公交車(chē)單車(chē)事故嚴(yán)重程度影響因素分析

顧宏艷，沈金星，于 淼，鄭長(zhǎng)江

(河海大學(xué)土木與交通學(xué)院，南京 210098)

公交出行被認(rèn)為是一種綠色可持續(xù)且環(huán)境友好的出行方式。近年來(lái)，隨著各種公交優(yōu)先策略的實(shí)施，公交出行比例在不斷提高，人們對(duì)公共交通的依賴(lài)程度不斷提高。然而，對(duì)公交安全性的研究卻并沒(méi)有引起特別的關(guān)注。特別是與其他交通方式(如私家車(chē)、大貨車(chē)、非機(jī)動(dòng)車(chē)和行人等)相比，針對(duì)公交安全的研究成果相對(duì)較少。一般情況下，由于公交車(chē)速度較低，會(huì)直觀地認(rèn)為這是一種比較安全的交通方式。此外，由于公交車(chē)也是機(jī)動(dòng)車(chē)的一種，部分研究者認(rèn)為針對(duì)機(jī)動(dòng)車(chē)的研究成果也可以用于改善公交車(chē)的安全。實(shí)際上公交車(chē)事故率遠(yuǎn)高于其他交通方式。根據(jù)英國(guó)交通運(yùn)輸部公開(kāi)的數(shù)據(jù)顯示，2019年公交車(chē)保有量為3.23萬(wàn)輛，發(fā)生4 305起事故，公交車(chē)事故率達(dá)到13.33%，這一比例遠(yuǎn)高于小汽車(chē)的事故率。與一般機(jī)動(dòng)車(chē)相比，公交車(chē)有固定路線、固定運(yùn)營(yíng)時(shí)間，以及擁有公交專(zhuān)用道[1]，但作為大運(yùn)量的交通工具，發(fā)生交通事故后造成的財(cái)產(chǎn)損失和社會(huì)影響更加嚴(yán)重[2]。此外，由于公交車(chē)速度較慢，車(chē)體較大，其駕駛行為與普通機(jī)動(dòng)車(chē)差別很大[3]，因此非常有必要專(zhuān)門(mén)針對(duì)公交車(chē)的事故嚴(yán)重性進(jìn)行分析。

迄今為止，中外學(xué)者針對(duì)交叉口范圍內(nèi)機(jī)動(dòng)車(chē)(私家車(chē)、貨車(chē)等)、非機(jī)動(dòng)車(chē)和行人事故影響因素分析方面已進(jìn)行大量研究，并使用了多種計(jì)量經(jīng)濟(jì)模型來(lái)分析事故影響程度[3-8]。近年來(lái)，公交車(chē)安全性問(wèn)題也開(kāi)始引起研究者的關(guān)注。Sam等[3]研究發(fā)現(xiàn)處于周末和夜間、惡劣的道路地形、碰撞行人和酒后駕駛會(huì)導(dǎo)致更嚴(yán)重的公共汽車(chē)事故。林慶豐等[9]建立Logistic模型分析了人、車(chē)、路和環(huán)境等因素對(duì)公交車(chē)事故嚴(yán)重程度的影響，結(jié)果表明行駛狀態(tài)、道路類(lèi)型、區(qū)域和時(shí)段、道路線形對(duì)事故嚴(yán)重程度具有顯著影響。在公交車(chē)車(chē)速方面，Nasri等[10]通過(guò)估算二元Logistic模型研究公交車(chē)事故嚴(yán)重程度相關(guān)的風(fēng)險(xiǎn)因素，得出事故嚴(yán)重程度與車(chē)速限制存在正相關(guān)。Prato等[11]使用丹麥公交車(chē)事故數(shù)據(jù)，通過(guò)廣義有序Logit模型分析影響公共汽車(chē)事故嚴(yán)重程度的因素，其中高車(chē)速與事故嚴(yán)重程度呈正相關(guān)。通常情況下，高車(chē)速會(huì)導(dǎo)致嚴(yán)重的交通事故，但也有一些情況結(jié)果與之相反。Kaplan等[12]研究駕駛員和碰撞對(duì)象的特征和行為、基礎(chǔ)設(shè)施特征和環(huán)境條件，發(fā)現(xiàn)低限速會(huì)導(dǎo)致嚴(yán)重程度增加。

