張乾懿 王 杰 黃合來(lái)

(中南大學(xué)交通運(yùn)輸工程學(xué)院 長(zhǎng)沙 410075)

0 引 言

降低事故頻次、減輕事故嚴(yán)重程度是交通安全研究的兩大核心目標(biāo)，而摩托車(chē)在行駛過(guò)程中較其他機(jī)動(dòng)車(chē)更容易發(fā)生嚴(yán)重事故，是交通事故造成死亡的重要原因之一[1-3]。由于載客現(xiàn)象在發(fā)達(dá)國(guó)家并不常見(jiàn)，摩托車(chē)載客行為對(duì)事故發(fā)生特征的影響并沒(méi)有在發(fā)達(dá)國(guó)家得到系統(tǒng)研究[4]。然而，摩托車(chē)載客現(xiàn)象在發(fā)展中國(guó)家十分普遍，中國(guó)甚至衍生出“摩的”司機(jī)的職業(yè)。雖然北京、上海和廣州等許多大城市實(shí)施了“禁摩令”，但摩托車(chē)在中小型城市及農(nóng)村地區(qū)比如湖南、江西、廣西，仍然是一種日常出行的主要交通方式，占居民總出行量的25%以上[5]，并且載客現(xiàn)象盛行。因此，有必要對(duì)摩托車(chē)載客行為開(kāi)展研究，識(shí)別相關(guān)事故風(fēng)險(xiǎn)特征。國(guó)外學(xué)者Kashani等[6]發(fā)現(xiàn)，當(dāng)搭載1個(gè)乘客時(shí)，會(huì)降低嚴(yán)重事故的發(fā)生概率，但是超載會(huì)顯著增加摩托車(chē)嚴(yán)重事故的發(fā)生比例，當(dāng)摩托車(chē)駕駛員攜帶2個(gè)男性乘客時(shí)，發(fā)生致命事故的風(fēng)險(xiǎn)最高；Haque等[7]發(fā)現(xiàn)，搭載乘客的駕駛員對(duì)事故發(fā)生承擔(dān)主要責(zé)任的比例明顯增多，認(rèn)為搭載乘客會(huì)使駕駛員分心駕駛，增加事故風(fēng)險(xiǎn)。國(guó)內(nèi)學(xué)者王宏雁等[8]對(duì)摩托車(chē)事故嚴(yán)重程度進(jìn)行了研究，多以安全頭盔使用及事故形態(tài)對(duì)事故中駕駛員的受傷嚴(yán)重程度的影響為主；李玲琦等[9]對(duì)摩托車(chē)事故特點(diǎn)展開(kāi)研究，發(fā)現(xiàn)不同事故形態(tài)對(duì)摩托車(chē)事故嚴(yán)重程度的影響強(qiáng)于普通私家車(chē)。但是，很少有學(xué)者對(duì)載客現(xiàn)象展開(kāi)系統(tǒng)研究。影響摩托車(chē)事故的因素較多且復(fù)雜，要減輕摩托車(chē)事故嚴(yán)重程度是個(gè)難題，相關(guān)管理部門(mén)較難提出真正有效的管理措施。因此，對(duì)國(guó)內(nèi)摩托車(chē)事故特別是載客事故的定量分析和有效的管理政策成為迫切的需求。

筆者基于湖南省2014年的摩托車(chē)事故數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)建模方法分析是否載客(及乘客特征)對(duì)摩托車(chē)事故類(lèi)型、事故責(zé)任以及事故嚴(yán)重程度的影響，提煉摩托車(chē)載客事故客觀規(guī)律，為摩托車(chē)交通安全管理提供理論支持。

