鄧瑤望 李凌宇 陳雨人

（同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室 上海201804）

0 引 言

當(dāng)前在中國很多中西部偏遠(yuǎn)地區(qū)的三線城市正面臨著機(jī)動車保有量急劇增加，但基礎(chǔ)設(shè)施落后，無法滿足交通需求的窘境。在比較落后的城市道路行駛條件下，趨近飽和的交通量直接導(dǎo)致了交通事故量的增長，嚴(yán)重危害了居民的正常工作和生活。

近年來，許多學(xué)者通過統(tǒng)計(jì)學(xué)方法分析事故與人、車、路、道路環(huán)境等方面因素的相關(guān)性并進(jìn)行事故數(shù)據(jù)分析。陳彥美［1］應(yīng)用分析法將事故各個分類變量呈現(xiàn)于二維散點(diǎn)圖以描述事故與影響因素之間的相互關(guān)系；裴玉龍等［2］基于突出因素法思想，將每1組事故影響因素變量與整體事故變量相比，相對突出的影響因素即為事故多發(fā)主要致因；劉偉［3］根據(jù)模糊診斷原理，提出了基于歷史事故數(shù)據(jù)統(tǒng)計(jì)的隸屬度函數(shù)，得到道路的主要危險因素及其排序；潘昭宇等［4］運(yùn)用灰色關(guān)聯(lián)分析法，分析各個影響因素與事故指標(biāo)之間的關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度，以此為依據(jù)判斷事故多發(fā)主要影響因素；趙金寶等［5－6］通過貝葉斯方法研究了在人、車、路、環(huán)境因素影響下交通事故類型概率分布；Maurice Aron等［7］通過負(fù)二次貝葉斯模型，研究了道路占有率、平均車速、車頭間距、前后車速度差等交通指標(biāo)與交通事故之間的關(guān)系。

相比于以往的研究成果，本文研究重心在于通過對事故數(shù)據(jù)的計(jì)算建立數(shù)學(xué)模型，分析不同道路行駛條件下道路環(huán)境、道路交通設(shè)施對事故發(fā)生的影響程度。對于某一類事故形態(tài)的交通事故，盡管可能分布在路網(wǎng)的各個位置，處于不同的道路和交通環(huán)境中，但是這些交通事故很可能存在相同的一種或幾種因素，如某種設(shè)施缺陷、某種線形組合等情況，這些特定的影響因素導(dǎo)致了這類形態(tài)的事故發(fā)生?；跒豸斈君R市2006～2010年的交通事故統(tǒng)計(jì)資料，通過二元Logistic回歸模型分析各類事故形態(tài)的事故與各種影響因素單獨(dú)、組合等情況之間的關(guān)系，研究所有影響因素單獨(dú)／組合等不同情況下對交通事故的影響，并運(yùn)用多項(xiàng)Logistic回歸模型針對各類因素和全部事故形態(tài)進(jìn)行總體分析和預(yù)測事故發(fā)生概率，與真實(shí)數(shù)據(jù)相對比，驗(yàn)證了模型的有效性。將交通事故劃分為9種常見的事故形態(tài)進(jìn)行單獨(dú)和綜合的模型分析，通過研究各類道路行駛條件對單一事故形態(tài)的影響，以及一般道路行駛條件下各種事故形態(tài)的發(fā)生概率，從環(huán)境和設(shè)施的角度探究不同類型事故發(fā)生的原因。

1 數(shù)據(jù)采集及編碼

數(shù)據(jù)來源為新疆省烏魯木齊市2006～2010年間的交通事故統(tǒng)計(jì)資料，所選取事故數(shù)據(jù)包含事故時間、地點(diǎn)、傷亡情況、事故現(xiàn)場、事故形態(tài)、事故原因等信息。將事故信息不全的數(shù)據(jù)排除后，從中選取了1 374起事故進(jìn)行數(shù)據(jù)分析。所選取的事故中共包括碾壓、正面相撞、側(cè)面相撞等10種不同的事故形態(tài)。事故影響因素則從道路環(huán)境、道路交通設(shè)施和車輛情況3類因素中選取了9種因素。表1，2為各類事故形態(tài)和影響因素的頻數(shù)和百分比，以及自變量和因變量的數(shù)字編碼。

