基于電子抓拍數(shù)據(jù)的交通違法行為影響因素研究*

付川云 劉 華 周 悅 王道莘 張 偉

(西南交通大學(xué)交通運(yùn)輸與物流學(xué)院1) 成都 611756) (西南交通大學(xué)綜合交通運(yùn)輸智能化國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室2) 成都 611756) (西南交通大學(xué)綜合交通大數(shù)據(jù)應(yīng)用技術(shù)國(guó)家工程實(shí)驗(yàn)室3) 成都 611756) (四川省城鄉(xiāng)規(guī)劃設(shè)計(jì)研究院4) 成都 610084)

0 引 言

截至2017年底，我國(guó)機(jī)動(dòng)車保有量已達(dá)3.10億輛，機(jī)動(dòng)車駕駛?cè)藬?shù)量也大幅增長(zhǎng)，交通違法行為數(shù)量居高不下.此外，現(xiàn)今居民出行量大，傳統(tǒng)的現(xiàn)場(chǎng)交通執(zhí)法難以應(yīng)對(duì)分布廣、數(shù)量大的交通違法行為，亟待對(duì)交通違法的致因因素及干預(yù)措施進(jìn)行全面研究.

目前，國(guó)內(nèi)外學(xué)者對(duì)交通違法行為影響因素開展了較多的研究.Beatriz等[1]通過(guò)網(wǎng)絡(luò)調(diào)查問(wèn)卷，把男女駕駛?cè)艘妆患づ牟煌蚺c交通違法行為相聯(lián)系；Ilit等[2]使用廣義線性模型，主要從駕駛?cè)说男詣e角色上把對(duì)事故的研究轉(zhuǎn)變?yōu)閷?duì)將會(huì)成為交通違法行為的研究；Gosep等[3]應(yīng)用灰色模型研究了個(gè)人特征和交通違法行為之間的關(guān)系，發(fā)現(xiàn)對(duì)處罰敏感度較高而對(duì)收益敏感度較低的駕駛?cè)烁鼉A向于遵守法律；而Cornelia等[4]則將宗教信仰作為外在因素，基于聚類分析，得出具有中等和高度外控觀(外部復(fù)雜因素高度影響自身行為)和具有低水平內(nèi)控觀(自身活動(dòng)結(jié)果是由自身所具有因素決定)的駕駛?cè)烁走`法的結(jié)論；Sophia等[5]同樣基于聚類分析，將駕駛?cè)朔譃槿惒?duì)其自我上報(bào)的風(fēng)險(xiǎn)行為和態(tài)度進(jìn)行區(qū)分，以確定特定群體的相關(guān)危險(xiǎn)性因素；Xu等[6]通過(guò)研究中國(guó)的新手、經(jīng)驗(yàn)較少和經(jīng)驗(yàn)豐富駕駛?cè)耍贸隽笋{駛經(jīng)驗(yàn)越多的駕駛?cè)藢?duì)環(huán)境因素越敏感、更不易被個(gè)體因素所影響，即更不易發(fā)生交通違法行為的結(jié)論；而Millicent等[7]則研究了加納庫(kù)瑪西地區(qū)的駕駛?cè)耍l(fā)現(xiàn)經(jīng)驗(yàn)豐富的駕駛?cè)烁鼉A向于違反交通安全法規(guī).

學(xué)者對(duì)情景因素進(jìn)行了研究.Pulugurtha等[8]研究了紅外攝影機(jī)對(duì)減少闖紅燈違法行為的影響效果；Chien等[9]發(fā)現(xiàn)出租車駕駛?cè)顺龠`法行為與性別和教育程度無(wú)關(guān)，而與運(yùn)營(yíng)方式、日行駛里程，夜間駕駛和月休息天數(shù)顯著相關(guān)；裴玉龍等[10]則研究了電子執(zhí)法設(shè)施和交通倒計(jì)時(shí)計(jì)數(shù)器兩種設(shè)施存在下，對(duì)駕駛?cè)岁J紅燈行為的影響.