1 事故數(shù)據(jù)收集及描述性特征分析

本研究采用2014年湖南省摩托車(chē)相關(guān)事故數(shù)據(jù)，數(shù)據(jù)來(lái)源于湖南省公安部交通管理部門(mén)的《2014年中華人民共和國(guó)道路交通事故統(tǒng)計(jì)年報(bào)》。2014 年湖南摩托車(chē)注冊(cè)數(shù)超過(guò)500萬(wàn)，占總機(jī)動(dòng)車(chē)比為52%。而該省摩托車(chē)相關(guān)事故為20 027起(簡(jiǎn)易事故和一般事故)?？紤]到摩托車(chē)事故嚴(yán)重程度的分析對(duì)象為摩托車(chē)駕駛員，從一般事故中，選擇傷害主體為摩托車(chē)駕駛員的樣本，排除數(shù)據(jù)缺失項(xiàng)，6 311 起具有完整信息記錄的事故被用于該分析，其中，載客事故(1 742起)和非載客事故(4 569起)分別占28%和72%，其中涉載客2人及以上事故(353起)占載客事故的20.3%，事故檔案記錄了事故特征、駕駛員特征、乘客特征、環(huán)境，以及照明條件等主要風(fēng)險(xiǎn)變量。

載客與非載客2類(lèi)事故中的各類(lèi)風(fēng)險(xiǎn)變量占比見(jiàn)表1，采用卡方檢驗(yàn)方法,發(fā)現(xiàn)是否搭載乘客與駕駛員年齡(青年，中年或老年)、是否佩戴安全頭盔(是/否)、事故嚴(yán)重程度(死亡/重傷，輕傷/無(wú)傷害)、事故責(zé)任認(rèn)定(主責(zé)/同責(zé)，次要/無(wú)責(zé)任)、事故發(fā)生時(shí)段(高峰/平峰)、事故類(lèi)型(單車(chē)事故/多車(chē)事故)、環(huán)境條件(良好照明條件/不利照明條件)等事故風(fēng)險(xiǎn)因素顯著相關(guān)。在卡方檢驗(yàn)中，是否佩戴安全頭盔(0.05

2 事故數(shù)據(jù)分析方法

本文主要目的是探尋是否搭載乘客(及乘客特征)對(duì)摩托車(chē)事故的影響。研究首先將事故數(shù)據(jù)中的載客因素與其他事故風(fēng)險(xiǎn)因素進(jìn)行關(guān)聯(lián)，找尋具有顯著相關(guān)性和代表性的事故變量包括：是否搭載乘客(及乘客特征)，事故責(zé)任判定，事故類(lèi)型以及事故嚴(yán)重程度。然后以事故責(zé)任判定、事故類(lèi)型以及事故嚴(yán)重程度為目標(biāo)變量，是否搭載乘客(及乘客特征)、駕駛員特征、環(huán)境特征為解釋變量，構(gòu)建是否載客(及乘客特征)與摩托車(chē)事故類(lèi)型、事故責(zé)任及事故嚴(yán)重程度的關(guān)聯(lián)模型。關(guān)鍵變量的詳細(xì)描述如下所示。