綜上所述，學(xué)者們?cè)谏婕皺C(jī)動(dòng)車(chē)(私家車(chē)、大貨車(chē)等)、非機(jī)動(dòng)車(chē)和行人等事故分析方面取得很多成果，然而，專(zhuān)門(mén)針對(duì)公交車(chē)事故嚴(yán)重程度進(jìn)行分析的論文卻偏少，且較少研究事故當(dāng)事人僅公交車(chē)一方的事故。在涉及公交車(chē)車(chē)速影響方面的研究表明，大多數(shù)研究認(rèn)為公交車(chē)事故嚴(yán)重程度與高車(chē)速成正相關(guān)[10-11]，卻容易忽視在低速情況下也會(huì)發(fā)生嚴(yán)重事故[12]，所以將公交車(chē)低車(chē)速作為前提條件研究低速狀態(tài)下的公交車(chē)事故嚴(yán)重性影響因素的研究就較少。

因此，現(xiàn)以城市交叉口范圍內(nèi)發(fā)生正面碰撞且低速行駛≤30 mph(48 km/h)的公交車(chē)單車(chē)(事故僅涉及1輛車(chē))為研究對(duì)象，分析影響公交車(chē)事故嚴(yán)重程度的影響因素。此外，將事故嚴(yán)重程度分為死亡、重傷和輕傷，存在一定的有序性，因此建立有序Logit模型研究相關(guān)因素對(duì)事故嚴(yán)重性的影響，具有實(shí)際意義，能為提高公交運(yùn)行的安全性提供依據(jù)，相關(guān)研究方法可為其他城市提供參考。

1 數(shù)據(jù)描述

1.1 數(shù)據(jù)來(lái)源

選取2014—2018年英國(guó)交通部公開(kāi)的公交車(chē)交通事故數(shù)據(jù)，通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行處理，剔除缺失值，篩選出1 093起發(fā)生在城市交叉口、公交車(chē)速度低于30 mph(48 km/h)且發(fā)生正面碰撞的單車(chē)事故(事故僅涉及1輛車(chē))數(shù)據(jù)。

1.2 因變量

根據(jù)事故現(xiàn)場(chǎng)人員的傷亡情況、醫(yī)院傷殘鑒定和司法部門(mén)鑒定的損失說(shuō)明，將事故嚴(yán)重程度將其分為死亡事故、重傷事故和輕傷事故三類(lèi)[13]，并進(jìn)行編碼：y=1表示死亡，y=2表示重傷，y=3表示輕傷。在所有的1 093起事故中，發(fā)生死亡事故為45起(占4.12%)，重傷事故為290起(占26.53%)，輕傷事故為758起(占69.35%)。

1.3 自變量

交通事故是由駕駛?cè)?、?chē)、道路和環(huán)境所組成的系統(tǒng)失衡導(dǎo)致的，選取自變量時(shí)需要考慮各方面的影響[14]，所以從公交車(chē)駕駛員特征、車(chē)輛特征、道路特征、環(huán)境特征和事故特征方面初步選取21個(gè)候選自變量參與研究分析。對(duì)于二分類(lèi)的變量不需要進(jìn)行轉(zhuǎn)換，對(duì)于三分類(lèi)及以上的自變量需要轉(zhuǎn)換為啞變量。變量的描述及編碼如表1所示。

表1 自變量的描述及取值Table 1 Description and value of independent variable

2 研究方法

2.1 有序Logit模型

(1)

(2)

(3)

式中：j為事故嚴(yán)重程度，j=1,2,3；τ∈{γ0,γ1,γ2,γ3}為事故嚴(yán)重程度的分界點(diǎn)集合，且γ0<γ1<γ2<γ3，γ0=-∞，γ3=+∞。

(4)

即

(5)

2.2 邊際效應(yīng)計(jì)算

由于變量的系數(shù)并不能直接解釋變量對(duì)結(jié)果選擇的影響，為進(jìn)一步解釋影響因素對(duì)事故嚴(yán)重程度等級(jí)的影響大小和方向，需計(jì)算自變量的邊際效應(yīng)[17]。邊際效應(yīng)是指在其他變量都取均值的情況下，某個(gè)變量取值增加一個(gè)單位對(duì)因變量取值概率產(chǎn)生的變化[5]，其計(jì)算公式為

ΔP(yi=j|xi)=P(yi=j|xi=1)-

P(yi=j|xi=0)

(6)

邊際效用值反映了自變量對(duì)事故傷害程度概率發(fā)生的變化。

3 模型計(jì)算結(jié)果及邊際效應(yīng)

