基于NAIS數(shù)據(jù)的交叉口車-車事故嚴重程度影響因素分析

肖樂

(1.西華大學 汽車與交通學院， 四川 成都 610039；2.汽車測控與安全四川省重點實驗室， 四川 成都 610039)

道路交叉口是多種交通流交匯與沖突的關(guān)鍵區(qū)域，是道路交通事故的多發(fā)地，研究道路交叉口事故嚴重程度影響因素對事故預防具有重要意義。牛志鵬等從道路條件、交通環(huán)境、安全設(shè)施管理三方面對道路平面交叉路口的交通安全進行了定性和定量分析。趙曉華等基于駕駛行為數(shù)據(jù)構(gòu)建交叉口進口道安全性結(jié)構(gòu)方程，挖掘風險因素，結(jié)果表明交叉口各方向車道總數(shù)、違法監(jiān)控設(shè)備數(shù)量等對交叉口安全性具有顯著影響。呂通通等構(gòu)建互信息貝葉斯網(wǎng)絡模型，分析了各影響因素變化與事故嚴重程度的定量關(guān)系。趙丹等構(gòu)建雙變量Probit模型，以事故形態(tài)和事故嚴重程度為因變量，分析了農(nóng)村交叉口交通事故的風險因素。Islam S.等建立隨機參數(shù)Logistic模型，對比分析了農(nóng)村和城市道路中摩托車事故嚴重程度影響因素的差異性。溫惠英等以英國單車事故數(shù)據(jù)為樣本構(gòu)建多項式Logit模型，分析了交叉口單車事故嚴重程度影響因素。Ariana Vorko-Jovic等研究了城市道路交通事故的發(fā)生及嚴重程度與人、道路、環(huán)境、道路信號燈設(shè)計、交通監(jiān)管部門管理等因素之間的關(guān)系。上述研究多采用國外開源數(shù)據(jù)，難以反映具有中國特色的道路交通事故特征，且部分研究以國內(nèi)某一城市的事故統(tǒng)計數(shù)據(jù)為研究對象，難以表征道路交通事故的共性。鑒于此，本文統(tǒng)計、分析國家車輛事故深度調(diào)查體系(National Automobile Accident In-Depth Investigation System，NAIS)中的交叉口車-車事故數(shù)據(jù)，研究道路交叉口事故嚴重程度影響因素，為交叉口事故預防提供理論支撐。

1 數(shù)據(jù)概述及變量描述

1.1 數(shù)據(jù)采集

NAIS由國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心聯(lián)合8所具有較深事故研究背景的高校、事故鑒定機構(gòu)及科研機構(gòu)共同建立，其目的是采集具有中國道路交通事故特征的深度數(shù)據(jù)，并建立汽車主被動安全研究基礎(chǔ)數(shù)據(jù)庫。2011—2019年已收集4 000多起道路交通事故案例，覆蓋全國7個地區(qū)，包括東北、華南、西南、華北、華東等地。數(shù)據(jù)主要由交通事故采集人通過到事故現(xiàn)場復勘和交警部門獲得，包括事故照片、編碼的數(shù)據(jù)、警方資料、事故現(xiàn)場視頻、事故重構(gòu)文件、CAD事故現(xiàn)場圖及事故分析報告等，數(shù)據(jù)完整、詳細，對交通事故研究具有較高價值。本文篩選交叉口(三枝、四枝)車-車事故數(shù)據(jù)共計556條，剔除并清洗信息記錄不全數(shù)據(jù)后，得到有效數(shù)據(jù)471條。

1.2 變量選取及說明

1.2.1 因變量

根據(jù)初始數(shù)據(jù)將事故嚴重程度分為4個等級，分別為輕微事故(僅輕傷)、一般事故(重傷，未死亡)、重大事故(死亡一兩人)、特大事故(死亡3人及以上)，由于特大事故僅占0.002%，將其與重大事故歸為一類，最終將人員傷亡事故嚴重程度由低到高劃分為3個等級，分別為輕微事故(僅輕傷)、一般事故(重傷，無死亡)、重大事故(死亡1人及以上)，頻數(shù)分別為40、210、221。因變量編碼及描述見表 1。

表1 因變量編碼

1.2.2 自變量

調(diào)研國內(nèi)外學者對交叉口事故影響因素選取情況，結(jié)合原始數(shù)據(jù)事故特征，從駕駛員、車輛、道路、環(huán)境4個維度選取13個離散型變量作為自變量，分別為駕駛員主要過失、性別、天氣、事故發(fā)生時段、參與車輛類型、道路行政等級、路段類型、路口是否有信號燈、路面狀況、道路線形、路燈是否開啟、是否有交通限速標志、對向機動車道隔離形式。由于道路交叉口流量大、沖突多，車型構(gòu)成復雜，車輛安全狀況參差不齊，選取8種車型共4類用于分析車輛類型的影響。結(jié)合歷年交叉口交通違法行為統(tǒng)計數(shù)據(jù)，選擇超速駕駛、酒后駕駛、未按規(guī)定讓行和其他違法操作分析駕駛員主要過失對事故特性的影響(見表2)。

表2 自變量設(shè)置說明

2 有序Logistic回歸模型構(gòu)建

2.1 模型構(gòu)建

有序Logistic回歸是針對有序多分類變量的一種統(tǒng)計分析方法，而交通事故嚴重程度預測是一個有序多級別劃分的非線性問題。設(shè)有序多分類變量Yi(i∈{1，2，…，n})有j個等級，取值為1，2，…，j，X為m個自變量x1,x2,…，xm，則有序Logistic回歸模型表達式為：