目標(biāo)變量包括

1)Y1事故責(zé)任判定：主責(zé)或同等責(zé)任(=1)，次要或無(wú)責(zé)任(=0)。

2)Y2事故類(lèi)型：?jiǎn)诬?chē)事故(=1)，多車(chē)事故(=0)。

3)Y3駕駛員事故嚴(yán)重程度：死亡/重傷(=1)，輕傷/無(wú)傷害(=0)。

4)Y4乘客事故嚴(yán)重程度：死亡/重傷(=1)，輕傷/無(wú)傷害(=0)。

關(guān)鍵自變量包括

1)X1是否搭載乘客：搭載乘客(=1)，未搭載乘客(=0)。

2)X2照明條件：良好照明(=1)，不良照明(=0)。

3)X3駕駛員年齡：16～24(=1)，其他(=0)。

4)X4駕駛員性別：男性(=1)，女性(=0)。

5)X5事故時(shí)段：高峰(=1)，平峰(=0)。

6)X6是否佩戴安全頭盔：佩戴安全頭盔(=1)，未佩戴安全頭盔(=0)。

7)X7事故責(zé)任認(rèn)定：主責(zé)/同等責(zé)任(=1)，次要/無(wú)責(zé)任(=0)。

8)X8駕駛員事故嚴(yán)重程度：死亡/重傷(=1)，輕傷/無(wú)傷害(=0)。

9)X9乘客性別：男性(=1)，女性(=0)。

10)X10乘客年齡小于16歲或者大于60歲(=1)，其他(=0)。

表1 事故描述性統(tǒng)計(jì)Tab.1 Descriptive statistics of motorcycle crashes

由于本研究中的目標(biāo)變量(事故責(zé)任判定、事故類(lèi)型、事故嚴(yán)重程度)均為二元離散變量，因此選擇采用在道路交通安全研究中廣泛運(yùn)用[10]的二元Logit回歸模型進(jìn)行建模。定義事件X，假設(shè)事件發(fā)生的概率為P(x)，定義影響事件發(fā)生的變量包括駕駛員和乘客特征，環(huán)境因素，以及其他事故風(fēng)險(xiǎn)因素，表示為X1，X2,…，Xm等等。假設(shè)函數(shù)形式為線性，此時(shí)二元Logit回歸模型可以表達(dá)為

(1)

由此可以推導(dǎo)出Logit模型的表達(dá)形式為

(2)

(3)

模型中回歸系數(shù)βm所度量的是在控制其他解釋變量不變的條件下，該解釋變量m1個(gè)單位的變化對(duì)目標(biāo)變量的對(duì)數(shù)發(fā)生比的影響。由于對(duì)數(shù)發(fā)生比較難理解，往往轉(zhuǎn)換為發(fā)生比的形式。這樣，發(fā)生比的變化就可以用eβm來(lái)衡量。當(dāng)βm為正值時(shí)，則eβm大于1，說(shuō)明xm每增加1個(gè)單位時(shí)發(fā)生比會(huì)相應(yīng)增加；反之，當(dāng)βm為負(fù)值時(shí)，則eβm小于1，說(shuō)明xm每增加一單位時(shí)發(fā)生比會(huì)相應(yīng)減少。

3 模型結(jié)果分析和討論

基于極大似然估計(jì)法，分別對(duì)摩托車(chē)事故責(zé)任認(rèn)定、事故類(lèi)型以及事故傷害嚴(yán)重程度模型進(jìn)行參數(shù)估計(jì)。為保證模型的簡(jiǎn)潔性，采用向后逐步回歸的方法進(jìn)行變量篩選，最終模型只保留對(duì)事故責(zé)任認(rèn)定、事故類(lèi)型以及事故傷害嚴(yán)重程度有顯著影響(P<0.1)的變量，對(duì)摩托車(chē)載客問(wèn)題進(jìn)行深度分析討論。

3.1 事故責(zé)任認(rèn)定模型

此模型探究了是否載客與事故責(zé)任認(rèn)定之間的關(guān)聯(lián)，本模型中因變量為事故責(zé)任認(rèn)定，自變量為是否載客、照明條件以及駕駛員年齡。表2結(jié)果顯示：事故發(fā)生后，搭載乘客的駕駛員對(duì)事故發(fā)生承擔(dān)主要責(zé)任的比例比未載客駕駛員低48%，該結(jié)論與Haque等[7]的發(fā)現(xiàn)并不一致，他們的結(jié)論是載客事故中駕駛員承擔(dān)主要責(zé)任的比例更高?？ǚ綑z驗(yàn)結(jié)果顯示，載客事故中的駕駛員佩戴安全頭盔的比例顯著低于未載客事故，這一定程度上說(shuō)明搭載乘客的駕駛員安全意識(shí)低于未搭載乘客的駕駛員。但是，載客行為卻使駕駛員對(duì)事故的發(fā)生承擔(dān)主要責(zé)任的比例下降，說(shuō)明載客行為一定程度上提升了駕駛員的安全意識(shí)。在照明條件良好的情況下，駕駛員處于主要責(zé)任方的比例下降26%。青年駕駛員處在主要責(zé)任方的比例比其他年齡段的駕駛員更高，一定程度上說(shuō)明，青年駕駛員群體相較于其他年齡段的駕駛員更容易發(fā)生風(fēng)險(xiǎn)駕駛行為[11]。

