宋英華 ，田 麗 ，呂 偉 ，霍非舟

(1.武漢理工大學(xué) 中國(guó)應(yīng)急管理研究中心，湖北 武漢 430070；2.武漢理工大學(xué) 安全科學(xué)與應(yīng)急管理學(xué)院，湖北 武漢 430070)

0 引言

道路交通事故嚴(yán)重威脅社會(huì)發(fā)展，尤其是重特大道路交通事故，影響極為惡劣。為實(shí)現(xiàn)《道路交通安全“十三五”規(guī)劃》中提出的重特大道路交通事故穩(wěn)中有降的目標(biāo)[1]，深入探索并揭示重特大道路交通事故的原因特征，建立其風(fēng)險(xiǎn)指標(biāo)體系，對(duì)重特大道路交通事故的預(yù)防和遏制具有重要意義。

目前學(xué)者們對(duì)道路交通事故的研究主要集中在事故特征、影響因素、事故機(jī)理和事故風(fēng)險(xiǎn)等方面。馬兆有等[2]在分析90起發(fā)生在某條多車道的交通事故時(shí)發(fā)現(xiàn)，多車道高速公路的第1和第4車道為事故高發(fā)車道；高巖等[3]在研究1994—2013年的高速公路交通事故時(shí)發(fā)現(xiàn)，交通事故起數(shù)隨駕駛?cè)笋{齡增加而逐漸下降；Nangana等[4]通過(guò)訪談和調(diào)查問(wèn)卷的形式獲取連續(xù)1個(gè)月的道路交通事故相關(guān)數(shù)據(jù)，結(jié)果表明超速行駛、分心駕駛、超車、粗心駕駛/冒險(xiǎn)機(jī)動(dòng)和酒駕是造成盧本巴希道路交通事故的主要原因；Rov?ek 等[5]運(yùn)用分類和回歸樹算法，證實(shí)斯洛文尼亞道路上的交通事故和傷害是由多種因素造成的，其中最重要的是人為失誤；衡威威等[6]建立燕尾突變模型，對(duì)一起客運(yùn)車輛交通事故的發(fā)生機(jī)理進(jìn)行了分析；劉志強(qiáng)等[7]使用貝葉斯網(wǎng)模型，得到霧霾天氣下高速公路上的道路交通事故發(fā)生機(jī)理；黃合來(lái)等[8]用事故預(yù)測(cè)建模的方法，提出了?；愤\(yùn)輸風(fēng)險(xiǎn)識(shí)別模型和風(fēng)險(xiǎn)值評(píng)價(jià)模型；Waizman等[9]用基于代理的動(dòng)態(tài)仿真模型SAFEPED進(jìn)行模擬仿真，根據(jù)生成的R-RR圖提取重要的交通風(fēng)險(xiǎn)指標(biāo)；Liu等[10]參考已有研究，提出了反映交通事故概率、交通事故嚴(yán)重程度和交通事故趨勢(shì)的9項(xiàng)指標(biāo)，用灰色關(guān)聯(lián)分析法和模糊綜合評(píng)價(jià)法對(duì)交通事故進(jìn)行風(fēng)險(xiǎn)評(píng)估；王恩達(dá)等[11]采用語(yǔ)義分析法識(shí)別風(fēng)險(xiǎn)因素，從違法及錯(cuò)誤駕駛行為、違法行車風(fēng)險(xiǎn)、突發(fā)意外事件風(fēng)險(xiǎn)、不利外界環(huán)境風(fēng)險(xiǎn)4個(gè)方面建立風(fēng)險(xiǎn)指標(biāo)體系；胡思濤等[12]考慮不同路段和交通環(huán)境情況，建立了農(nóng)村公路典型路段風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。

