城市不同空間人—車碰撞事故嚴(yán)重程度分析

0 引 言

行人作為城市道路交通系統(tǒng)中的弱勢(shì)群體，每年的交通事故中由于人車事故造成的行人死亡及受傷的比例不斷上升?！吨袊?guó)統(tǒng)計(jì)年鑒（2021）》顯示，2020 年我國(guó)共有3 480 起行人交通事故，相對(duì)于2015 年增加了1 343 起，其中1 349 人死亡，2 485 人受傷，帶來直接財(cái)產(chǎn)損失2 212.7 萬(wàn)元。城市人口較為集中，行人的交通安全尤為重要。我國(guó)城市道路里程僅占全國(guó)道路總里程的7.5%，但城市道路交通事故卻占全國(guó)道路交通事故的45.8%，其中，城區(qū)交叉口和城市路段等處為交通事故高發(fā)區(qū)。因此，為了提高城市道路交通安全水平，降低行人交通事故的嚴(yán)重程度，有必要對(duì)城市行人在不同地點(diǎn)的事故基本規(guī)律和特征展開研究，深入挖掘城市行人事故嚴(yán)重程度的顯著影響因素。

目前，針對(duì)城市行人交通事故的不同發(fā)生地點(diǎn)，相關(guān)學(xué)者做了一定研究并發(fā)現(xiàn)了按事故地分類建模研究可以有效區(qū)分事故誘因。王嘉文等采用文獻(xiàn)綜述的方法對(duì)鄰近交叉口即兩難區(qū)進(jìn)行了研究脈絡(luò)梳理，界定了邊界范圍是該方向的研究重心，但缺乏主客觀因素的定量化分析和特殊天氣對(duì)兩難區(qū)的影響研究。HALEEM K 等采用混合Logit 模型分別建立了信號(hào)交叉口和無信號(hào)交叉口交通事故嚴(yán)重程度預(yù)測(cè)模型，確定和比較了有無信號(hào)交叉口對(duì)行人交通事故嚴(yán)重程度的影響因素；2019 年，溫惠英等首次對(duì)交叉口單車碰撞事故建立以事故嚴(yán)重程度為因變量的多項(xiàng)式Logit 模型，探究事故發(fā)生的時(shí)間、地點(diǎn)、信號(hào)控制方式和車輛屬性等因素對(duì)交叉口單車事故嚴(yán)重程度的影響；Park S H 等使用二元Logit 回歸研究了行人年齡對(duì)于行人交通事故傷害嚴(yán)重程度的影響，并且考慮了行人所處地區(qū)的因素；王雪松等通過建立空間相關(guān)性的貝葉斯二項(xiàng)條件自回歸模型，發(fā)現(xiàn)城市三路交叉口比例與行人事故數(shù)顯著負(fù)相關(guān)。

鑒于此，本文以美國(guó)夏洛特市2010～2019 年間發(fā)生的人車碰撞事故為基礎(chǔ)，將其分為交叉口事故和路段事故，并分別建立Logistic 模型對(duì)影響交通事故嚴(yán)重程度的因素進(jìn)行多角度對(duì)比分析，以探析不同地點(diǎn)的行人交通事故嚴(yán)重程度的成因特點(diǎn)。研究結(jié)果可為城市道路中交叉口和路段的交通管理工作提供參考，對(duì)于行人事故的預(yù)防和處理有重要意義。

1 數(shù)據(jù)來源與變量選取

1.1 數(shù)據(jù)來源

本文的研究數(shù)據(jù)來源于美國(guó)高速公路安全信息系統(tǒng)（Highway Safety Information System，HSIS），數(shù)據(jù)詳實(shí)完整，有較深的研究意義。每條人車碰撞事故記錄中，均包括機(jī)動(dòng)車駕駛員屬性（性別、年齡段和是否飲酒等）、行人屬性（性別、年齡段和是否飲酒等）、車輛屬性（機(jī)動(dòng)車類型）、道路屬性（道路線形、路面材料和干濕情況等）、環(huán)境屬性（天氣、照明情況和發(fā)生時(shí)段等）、行人受傷嚴(yán)重程度和事故發(fā)生點(diǎn)（交叉口和路段上） 等信息。