表1 數(shù)據(jù)列表和編碼（因變量）Tab.1 Description and code of selected data

2 模型計(jì)算結(jié)果分析

2.1 Logistic模型回歸結(jié)果分析

為了研究道路行駛條件對各類交通事故形態(tài)的影響程度，通過統(tǒng)計(jì)軟件針對每種事故形態(tài)分別建立了二項(xiàng)Logistic回歸模型進(jìn)行分析。以相關(guān)性分析結(jié)果為依據(jù)，筆者在各類影響因素中選取了與每1種事故形態(tài)關(guān)聯(lián)性較強(qiáng)的影響因素建立Logistic回歸模型，由此進(jìn)行Logistic回歸得到的模型更為準(zhǔn)確，并且有較強(qiáng)的理論分析意義。模型的回歸結(jié)果中采用walt檢驗(yàn)的P值判斷模型系數(shù)的顯著性大小。通過Ominbus全局性檢驗(yàn)驗(yàn)證模型中的自變量是否有意義，最后通過Hosmer和Lemeshow 檢驗(yàn)驗(yàn)證模型的擬合程度［8－9］。

表2 數(shù)據(jù)列表和編碼（自變量）Tab.2 Description and code of selected data

從事故數(shù)據(jù)的數(shù)據(jù)量和數(shù)據(jù)結(jié)構(gòu)，以及新疆烏魯木齊市的地區(qū)事故發(fā)生特點(diǎn)可以看出，對向刮擦和撞靜止車輛這2類事故較少發(fā)生。又根據(jù)新疆當(dāng)?shù)氐慕煌ü芾頎顩r，翻車這類事故數(shù)量較少，主要發(fā)生于大貨車超載運(yùn)貨的情況下，暫不放入模型分析。

經(jīng)過第1步的相關(guān)分析，為了更準(zhǔn)確地得到Logistic回歸結(jié)果，在每1種事故形態(tài)的影響因素中，選擇了最為相關(guān)的道路行駛條件因素作為自變量加入模型進(jìn)行運(yùn)算。運(yùn)算結(jié)果見表3。表中B為模型變量的回歸系數(shù)；Std.Err為標(biāo)準(zhǔn)差；Sig.為每個自變量的 Walt檢驗(yàn)P值；Exp（B）為每個自變量的優(yōu)勢比，即事件發(fā)生概率P與事件不發(fā)生概率1－P之比。

由表3可見，Ominbus全局性檢驗(yàn)結(jié)果都小于0.05，Hosmer和Lemeshow檢驗(yàn)結(jié)果都大于0.05，說明各模型中的自變量有意義，且模型擬合性良好。

正面相撞的模型回歸結(jié)果中P值小于臨界值0.05的是標(biāo)志標(biāo)線、中央分隔帶和車輛類型，路口路段和信號燈的P值也接近臨界值，為顯著因子。從模型的優(yōu)勢比可以看出，標(biāo)志標(biāo)線和信號燈的優(yōu)勢比都超過1.5，這2個因子的發(fā)生對事故率有較大的正影響，而中央分隔帶和路口路段以及車輛類型的回歸系數(shù)為負(fù)，優(yōu)勢比也小于1，說明他們是事故發(fā)生的保護(hù)因素，其中路口路段中普通路段優(yōu)勢比為0.112，負(fù)影響較顯著，車輛類型因素中大貨 車相對其他車輛有較顯著的影響。

表3 道路行駛條件與各類事故形態(tài)的二項(xiàng)logistic回歸計(jì)算結(jié)果Tab.3 Coefficients estimates of each crash type and road conditions models