已有研究在構(gòu)建指標(biāo)體系時(shí)多采用定性方法，對(duì)原因間關(guān)系的研究多采用關(guān)聯(lián)規(guī)則[13-15]方法，對(duì)管理方面的原因難以量化分析。然而，綜合考慮各種原因因素，建立一個(gè)科學(xué)有效的道路交通事故風(fēng)險(xiǎn)指標(biāo)體系，是評(píng)估道路交通安全的關(guān)鍵所在。本文從重特大道路交通事故調(diào)查報(bào)告中提取數(shù)據(jù)，基于SNA思想，分析原因間的關(guān)系特征，構(gòu)建定性和定量方法相結(jié)合的重特大道路交通事故風(fēng)險(xiǎn)指標(biāo)體系，然后通過(guò)實(shí)例分析驗(yàn)證指標(biāo)體系的合理性，以期為重特大道路交通事故的防范提供參考。

1 數(shù)據(jù)收集與處理

1.1 數(shù)據(jù)收集

以重特大道路交通事故為研究對(duì)象，通過(guò)原安全生產(chǎn)監(jiān)督管理部門網(wǎng)站(總局以及各省市安監(jiān)局網(wǎng)站)收集了2010—2018年的100起重特大道路交通事故調(diào)查報(bào)告，剔除5份對(duì)原因描述過(guò)于簡(jiǎn)略的調(diào)查報(bào)告，最后樣本量為95份。

1.2 數(shù)據(jù)處理

首先，從報(bào)告中提取涉及事故直接原因、間接原因、死亡人數(shù)、受傷人數(shù)、直接經(jīng)濟(jì)損失和事故形態(tài)的文本內(nèi)容；然后，將從所有樣本中提取出的原因信息進(jìn)行分類、歸納、合并，如表1所示。從95個(gè)樣本中提取的原因信息可分類歸納為道路環(huán)境(D1)、車輛(D2)、人(D3)和管理(D4)4類，R1～R49共計(jì)49種原因；構(gòu)建維度為95×49的矩陣，若導(dǎo)致事故i發(fā)生的原因有j(i取1～95，j取1～49)，則矩陣元素M(i,j)取值1，否則取值0。為深入分析各事故原因間的關(guān)聯(lián)關(guān)系，進(jìn)一步構(gòu)建原因鄰接矩陣N，設(shè)MT為矩陣M的轉(zhuǎn)置，那么N=MTM。

表1 重特大道路交通事故原因集Table 1 Causes sets of major road traffic accidents

2 重特大道路交通事故原因特征分析

2.1 關(guān)鍵原因分析

用社會(huì)網(wǎng)絡(luò)分析軟件UCINET[16]可將原因鄰接矩陣可視化，下文將此原因網(wǎng)絡(luò)統(tǒng)稱為主網(wǎng)絡(luò)。社會(huì)網(wǎng)絡(luò)分析(SNA)中，“中心性”可以用于衡量個(gè)人或組織在網(wǎng)絡(luò)結(jié)構(gòu)中的位置優(yōu)越性和特權(quán)性，而節(jié)點(diǎn)的“中心性”指標(biāo)又可用“點(diǎn)度中心度”來(lái)衡量?！包c(diǎn)度中心度”包括“絕對(duì)點(diǎn)度中心度”和“相對(duì)點(diǎn)度中心度”2種，前者是指與該點(diǎn)直接相連的節(jié)點(diǎn)的數(shù)量(用CAD表示)，后者是指“絕對(duì)點(diǎn)度中心度”和圖中節(jié)點(diǎn)的最大可能的度數(shù)之比(用CRD表示)，“相對(duì)點(diǎn)度中心度”的數(shù)學(xué)表達(dá)式為[17]：

(1)

式中：n為網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)，本文采用的中心性指標(biāo)是“相對(duì)點(diǎn)度中心度”。

在重特大道路交通事故原因分析中，“相對(duì)點(diǎn)度中心度”越大的點(diǎn)表示該原因越容易與其他原因組合共同導(dǎo)致事故的發(fā)生，居于網(wǎng)絡(luò)的中心，風(fēng)險(xiǎn)性越大。計(jì)算主網(wǎng)絡(luò)中各節(jié)點(diǎn)的“相對(duì)點(diǎn)度中心度”，如表2所示，表中列出了“相對(duì)點(diǎn)度中心度”排列前15位的原因，其中，管理方面的原因有8個(gè)，人方面的原因有4個(gè)，道路環(huán)境方面的原因有2個(gè)，車輛方面的原因有1個(gè)，分別占比53%，27%，13%和7%。R49，R40有最高的“相對(duì)點(diǎn)度中心度”，表明二者最容易和其他原因組合起來(lái)導(dǎo)致事故的發(fā)生，并且其都是管理方面的原因，說(shuō)明管理方面的原因在導(dǎo)致重特大交通事故的發(fā)生中起著關(guān)鍵作用。