回歸模型中并非所有解釋變量都對(duì)被解釋變量有顯著影響，為減小模型誤差，保證模型精度，需對(duì)解釋變量將進(jìn)行篩選，采用向后刪除變量法，即利用有序Logit模型，將選取的21個(gè)影響因素的所有自變量納入模型，對(duì)模型進(jìn)行參數(shù)估計(jì)并檢驗(yàn)變量的顯著性，選取90%作為置信水平，若變量的P<0.1，則為顯著變量，若變量的P>0.1，則表明該變量為不顯著變量，將其從模型中剔除。剔除變量的方法按照由大到小順序依次剔除不顯著變量，每次刪除不顯著變量后對(duì)模型進(jìn)行新的回歸擬合，重新檢驗(yàn)剩余變量的顯著性。重復(fù)上述步驟，直至所有剩余變量的P<0.1[18]。由于有序Logit模型前提條件是比例優(yōu)勢(shì)假設(shè)，本文將利用brant進(jìn)行平行線假設(shè)檢驗(yàn)，若P>0.05，表明通過(guò)平行線假設(shè)檢驗(yàn)，反之則不通過(guò)。為了更好研究自變量對(duì)事故嚴(yán)重程度的具體影響，還將計(jì)算各個(gè)顯著變量的邊際效應(yīng)，并進(jìn)行詳細(xì)分析。

3.1 模型檢驗(yàn)

3.1.1 平行性檢驗(yàn)

利用brant進(jìn)行平行線假設(shè)檢驗(yàn)，檢驗(yàn)得到P=0.106>0.05，表明符合平行線假設(shè)檢驗(yàn)，因此有序Logit模型可以應(yīng)用于事故數(shù)據(jù)分析。

3.1.2 擬合優(yōu)度檢驗(yàn)

如表2所示，根據(jù)模型擬合優(yōu)度檢驗(yàn)結(jié)果，發(fā)現(xiàn)Pearson的P>0.05，Deviance 檢驗(yàn)P>0.05，兩種檢驗(yàn)結(jié)果均表明模型較好地?cái)M合數(shù)據(jù)。

表2 模型擬合優(yōu)度檢驗(yàn)結(jié)果Table 2 Goodness of fit test

3.2 模型計(jì)算結(jié)果

通過(guò)上述的計(jì)算方法和流程，使用Stata16統(tǒng)計(jì)分析軟件建立有序Logit模型進(jìn)行極大似然估計(jì)。模型回歸結(jié)果如表3所示，女性駕駛員、中年駕駛員、減速停車(chē)、車(chē)輛行駛11～15 a、公交車(chē)位于交叉口下游出口處、車(chē)輛未離開(kāi)車(chē)行道、工作日、路面濕滑冰凍、無(wú)信號(hào)控制、夜間無(wú)燈、警察在事故現(xiàn)場(chǎng)、事故發(fā)生在公交專(zhuān)用道、碰撞大樹(shù)以及碰撞信號(hào)燈柱、電線桿這14個(gè)顯著變量，均會(huì)顯著影響公交車(chē)事故嚴(yán)重程度。

表3 有序Logit模型的估計(jì)結(jié)果Table 3 Estimation results of ordered Logit model

3.3 邊際效應(yīng)

為了反映自變量對(duì)事故傷害程度概率發(fā)生的變化，利用Stata16軟件計(jì)算各自變量對(duì)事故嚴(yán)重程度的邊際效應(yīng)值，結(jié)果如表4所示。

4 事故影響因素分析

4.1 公交車(chē)駕駛員特征

從表4可以看出，男性駕駛員發(fā)生死亡和嚴(yán)重事故分別增加2.5%和10.7%，而女性駕駛員發(fā)生嚴(yán)重事故概率較低，這是因?yàn)槟行择{駛員駕駛車(chē)輛較為冒險(xiǎn)激進(jìn)，通常還有好斗心理，女性駕駛員相對(duì)而言比較謹(jǐn)慎小心。從年齡上看，中年公交車(chē)駕駛員發(fā)生死亡事故的可能性增加0.9%，發(fā)生重傷的概率增加3.6%，由于此年齡段駕駛員認(rèn)為自己駕駛經(jīng)驗(yàn)豐富，從而產(chǎn)生比較激進(jìn)的駕駛行為，同時(shí)隨著年齡的增長(zhǎng)，身體各項(xiàng)功能不斷下降，反應(yīng)逐漸遲鈍，更容易發(fā)生嚴(yán)重事故。

4.2 車(chē)輛特征

從表4的邊際效應(yīng)可知，當(dāng)公交車(chē)進(jìn)行減速停車(chē)時(shí)，發(fā)生死亡或者重傷的概率分別降低0.03%、12.4%，不易發(fā)生嚴(yán)重的事故，受傷程度較輕?；赟am等[3]提出的車(chē)輛行駛速度與事故發(fā)生的風(fēng)險(xiǎn)及其嚴(yán)重程度相關(guān)，行駛速度越大，影響程度就越大的結(jié)論，本文分析結(jié)果與其一致，雖然公交車(chē)本身質(zhì)量大，但由于其在運(yùn)行過(guò)程中不斷地減速直至停車(chē)，速度越來(lái)越小，動(dòng)能也在不斷降低，所以即使發(fā)生碰撞，公交車(chē)發(fā)生嚴(yán)重事故的概率也會(huì)降低。

