艱險山區(qū)高速公路交通事故特征及嚴(yán)重程度影響因素分析*

張詩, 彭利飛 , 黃杰 , 王芳菲 , 徐進(jìn),4

(1.重慶交通大學(xué) 交通運(yùn)輸學(xué)院, 重慶 400074;2.重慶高速巫云開建設(shè)有限公司, 重慶 404546;3.重慶高速公路集團(tuán)有限公司 南方營運(yùn)分公司, 重慶 401300;4.山區(qū)復(fù)雜道路環(huán)境“人-車-路”協(xié)同與安全重慶市重點(diǎn)實驗室, 重慶 400074)

交通事故已嚴(yán)重威脅道路使用者的生命財產(chǎn)安全,每年約有135萬人死于道路交通事故[1]。受特殊地形地貌和自然環(huán)境等限制,山區(qū)高速公路具有線形組合復(fù)雜、橋隧比高和路側(cè)危險度大等特點(diǎn),導(dǎo)致其交通事故呈現(xiàn)數(shù)量多且程度重的現(xiàn)象,重、特大交通事故時有發(fā)生[2]。分析艱險山區(qū)高速公路交通事故分布特征,用定量方法揭示交通事故嚴(yán)重程度與影響因素之間的關(guān)系,并提出針對性的改善措施,是提高艱險山區(qū)高速公路交通安全性的有效途徑。

很多學(xué)者對山區(qū)高速公路交通事故特征和致因進(jìn)行了研究。Ahmed M. M.等采用貝葉斯邏輯回歸方法,分析了幾何線形、天氣條件和車輛速度對山區(qū)高速公路交通事故的影響[3];Rusli E. R.等對比分析了山區(qū)高速公路和平原區(qū)高速公路的事故類型、嚴(yán)重程度、道路特征和行駛環(huán)境等的分布特征[4];Ma X. X.等建立山區(qū)高速公路事故率模型,分析了事故率影響因素[5];田畢江等基于事故數(shù)據(jù),定量分析了云南山區(qū)高速公路交通事故的時空分布特征[6];熊曉夏等基于自然駕駛數(shù)據(jù),建立了研究道路交通事故風(fēng)險類型的貝葉斯網(wǎng)絡(luò)模型[7];由冰玉等分別從人、車、路方面進(jìn)行分析,構(gòu)建了基于故障樹的山區(qū)高速公路交通事故致因貝葉斯網(wǎng)絡(luò)模型,得出了最敏感的山區(qū)高速公路交通事故影響因素[8];陳波等利用Ologit模型對山區(qū)高速公路交通事故中涉及車輛數(shù)的影響因素進(jìn)行分析,得到了人、車、路環(huán)境等自變量的分類優(yōu)勢比[9];孟祥海等以年平均日交通量、路段長度和路段幾何線形為變量,建立了山區(qū)高速公路事故率Tobit回歸模型[10]。

在事故多發(fā)段和安全改善措施方面,Bolla M. E.等開發(fā)可以提供道路全面信息的交通事故數(shù)據(jù)庫,確定了事故多發(fā)路段[11];Yakar F.使用相對頻率法建立事故次數(shù)與道路環(huán)境的關(guān)系,對事故易發(fā)路段進(jìn)行了識別[12];Guerrero-Barbosa T. E.等利用貝葉斯技術(shù)創(chuàng)建交通事故數(shù)據(jù)庫,用于識別不同危險等級的路段[13];Sayed T.等采用模糊模式識別技術(shù)評估駕駛員、車輛、道路環(huán)境三者之間的復(fù)雜作用,識別事故易發(fā)位置[14];朱芳琪等建立基于地理信息系統(tǒng)的高速公路交通事故時空分析系統(tǒng),結(jié)合改進(jìn)時空密度聚類方法對交通事故進(jìn)行了時空可視化分析和多發(fā)路段識別[15];肖樂基于NAIS國家車輛事故深度調(diào)查體系中交叉口事故數(shù)據(jù)樣本,構(gòu)建了以人、車、路和環(huán)境等事故嚴(yán)重程度影響因素的有序Logistic模型,得出顯著影響因素有車輛類型、事故發(fā)生時段、是否有信號燈、駕駛員主要過失[16];楊永紅等綜合應(yīng)用運(yùn)行速度協(xié)調(diào)性分析和累計頻率曲線法,確定了山區(qū)高速公路事故多發(fā)路段[17];王迎等提出了基于FCM聚類的包括人、車、路、環(huán)境的山區(qū)高速公路事故多發(fā)點(diǎn)成因分析方法[18];何斌等采用風(fēng)險指標(biāo)評價方法,從平面設(shè)計、縱斷面設(shè)計及長大下坡路段等方面對山區(qū)高速公路安全性進(jìn)行了評價[19]。