表2 主網(wǎng)絡(luò)中部分原因的中心性指標(biāo)Table 2 Centrality indexes of partial causes in main network

2.2 不同事故形態(tài)下的關(guān)鍵原因分析

根據(jù)事故發(fā)生后的形態(tài)，道路交通事故可分為6種類型[18]：碰撞型、刮擦型、翻墜型、火災(zāi)型、碾壓型、其他型。本文涉及的95起重特大道路交通事故事故形態(tài)類型為：碰撞類54起，翻墜類38起，火災(zāi)類2起，爆炸類1起。碰撞型事故和翻墜型事故這2類事故占事故總數(shù)的96.8%，因此可從主網(wǎng)絡(luò)中提取碰撞類子網(wǎng)絡(luò)和翻墜類子網(wǎng)絡(luò)進(jìn)行針對(duì)性分析。

對(duì)碰撞類子網(wǎng)絡(luò)進(jìn)行中心性分析可知，管理方面的原因有8個(gè)，人方面的原因有5個(gè)，道路環(huán)境方面的原因有1個(gè)，車輛方面的原因有1個(gè)，分別占比53%，33%，7%和7%，如表3所示。與主網(wǎng)絡(luò)相比，碰撞類子網(wǎng)絡(luò)中列出的前15個(gè)原因中，有14個(gè)原因與主網(wǎng)絡(luò)完全一致，這也符合碰撞型事故在所有事故形態(tài)中占的比例最高的客觀實(shí)際；對(duì)翻墜類子網(wǎng)絡(luò)進(jìn)行中心性分析可知，管理方面的原因有7個(gè)，人方面的原因有3個(gè)，道路環(huán)境方面的原因有4個(gè)，車輛方面的原因有1個(gè)，分別占比47%，20%，26%和7%，如表3所示。與主網(wǎng)絡(luò)相比，翻墜類子網(wǎng)絡(luò)中列出的前15個(gè)原因中，有12個(gè)原因與主網(wǎng)絡(luò)一致，在道路環(huán)境因素中，新增了安全防護(hù)欄缺失/不合格、長(zhǎng)坡多彎路段和陡坡急彎路段3個(gè)原因，說(shuō)明翻墜類子網(wǎng)絡(luò)更容易受到道路環(huán)境因素的影響。這也就提醒駕駛者，在一些地勢(shì)惡劣、安全保障狀況不良的地段更要提高警惕，謹(jǐn)防事故發(fā)生。

2.3 事故原因組合分析

從主網(wǎng)絡(luò)鄰接矩陣中找到具有最大權(quán)重的“2原因組合”，當(dāng)這些原因共同出現(xiàn)時(shí)應(yīng)該提高警惕、預(yù)防事故的發(fā)生。以下特別分析位于前4位的“2原因組合”：

表3 碰撞類子網(wǎng)絡(luò)和翻墜類子網(wǎng)絡(luò)部分原因的中心性指標(biāo)Table 3 Centrality indexes of partial causes in collision and falling sub-network

1)安全教育培訓(xùn)不到位R40和監(jiān)督檢查不力R49，這對(duì)原因?qū)?8起事故做出了“貢獻(xiàn)”。對(duì)于從事危險(xiǎn)性工作的人群，如果不進(jìn)行充分的教育培訓(xùn)，后果將不堪設(shè)想。道路運(yùn)輸相關(guān)部門、公安部門和政府在監(jiān)督檢查方面存在失職，未起到監(jiān)督糾正的作用。