表4 事故嚴(yán)重程度的邊際效應(yīng)和標(biāo)準(zhǔn)誤差Table 4 Marginal effects and standard errors for different accident severity levels

當(dāng)公交車(chē)行駛11～15 a時(shí)，發(fā)生死亡和嚴(yán)重事故的概率增加0.7%和2.9%，這是因?yàn)殡S著車(chē)輛使用時(shí)間的增加，公交車(chē)在各方面的性能及穩(wěn)定性在不斷降低，容易導(dǎo)致嚴(yán)重事故的發(fā)生。

當(dāng)公交車(chē)位于交叉口下游出口處(即距離交叉口20 m范圍內(nèi))時(shí)，死亡和重傷的概率增加1.8%和7.5%。公交車(chē)在上游經(jīng)歷排隊(duì)過(guò)程后，在駛出交叉口時(shí)會(huì)經(jīng)歷加速過(guò)程，此時(shí)速度已經(jīng)達(dá)到一定值，另一方面，在交叉口出口處會(huì)形成混合車(chē)流匯合點(diǎn)，有來(lái)自除公交車(chē)外的其他社會(huì)車(chē)輛的匯入，各種車(chē)輛行車(chē)存在穿插且隨機(jī)的現(xiàn)象，會(huì)增加公交車(chē)發(fā)生碰撞的可能性。

公交車(chē)在車(chē)道上發(fā)生死亡和嚴(yán)重事故的概率分別增加6%和25.1%，由于事故是單車(chē)事故，且在車(chē)道上發(fā)生，碰撞對(duì)象可能是隧道、橋梁等大型基礎(chǔ)設(shè)施，發(fā)生嚴(yán)重事故的可能性較大。或者碰撞對(duì)象是可活動(dòng)的動(dòng)物，在車(chē)輛行駛過(guò)程中，往往會(huì)令駕駛員措手不及，大大增加嚴(yán)重事故發(fā)生的可能性。

4.3 環(huán)境特征

工作日相對(duì)于周末而言發(fā)生死亡和重傷的概率增加了1.1%和4.4%，人們由于工作或者上下學(xué)需要進(jìn)行必要的出行，出行量在早晚高峰會(huì)顯著增加，出行環(huán)境會(huì)復(fù)雜化，公交車(chē)發(fā)生嚴(yán)重事故的可能性增加。

公交車(chē)行駛于潮濕、冰凍的路面時(shí)，路面容易打滑，路面與輪胎摩擦力小，車(chē)輛制動(dòng)性能下降，發(fā)生嚴(yán)重事故的概率比在干燥路面行駛發(fā)生事故的概率高。

當(dāng)事故發(fā)生在無(wú)信號(hào)控制交叉口的情況時(shí)，發(fā)生死亡和重傷的可能性減少0.3%和1.4%，與姜文龍等[19]研究結(jié)果一致，這是由于車(chē)輛進(jìn)入交叉口時(shí)，速度降低，且駕駛員行駛謹(jǐn)慎小心，降低嚴(yán)重事故發(fā)生的概率。

事故發(fā)生夜間無(wú)燈光的情況下，死亡和重傷事故的可能性均有所增加，白天和夜間有燈光的情況下不易發(fā)生重大事故，這與大部分研究結(jié)論(陳昭明等[20]、林慶豐等[21])一致，因?yàn)樵谛熊?chē)過(guò)程中駕駛員光線充足，行車(chē)視距良好。夜間無(wú)燈光增加事故嚴(yán)重性的結(jié)論與溫惠英等[22]提出夜間(無(wú)燈光)更容易發(fā)生死亡事故結(jié)論一致，原因是在夜間無(wú)燈光的條件下，駕駛者視距變短，反應(yīng)時(shí)間變長(zhǎng)，無(wú)法及時(shí)采取正確的駕駛行為，增加死亡或重傷事故的發(fā)生可能性。

當(dāng)有警察在事故現(xiàn)場(chǎng)時(shí)，發(fā)生死亡和重傷事故的概率增加2.1%、8.9%，輕傷的概率降低11.1%。根據(jù)英國(guó)汽車(chē)駕駛協(xié)會(huì)描述，政府多年削減開(kāi)支導(dǎo)致交警流失，從2010年開(kāi)始，英國(guó)交警數(shù)量大幅度下降，所以即使有警察在事故現(xiàn)場(chǎng)，但由于數(shù)量很少，駕駛員產(chǎn)生僥幸心理，容易導(dǎo)致發(fā)生嚴(yán)重交通事故。

