護(hù)欄和增加夜間照明可以有效降低刮碰高發(fā)區(qū)域的事故率;車輛在任何道路上行駛時(shí),早高峰和晚高峰時(shí)段發(fā)生刮碰行人的概率是夜間(對照類)的1.999 和2.569 倍,早晚高峰期間發(fā)生刮碰行人事故概率相對較大,部分原因是由于在此期間路面上行人和車輛增多,因此,要鼓勵行人錯(cuò)峰出行和加強(qiáng)高峰時(shí)段的道路交通管理。

4 結(jié)語

本研究以寧波市為例,利用多分類logistic 回歸分析模型分析了交通事故碰撞類型的影響因素,通過計(jì)算回歸參數(shù)和優(yōu)勢比對影響因素進(jìn)行量化,識別出導(dǎo)致特定碰撞類型事故發(fā)生概率增大的人、車、路和環(huán)境等特征,得到以下結(jié)論:駕駛?cè)四挲g、違法行為、車輛種類、道路類型,物理隔離、路側(cè)防護(hù)設(shè)施等因素對事故碰撞類型有顯著影響,敏感性分析結(jié)果表明因非機(jī)動車主要或全部過失造成側(cè)面和追尾碰撞的概率是對照類的17 倍和10 倍,0 ～18 歲群體發(fā)生追尾碰撞和刮碰行人的概率是對照類的5 倍和4 倍,要加強(qiáng)對非機(jī)動車車輛管控和對0 ～18 歲群體進(jìn)行警示教育。

在本研究的基礎(chǔ)上,下一步可結(jié)合不同碰撞類型事故中傷亡的嚴(yán)重程度,利用ArcGIS 地理信息軟件,識別高事故率、高致死率的熱點(diǎn)區(qū)域,促進(jìn)交通安全主動防控體系的構(gòu)建。