為應(yīng)對(duì)新形勢(shì)下高頻次、多種類的交通違法現(xiàn)象，包括交通電子執(zhí)法在內(nèi)的多種干預(yù)措施相繼被提出，并對(duì)其效果進(jìn)行了研究.Lu等[11]通過(guò)大規(guī)模隨機(jī)對(duì)照試驗(yàn)，評(píng)估了電子監(jiān)控設(shè)備對(duì)于駕駛?cè)说倪`法干預(yù)效果；Jaeyeong等[12]使用比例風(fēng)險(xiǎn)模型，得知駕照累計(jì)記分對(duì)交通違法行為有較好的干預(yù)效果，且撤銷相較暫停使用駕駛執(zhí)照干預(yù)效果更明顯；Kibrom等[13]得出罰分處罰和暫停使用駕駛執(zhí)照都具有短期威懾效果，但暫停使用駕駛執(zhí)照更具長(zhǎng)期干預(yù)效果的結(jié)論；Parul等[14]利用車牌自動(dòng)識(shí)別技術(shù)，將員工工號(hào)與車牌號(hào)綁定，及時(shí)通知違法者，從而在相對(duì)封閉的環(huán)境(如學(xué)校中)有效預(yù)防交通違法行為的發(fā)生.

文中以2016年四川省德陽(yáng)市機(jī)動(dòng)車交通違法行為電子抓拍數(shù)據(jù)為基礎(chǔ)，從交通違法行為類型及發(fā)生次數(shù)、車輛類型、時(shí)空分布三個(gè)方面揭示交通違法行為特征，在此基礎(chǔ)上構(gòu)建交通違法行為多項(xiàng)Logit模型，探究超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛、違反禁止標(biāo)線等高頻交通違法行為的情景影響因素，以提出相應(yīng)的干預(yù)措施.

1 交通違法行為特征提取

1.1 交通違法抓拍數(shù)據(jù)收集及預(yù)處理

從德陽(yáng)市公安局交通警察支隊(duì)收集該市2016年電子抓拍數(shù)據(jù)，其包括666 961條機(jī)動(dòng)車交通違法記錄.電子抓拍數(shù)據(jù)包含車輛號(hào)牌種類、號(hào)牌號(hào)碼、違法時(shí)間、違法地址，以及違法內(nèi)容.

由號(hào)牌種類可將車輛類型劃分為：小型汽車、大型汽車、教練汽車、摩托車和其他車輛(含掛車、低速車、警用汽車).交通違法內(nèi)容共包含142種交通違法行為，為便于研究，將其歸納為12種.由于數(shù)據(jù)所提供的交通違法地點(diǎn)信息并不規(guī)范，為便于后續(xù)分析，利用百度地圖拾取坐標(biāo)系統(tǒng)處理經(jīng)緯度數(shù)據(jù)，反解析得到對(duì)應(yīng)的詳細(xì)地址，同時(shí)得到車輛歸屬地信息并進(jìn)行批量提取.

因德陽(yáng)市本地車輛在外地的交通違法記錄較為分散、雜亂，且非本文研究重點(diǎn)，故將其刪去.經(jīng)初步處理并剔除無(wú)效數(shù)據(jù)，最終得到2016年德陽(yáng)市機(jī)動(dòng)車交通違法記錄共541 566條.

1.2 交通違法行為特征分析

分別統(tǒng)計(jì)12種交通違法行為的發(fā)生次數(shù)，以確定高頻交通違法行為類型，見圖1.超速行駛、違法停車、不按導(dǎo)向車道行駛和違反禁止標(biāo)線是四種高頻交通違法行為.為便于分析，將交通違法次數(shù)劃分為五個(gè)等級(jí)：1，2～4，5～7，8～17及≥18.分別統(tǒng)計(jì)交通違法次數(shù)各等級(jí)下駕駛?cè)藬?shù)，得到重復(fù)交通違法駕駛?cè)?即發(fā)生交通違法次數(shù)大于或等于兩次的駕駛?cè)?分布，見圖2.僅一次交通違法行為駕駛?cè)俗疃啵哂?～4次交通違法行為駕駛?cè)藬?shù)次之，而具有8次及以上交通違法行為駕駛?cè)藬?shù)僅占有較小的比例.