現(xiàn)有研究對一般高速公路交通事故特征分析較多,缺乏對山區(qū)高速公路交通事故發(fā)生頻數(shù)和事故嚴(yán)重程度的特征分析;對山區(qū)高速公路交通事故分布特征的研究大都采用單因素分析方法,未進(jìn)行多因素影響下事故分布特征分析;對事故嚴(yán)重程度影響因素的分析忽略了多因素作用下的差異性,缺少各種因素與事故嚴(yán)重程度的內(nèi)在關(guān)系分析。為此,本文以位于重慶市的包茂(包頭—茂名)高速公路南環(huán)立交至大觀互通段為研究對象,通過分析交通事故在時間、空間、形態(tài)、道路線形條件及傷亡人數(shù)方面的分布特征,構(gòu)建樹增強(qiáng)樸素貝葉斯網(wǎng)絡(luò)模型對事故嚴(yán)重程度影響因素進(jìn)行敏感性分析,為提升艱險山區(qū)高速公路交通安全性提供借鑒。

1 研究對象及交通運(yùn)行總體特征

包茂高速公路南環(huán)立交至大觀互通段全長約43 km,設(shè)計速度80 km/h,最高限速120 km/h,包含8個互通立交和6條長度占路段總長22.64%的隧道,橋隧比高達(dá)75.2%,組成結(jié)構(gòu)復(fù)雜,存在大量小半徑曲線路段、陡坡和長下坡路段,最小圓曲線半徑為700 m,最大上坡坡度、最大下坡坡度為4.0%,坡度為4.0%的陡坡路段占路段總長的10.10%,具有明顯的艱險山區(qū)高速公路特點(diǎn)(見圖1)。

選取2016—2020年該路段發(fā)生的部分交通事故數(shù)據(jù)進(jìn)行研究,數(shù)據(jù)記錄形式見表1。

2 交通事故分布特征分析

2.1 事故時間分布特征

從年、月、小時3個時間維度分析交通事故的頻數(shù)和嚴(yán)重程度,結(jié)果見圖2。

圖1 包茂高速公路南環(huán)立交至大觀互通段路線平面示意圖

表1 2016—2020年包茂高速公路南環(huán)立交至大觀互通段部分交通事故數(shù)據(jù)