選取2010 年1 月1 日至2019 年12 月31 日發(fā)生在美國(guó)北卡羅來納州的夏洛特市城區(qū)的4 777 起行人—機(jī)動(dòng)車事故作為此次研究的基礎(chǔ)數(shù)據(jù)，通過剔除異常值、情況未知等信息，最終保留記錄完整的人車事故4 230 起，其中交叉口事故2 452 起，路段事故1 778 起。

1.2 因變量

交通事故嚴(yán)重程度在美國(guó)被劃分為5 個(gè)等級(jí)，分別為死亡事故、傷殘事故、非傷殘性受傷事故、潛在傷害事故和僅財(cái)產(chǎn)損失事故，本文以事故中行人受傷程度作為因變量，依據(jù)事故等級(jí)劃分標(biāo)準(zhǔn)分為死亡、致殘傷害、明顯傷害、可能傷害和無傷害5 類，分別為=1～5，2 種事故地點(diǎn)在不同嚴(yán)重等級(jí)中的占比如表1 所示。

表1 3 種事故地點(diǎn)在不同嚴(yán)重等級(jí)中的占比情況 單位：%

1.3 自變量

研究表明，導(dǎo)致交通事故的原因是由人、車、路和環(huán)境組成的交通系統(tǒng)失衡，本文從駕駛員、行人、車輛、道路和環(huán)境等方面，初步選取23 個(gè)自變量來分析影響交通嚴(yán)重等級(jí)的影響因素，具體編碼如表2 所示。

2 行人事故嚴(yán)重程度Logistic 模型

2.1 Logistic 回歸模型介紹

Logistic 回歸模型是機(jī)器學(xué)習(xí)中的一種分類模型，可以表現(xiàn)為所選觀測(cè)變量對(duì)結(jié)果發(fā)生的概率，揭示變量與變量之間、變量與結(jié)果之間存在的相關(guān)關(guān)系，在探究交通事故嚴(yán)重程度的影響因素上有廣泛應(yīng)用，具有很好的預(yù)測(cè)效果。因此，本文選擇構(gòu)建Logistic 模型，探究行人交通事故嚴(yán)重程度的影響因素。

與A組比較，D組和E組產(chǎn)婦滿意度評(píng)分升高 (P＜0.05)，B組和C組差異無統(tǒng)計(jì)學(xué)意義 (P＞0.05)；與B組比較，D組和E組產(chǎn)婦滿意度評(píng)分升高(P＜0.05)，C 組差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)；與 C 組比較，D組和E組產(chǎn)婦滿意度評(píng)分升高(P＜0.05)；與D組比較，E組產(chǎn)婦滿意度評(píng)分升高(P＜0.05)，見表4。

式中：為個(gè)自變量,,…,x；α為常數(shù)項(xiàng)；β為回歸系數(shù)；為自變量的個(gè)數(shù)；(≤)

為累積概率，且有()=1。

累積Logistic 的概率模型可以表示為：

2.2 模型構(gòu)建

本文利用SAS 9.2，采用逐步篩選法來構(gòu)建行人交通事故嚴(yán)重程度模型。針對(duì)事故發(fā)生地點(diǎn)的不同分別建立交叉口事故模型和路段模型，以此來深入探析各影響因素與不同發(fā)生地的行人交通事故嚴(yán)重程度之間的潛在關(guān)系。

在進(jìn)行模型擬合前，采用方差膨脹因子分析各個(gè)自變量的共線性情況，當(dāng)方差膨脹因子（Variance Inflation Factor，VIF）大于10 時(shí)，說明變量之間存在明顯的共線性關(guān)系。結(jié)果表明：交叉口模型和路段模型中各變量的值均小于10，不存在明顯共線性。