2)未采取安全措施/安全措施不當(dāng)R32和監(jiān)督檢查不力R49，這對(duì)原因?qū)?9起事故做出了“貢獻(xiàn)”。對(duì)于突發(fā)險(xiǎn)情的處理能力能反映出駕駛員的專業(yè)素養(yǎng)。從調(diào)查報(bào)告來(lái)看，一些駕駛員在事發(fā)前處于過(guò)度疲勞狀態(tài)，導(dǎo)致在險(xiǎn)情出現(xiàn)時(shí)完全沒(méi)有察覺(jué)，最終釀成事故。還有一些駕駛員由于專業(yè)技能的缺乏，導(dǎo)致在險(xiǎn)情來(lái)臨時(shí)沒(méi)有做出恰當(dāng)?shù)陌踩胧?，最終無(wú)法制止事故的發(fā)生。

3)違法問(wèn)題查處不力R48和監(jiān)督檢查不力R49，這對(duì)原因?qū)?8起事故做出了“貢獻(xiàn)”。道路運(yùn)輸部門、公安部門和政府在違法問(wèn)題的查處方面存在薄弱環(huán)節(jié)，需進(jìn)一步加強(qiáng)執(zhí)法力度。

4)超載R22和監(jiān)督檢查不力R49，這對(duì)原因?qū)?7起事故做出了“貢獻(xiàn)”。它突出了超載和監(jiān)督檢查不力的相互作用。為使利益最大化，超載是企業(yè)和駕駛員普遍采取的手段?？梢赃@樣解釋，因?yàn)橄嚓P(guān)部門在監(jiān)督檢查方面存在一定漏洞，使得駕駛員更容易忽視法律法規(guī)，致使超載現(xiàn)象嚴(yán)重。

3 重特大道路交通事故風(fēng)險(xiǎn)指標(biāo)體系的構(gòu)建

本文從調(diào)查報(bào)告中提取的原因有49個(gè)，涉及數(shù)量較多，因此將2.1節(jié)中各原因的中心性指標(biāo)數(shù)據(jù)按降序排列，做原因“相對(duì)點(diǎn)度中心度”的帕累托曲線，如圖1所示。用累計(jì)頻率大于90%的標(biāo)準(zhǔn)來(lái)篩選原因，進(jìn)一步篩選出25個(gè)原因作為二級(jí)指標(biāo)，構(gòu)建重特大道路交通事故風(fēng)險(xiǎn)指標(biāo)體系，具體指標(biāo)體系如圖2所示。

圖1 原因相對(duì)點(diǎn)度中心度的帕累托圖曲線Fig.1 Pareto chart of relative point centrality of causes

圖2 重特大道路交通事故風(fēng)險(xiǎn)指標(biāo)體系Fig.2 Risk index system of major road traffic accidents

4 實(shí)例分析

利用主網(wǎng)絡(luò)的中心性指標(biāo)數(shù)據(jù)來(lái)衡量風(fēng)險(xiǎn)，將“相對(duì)點(diǎn)度中心度”歸一化作為權(quán)重并排序，如表4所示，可知4個(gè)一級(jí)指標(biāo)的重要性依次為w(D4)>w(D3)>w(D1)>w(D2)，管理方面的原因占據(jù)最大的比重，其次是人、道路環(huán)境和車輛。在一級(jí)指標(biāo)發(fā)生的情況下，用相對(duì)應(yīng)二級(jí)指標(biāo)發(fā)生的概率來(lái)表示二級(jí)指標(biāo)權(quán)重。將一級(jí)指標(biāo)下相對(duì)應(yīng)的原因權(quán)重歸一化，可得表5。

表4 一級(jí)指標(biāo)權(quán)重Table 4 Weights of first-level indexes

表5 二級(jí)指標(biāo)權(quán)重Table 5 Weights of second-level indexes

由概率計(jì)算公式可得一起道路交通事故的風(fēng)險(xiǎn)概率公式：

P=∑xi×yj

(2)

式中：xi表示二級(jí)指標(biāo)權(quán)重；yj表示一起事故中每個(gè)二級(jí)指標(biāo)相對(duì)應(yīng)的一級(jí)指標(biāo)的權(quán)重；具體取值參見(jiàn)表4和表5。