從圖2可以看出:1) 2017—2019年,交通事故頻數(shù)呈現(xiàn)逐年遞增的趨勢;2020年,由于車流量受到新型冠狀病毒感染疫情管制的影響呈不規(guī)則分布,交通事故頻數(shù)急劇增長[20]。2) 2017年事故導(dǎo)致的傷亡人數(shù)最多,單起事故的傷亡人數(shù)最高達(dá)0.31人/起;2018年和2019年事故死亡人數(shù)最多;2020年事故傷亡人數(shù)最少。3) 1月、2月、8月、10月為事故高發(fā)月份,其中1月、2月氣溫較低,路面濕滑,加上春節(jié)假期,出現(xiàn)事故多、傷亡人數(shù)多的現(xiàn)象;8月受高溫天氣的影響,駕駛員行車舒適度降低,易引發(fā)交通事故;10月重慶處于汛期,雨霧天氣多,團(tuán)霧現(xiàn)象較明顯,且該路段連接金佛山等著名景點(diǎn),交通事故發(fā)生率增大,事故受傷人數(shù)最多。4) 交通事故高峰小時為9:00—11:00和13:00—18:00,這兩個時段受進(jìn)城和出城需求的影響,交通量激增導(dǎo)致事故頻數(shù)較高;13:00—15:00駕駛員午后疲勞犯困,心情煩躁,極易引發(fā)交通事故;夜間1:00—7:00交通事故較少但傷亡人數(shù)較多,主要受光線和駕駛員疲勞駕駛等因素的影響。

圖2 事故頻數(shù)和嚴(yán)重程度時間分布特征

2.2 事故空間分布特征

路段交通事故頻數(shù)和嚴(yán)重程度的空間分布特征分別見圖3、圖4。由圖3、圖4可知:1) 事故多發(fā)路段集中于互通段、隧道段、陡坡段、S形曲線段和長大縱坡,其中K1613—K1621路段為長度約8 km的連續(xù)縱坡,坡度為4.0%的區(qū)段占19.80%;K1622—K1630路段為長度約8 km的連續(xù)縱坡。2) 進(jìn)城方向的傷亡人數(shù)多于出城方向,傷亡人數(shù)最多的區(qū)段為K1588—K1589、K1594—K1595和K1616—K1617路段,平均15人;事故多發(fā)路段貨車占比較高,貨車在連續(xù)縱坡路段連續(xù)制動易導(dǎo)致剎車失靈或減弱,一旦發(fā)生交通事故傷亡人數(shù)較多。

圖3 事故頻數(shù)空間分布特征

交通事故數(shù)量在空間上的分布不均勻。將事故當(dāng)量法和累計曲線法相結(jié)合進(jìn)行事故多發(fā)路段鑒定。事故當(dāng)量法根據(jù)事故造成的后果(如死亡人數(shù)、受傷人數(shù)、經(jīng)濟(jì)損失等)將事故按式(1)轉(zhuǎn)化為當(dāng)量事故,由于交通事故數(shù)據(jù)沒有具體量化經(jīng)濟(jì)損失,事故當(dāng)量化時主要考慮傷亡人數(shù)。

QEQ=Q+k1D+k2I

(1)

式中:QEQ為當(dāng)量事故數(shù);Q為事故發(fā)生數(shù)量;k1為死亡人數(shù)的權(quán)重系數(shù);D為事故中死亡人數(shù);k2為受傷人數(shù)的權(quán)重系數(shù);I為事故中受傷人數(shù)。

k1、k2的取值由交通事故給社會帶來的負(fù)面影響所決定,k1通常取1.5～2.0,k2通常取1.2～1.5,取值大小反映其影響大小。k1取2.0,k2取1.5,得到事故當(dāng)量化公式如下:

QEQ=Q+2.0D+1.5I

(2)

累計頻率曲線法將道路進(jìn)行單元劃分,劃分單元長度可取0.20～16.00 km。對于山區(qū)高速公路,推薦單元長度取0.05～1.40 km[21],本文取1.00 km。通過計算,將當(dāng)量事故數(shù)由大到小排列,統(tǒng)計各事故當(dāng)量數(shù)單元道路的頻率,繪制圖5所示當(dāng)量事故累計頻率曲線。