在側(cè)面相撞的模型回歸結(jié)果中，中央分隔帶影響較顯著，其優(yōu)勢比為1.433，說明中央分隔帶對側(cè)面相撞事故的發(fā)生有正影響，是危險因素。在其他相關(guān)性較大的影響因子中，天氣條件對此類事故發(fā)生有一定影響，相對于晴或陰的正常天氣，其他天氣條件對事故發(fā)生有負(fù)影響，而夜間行車相對于白天，有路燈是事故發(fā)生的保護(hù)性因素，沒有路燈則易導(dǎo)致事故。各種車輛類型中大貨車對事故發(fā)生影響程度最大。

在尾隨相撞的模型回歸結(jié)果中，自變量中標(biāo)志標(biāo)線和車輛類型的模型預(yù)測結(jié)果都較為顯著。其中標(biāo)志標(biāo)線的回歸系數(shù)小于0，對事故發(fā)生呈負(fù)影響，中央分隔帶和車輛類型回歸系數(shù)都大于0，是事故發(fā)生的危險因子，其中有中央分隔帶事故發(fā)生的概率是沒有設(shè)立分各帶的1.6倍。在不同的車輛類型中，對事故影響最大的是中型客車和大貨車，以二輪摩托車為參照，他們的影響程度分別是摩托車的7.324倍和7.877倍，這2類車型影響的預(yù)測結(jié)果也較其他車型顯著。

在同向刮擦這類事故形態(tài)的回歸結(jié)果中，標(biāo)志標(biāo)線和機(jī)非分隔帶的walt檢驗(yàn)結(jié)果遠(yuǎn)小于0.05，非常顯著。標(biāo)志標(biāo)線的回歸系數(shù)為負(fù)，對同向刮擦的事故發(fā)生產(chǎn)生負(fù)影響，是保護(hù)性因素。而機(jī)非分隔帶的優(yōu)勢比達(dá)到7.533，遠(yuǎn)大于1，說明機(jī)非分隔帶對事故發(fā)生有正影響，其影響程度是其他因素的7.533倍。而中央分隔帶對事故發(fā)生也有保護(hù)性作用。

2.2 道路設(shè)施對各類事故形態(tài)的影響

正面相撞和側(cè)面相撞這2類事故形態(tài)是新疆烏魯木齊市發(fā)生頻率最高的事故，其中正面相撞的發(fā)生頻率達(dá)到了71.18%，側(cè)面相撞也有15.50%的發(fā)生率。從道路交通設(shè)施對事故影響的角度分析，正面相撞事故較容易發(fā)生在沒有中央分隔帶的路段，同時該類事故發(fā)生的概率也極大程度上取決于信號燈和標(biāo)志標(biāo)線設(shè)置，相比沒有交通控制的路段，信號燈和標(biāo)志標(biāo)線設(shè)置的不合理反而會增加事故發(fā)生率。模型回歸結(jié)果顯示，高架路段較少發(fā)生此類事故，因?yàn)楦呒苈范瓮ǔＴO(shè)有中央分隔。與正面相撞不同的是，側(cè)面相撞的事故容易發(fā)生在有中央分隔帶的道路路段，主要是由于車輛行駛在有分隔帶的路段時，由于一側(cè)有物理隔離，其發(fā)生特殊情況的避讓方向大多是朝向于相鄰車道，易與其他車輛發(fā)生側(cè)撞。

從尾隨相撞模型分析結(jié)果來看，從道路設(shè)施的角度分析，標(biāo)志標(biāo)線對此類事故的發(fā)生影響最大，設(shè)置合理的標(biāo)志標(biāo)線有助于校正駕駛行為，提高車輛行駛的安全性，減少尾隨相撞事故的發(fā)生。而中央分隔帶的設(shè)置一定程度上對這類事故有不良影響。相對于不同的車輛類型，中型客車和大貨車由于質(zhì)量和體積較大，剎車距離較長，更容易引發(fā)此類事故。