表2 事故責(zé)任認(rèn)定模型參數(shù)估計(jì)Tab.2 Estimated parameters of driver citation model

3.2 事故類(lèi)型模型

此模型研究載客與否和單車(chē)事故發(fā)生比例的關(guān)聯(lián)。單車(chē)事故指在車(chē)輛發(fā)生交通事故中，事故當(dāng)事人僅車(chē)輛一方，無(wú)其他事故當(dāng)事方的交通事故，多為車(chē)輛與路側(cè)設(shè)施發(fā)生碰撞或者機(jī)動(dòng)車(chē)發(fā)生自燃、顛覆、解體、車(chē)零件掉落造成。多車(chē)事故指在車(chē)輛發(fā)生交通事故中，存在2輛及以上事故車(chē)輛。對(duì)比多車(chē)事故，單車(chē)事故多出現(xiàn)在并不擁堵的道路環(huán)境中，常由于駕駛員分心駕駛和過(guò)失駕駛導(dǎo)致，其事故嚴(yán)重程度等級(jí)往往也更高[11]。由于建模目的是為了研究在駕駛員過(guò)失條件下，單車(chē)或多車(chē)事故的發(fā)生比例區(qū)別，所以我們僅將駕駛員處在同等責(zé)任/主要責(zé)任的事故數(shù)據(jù)用于分析。本模型中因變量為事故類(lèi)型，顯著自變量為是否載客、駕駛員年齡、性別及照明條件。表3結(jié)果顯示：搭載乘客與單車(chē)事故呈現(xiàn)顯著負(fù)相關(guān)。青年駕駛員和男性駕駛員相較于其他駕駛員，單車(chē)事故發(fā)生比例更高，原因可能是青年、男性駕駛員在行駛過(guò)程中風(fēng)險(xiǎn)駕駛行為偏多。良好的照明條件能降低單車(chē)事故發(fā)生比例。分析得出，在不擁堵的道路環(huán)境下，搭載乘客能一定程度上減少由于駕駛員分心導(dǎo)致的單車(chē)事故的比例。例如搭載乘客會(huì)影響駕駛員心理特征，使駕駛行為更謹(jǐn)慎，并且乘客可以提醒駕駛員注意行駛過(guò)程中的障礙物，以此來(lái)解釋摩托車(chē)乘客對(duì)駕駛行為的影響。這一結(jié)果與Lee等[12]對(duì)機(jī)動(dòng)車(chē)乘客對(duì)駕駛員影響的研究存在差異，Lee等認(rèn)為搭載乘客會(huì)使駕駛員在非擁堵路段分心駕駛，增加單車(chē)事故風(fēng)險(xiǎn)。