對當(dāng)量事故累計頻率進(jìn)行二次求導(dǎo),所得零點(diǎn)即為當(dāng)量事故突變點(diǎn)。在突變點(diǎn)上方,累計頻率雖在增加但事故次數(shù)不斷減少;在突變點(diǎn)下方,事故次數(shù)急劇上升,將事故數(shù)超過突變點(diǎn)對應(yīng)當(dāng)量事故數(shù)的路段作為事故多發(fā)路段。進(jìn)城方向當(dāng)量事故數(shù)突變點(diǎn)在23.5處,出城方向在10.5處,進(jìn)城方向當(dāng)量事故數(shù)大于23.5起的路段單元為事故多發(fā)路段單元,出城方向當(dāng)量事故數(shù)大于10.5起的路段單元為事故多發(fā)路段單元。將相鄰的事故多發(fā)路段單元進(jìn)行拼接,得到事故多發(fā)路段(見表2)。

對于互聯(lián)網(wǎng)企業(yè)來講，管理層要轉(zhuǎn)變觀念，認(rèn)識到員工培訓(xùn)的重要性。同時要對公司全體員工展開宣傳教育，使其明白培訓(xùn)的重要性，不可再令公司的教育培訓(xùn)流于形式。

圖5 當(dāng)量事故累計頻率曲線

表2 事故多發(fā)路段

2.3 事故所在道路線形分布特征

交通事故與道路線形的關(guān)系見圖6。從由圖6可以看出:1) 事故率與平曲線半徑呈“雙駝峰”分布,小半徑曲線(700～800 m)處交通事故發(fā)生率最大,隨著平曲線半徑的增加和行車視距的提升,交通事故率有所下降;曲線半徑為1 200～2 200 m時,駕駛員認(rèn)為行車條件良好,放松警惕超速駕駛,交通事故發(fā)生率增大;曲線半徑大于2 200 m時,交通事故率逐漸下降,最終保持相對穩(wěn)定。2) 大縱坡(-4.0%～-3.0%和3.0%～4.0%)和小縱坡(-1.0%和1.5%)處事故發(fā)生率較高。主要原因是在長大縱坡處車輛保持較高速度行駛?cè)菀遵{駛失控,在小縱坡處駕駛員放松警惕提高速度,事故發(fā)生率提高。

圖6 事故所在道路線形分布特征

2.4 事故形態(tài)分布特征

路段交通事故形態(tài)多因素分布特征見圖7。由圖7可知:追尾、撞擊固定物及側(cè)翻是交通事故主要類型,追尾事故占比遠(yuǎn)高于其他事故。高速公路上車速普遍較快,且行駛途中可能受到車輛故障、駕駛員心理和經(jīng)驗等因素影響,追尾事故頻發(fā),追尾是產(chǎn)生人員傷亡的主要事故類型。2) 小汽車發(fā)生事故的頻次遠(yuǎn)高于其他車型,其中進(jìn)城方向小汽車事故占67.96%,貨車事故占24.14%;出城方向小汽車事故占70.54%,貨車事故占25.92%。小汽車、貨車是發(fā)生交通事故的主要車型。

圖7 事故形態(tài)與事故涉及車型分布特征

3 基于樹增強(qiáng)樸素貝葉斯模型的事故嚴(yán)重程度影響因素分析

3.1 事故嚴(yán)重程度影響因素選取

山區(qū)高速公路交通事故數(shù)據(jù)具有結(jié)構(gòu)復(fù)雜、多屬性、多層次的特點(diǎn)。通過分析2016—2020年該路段1 169起交通事故數(shù)據(jù),從交通系統(tǒng)的角度將事故嚴(yán)重程度影響因素分為車輛、道路條件、行車環(huán)境和事故形態(tài)4個屬性,采用分層思想從4個分類屬性中選取潛在風(fēng)險因素。道路因素根據(jù)JTG B05—2015《公路項目安全性評價規(guī)范》[22]將道路線形按表3中標(biāo)準(zhǔn)劃分為平直路段、平曲線路段、陡坡路段和彎坡組合路段。山區(qū)高速公路受地形限制存在較多長大縱坡路段,采用表4所示標(biāo)準(zhǔn)確定山區(qū)高速公路長大縱坡[23]。將屬性變量編碼作為虛擬變量,建立屬性變量集F={X1,X2,X3,X4,X5,X6,X7,X8,X9},并進(jìn)行離散化取值(見表5)。將交通事故嚴(yán)重程度劃分為一般事故、受傷事故和死亡事故三類,事故嚴(yán)重程度用T表示,一般事故取1,受傷事故取2,死亡事故取3。