同向刮擦這類形態(tài)的事故發(fā)生主要影響因素是標(biāo)志標(biāo)線和分隔帶。首先設(shè)置合理的標(biāo)志標(biāo)線有助于減少同向刮擦的事故發(fā)生率。分隔帶的設(shè)置在此類事故中也有重要影響，缺少機(jī)非分隔帶卻極大程度上導(dǎo)致了此類事故的發(fā)生，主要原因是當(dāng)非機(jī)動車和機(jī)動車同向行駛時，由于沒有物理隔離，交通量較大（特別是早晚高峰）時，由于非機(jī)動車道容量有限，有些車輛經(jīng)常會越線行駛，造成與機(jī)動車的刮擦事故。

2.3 道路環(huán)境對事故發(fā)生的影響

在道路環(huán)境相關(guān)的因素中，對車輛行駛安全性影響較大的主要是天氣、夜間照明和路表情況。不良的天氣條件一定程度上影響事故的發(fā)生，由回歸結(jié)果可知，相比于晴或陰的正常天氣條件，由于雨雪霧天能見度會有一定程度下降，特別是霧天，對事故率的影響程度是其他不良天氣的20～30倍，在有濃霧的時候駕駛員的視距大大減小，導(dǎo)致車輛行駛過程中事故頻發(fā)。同理，夜間行車在沒有路燈的路段會增加危險性，有較大的事故隱患。而道路路面對事故影響主要基于摩擦系數(shù)，相比于干燥路段，有冰雪和泥濘或積水的路面會造成路面摩擦系數(shù)降低，導(dǎo)致車輪打滑，降低剎車的靈敏度，事故發(fā)生率也會有一定程度的增加。

2.4 道路行駛條件對事故形態(tài)分布的影響分析

表4為通過多項(xiàng)Logistic模型對各種事故形態(tài)的事故發(fā)生幾率的預(yù)測結(jié)果中較為典型的情況。表中所示為在這4種道路條件下，各種形態(tài)事故發(fā)生幾率的預(yù)測情況。從表4中可見，Pearson殘差絕對值都小于2，而且絕大部分都小于1，模型擬合良好。從列出的4種一般道路行駛條件下所發(fā)生的事故形態(tài)預(yù)測分布可以看出，其預(yù)測發(fā)生率和實(shí)際頻率一致。

從回歸結(jié)果中可以發(fā)現(xiàn)，在正常的道路行駛環(huán)境中，即天氣、照明和路表情況良好，相同車輛類型，道路設(shè)施對事故分布有著重要的影響。其中正面相撞的發(fā)生頻率最高，側(cè)面相撞次之。主要是由于缺乏有效的交通信號控制，車車之間的沖突點(diǎn)較多，車輛無法有序行駛，在車速較快或者車流量較高的情況下，極易發(fā)生交通事故；同時道路中央缺少有效隔離設(shè)施，車輛在發(fā)生違規(guī)行為或避讓同向車輛的過程中容易侵占對向車輛行車道。在沒有信號燈等有效的交通控制和機(jī)非隔離的情況下，高峰時段交通流量大時，非機(jī)動車常常占用機(jī)動車道造成側(cè)面相撞，同時也會引發(fā)機(jī)動車避讓時其他形態(tài)的事故發(fā)生。

表4 道路行駛條件與事故形態(tài)的多項(xiàng)Logistic回歸預(yù)測結(jié)果Tab.4 Prediction of accident rate of each crash type by multinomial Logistic model

此外，道路中沒有設(shè)置標(biāo)志標(biāo)線時側(cè)面相撞和尾隨相撞兩類事故的發(fā)生概率有所提高而正面相撞相對降低，當(dāng)?shù)缆分性O(shè)置了中央分隔帶時正面相撞的概率比沒有設(shè)置時低，更明確地體現(xiàn)了道路設(shè)施是否完善，設(shè)施的調(diào)整策略對不同事故形態(tài)的概率分布有著顯著的影響。

