基于行車風險的摩托車限速標準研究*

陳富堅　謝松霏　鄧偉建　鐘　釗　吳貞團　鄧文莉　陳　瓊

(桂林電子科技大學建筑與交通工程學院　桂林　541004)

?

基于行車風險的摩托車限速標準研究*

陳富堅謝松霏鄧偉建鐘釗吳貞團鄧文莉陳瓊

(桂林電子科技大學建筑與交通工程學院桂林541004)

為了滿足春運期間各種惡劣天氣環境下摩托車車速管理的需要，研究了基于行車風險的摩托車限速標準.根據國標對摩托車行車可靠性進行了定義，提出了摩托車行車風險的基本模型，采用SPSS軟件對49例返鄉摩托車事故進行了統計分析.提取天氣、行駛距離、車速、駕齡和連續騎車時間5個參數作為行車風險模型的基本參數.采用返鄉摩托車交通事故典型路段當時的狀態數據，計算行車風險模型的基本事故率.采用文獻分析法構建基本參數的經驗模型，并通過將基本參數的實際狀態數據與典型路段狀態數據之比作為基本參數對行車事故率的影響系數.基于調查數據，提出了春運騎摩托車返鄉的目標事故率，采用行車風險模型反向推導了典型天氣狀況和騎車人狀態下的最高安全車速.

交通安全；限速標準；行車風險模型；摩托車；目標事故率

0　引　　言

近年來，眾多在粵、閩、浙等沿海地區務工的人們春節時選擇騎摩托車返鄉過年.這種返鄉方式已從開始時的零星隊伍，發展成有數十萬輛規模的“摩托車大軍”.據筆者的調查研究，2011年春運，返鄉摩托車大軍約為40萬輛；2012年，達50萬輛；2013年上升到約65萬輛，人數約150萬.顯然，摩托車已成為火車、汽車之外，沿海務工人員春節返鄉的第三種重要交通工具.

盡管摩托車方式返鄉“便宜和便捷”，但寒冬中長途騎車極為艱辛與危險，交通安全隱患非常嚴重.據統計，僅320國道江西省玉山縣境內2009年春運期間就發生13起返鄉摩托車事故，15人受傷；2010年則發生18起，死亡1人，受傷14人[1].另梧州交警部門統計，春運摩托車過境高峰期，平均每5 min就發生1起摩托車倒地意外或撞車事故[2].返鄉摩托車事故進入事故處理程序的很少，大多數無據可查.因此，實際交通事故狀況要比披露的嚴重得多.上述嚴峻交通安全狀況除了與春運惡劣天氣有關外，騎車人普遍的超速行車和疲勞行車也是重要原因.

據筆者調查統計，有61%的騎車人平均車速超過60 km/h，有0.2%甚至達到100 km/h；有約20%的騎車人連續騎車時間超過3 h，其中2%甚至超過4 h.我國的道路交通管理條例規定：摩托車在路況好情況下允許的最高車速為60 km/h，在各種不利路況和環境下為20 km/h.由于眾多騎車人返鄉行程中遇到的路況和天氣狀況非常復雜，交通管理部門對他們進行相應的安全騎車指導及安全車速警示對提高行車安全性有重要的作用.但顯然，目前的國家限速標準過于單一，不能滿足需要.為了減少春運交通事故，有必要就各種復雜路況和天氣狀況對返鄉摩托車進行精細化車速管理，并通過沿途設置臨時限速標志來警示.因此，深入研究摩托車的限速標準有重要的現實意義.

限速標準問題有不少學者進行過研究，關鍵是安全行車模型或風險模型的構建問題.風險模型的構建方法有系統分析法、經驗貝葉斯方法、回歸分析法、經驗模型法、時間序列法、人工神經網絡法、遺傳算法、馬爾可夫鏈法、模糊數學方法等，還有學者采用Matlab計算機仿真法.這些建模方法各有優缺點及其適用范圍，在工程實際中都有應用.本文要構建的摩托車行車風險模型主要用于精細化車速管理，可指導騎車人根據自身狀況及路況、環境條件合理選擇安全車速.就此而言，基于調查數據的經驗模型及回歸分析方法可能更為適合.下面，本文先定義摩托車行車風險的基本概念，然后進行模型構建，以此為基礎，推導出相應的限速標準.