表3 道路線形劃分標(biāo)準(zhǔn)

表4 山區(qū)高速公路長大縱坡界定標(biāo)準(zhǔn)

表5 因素屬性及取值

3.2 事故嚴(yán)重程度的貝葉斯網(wǎng)絡(luò)構(gòu)建

貝葉斯網(wǎng)絡(luò)是由節(jié)點(diǎn)、弧線和概率組成的有向無環(huán)圖結(jié)構(gòu)模型,主要通過學(xué)習(xí)不完全、不精確或不確定的知識或信息來推理葉節(jié)點(diǎn)和根節(jié)點(diǎn)之間的因果關(guān)系。輸入結(jié)構(gòu)的變量表示網(wǎng)絡(luò)中節(jié)點(diǎn),用有向弧線連接父節(jié)點(diǎn)指向子節(jié)點(diǎn),設(shè)變量集合V={X1,X1,…,Xn},Parent(Xi)表示變量Xi父節(jié)點(diǎn)的集合,則Xi的條件概率P(V)為:

(3)

節(jié)點(diǎn)由表5中風(fēng)險因素變量表示,變量取值代表節(jié)點(diǎn)狀態(tài),不同節(jié)點(diǎn)狀態(tài)間的關(guān)系用條件概率P(V)表示。通過調(diào)整變量某個狀態(tài)的概率來更新對應(yīng)父節(jié)點(diǎn)的狀態(tài)信息E,利用貝葉斯理論推斷其他節(jié)點(diǎn)的概率變化如下:

(4)

利用SPSS Modeler軟件比較貝葉斯網(wǎng)絡(luò)中樹增強(qiáng)樸素貝葉斯模型(TAN)、馬爾可夫結(jié)構(gòu)模型(Markov)和特征馬爾可夫結(jié)構(gòu)模型(FS-Markov),通過評估和分析3種結(jié)構(gòu)模型的正確率和收益確定分析模型。如圖8所示,3種結(jié)構(gòu)模型中樹增強(qiáng)樸素貝葉斯模型的準(zhǔn)確率和收益最高。以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)的樹增強(qiáng)樸素貝葉斯網(wǎng)絡(luò)模型使用最大加權(quán)生成樹構(gòu)建屬性網(wǎng)絡(luò),計算節(jié)點(diǎn)間的互信息,根據(jù)互信息產(chǎn)生影響關(guān)系和權(quán)重,遵循已選邊不組成回路的原則,構(gòu)建最大權(quán)重生成樹,允許預(yù)測的每個變量除關(guān)聯(lián)目標(biāo)變量外還依賴其他預(yù)測變量,從而有效增加貝葉斯模型的準(zhǔn)確程度。因此,構(gòu)建圖9(a)所示山區(qū)高速公路事故嚴(yán)重程度樹增強(qiáng)樸素貝葉斯結(jié)構(gòu),在Netica軟件中完成貝葉斯網(wǎng)絡(luò)模型構(gòu)建和參數(shù)學(xué)習(xí)[見圖9(b)]。

圖8 3種測試模型的正確率和收益

圖9 山區(qū)高速公路事故嚴(yán)重程度貝葉斯網(wǎng)絡(luò)

3.3 事故嚴(yán)重程度影響因素分析

在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中,多因素組合引發(fā)的交通事故概率往往大于組合內(nèi)單因素單獨(dú)作用引發(fā)的交通事故概率,表明多因素組合作用會增大事故發(fā)生頻率。通過分析交通事故分布特征和車路耦合作用下事故發(fā)生概率,利用樹增強(qiáng)樸素貝葉斯結(jié)構(gòu)模型對事故車型和路段線形組合作用、路段線形和事故形態(tài)組合作用、事故形態(tài)和事故車型組合作用下艱險山區(qū)高速公路交通事故嚴(yán)重程度的后驗概率進(jìn)行分析。