將變量再分別代入2 個(gè)模型中并進(jìn)行預(yù)測(cè)力分析，用分析結(jié)果的Spearman 與Hoeffding 這兩個(gè)指標(biāo)來判斷變量在模型中的預(yù)測(cè)能力，當(dāng)變量的這兩個(gè)指標(biāo)皆大于0.5 時(shí)表示變量預(yù)測(cè)力較差，則刪除對(duì)應(yīng)變量。結(jié)果顯示：交叉口事故模型中，機(jī)動(dòng)車類型、駕駛員性別、駕駛員年齡段、發(fā)生季度、路面干濕情況、是否高峰期、天氣7 個(gè)變量預(yù)測(cè)力較差，需要?jiǎng)h除，最終符合建模要求的有16 個(gè)變量；路段模型中，發(fā)生季度、機(jī)動(dòng)車類型、道路線形、天氣4 個(gè)變量預(yù)測(cè)力較差，需要?jiǎng)h除，最終符合建模要求的有19 個(gè)變量。保留剩余自變量作為獨(dú)立變量分別引入到兩個(gè)模型的構(gòu)建中。取顯著性水平為0.05，各模型最終的具體標(biāo)定結(jié)果如表3 所示。

由模型標(biāo)定結(jié)果可知: 行人是否飲酒、駕駛員是否飲酒、車輛類型、照明條件、車道數(shù)、事故類型、是否肇事逃逸這7 個(gè)變量對(duì)事故嚴(yán)重程度影響顯著。其中，為回歸系數(shù)，當(dāng)值為負(fù)時(shí)，表示相對(duì)于對(duì)照組該類別發(fā)生嚴(yán)重程度更高的事故概率會(huì)升高，反之，則降低。()為優(yōu)勢(shì)比，表示對(duì)照組與實(shí)驗(yàn)組發(fā)生嚴(yán)重事故的概率之比。

表2 自變量分類及編碼

2.3 模型檢驗(yàn)

Logistic 回歸模型的模型檢驗(yàn)主要包括對(duì)模型的整體檢驗(yàn)、模型的擬合優(yōu)度檢驗(yàn)和模型的預(yù)測(cè)準(zhǔn)確度檢驗(yàn)。對(duì)本文研究的2個(gè)模型的擬合結(jié)果進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表4 所示。參數(shù)估計(jì)結(jié)果符合似然比檢驗(yàn)和Wald 檢驗(yàn)，且值皆小于0.0001，說明模型整體通過了檢驗(yàn)。在模型的擬合優(yōu)度檢驗(yàn)中，檢驗(yàn)結(jié)果顯示2 個(gè)模型擬合優(yōu)度均較好(值＞0.05 )，模型有效性較強(qiáng)。預(yù)測(cè)準(zhǔn)確度檢驗(yàn)結(jié)果顯示2 個(gè)模型的準(zhǔn)確度都較高(值＞0.7 )，模型預(yù)測(cè)能力較強(qiáng)。

3 模型影響因素分析

3.1 人的顯著因素

駕駛員與行人是否飲酒在交叉口事故模型和路段事故模型中的回歸系數(shù)均為負(fù)數(shù)，說明駕駛員或行人飲酒后在交叉口和路段上都更容易發(fā)生較為嚴(yán)重的交通事故。這主要是因?yàn)轱嬀坪篑{駛員的判斷能力、操作能力和觸覺能力等降低，無法正確判斷距離和車速，且交叉口交通狀況比較復(fù)雜，不同方向過往車輛較多，路段車輛速度較快，飲酒后的行人視野會(huì)縮小，感知及行為能力也會(huì)減弱，這些都更易導(dǎo)致行人在交叉口和路段處遭受更為嚴(yán)重的交通事故。

3.2 車輛顯著因素

車輛類型在交叉口模型中對(duì)人車碰撞事故嚴(yán)重程度影響顯著，而在路段模型中不顯著。模型結(jié)果顯示：在交叉口處，貨車相對(duì)于客車及摩托車更易引發(fā)嚴(yán)重程度較高的人車碰撞事故。這可能與貨車自身的體積、慣性較大，貨車駕駛員盲區(qū)較多有關(guān)。

表3 模型標(biāo)定結(jié)果

表4 模型檢驗(yàn)

3.3 道路顯著因素

車道數(shù)對(duì)2 個(gè)模型均顯著，一到二車道數(shù)相對(duì)于八車道以上的路段和交叉口更易發(fā)生嚴(yán)重的行人交通事故，這主要因?yàn)槎嘬嚨赖穆范我话阋?guī)劃有人行道，機(jī)動(dòng)車對(duì)路側(cè)行人威脅較小，而車道數(shù)少的路段往往人車混行，發(fā)生嚴(yán)重人車事故的概率更高。