道路交通事故后果可用事故經(jīng)濟(jì)損失來(lái)衡量。借鑒危險(xiǎn)源經(jīng)濟(jì)損失計(jì)算模型[19]，考慮死亡人數(shù)、受傷人數(shù)和直接經(jīng)濟(jì)損失，可得出道路交通事故經(jīng)濟(jì)損失計(jì)算模型：

L=LPD×NPD+LPI×NPI+LE

(3)

式中：NPD表示事故死亡人數(shù)，人；NPI表示事故受傷人數(shù)，人；LPD表示人員死亡轉(zhuǎn)化為經(jīng)濟(jì)損失，萬(wàn)元；LPI表示人員受傷轉(zhuǎn)化為經(jīng)濟(jì)損失，萬(wàn)元；LE表示直接經(jīng)濟(jì)損失，萬(wàn)元。

本文按照全國(guó)2013年的國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)[20]進(jìn)行計(jì)算。在不考慮死亡人員/受傷人員年齡及具體身份的前提下，LPD取城鎮(zhèn)居民人均可支配收入和農(nóng)村居民人均純收入的均值的20倍計(jì)算，結(jié)果為35.851萬(wàn)元。在處理交通事故時(shí)，取傷殘等級(jí)的平均值5級(jí)，LPI=0.5LPD，LPI取值為17.925 5萬(wàn)元。

從2010—2018的95份調(diào)查報(bào)告中隨機(jī)抽取10份，原因分布如表6所示。計(jì)算風(fēng)險(xiǎn)概率和經(jīng)濟(jì)損失，并用散點(diǎn)圖來(lái)直觀顯示，如圖3所示，風(fēng)險(xiǎn)概率和經(jīng)濟(jì)損失之間存在正相關(guān)關(guān)系，即風(fēng)險(xiǎn)概率和事故后果之間有正相關(guān)關(guān)系。風(fēng)險(xiǎn)概率越大，事故后果越嚴(yán)重；風(fēng)險(xiǎn)概率越小，事故后果相應(yīng)減小。這驗(yàn)證了該指標(biāo)體系的合理性，因此可用此風(fēng)險(xiǎn)指標(biāo)體系對(duì)重特大道路交通事故進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。

表6 10起重特大道路交通事故原因分布Table 6 Causes distribution of 10 major road traffic accidents

圖3 風(fēng)險(xiǎn)概率與經(jīng)濟(jì)損失散點(diǎn)圖Fig.3 Scatter plot of risk probability and economic loss

5 結(jié)論

1)采用社會(huì)網(wǎng)絡(luò)分析法分析了重特大道路交通事故的原因特征，結(jié)果表明：監(jiān)督檢查不力、安全教育培訓(xùn)不到位、未采取安全措施/安全措施不當(dāng)、違法問(wèn)題查處不力、隱患排查整改不力容易與其他原因組合共同導(dǎo)致事故的發(fā)生，具有較高的風(fēng)險(xiǎn)；監(jiān)督檢查不力和教育培訓(xùn)不到位這一原因組合共同在58起事故中出現(xiàn)，是典型事故情景。

2)綜合考慮道路環(huán)境、車輛、人和管理4個(gè)方面，將定性方法與定量方法相結(jié)合，構(gòu)建一個(gè)更為全面的重特大道路交通事故風(fēng)險(xiǎn)指標(biāo)體系，規(guī)避了傳統(tǒng)指標(biāo)體系研究的主觀性。通過(guò)實(shí)例分析，表明風(fēng)險(xiǎn)概率和事故后果呈正相關(guān)，驗(yàn)證了指標(biāo)體系的合理性。

3)將2010—2018年的數(shù)據(jù)作為整體進(jìn)行研究，不能進(jìn)一步分析原因特征隨時(shí)間的變化情況。因此考慮劃分不同的時(shí)間段，從動(dòng)態(tài)角度分析重特大道路交通事故原因特征如何隨時(shí)間變化的情況，是下一步研究的重點(diǎn)方向。