車型單獨(dú)作用與車型和道路線形組合作用下事故嚴(yán)重程度后驗概率對比見表6。由表6可知:小汽車和貨車發(fā)生在平曲線路段、陡坡路段、彎坡組合路段和長大縱坡路段的事故多為死亡事故,涉及貨車的事故往往會產(chǎn)生較大財產(chǎn)損失,在山區(qū)高速公路不良線形路段發(fā)生交通事故易引發(fā)人員傷亡。

表6 事故車型與路段線形組合作用下事故嚴(yán)重程度的后驗概率

事故形態(tài)單獨(dú)作用與事故形態(tài)和路段線形組合作用下事故嚴(yán)重程度的后驗概率對比見表7。由表7可知:發(fā)生在平直路段和平曲線路段的追尾事故易造成人員受傷,在陡坡路段、彎坡組合路段和長大縱坡路段發(fā)生的追尾事故多為死亡事故且會帶來財產(chǎn)損失;在平直路段發(fā)生撞擊固定物的事故,會造成財產(chǎn)損失;在彎坡組合路段和長大縱坡路段易發(fā)生側(cè)翻事故,且造成人員死亡的概率較大;在不良線形路段,出現(xiàn)在行駛環(huán)境中的所有路側(cè)設(shè)施和障礙物都會在交通事故發(fā)生時對交通參與者構(gòu)成嚴(yán)重威脅。

事故形態(tài)單獨(dú)作用與事故形態(tài)和車型組合作用下事故嚴(yán)重程度的后驗概率對比見表8。由表8可知:涉及多種車型的追尾事故多為受傷事故且會帶來財產(chǎn)損失,涉及貨車的撞擊固定物的事故造成人員死亡的概率增大。固定物如墻壁、樹木或混凝土護(hù)欄等一般沒有安全性能設(shè)施(如安全氣囊或防護(hù)結(jié)構(gòu)),當(dāng)車輛以較高速度與這些固定物發(fā)生碰撞時,沖擊力更大,導(dǎo)致車輛和乘客受到更嚴(yán)重的傷害。撞擊固定物事故發(fā)生時乘客容易因車體變形、扭曲而受到擠壓,人員傷亡的概率增大。貨車是發(fā)生側(cè)翻事故的主要車型,且發(fā)生側(cè)翻路段線形條件較差,側(cè)翻事故后,車輛可能會傾斜或完全翻轉(zhuǎn)導(dǎo)致乘員難以逃離,人員傷亡的概率增大。