3.4 環(huán)境顯著因素

照明條件是交叉口和路段模型中的顯著因素，相對(duì)于白天發(fā)生的交通事故，夜晚有路燈和昏暗（黎明） 發(fā)生的事故嚴(yán)重性更高，且黎明時(shí)刻的昏暗情況在交叉口和路段模型中最顯著。這是緣于黎明時(shí)分多為貨車通勤，駕駛員和行人視線皆受照明條件差的影響。

3.5 事故顯著特征

肇事逃逸對(duì)于路段模型的事故嚴(yán)重程度也有很大影響。路段上機(jī)動(dòng)車行駛速度高，肇事車輛逃逸后行人容易受到后續(xù)車輛的二次傷害。而在交叉口處，機(jī)動(dòng)車一般車速較慢，且存在過街行人，可以及時(shí)對(duì)受傷行人進(jìn)行救助。

2 個(gè)模型中，道路不同地點(diǎn)行人在路上工作或玩耍、行人橫穿馬路時(shí)車輛轉(zhuǎn)向、行人橫穿街道等均為引發(fā)嚴(yán)重交通事故的危險(xiǎn)影響因素，而當(dāng)行人沿道路行走、等待穿行時(shí)，行人交通事故嚴(yán)重程度相對(duì)較低。

4 結(jié) 論

（1） 本文將城市行人交通事故依據(jù)不同發(fā)生位置劃分為交叉口交通事故和路段交通事故，從人、車、路和環(huán)境等方面分別構(gòu)建Logistic 交通事故嚴(yán)重程度模型。模型檢驗(yàn)結(jié)果表明，各模型的擬合情況良好，Logistic 模型可有效進(jìn)行城市不同空間的人車碰撞事故嚴(yán)重程度分析。

（2） 通過分析城市道路不同位置的行人交通事故嚴(yán)重程度模型結(jié)果發(fā)現(xiàn)，駕駛員與行人是否飲酒、照明條件、車道數(shù)、事故形式對(duì)于城市交叉口和路段事故嚴(yán)重程度均有顯著影響。車輛類型僅對(duì)交叉口發(fā)生的人車事故嚴(yán)重程度有影響；肇事逃逸僅對(duì)于路段發(fā)生的碰撞行人事故影響顯著。這說明城市行人交通事故嚴(yán)重程度的顯著性影響因素具有異同性，而針對(duì)不同地點(diǎn)的交通事故構(gòu)建模型，有利于降低城市行人交通事故數(shù)據(jù)的異質(zhì)性，交通管理部門需要根據(jù)不同地點(diǎn)的交通情況設(shè)計(jì)針對(duì)性的安全管理及防范策略。

（3） 本文利用了美國(guó)北卡羅萊納州夏洛特市城區(qū)的人車碰撞事故集進(jìn)行了一些研究，研究成果可以幫助城市交通管理部門更好地了解行人交通事故嚴(yán)重程度的影響因素。雖然在交通設(shè)施或管理方面我國(guó)與美國(guó)存在一些差異，且我國(guó)的交通狀況也有其特殊性，但從發(fā)達(dá)國(guó)家的交通事故中總結(jié)相關(guān)規(guī)律并吸取一定經(jīng)驗(yàn)是頗為必要的，此外，本文在模型的變量上選取較為基礎(chǔ)，具有代表性，研究方法也適用于我國(guó)的行人交通事故，研究成果可為我國(guó)交通管理部門的決策規(guī)劃提供依據(jù)，對(duì)我國(guó)降低行人交通事故嚴(yán)重程度具有參考意義。

（4） 由于數(shù)據(jù)獲取存在局限性，本文中并沒有將對(duì)城市行人交通事故嚴(yán)重程度有影響的因素全部納入模型當(dāng)中，如機(jī)動(dòng)車速、行人受傷部位、駕駛員或行人是否違反交通規(guī)則和其他交通參與者的行為等，結(jié)果分析中對(duì)行人及駕駛員行為的解釋不夠全面，這將在接下來的研究中進(jìn)一步完善。