(1)

式中：P(Yi≤j|X)為累積概率，P(Yi≤j|X)=1；αj為常數(shù)項；M為自變量數(shù)量；βjm為回歸系數(shù)。

有序Logistic模型共有j-1個。有序Logistic的概率模型表示為：

(2)

2.2 模型適用性檢驗

2.2.1 變量的多重共線性檢驗

在進行模型擬合之前，采用方差膨脹因子對13個變量之間的共線性情況進行診斷。方差膨脹因子是容忍度的倒數(shù)，用于判斷是否存在多重共線性，其值為0～10表示可以接受。結(jié)果表明13個自變量之間無多重共線性(見表3)。

表3 變量的多重共線性診斷

2.2.2 平行性檢驗

平行性檢驗結(jié)果見表4。卡方值為24.636，顯著性P為0.369>0.05，接受原假設(shè)，有序Logistic回歸模型合適。

表4 平行性檢驗結(jié)果

2.2.3 PearsonX2檢驗和偏差統(tǒng)計量

PearsonX2檢驗通過頻數(shù)檢驗模型成立的假設(shè)，其標準X2統(tǒng)計量計算公式為：

(3)

式中：Ok為第k類協(xié)變類型的實際頻數(shù)；Ek為第k類協(xié)變類型的期望頻數(shù)；K為協(xié)變類型的種類數(shù)。

X2的自由度為協(xié)變類型數(shù)目與參數(shù)數(shù)目之間的差距，X2統(tǒng)計量的值越小，模型擬合效果越好。

在Logistic回歸模型中，將偏差統(tǒng)計量D視為擬合優(yōu)度統(tǒng)計量，計算公式為：

(4)

PearsonX2檢驗結(jié)果見表5。由表5可知：PearsonX2統(tǒng)計量的顯著性P為0.518，偏差統(tǒng)計量的P值為1.000，模型的擬合效果好。

表5 Pearson X2檢驗結(jié)果

2.2.4 數(shù)據(jù)的單變量觀察

利用SPSS描述性統(tǒng)計中的交叉表，依次對13個指標與事故嚴重程度之間的關(guān)系進行卡方檢驗，檢驗結(jié)果見表6。由表6可知：路段類型、性別、路口是否有信號燈、道路線形、路面狀況、對向機動車道隔離形式與事故嚴重程度沒有顯著關(guān)系。自變量篩選過程中，結(jié)合模型的Wald檢驗結(jié)果，逐步剔除無統(tǒng)計學意義的自變量，剔除順序依次為路段類型、性別、道路線形、路面狀況、對向機動車道隔離形式。剔除過程中發(fā)現(xiàn)路口是否有信號燈的顯著性接近0.05，暫不予以剔除。

表6 單變量顯著性檢驗結(jié)果

3 模型計算結(jié)果分析

有序Logistic模型計算結(jié)果見表7。擬合優(yōu)度檢驗中P<0.001，拒絕原假設(shè)，有序Logistic模型整體有意義。

表7 有序Logistic模型估計結(jié)果

續(xù)表7

由表7可知：

(1) 駕駛員。駕駛員存在過失會對事故嚴重程度產(chǎn)生顯著正影響。以駕駛員無過失事故嚴重程度為參照，超速駕駛、未按規(guī)定讓行的偏回歸系數(shù)分別為1.053、0.964，超速駕駛對事故嚴重程度影響最顯著，其次是未按規(guī)定讓行，分別使交叉口事故嚴重程度上升286.6%、262.2%。

(2) 車輛類型。非機動二/三輪車和貨車對事故嚴重程度產(chǎn)生顯著正影響。以乘用車為參照，參與車輛涉及非機動二/三輪車的偏回歸系數(shù)為2.743，對事故嚴重程度影響最大；其次是貨車和機動二/三輪車，偏回歸系數(shù)分別為2.603、1.667。

(3) 道路。路口是否有信號燈、路燈是否開啟對交叉口事故嚴重程度產(chǎn)生顯著正影響。以路口有信號燈為參照，路口無信號燈條件下交叉口事故嚴重程度上升158.9%。以有路燈為參照，無路燈情況下事故嚴重程度上升207.9%?？梢姡晟频慕煌ㄐ盘柨刂圃O(shè)施對降低事故嚴重程度極為重要。

(4) 環(huán)境。事故發(fā)生時段對事故嚴重程度有顯著影響。以事故發(fā)生時間為晨昏為參照，事故發(fā)生時間為日間的偏回歸系數(shù)為-0.917，與事故嚴重程度呈顯著負相關(guān)。相比于晨昏，日間發(fā)生的交通事故嚴重程度更輕，事故嚴重程度降低40%。

4 結(jié)論

以NAIS數(shù)據(jù)庫中交叉口事故數(shù)據(jù)為樣本，從人、車輛類型、道路、環(huán)境四方面選取13個變量構(gòu)建有序Logistic回歸模型，分析車-車事故嚴重程度的影響因素，得出如下結(jié)論：1) 駕駛員過失、車輛類型、路口是否有信號燈、路燈是否開啟、事故發(fā)生時段顯著影響事故嚴重程度。2) 超速駕駛、車輛類型為非機動二/三輪車、貨車對事故嚴重程度影響最大；路口無信號燈、無路燈、事故發(fā)生時段也會使事故嚴重程度加重。

隨著NAIS體系中數(shù)據(jù)量的逐年增加，未來可以綜合更多的道路交叉口事故數(shù)據(jù)進行分析，以更準確地掌握交叉口車-車事故嚴重程度的影響機理。