1　基本定義

根據國標《可靠性基本名詞術語及定義》(GB3187-1982),可靠性的定義為“產品在規定的條件下和規定的時間內完成規定功能的能力.”從交通系統工程的角度看，確保摩托車行車安全的要素是一個有機的系統，由人-車-路-環境-管理5方面要素組成，摩托車交通事故可看作是系統故障.根據可靠性的標準定義，結合摩托車行車特征，可將摩托車行車可靠性定義為：在規定的騎車人、道路、車輛、環境和管理條件下，摩托車行駛系統保持正常安全運行而不發生故障的能力.這個能力主要以概率表示.相反，摩托車行駛系統發生故障的概率則表示行車風險.以下文中，提到的摩托車行車可靠性或行車風險都是指摩托車行車系統的可靠性或風險.

上述基本定義較為抽象，涉及參數非常多，按常規的功能函數方法直接建模會極為困難.本文試圖從相反方向，通過對典型事故路段的分析，從事故風險概率的角度建立行車風險模型，進而提出基于行車風險的摩托車限速標準.

2　摩托車行車風險模型的構建

有的文獻將道路交通系統中人-車-路-環境-管理各要素之間的關系看作是串聯關系，采用串聯系統的方法構建道路交通系統可靠性模型[3].也有文獻將其中的人-車-路三者的關系看作的串聯關系，先構建串聯可靠性模型，然后將其他因素當作外界影響系數引入.這2種建模方法的優點是邏輯清晰，但缺點是確定參數取值很困難.本文吸取兩種方法各自的優點，采取一種新的建模思路，即以某一特定路段當時的人-車-路-環境-管理要素狀態下的交通事故率為基本風險概率，然后分別引入這些要素的影響系數來反映各要素狀態變化對行車風險的影響.某一要素的影響系數是指該要素在其他要素狀態不變的情況下，它的實際狀態與基本風險模型時的狀態相比對摩托車行車風險的放大或縮小效應.用模型表達如下.

(1)

式中：Pf為單元路段內摩托車發生交通事故的概率(次/輛·km)；P0為特定典型事故路段的單元路段基本事故率，次/(輛·km)；k人為騎車人影響系數，k車為車輛影響系數；k路為道路影響系數；k環境為環境影響系數；k管理為管理影響系數.

根據式(1)，摩托車行車系統的可靠性模型可表達為

(2)

根據式(2)，即可得到摩托車行車可靠度.但是，式(2)實際上無法進行計算，因為其中的5個影響系數依然很抽象，內涵很豐富，必須具體化才能用于計算.

根據筆者3年來收集的49例返鄉摩托車交通事故的詳細信息，采用SPSS軟件進行統計分析，最終確定：k人可用騎車人的連續駕駛時間和駕齡2個參數代表；k車用速度參數表達；k環境難以單獨表達，可用各種天氣下的基本事故率方式來表達，即整合進P0，用Patm來表達；k路用行駛里程表達，單元路段為1 km；k管理因相對影響較小被SPSS分析軟件篩掉.那么，式(1)可改為

(3)

式中：Patm為各類天氣下的基本事故率；kt為2次休息之間的連續駕駛時間影響系數；kage為駕齡影響系數；kv為速度影響系數.

那么，一輛摩托車行駛一段里程L后，其行車風險值可用式(4)計算.

(4)

式中：F為發生的摩托車交通事故次數.

需要說明的是，式(1)反映的單輛車單元路段的行車風險模型，那么，行駛一段里程L后的風險值用式(4)計算，其值可能大于1，相應的現實意義是發生了1次以上交通事故.這完全是可以理解的，但必須假定每次事故后騎車人不至于喪命，還可以繼續行駛.

對3年來調查數據的綜合分析，2010年玉山縣的返鄉摩托車交通事故狀況具有典型的代表性，可用作為摩托車的基本風險概率.下面對此進行分析，并確定式(3)中各項參數的計算方法.