各類型車輛的交通違法記錄，見表1.其中，小型汽車最易發(fā)生交通違法行為，且發(fā)生比例明顯高于其他四類車輛.對(duì)各類型車輛交通違法行為進(jìn)行百分比堆積，以得到各類型車輛易產(chǎn)生交通違法行為的不同，見圖3.其中，超速行駛、違法停車和不按規(guī)定導(dǎo)向車道行駛是小型汽車發(fā)生頻率較高的三種交通違法行為.同時(shí)，本地違法車輛(83.2%)較外地違法車輛(16.8%)更多.

表1 各類型車輛的交通違法記錄

圖3 各類型車輛交通違法行為百分比堆積分布

圖4為不同時(shí)期交通違法行為發(fā)生次數(shù).由圖4a)可知，第一季度的違法行為次數(shù)最低(22.85%)，第四季度其次(24.12%)，第二季度(26.52%)和第三季度(26.52%)比較接近.第一季度和第三季度中，突出的交通違法行為依次是超速、違法停車和不按規(guī)定導(dǎo)向車道行駛，而第二、四季度中，違法停車最為突出.

圖4 不同時(shí)期交通違法行為發(fā)生次數(shù)

由圖4b)可知，周末違反禁令標(biāo)志發(fā)生次數(shù)明顯低于工作日，類似的還有超速行駛和違法停車.星期五不按規(guī)定導(dǎo)向車道行駛行為發(fā)生次數(shù)最少.剩余交通違法行為1周內(nèi)無(wú)明顯區(qū)別.

由圖4c)可知，上午時(shí)段內(nèi)，不按規(guī)定導(dǎo)向車道行駛發(fā)生次數(shù)最多，其次是超速和違法停車.而在下午時(shí)段，不按規(guī)定導(dǎo)向車道行駛的發(fā)生次數(shù)明顯減少，而超速和違法停車行為明顯增加.晚上時(shí)段的違法停車和超速現(xiàn)象較為突出.凌晨時(shí)段整體交通違法記錄較少，主要違法記錄由超速行駛造成.

由圖4d)可知，法定假日的交通違法數(shù)量并不一定多于非法定假日期間.清明節(jié)、勞動(dòng)節(jié)、端午節(jié)期間交通違法行為發(fā)生次數(shù)高于非法定假日.但其余法定假日內(nèi)的交通違法行為發(fā)生次數(shù)卻少于非法定假日.

圖5為德陽(yáng)市交通違法行為的空間分布情況，由圖5可知，其主要集中于四川省的中東部地區(qū)，尤其是與德陽(yáng)市相鄰的成都市和綿陽(yáng)市.

圖5 2016年德陽(yáng)市車輛交通違法行為分布

2 影響因素模型構(gòu)建

2.1 多項(xiàng)Logit回歸模型

為便于分析，將交通違法行為劃分為超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛、違反禁止標(biāo)線和低頻違法行為(僅占總體的7.2%).各類別間無(wú)明顯次序，此時(shí)將交通違法行為看作一個(gè)無(wú)序的多分類變量，故可用多項(xiàng)Logit回歸模型.假設(shè)交通違法行為這一因變量被分為G類，則可以對(duì)其中的G-1個(gè)類別，各做一個(gè)回歸方程.第j類交通違法行為對(duì)應(yīng)的多項(xiàng)Logit方程可表示為

αj+βj1x1+βj2x2+…+βjKxK,

j=1,2,…,G-1

(1)

式中：P(Y=j|X)為第j類違法行為的概率；xk為第k個(gè)自變量；αj和βjk分別為第j類交通違法行為多項(xiàng)Logit方程的常數(shù)項(xiàng)和第k個(gè)(k=1,2,…,K)影響因素的回歸系數(shù).

(3)

2.2 變量分析

以交通違法行為為因變量Y，其定義及取值說(shuō)明見表2.