表7 事故形態(tài)與路段線形組合作用下事故嚴(yán)重程度的后驗概率

表8 事故形態(tài)與車型組合作用下事故嚴(yán)重程度的后驗概率

3.4 事故嚴(yán)重程度影響因素的敏感性分析

在貝葉斯網(wǎng)絡(luò)中,敏感性分析是用來評估輸入變量對輸出變量影響程度的方法,當(dāng)網(wǎng)絡(luò)中某一節(jié)點(diǎn)的狀態(tài)發(fā)生改變時,分析該節(jié)點(diǎn)對其他節(jié)點(diǎn)的影響程度。通過敏感性分析,判斷各節(jié)點(diǎn)的敏感值大小,依據(jù)敏感值探尋網(wǎng)絡(luò)結(jié)構(gòu)中影響目標(biāo)節(jié)點(diǎn)的關(guān)鍵節(jié)點(diǎn),進(jìn)而有針對性地把控風(fēng)險構(gòu)件。分析葉節(jié)點(diǎn)對根節(jié)點(diǎn)的影響程度,結(jié)果見表9。相關(guān)度信息代表根節(jié)點(diǎn)對各葉節(jié)點(diǎn)的依賴程度,數(shù)值大小表示敏感性大小。如果對于某個風(fēng)險因素的敏感值較大,則該風(fēng)險因素的微小變化可能會導(dǎo)致目標(biāo)節(jié)點(diǎn)后驗概率的大變化。如果敏感值很小,則即使風(fēng)險因素發(fā)生較大變化,對目標(biāo)節(jié)點(diǎn)的后驗概率也幾乎沒有影響。由表9可知:事故涉及車輛數(shù)量、事故形態(tài)、事故發(fā)生月份、事故發(fā)生時天氣和事故車型是艱險山區(qū)高速公路事故嚴(yán)重程度的高敏感因素。通過敏感性分析,可以確定對事件發(fā)生概率影響較大的基本節(jié)點(diǎn),進(jìn)而采取有效措施降低這些基本節(jié)點(diǎn)的概率,從而降低事件的發(fā)生概率。

4 結(jié)語

基于包茂高速公路南環(huán)立交至大觀互通段1 169起交通事故數(shù)據(jù),分析交通事故在時間、空間、路段線形、涉及車型、事故形態(tài)方面的分布特征,并利用樹增強(qiáng)樸素貝葉斯結(jié)構(gòu)模型對事故嚴(yán)重程度影響因素進(jìn)行分析。主要結(jié)論如下:

表9 事故嚴(yán)重程度貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)敏感性分析

(1) 該路段2017—2019年的交通事故數(shù)量呈逐年增長趨勢,受新型冠狀病毒感染疫情的影響,2020年交通事故頻數(shù)最高,2017年單起事故死傷人數(shù)最高,1月、8月和10月,9:00—11:00和13:00—16:00是事故高發(fā)期。

(2) 艱險山區(qū)高速公路事故多發(fā)路段集中于隧道路段、互通和不良線形路段;事故形態(tài)主要為追尾、撞擊固定物和側(cè)翻;小汽車和貨車是多發(fā)事故的主要車型。

(3) 在事故與路段線形分布上,事故發(fā)生頻數(shù)隨平曲線半徑的增大而減小,平曲線半徑為小半徑(700～800 m)和1 200 m時,事故發(fā)生頻數(shù)較高,下坡路段事故比上坡路段事故多發(fā)。

(4) 在艱險山區(qū)高速公路不良線形路段發(fā)生交通事故易引發(fā)人員傷亡,不良線形路段條件下出現(xiàn)在行駛環(huán)境中的所有路側(cè)設(shè)施和障礙物都會在交通事故發(fā)生時對交通參與者構(gòu)成嚴(yán)重威脅。

(5) 事故涉及車輛數(shù)、事故形態(tài)、事故發(fā)生月份、事故車型和天氣是影響艱險山區(qū)高速公路事故嚴(yán)重程度的關(guān)鍵因素。

根據(jù)上述分析,提出如下減少山區(qū)高速公路交通事故的對策:實行客貨分離,特別是重載貨車的分離,大貨車靠右行駛,保證同車道內(nèi)車輛速度差較小;對于長距離不可變車道,在車道駛?cè)攵藢嵭锌拓浄至?對長實線路段提前進(jìn)行預(yù)告,通過減少車輛交織降低事故參與車輛數(shù);對于不利天氣帶來的影響,利用車路協(xié)同技術(shù),利用路側(cè)系統(tǒng)監(jiān)測道路天氣狀況并將天氣信息傳遞給交通參與者,實現(xiàn)對不利天氣的預(yù)防;將小半徑曲線上坡路段設(shè)置為不可變道路段,減少車輛在彎道內(nèi)部的交織;利用車路協(xié)同技術(shù),運(yùn)用V2V通信技術(shù)賦予駕駛員超視距能力,在一定程度上減少由于視距不佳導(dǎo)致的小半徑曲線路段交通傷亡事故。