道路環境對雙責事故受傷嚴重程度影響分析

賈雄文，章國鵬，夏亮

（1. 蘇交科集團股份有限公司 南京210000；2. 西南交通大學，交通運輸與物流學院，成都610031）

0 引 言

雙責事故是指雙方駕駛員均有過失，均對事故有責任這種特定狀態下的雙車事故。與單責事故或其他類型的雙車事故相比，雙責事故雖然占雙車事故總樣本的比例較低，卻往往會造成更嚴重的事故后果。2009年密歇根州的事故數據庫中，雙責事故是單責事故的二十分之一，但事故最大受傷嚴重程度中死亡所占比例是單責事故的9倍。因此，國內外專家學者對于雙車事故進行了廣泛研究，如趙晨鷹[1]研究了雙車事故中青年駕駛員攻擊性駕駛行為的成因與該年齡段的心理、行為特征的聯系；唐友名[2]研究了汽車側面碰撞安全性、兼容性，降低側面碰撞事故車輛中所有乘員的損傷風險；Paul Wasielewski，Leonard Evans[3]通過建立一個統計學模型來研究單車事故和雙車事故中駕駛員年齡分布對事故的影響以及雙車事故中的駕駛員與單車事故的駕駛員具有類似責任的概率；Xinguo Jiang[4]研究了兩車事故中除了風險駕駛行為之外，對駕駛員定責起貢獻作用的因子，并應用多元邏輯回歸模型來探索事故現場警方調查人員開罰單的行為；Yu-Chiun Chiou[5]利用Bivariate ordered probit（簡稱BOP）模型的衍生模型（Bivariate generalized ordered probit）對兩車事故中的雙方駕駛員同時建立受傷嚴重程度模型；Chris Lee[6]通過建立單車事故和不同類別雙車事故的異方差有序邏輯回歸模型（Heteroscedasiticity ordered logit），分析事故不同等級受傷嚴重程度的顯著影響因素及其影響規律。

綜上所述可知，目前缺乏對道路環境因素對雙責事故受傷嚴重程度影響作用的研究。我國道路事故分析表明，駕駛員分心是引發交通事故的常見且重要原因[7]，盡管道路環境是事故的外在因素，但不同的道路環境會給駕駛員帶來不同的直觀感受和心理影響，從而對交通事故的發生和受傷嚴重程度產生重要的影響[8]。鑒于此，本文對道路環境因素對雙責事故受傷嚴重程度的影響規律進行研究，以探尋道路環境因素對雙方駕駛員受傷嚴重程度的顯著影響因素，并根據此結果有針對性的提出建議或措施來減少事故中的人員傷亡及財產損失，為改善交通安全狀況提供一定參考。

1 數據及標準

本文基于美國密歇根州交通部（Michigan Department of Transportation）記錄的事故數據庫進行道路環境對雙責事故的影響分析，但事故數據庫中并未直接給出雙責事故的數據。傳統的事故定責方法通常是由交警到事故現場，通過了解現場環境、人員傷亡狀況、查看車輛軌跡線或采用其他技術方法來判定駕駛員是否有違規駕駛行為并為其開具罰單來判定事故責任的歸屬。然而，通過查閱文獻資料，整理國內外相關研究成果表明，這種傳統的事故定責的方法存在主觀判斷、定責不準確的問題[9-11]，而采用駕駛員事故貢獻行為來代替交通違規行為為事故判定責任歸屬的定責方式更加合理[12]。因此，本文采用駕駛員事故貢獻行為的定責原則。

根據雙責事故的定責原則并結合既有事故數據庫條件，剔除事故數據中記錄不全、逃逸等事故數據，共得到5 197起兩車雙責事故數據。通過對既有數據庫數據變量進行歸納總結，道路環境因素自變量的選取主要包含道路區域類型、道路路面狀況、光線狀況、交通控制方式、道路功能等級以及小時分布等因素，并將小時分布歸成高峰小時時段（上午7點～9點，下午4點～6點）和非高峰小時時段兩類。同時，將駕駛員的受傷嚴重程度分為三個等級，即僅財產損失、輕傷或中傷、死亡或重傷。

2 模 型

2.1 Bivariate ordered probit回歸模型

常用的分析事故受傷嚴重程度的統計模型為Ordered probit模型，該模型已經在交通安全領域廣泛應用，但該模型的響應變量是單項的，即只能是單個駕駛員或行人的受傷嚴重程度。而本文所研究的響應變量的個數為2個，即雙方駕駛員的受傷嚴重程度，所以應選擇Ordered probit模型的延伸模型——二項有序probit（BOP）模型。該模型中，響應變量為兩個（二項），且可為非連續變量或有序分類變量。該性質與本文所研究的兩名駕駛員受傷嚴重程度（兩個有序分類響應變量）的數據結構相契合，表達式如下[5]：