3　模型參數的計算

3.1各類天氣下基本事故率Patm的計算

據交警部門統計，在2010年，有約3萬農民工騎摩托車經過320國道玉山縣段.該路段長約40 km.交通事故狀況見上文所述.

根據以上條件可以計算玉山路段春運期間返鄉摩托車的事故率為

(5)

式(5)是各種天氣條件下的綜合事故率，還需按公式(3)的要求將其分解為各種天氣類型的基本事故率.

1) 晴天、陰天和雨天時的基本事故率據美國賓夕法尼亞州交通部門的調查研究，路面狀況和汽車交通事故率存在表1的關系[4].

表1　路面狀況與交通事故率關系

路面狀況的不同是天氣的不同造成的，因此，可根據天氣狀況套用表 1中的基本關系.玉山縣2010年除夕前15 d的天氣情況見表2[5].

表2　2010年玉山縣除夕前15 d的天氣統計情況

根據表 1，可得到表3.

表3　天氣狀況與汽車交通事故率關系

表3是不同天氣下汽車的交通事故率狀況，對摩托車應具有借鑒意義.因此，本文假定，摩托車在雨天下行駛的事故率與在晴陰天下行駛的事故率也具有5倍的數量關系.上述關系和式(5)可用下式來表達.

(6)

式中：P晴、陰為晴陰天時的基本事故率；P雨為雨天時的基本事故率.

求解式(6)可得：

(7)

2) 雪天時的基本事故率與晴陰天或雨天相比,冰雪天氣對兩輪摩托車行車安全性的影響要比汽車嚴重得多，因此，對于冰雪天氣下的基本事故率不采用表 1的基本關系，而采用作者自己收集的貴州路段的返鄉摩托車事故資料直接進行計算.

有記者視頻跟蹤了5位民工春運期間騎摩托車返鄉的情況[6]，從廣東肇慶出發回到家鄉貴州省石阡縣，行程約1 200 km，歷時108 h.5人坐3輛車，其中有2輛車各坐2人，1輛車坐1人.他們在貴州的結冰路面上謹慎行駛了約270 km，車速約為20 km/h，3輛車共發生了7起事故.該案例具有冰雪山區返鄉摩托車行車的基本特征，有典型的代表性，其事故率可作為冰雪地區摩托車行車的基本事故率.

冰雪地區的基本事故率為(見表4)

(8)

表4　各類天氣下摩托車行車的基本事故率

3.2速度影響系數的計算

根據澳大利亞學者的研究，行駛速度與事故危險性存在表 5所列的關系[7].

表5　行駛速度與交通事故危險性的關系

表 5的數量關系用回歸分析擬合可得到圖 1，公式表達如下.

(9)

式中:y為事故危險系數；v為行駛速度.

通常摩托車的行車穩定性比汽車要差得多，因此，相同條件下，摩托車車速與事故危險性關系肯定要比汽車的差.由于目前無法得到摩托車車速與事故危險性關系，作為近似，本文以汽車的上述研究結果替代.

圖1　行駛速度與交通事故風險值的關系圖

下面分晴陰天、雨天和冰雪天三種情況分別提出速度影響系數的計算方法.

據筆者2012和2013年春運期間對返鄉摩托車的車速調查，晴陰天時的平均車速約為60 km/h，也就是說基本事故率是在該車速下得到的.那么，以車速60 km/h為基準，晴天條件下，則其余速度的相對影響系數kv為

(10)

式中:kv為速度影響系數；v為行駛速度.

在雨天，可視距離在75～100 m時的安全車速推薦值為40 km/h[8].而我國二級公路的視距設計要求是：設計車速為80 km/h，設計視距為100 m；設計速度為60 km/h，設計視距為75m.這些規定值是在相同的算法基礎上得出的，因此可以理解為：雨天時車速為40 km/h的騎車風險值與晴陰天時車速為60 km/h的風險值相等.據此，則可求得雨天天氣的速度影響系數kv.