4.4 事故特征

從表4事故特征中可以看到，事故發(fā)生在公交專(zhuān)用道上導(dǎo)致死亡和嚴(yán)重事故的概率分別增加1.2%、4.9%，原因是雖然公交車(chē)擁有獨(dú)立路權(quán)車(chē)道，但仍是無(wú)法避免其他社會(huì)車(chē)輛頻繁換道至公交專(zhuān)用道上，從而會(huì)經(jīng)常與公交車(chē)產(chǎn)生交織，大大增加碰撞的可能性。

當(dāng)公交車(chē)正面撞上信號(hào)燈柱、電線桿時(shí)，容易發(fā)生輕傷事故，概率增加11.8%。當(dāng)車(chē)輛撞上大樹(shù)時(shí)，卻容易發(fā)生死亡或重傷事故，概率分別增加1.6%和6.9%。造成不同結(jié)果的原因是大樹(shù)相較于信號(hào)燈柱、電線桿彈性小，且直徑大，難以通過(guò)變形等吸收車(chē)輛與其碰撞產(chǎn)生的能量，難以保護(hù)駕駛員和乘客的安全，所以碰撞大樹(shù)的事故相對(duì)于碰撞信號(hào)燈柱、電線桿的事故更容易造成較嚴(yán)重的后果。

5 結(jié)論

以1 093起城市交叉口范圍內(nèi)低速公交車(chē)發(fā)生正面碰撞的單車(chē)事故為樣本，選取公交車(chē)駕駛員特征、車(chē)輛特征、道路特征、環(huán)境特征、碰撞特征的21個(gè)影響因素，建立有序Logit模型進(jìn)行分析，發(fā)現(xiàn)男性駕駛員、中年駕駛員、車(chē)輛行駛11～15 a、公交車(chē)位于交叉口下游出口處、車(chē)輛未離開(kāi)車(chē)行道、工作日、路面濕滑冰凍、夜間無(wú)燈、警察在事故現(xiàn)場(chǎng)、事故發(fā)生在公交專(zhuān)用道以及碰撞大樹(shù)這些情況會(huì)增加公交車(chē)發(fā)生死亡和重傷事故的概率；公交車(chē)減速停車(chē)、處于無(wú)信號(hào)控制交叉口以及碰撞信號(hào)燈柱、電線桿等這些因素會(huì)降低公交車(chē)發(fā)生死亡和重傷事故的概率。

針對(duì)研究結(jié)果，為盡量減少公交車(chē)事故的發(fā)生，減少財(cái)產(chǎn)損失和降低社會(huì)影響，相關(guān)部門(mén)應(yīng)從多方面采取相對(duì)應(yīng)的措施。

(1)對(duì)駕駛員應(yīng)加強(qiáng)交通安全教育及宣傳，增強(qiáng)安全駕駛理念的認(rèn)知，同時(shí)需要增強(qiáng)駕駛員的路權(quán)意識(shí)，加強(qiáng)交通執(zhí)法，盡量減少社會(huì)車(chē)輛駛?cè)牍粚?zhuān)用道，減少社會(huì)車(chē)輛與公交車(chē)輛的交織。

(2)對(duì)公交車(chē)輛應(yīng)按時(shí)進(jìn)行安全及性能的檢查，嚴(yán)格查處不合格運(yùn)營(yíng)車(chē)輛。

(3)在道路易發(fā)生事故的地方設(shè)置警示標(biāo)志，在車(chē)流復(fù)雜情況下安排交警有序指揮，引導(dǎo)車(chē)輛安全通過(guò)交叉口。

(4)保障道路基礎(chǔ)設(shè)施，在夜間照明不足的地方增設(shè)路燈保證良好的照明條件。

(5)在路面狀況不良的條件下制訂交通管制預(yù)案，采取有效措施增加地面的摩擦力。

研究由于選用的有序Logit模型存在等比例假設(shè)的固有缺陷，下一步可選用其他模型如廣義有序Logit模型或者部分優(yōu)勢(shì)比模型放寬此假設(shè)的約束。受限于事故數(shù)據(jù)采集的問(wèn)題，對(duì)公交車(chē)駕駛員特征考慮的因素較少，例如駕駛員是否存在違章行為、違章行為類(lèi)型、是否使用安全帶、駕駛年齡等，未來(lái)可對(duì)這些因素做進(jìn)一步的研究。