表3 事故類(lèi)型模型參數(shù)估計(jì)Tab.3 Estimated parameters of crash type model

3.3 是否載客與事故嚴(yán)重程度聯(lián)合模型

事故嚴(yán)重程度一直是交通安全領(lǐng)域研究的重點(diǎn)，本模型研究是否載客與駕駛員事故嚴(yán)重程度的關(guān)聯(lián)。在中國(guó)，交警部門(mén)將交通事故傷害嚴(yán)重程度分為4個(gè)等級(jí)：僅財(cái)產(chǎn)損失(無(wú)傷害)、輕傷(非致殘傷害)、重傷(致殘傷害)和死亡(事故發(fā)生7 d內(nèi)由于事故傷害死亡)[11]。這4個(gè)等級(jí)事故在本文統(tǒng)計(jì)分析中被合并為嚴(yán)重事故(重傷和死亡)和非嚴(yán)重事故(輕傷害和無(wú)傷害)。相關(guān)性檢驗(yàn)發(fā)現(xiàn)乘客與駕駛員的事故嚴(yán)重程度之間具有顯著正相關(guān)性。由于摩托車(chē)搭載乘客方式的特殊性，使駕駛員和乘客可被看作1個(gè)整體，所以在發(fā)生事故時(shí)事故嚴(yán)重等級(jí)具有一致性。模型中，因變量為駕駛員事故嚴(yán)重程度，顯著自變量為是否載客、照明條件、駕駛員年齡、事故時(shí)段、是否佩戴安全頭盔以及事故責(zé)任認(rèn)定。表4模型結(jié)果顯示：搭載乘客的駕駛員發(fā)生嚴(yán)重事故的比例比未搭載乘客的駕駛員低20%，說(shuō)明載客行為一定程度上減少了嚴(yán)重事故的發(fā)生比例；佩戴安全頭盔的駕駛員遭受?chē)?yán)重事故的比例比未佩戴安全頭盔的駕駛員低33%[13]。在高峰時(shí)段和良好照明條件下，駕駛員發(fā)生嚴(yán)重事故的比例更少，低速行駛和良好的視野條件可以減少嚴(yán)重事故發(fā)生[14]。責(zé)任認(rèn)定為主要/同等責(zé)任的駕駛員遭受?chē)?yán)重事故比例比其他駕駛員高27.5%，過(guò)失方駕駛員在事故中常遭受更嚴(yán)重的事故傷害[15]。

3.4 乘客特征與事故嚴(yán)重程度模型

將載客事故數(shù)據(jù)(1 742起)從事故檔案中提取出來(lái)，分析乘客特征對(duì)事故嚴(yán)重程度的影響。首先對(duì)超載事故與非超載事故進(jìn)行區(qū)分，定義搭載乘客超過(guò)1人為超載。載客事故中，超載事故353起，非超載事故1 389起，卡方檢驗(yàn)顯示：是否超載對(duì)事故嚴(yán)重程度影響不顯著，可能原因在于摩托車(chē)超載會(huì)產(chǎn)生“風(fēng)險(xiǎn)補(bǔ)償效應(yīng)”，即在搭載多個(gè)乘客的情況下，駕駛員駕駛行為更為謹(jǐn)慎、精神更集中，彌補(bǔ)因超載(駕駛難度增加)而增加的事故風(fēng)險(xiǎn)。

表4 是否載客與事故嚴(yán)重程度模型Tab.4 Estimated parameters of carrying passenger and injury severity model

表5駕駛員事故嚴(yán)重程度模型結(jié)果表明：乘客性別是男性時(shí)，嚴(yán)重事故的發(fā)生比例比乘客性別為女時(shí)高46.6%，說(shuō)明乘客性別特征對(duì)駕駛行為產(chǎn)生影響。乘客年齡處在0～16歲或60歲以上時(shí)，嚴(yán)重事故發(fā)生比例更低，事故嚴(yán)重程度也更輕，說(shuō)明當(dāng)乘客年齡偏小或偏大時(shí)，駕駛員規(guī)避風(fēng)險(xiǎn)的“本質(zhì)動(dòng)機(jī)”增強(qiáng)，駕駛更加謹(jǐn)慎，發(fā)生嚴(yán)重事故的風(fēng)險(xiǎn)降低。研究發(fā)現(xiàn)，不同性別和年齡段的乘客在生理上存在較大區(qū)別，對(duì)駕駛行為以及駕駛員心理特征有著不同影響[16-19]。

表5乘客事故嚴(yán)重程度模型結(jié)果表明：在事故發(fā)生時(shí)，駕駛員在發(fā)生嚴(yán)重事故時(shí)，乘客遭受到致命傷害的比例更高。同時(shí)還發(fā)現(xiàn)，乘客性別對(duì)乘客的事故嚴(yán)重程度并沒(méi)有顯著影響，但是0～16歲和60歲以上的乘客相較于其他年齡段的乘客遭受?chē)?yán)重事故的比例更高，相比于其他年齡段的乘客，他們?cè)谑鹿拾l(fā)生時(shí)自我保護(hù)能力更弱[13]。