式中，y*為潛在變量；qn（n=1，2）分別代表在同一事故q中的駕駛員1和駕駛員2；Xqn為自變量組成的向量；βn為Xqn的參數向量；εqn為隨機擾動項，表示被模型忽略且對因變量產生影響的其他因素的總和，εqn對Xqn的條件分布假設為標準正態分布。

密歇根州的事故數據庫中實際觀測到的駕駛受傷嚴重程度是離散的有序分類變量，而潛在變量yq*n是連續的有序分類變量，故應將連續有序分類變量yq*n與數據庫中的離散變量yqn進行轉換結合。設k（k=1，2，…，K）、l（l=1，2，…，L）分別是yq1、yq2的順序分類，則潛在變量y*qn與數據庫中雙方駕駛員受傷嚴重程度變量yqn間的關系式如下[5]：

式中，μn,k、μn,l為待估計的臨界值（閾值），分別有K-1個和L-1個，用于駕駛員1和駕駛員2受傷嚴重等級的劃分。

對于任何事故，雙方駕駛員分別處于某個受傷嚴重等級的概率就由潛變量y*和y*決定，如q1q2此，可得到雙方駕駛員分別處于受傷嚴重程度k和l時發生概率的計算方程組[5]：

式中，Φ2(.)是標準的二元正態累積分布函數，ρ是εq1和εq2間相互關系的估計參數。

2.2 邊際效應計算

在BOP模型中，自變量系數βn的符號并不是都與受傷嚴重程度等級概率變化的方向相一致。某系數的正負值也只能反映該變量對某名駕駛員最高受傷程度等級（yq1=K或yq2=L）和最低受傷程度等級（yq1=1或yq2=1）的影響方向，而不能說明對中間其他受傷嚴重程度等級的影響方向。因此，變量的系數βn并不能直接解釋變量對結果選擇的影響。為進一步解釋說明影響因素對雙方駕駛員各受傷嚴重程度等級的影響大小和方向，還要計算自變量的邊際效應[13]。在本文中，所研究的影響因素（自變量）多為離散分類變量，則其邊際效應的計算原理為[13]：

該公式表示在所有其他變量都取定值時，當變量xn的取值狀態從b變化到a時，對受傷等級i的影響。

3 分析與討論

將道路、環境自變量帶入BOP模型和邊際效應的公式中，再采用最大似然估計的方法求解模型βn和μn,k、μn,l等參數[14]，分別計算出道路、環境影響因素模型的參數估計表和邊際效應表，得到表1和表2所示結果。由于最大似然估計的計算量巨大，本文利用Stata 12.0和SPSS 19.0軟件結合的方式來進行模型的參數估計。

表1 道路環境影響因素模型參數估計Tab.1 Parameter estimation of road environment related factors

表2 道路環境影響因素模型邊際效應計算Tab.2 Marginal effect of the road environment related factors

續表2

根據以上BOP模型的回歸結果和邊際效應的計算結果，我們可以得到：

（1）道路功能等級

當道路功能等級從農村道路或無等級道路變為城市主、次干道或城市其他道路（集散道路、洲際道路或支路）時，雙方駕駛員發生死亡或重傷的概率將有所下降。

（2）道路區域類型

當道路區域類型為“直線段區域”時，駕駛員1和駕駛員2發生死亡或重傷的概率分別提高了3.8%和3.5%。當道路區域類型是“交匯處相關（交匯處區域內、近交匯處附近）”時，駕駛員1和駕駛員2發生死亡或重傷的概率均提升了近5%。

（3）道路路面狀況

相比于道路干燥的路面狀況，當“道路濕滑（路面潮濕、結冰、或泥濘積雪）”時，兩名駕駛員發生死亡或重傷的概率均略有降低，即濕滑的路面狀況會降低雙責事故中雙方駕駛員的受傷嚴重性。此結論與以往單責事故中濕滑的路面狀況會加重駕駛員受傷嚴重程度的結論截然不同。