根據我國的道路交通管理條例，雪天情況下，道路限速值為20 km/h.這個限速值的算法基礎與雨天限速值是一樣的，同理可將雪天時限速20 km/h與晴陰天時限速60 km/h的風險值相等.據此可求得雪天天氣下的速度影響系數kv.

3.3連續騎車時間影響系數的計算

人因工程學研究表明，人體連續工作一定時間后會出現疲勞現象，工作效率會降低，誤操作率會增加.根據文獻[9]，可以得到疲勞與連續駕駛時間的基本關系，見表6.

表6　駕駛時間與誤操作數的關系

圖2　連續駕駛時間與誤操作數的關系圖

由于駕駛員在駕駛車輛行駛的過程中，每一次的錯誤操作都很可能引起交通事故，因此可以將連續行駛時間與疲勞誤操作的關系看作是連續行駛時間對交通事故風險的影響系數.

對圖 2的數據進行回歸，可得到連續駕駛時間與誤操作數之間的關系模型.

(13)

式中：m為誤操作數，次；t為連續行駛時間，h.

根據調查數據，3.1計算得到的基本事故率是摩托車返鄉人員在平均連續駕駛時間為1.95 h下發生的，約為2 h.如果把連續駕駛2 h下的誤操作數(行車風險)作為基準值，那么其他連續駕駛時間下的誤操作數與基準值的比值，即為連續駕駛時間影響系數kt，用公式表達如下.

(14)

3.4駕齡影響系數的計算

根據文獻[10]，1 000個駕駛員中，駕齡與事故發生率之間存在表7的關系.由表7可得表 8.對表 8的數據進行回歸，可得圖 3.

圖3　駕齡與交通事故發生數關系圖

由圖3，得到駕齡與事故頻率的關系模型：

y=-0.043 2x3+0.927 8x2-7.415 5x+36.493

(15)

式中：y為事故發生數；x為駕齡.

表7　駕齡與事故發生數的關系(分年齡)

表8　駕齡與事故發生數的關系(不分年齡)

據筆者的調查數據，騎摩托車返鄉人員的平均駕齡約為8年，基本事故頻率是有8年駕齡的騎車人續騎車2 h情況下的事故發生頻率.同理，把8年駕齡司機的事故發生數作為基準值，其他駕齡司機的事故發生數與基準值的比值，即為駕齡影響系數kage，用公式表達如下.

kage=(-0.043 2x3+0.927 8x2-7.415 5x+36.493)/14.43

(16)

4　基于行車風險的摩托車限速標準

根據筆者2012和2013年對春運摩托車返鄉潮現象交通安全狀況的調查，100 km長路段每100輛晴天時車約發生1起交通事故，雨天時約發生5起交通事故，雪天時100 km長路段每1輛車約發生1起交通事故.這些事故率雖然比汽車要高得多，但顯然絕大多數騎車人認為是可以接受的.否則，春運摩托車返鄉現象 就不會規模越來越大，發展態勢愈演愈烈.

長路段每100輛車約發生5起交通事故，雪天時100 km長路段每1輛車約發生1起交通事故.這些事故率雖然比汽車要高得多，但顯然絕大多數騎車人認為是可以接受的.否則，春運摩托車返鄉潮現象就不會規模越來越大，發展態勢愈演愈烈.

現象交通安全狀況的調查，晴天時100 km長路段每100輛車約發生1起交通事故，雨天時100 km長路段每100輛車約發生5起交通事故，雪天時100 km長路段每1輛車約發生1起交通事故.這些事故率雖然比汽車要高得多，但顯然絕大多數騎車人認為是可以接受的.否則，春運摩托車返鄉潮現象就不會規模越來越大，發展態勢愈演愈烈.

為了對春運返鄉摩托車進行合理的車速管理，防范和減少交通事故，針對春運期間各種不利天氣和不利路況制定相應的最高車速，以對騎車人進行精細化的安全騎車指導是非常有必要.此處僅以晴、雨和雪3種天氣為例，采用上述調查得到的事故率作為目標事故率，以駕齡4年和連續行駛時間2 h為基本條件，采用摩托車行車風險模型進行反算，可得到相應的摩托車最高安全車速，即相應天氣條件下的限速標準，具體見表9.