3.5 相關(guān)安全改善建議

1)模型結(jié)果表明,16～24歲的駕駛員發(fā)生事故時(shí)，處在主要責(zé)任方比例高、事故嚴(yán)重程度重、發(fā)生單車(chē)事故概率大。建議針對(duì)新手駕駛員增設(shè)摩托車(chē)安全教育與技能培訓(xùn)課程，以減少風(fēng)險(xiǎn)駕駛行為。

表5 乘客特征與事故嚴(yán)重程度參數(shù)估計(jì)Tab. 5 Estimated parameters of passenger characteristics and driver injury

2)佩戴安全頭盔可以減少嚴(yán)重事故發(fā)生概率。目前我國(guó)摩托車(chē)駕駛員頭盔佩戴率仍然較低在43.2%，乘客的頭盔佩戴率更低，據(jù)統(tǒng)計(jì)僅有20.9%的乘客正確佩戴安全頭盔[20-22]。因此有必要加大頭盔保護(hù)作用的宣傳教育力度，提高駕駛員和乘客頭盔佩戴率。

3)在照明良好的條件下，駕駛員與乘客造成嚴(yán)重事故傷害的概率低。為保障夜間摩托車(chē)行駛安全，交通管理部門(mén)應(yīng)加強(qiáng)對(duì)夜間酒駕、逆向行駛、超速超載等違法行為的檢查力度，嚴(yán)格執(zhí)行對(duì)嚴(yán)重違法行為的處罰。此外應(yīng)增加或完善道路夜間照明設(shè)施并對(duì)其進(jìn)行定期檢查與維護(hù)，改善夜間行駛環(huán)境。

4)摩托車(chē)與其他機(jī)動(dòng)車(chē)在運(yùn)行速度、車(chē)輛質(zhì)量與體積方面差異巨大，兩者碰撞時(shí)容易導(dǎo)致嚴(yán)重事故。因此，建議摩托車(chē)流量較大且條件允許的路段設(shè)置摩托車(chē)專(zhuān)用道，將摩托車(chē)與非摩機(jī)動(dòng)車(chē)隔離。

4 結(jié)束語(yǔ)

1)16～24歲的駕駛員搭載乘客傾向性比其他年齡段的駕駛員更強(qiáng)，平峰時(shí)段和良好的照明等條件會(huì)增加載客現(xiàn)象的發(fā)生。搭載乘客的駕駛員佩戴安全頭盔的比例更低，一定程度說(shuō)明發(fā)生載客行為的駕駛員安全意識(shí)低于不載客的駕駛員。

2)良好的照明條件會(huì)降低駕駛員行駛過(guò)程中犯錯(cuò)的概率；16～24歲的駕駛員與其他年齡段的駕駛員相比，在事故發(fā)生后處在主要責(zé)任方的比例更高；載客事故駕駛員相比非載客事故駕駛員處在主要責(zé)任方的比例更低。

3)青年駕駛員和男性駕駛員發(fā)生單車(chē)事故的比例高，良好的照明條件能減少單車(chē)事故的發(fā)生比例；搭載乘客的駕駛員發(fā)生單車(chē)事故的比例往往較低。

4)高峰時(shí)段，良好的照明等因素能降低嚴(yán)重事故的發(fā)生概率，佩戴安全頭盔的駕駛員發(fā)生嚴(yán)重事故的比例比未佩戴安全頭盔的駕駛員更低，搭載乘客的駕駛員發(fā)生嚴(yán)重或死亡事故的比例比非載客事故低。女性、幼年以及老年乘客搭乘摩托車(chē)時(shí)，駕駛員發(fā)生嚴(yán)重事故的比例比搭載其它乘客時(shí)低，事故嚴(yán)重程度更低。