（4）交通控制方式

相比于“無交通控制方式”，當交通控制方式為“信號控制”或“停車、讓行警示控制”時，雙方駕駛員發生中等程度傷害或死亡重傷的概率均有所提高。

（5）光線狀況

相比于“白天、黎明以及黃昏”的狀況，當光線狀況變為“夜晚有照明”時，雙方駕駛員受中等程度傷害的概率分別增加了3%和3.8%，受死亡或重傷的概率分別增加了2.2%和2.5%。而當光線狀況變為“夜晚無照明”時，雙方駕駛員受中等程度傷害的概率分別增加了4.5%和3.8%，受死亡重傷的概率則均增加了3.3%。這說明夜晚有照明和夜晚無照明比白天更易對駕駛員造成嚴重的傷害。

4 結 論

本文利用BOP回歸模型，結合邊際效應，分析了道路環境因素對雙責事故受傷嚴重程度的影響作用，得到以下結論，并提出相應建議及措施：

（1）道路等級的提高將降低雙方駕駛員的受傷嚴重性。因此，道路因素改善的重點應放在農村道路以及無等級道路上。

（2）當車輛行駛在直線段區域和交匯處相關區域時，會加重了雙方駕駛員的受傷嚴重程度。因此，應該在道路線型設計的時候應避免過長距離的直線段出現，同時在道路交匯處相關區域設置提醒標志，對于視距三角形內有障礙物的要及時進行清理以改善駕駛員視距。

（3）濕滑的道路雖然能減輕雙方駕駛員的受傷嚴重程度，但卻增加了財產損失，同樣需要引起重視。

（4）發生在信號控制以及停車、讓行警示控制條件下的雙責事故均加重了駕駛員的受傷嚴重程度。對于此，可采取蔣賢才[15]等人的研究結論進行改善，即在交通控制條件下的交叉口，當有電子執法系統并配合齊全的交叉口標線或導流線時，能最大程度地減少交叉口的交通違法行為，降低發生嚴重事故的概率。

（5）較差的光線狀況，如夜晚有照明和夜晚無照明對雙方駕駛員的受傷嚴重程度造成了較大的影響，對于此，應改善夜間照明條件以擴大駕駛員的視距范圍，縮短其躲避事故的反應時間，降低其碰撞速度，避免駕駛員受重傷。

[1] 趙晨鷹. 青年攻擊性駕駛行為的成因研究[J]. 青年研究，2003（12）：27-31.

[2] 唐友名. 乘用車兩車側面碰撞的兼容性研究[D]. 長沙：湖南大學，2010.

[3] WASIELEWSKI P，EVANS L. A statistical approach to estimating driver responsibility in two-car crashes[J].Journal of Safety Research，1985，16（1）：37-48.

[4] JIANG X，QIU Y，LYLES R W，et al. Issues with using police citations to assign responsibility in quasi-induced exposure[J]. Safety Science，2012，50（4）：1133-1140.

[5] CHIOU Y C，HWANG C C，CHANG C C，et al. Modeling two-vehicle crash severity by a bivariate generalized ordered probit approach[J]. Accident Analysis &Prevention，2013，51：175-184.

[6] LEE C，LI X. Analysis of injury severity of drivers involved in single-and two-vehicle crashes on highways in Ontario[J]. Accident Analysis & Prevention，2014，71：286-295.

[7] 唐智慧，黨珊，鄭偉皓. 打車軟件的使用對駕駛安全的影響[J]. 交通運輸工程與信息學報，2017，15（1）：22-27.

[8] 劉昕宇. 基于數據挖掘的道路交通事故序列模式與嚴重程度預測研究[D]. 北京：北京交通大學，2016.

[9] KEALL M，NEWSTEAD S. Selection of comparison crash types for quasi-induced exposure risk estimation[J].Traffic Injury Prevention，2009，10（1）：23-29.

[10] KEALL M，NEWSTEAD S. Induced exposure estimates of rollover risk for different types of passenger vehicles[J]. Traffic Injury Prevention，2009，10（1）：30-36.

[11] YAN X，RADWAN E，ABDEL-ATY M. Characteristics of rear-end accidents at signalized intersections using multiple logistic regression model[J]. Accident Analysis& Prevention，2005，37（6）：983-995.

[12] ALDRIDGE B，HIMMLER M，AULTMAN-HALL L，et al. Impact of passengers on young driver safety[J].Transportation Research Record：Journal of the Transportation Research Board，1999（1693）：25-30.

[13] 章國鵬. 信號交叉口左彎待轉區的安全研究[D]. 成都：西南交通大學，2015.

[14] GREENE W H. Econometric analysis[J]. Contributions to Management Science，2000，89（89）：182-197.

[15] 蔣賢才，黃科，汪貝，等. 電子執法環境下交通違法行為影響因素分析[J]. 哈爾濱工業大學學報，2013，45（8）：84-89.