5　結　　論

1) 我國現行的摩托車限速標準過于單一，存在諸多不足，不能滿足復雜天氣狀況下精細化交通安全管理的需要，也不能對騎車人的安全騎車進行科學的指導.

表9　基于行車風險的摩托車限速標準(示例)

2) 摩托車行車風險模型能考慮天氣、行駛里程、駕齡、車速和連續騎車時間等因素對事故發生風險的影響，并計算出相應的事故概率，對交通管理部門指導騎車人結合具體條件調整騎車狀態，提高行車安全性有積極的意義.

3) 基于行車風險的摩托車限速標準能考慮各種復雜天氣對行車風險的影響，對交通管理部門進行精細化車速管理有參考價值.

4) 行車風險模型雖是以摩托車為對象構建，但其思想方法和部分成果可移植至汽車交通安全管理，有借鑒價值.

[1]省際國道上，5萬返鄉“摩托軍團”氣如虹[N/OL].大江網-江西日報，2011-01-31.http://www.jxnews.com.cn.

[2]梧州啟動春運跨省警務協作機制：兩廣三地愛心接力共保過境車輛安全[J/OL].梧州市公安，2012-01-10.http：//www.wz110.cn/portal.php?mod=view&aid=6368.

[3]陳富堅，郭忠印，柳本民，等.基于貝葉斯分析的道路交通系統可靠性模型[J].同濟大學學報(自然科學版)，2011(2)：220-225.

[4]汪明春.道路條件對交通安全的影響分析[D].重慶：重慶交通大學，2008.

[5]江西省玉山縣預報[DB/OL].天氣風云錄.http://www.fengyunlu.com/yushan/.

[6]農民工騎摩托返鄉：三個家庭騎摩托車回家之路[J/OL].北京青年網，2011-01-30.http://www.bjqnw.com/2011/0130/173725.html.

[7]PAM S, GEOFF M. Roads and traffic authority of New South Wales, Speed Problem Definition and countermeasure Summary, Speed[R].New South Wales, August 2000.

[8]張麗君.有關雨雪天氣的安全行車[D].上海：同濟大學，2006.

[9]馬艷麗，王要武，裴玉龍.疲勞與駕駛時間關系的實驗心理學研究[J].西南交通大學學報，2009，44(4)：535-540.

[10]許洪國，何彪.道路交通事故分析與再現[M].北京：人民教育出版社，1996.

Research on Speed Limits of Motorcycle based on the Riding Risk

CHEN FujianXIE SongfeiDENG WeijianZHONG ZhaoWU ZhentuanDENG WenliCHEN Qiong

(SchoolofArchitecture&TransportationEngineering,GuilinUniversityofElectronicTechnology,Guilin541004,China)

To meet the need of speed management of motorcycle riding in various severe weathers during China’s Spring Festival period, investigation is carried out on speed limit of motorcycle based on the riding risk. In this paper, the motorcycle riding reliability is defined according to the National Standard and a basic motorcycle riding risk model is proposed. Forty-nine cases of returned motorcycle accidents which happened during Spring Festival are analyzed by using SPSS software. Five basic parameters of the riding risk model are extracted, which are weather condition, distance traveled, speed, riding age and continuous riding time. The basic accident rate of the riding risk model is calculated based on the state data at that time of a typical traffic accident section. The empirical model of the basic parameters is established by the literature analysis method. The ratios between the actual state data of the basic parameters and those of the typical traffic accident section are regarded as influential coefficients of the basic parameters to the riding accident rate. Based on the survey data, the target accident rates are proposed for riding a motorcycle during Spring Festival. The maximum safe speed under typical weather conditions and typical riders’ status is inversely derived based on the riding risk model.

traffic safety; speed limits; riding risk model; motor; target accident rate

2016-06-02

U491.5

10.3963/j.issn.2095-3844.2016.04.006

陳富堅(1974- )：男，博士，教授，主要研究領域為道路交通安全

*國家自然科學基金項目資助(73120136)