3 結(jié)束語

在二項(xiàng)Logistic模型回歸的結(jié)果中可以發(fā)現(xiàn)，本研究中針對不同的事故形態(tài)選擇了關(guān)聯(lián)性最強(qiáng)的幾個影響因素放入針對每種事故形態(tài)所建立的回歸模型中，其模型擬合程度良好，這些因素與各事故形態(tài)之間的相互關(guān)系非常顯著。經(jīng)過進(jìn)一步的分析可以發(fā)現(xiàn)，在烏魯木齊市所發(fā)生的道路交通事故中，①信號燈、標(biāo)志標(biāo)線和中央分隔帶是否設(shè)置合理和有效對正面相撞這類事故有著較大的影響；②對側(cè)面相撞這類形態(tài)的事故影響程度最大的是中央分隔帶的設(shè)置，而天氣和照明等環(huán)境因素也對這類事故有著較大影響；③標(biāo)志標(biāo)線不完善對碾壓類事故的影響水平較高，但這種事故主要發(fā)生在小客車這種特殊車型上，說明車型的影響也十分重要；④在尾隨相撞這類事故中，標(biāo)志標(biāo)線和車輛類型的影響水平較高；⑤撞固定物這類事故的發(fā)生主要取決于天氣狀況是否良好以及中央分隔帶的設(shè)置；⑥標(biāo)志標(biāo)線和機(jī)非隔離帶這類交通設(shè)施影響因素極大程度影響著同向刮擦這類事故的發(fā)生。由此可見，相比于環(huán)境和車輛類型，道路設(shè)施的合理設(shè)置是影響各類事故形態(tài)的主要因素。

從多項(xiàng)Logistic回歸模型對于9種事故形態(tài)的概率預(yù)測結(jié)果中也可以得到相同的結(jié)論，在道路環(huán)境相對較好的行車條件下，正、側(cè)面相撞和尾隨相撞成為多發(fā)的事故形態(tài)，而道路設(shè)施的調(diào)整也會對事故形態(tài)的概率分布產(chǎn)生顯著的影響。

［1］ 陳彥美.基于對應(yīng)分析方法的公路交通事故黑點(diǎn)成因研究［D］.南京：東南大學(xué)，2008.

［2］ 裴玉龍，丁建梅.鑒別道路交通事故多發(fā)點(diǎn)的突出因素法［J］.中國公路學(xué)報，2005，18（3）：99－103.

［3］ 劉 偉.交通事故多發(fā)路段危險因素的模糊診斷法［J］.重慶交通大學(xué)學(xué)報；自然科學(xué)版，2009，28（4）：733－735.

［4］ 潘昭宇，過秀成，盛玉剛，等.灰色關(guān)聯(lián)分析法在公路交通事故黑點(diǎn)成因分析中的應(yīng)用［J］.交通運(yùn)輸工程與信息學(xué)報，2008，6（3）：96－101.

［5］ 趙金寶，鄧 衛(wèi)，王 建.基于貝葉斯網(wǎng)絡(luò)的城市道路交通事故分析［J］.東南大學(xué)學(xué)報；自然科學(xué)版，2011，41（6）：1300－1306.

［6］ 趙金寶，鄧 衛(wèi)，王 建.基于貝葉斯網(wǎng)絡(luò)的城市平面交叉口交通事故分析［J］.交通信息與安全，2012，30（2）：88－91.

［7］ Maurice A，Regine S，Nicolas D.Traffic indicators and accidents：the case of a motorway network in the south of France［C］∥TRB Annual Meeting Washington， D.C.： Transportation Research Board，2013.

［8］ 王濟(jì)川，郭志剛.Logistic回歸模型：—方法與應(yīng)用［M］.北京：高等教育出版社，2001.

［9］ 宇傳華.SPSS與統(tǒng)計(jì)分析［M］.北京：電子工業(yè)出版社，2007.