多項(xiàng)Logit模型中，默認(rèn)以自變量中數(shù)值較小類別為參考類別，用其他分類依次與之對(duì)比考察不同水平的傾向,因此，令各自變量的目標(biāo)參考類別取最小值.自變量的具體定義和取值見表3.

表2 響應(yīng)變量定義及賦值說(shuō)明

2.3 模型擬合過(guò)程及結(jié)果分析

利用似然比檢驗(yàn)?zāi)Ｐ停玫侥Ｐ头湃胱宰兞壳昂蟮?2倍對(duì)數(shù)似然值之差，其值為221 615.000，自由度為36，p值<0.001.這表明模型中至少有一個(gè)偏回歸系數(shù)不為0的自變量.再者，多項(xiàng)Logit模型的偽決定系數(shù)(pseudoR2)為0.548.綜上，該模型擬合效果較好.

表3 自變量定義及取值說(shuō)明

注：*-第一季度為參照組，對(duì)剩余三個(gè)自變量做啞變量處理；**-綿竹市為參照組，對(duì)剩余五個(gè)自變量做啞變量處理.

交通違法行為多項(xiàng)Logit模型以低頻違法行為(Y=5)為參照類別，其參數(shù)估計(jì)結(jié)果，見表4.通過(guò)模型中各參數(shù)及對(duì)應(yīng)OR值，可分析各因素對(duì)交通違法行為的影響規(guī)律.

表4 多項(xiàng)Logit模型參數(shù)的估計(jì)結(jié)果

注：***和**分別表示在1%和5%的顯著性水平上顯著.

對(duì)于時(shí)段(07:00-19:59)，模型中其參數(shù)均為正且OR值均大于1.這表明，相對(duì)于低頻交通違法行為，超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線在07:00-19:59時(shí)段內(nèi)發(fā)生的概率更高，尤其是不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線.

類似地，超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線在第二、三季度中較低頻交通違法行為更容易發(fā)生.違法停車、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線在第四季度中的發(fā)生概率顯著大于低頻交通違法行為，但超速行駛則相反.

工作日期間，超速行駛、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線的發(fā)生概率小于低頻交通違法行為，但違法停車的發(fā)生概率是低頻交通違法行為的1.156倍.法定假日期間，易發(fā)生違反禁止標(biāo)線行為，但超速行駛、違法停車和不按規(guī)定導(dǎo)向車道行駛較低頻交通違法行為卻更不易發(fā)生.

德陽(yáng)市域范圍內(nèi)交通違法行為分布具有明顯的地域特征.相對(duì)于低頻交通違法行為，超速行駛行為主要發(fā)生在旌陽(yáng)區(qū)和羅江區(qū)；違法停車行為主要發(fā)生在什邡市和旌陽(yáng)區(qū)；不按規(guī)定導(dǎo)向車道行駛主要發(fā)生在廣漢市和羅江區(qū)；違反禁止標(biāo)線行為主要發(fā)生在羅江區(qū).

相對(duì)于其他類型車輛而言，小型汽車更容易發(fā)生超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線的交通違法行為.另外，本地車發(fā)生超速行駛、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線行為的概率較低頻交通違法行為更低，但發(fā)生違法停車行為的概率卻更高.

3 交通違法行為干預(yù)措施

1) 強(qiáng)化重點(diǎn)時(shí)段執(zhí)法 根據(jù)前文分析，針對(duì)時(shí)間因素，對(duì)德陽(yáng)市交通違法行為提出如下干預(yù)措施：在07:00～19:59時(shí)間段內(nèi)，重點(diǎn)控制不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線兩類違法行為.例如，增加警力在道路交叉口進(jìn)行監(jiān)控和干預(yù)；在周一至周五的工作日中，應(yīng)著重關(guān)注違法停車現(xiàn)象，可增加巡邏警力或增設(shè)監(jiān)控處罰標(biāo)志等以引起駕駛?cè)俗⒁猓挥捎诿磕甑牡谌径仁浅傩旭傔`法行為發(fā)生最為嚴(yán)重時(shí)期，此時(shí)應(yīng)加大干預(yù)，對(duì)超速常發(fā)路段進(jìn)行重點(diǎn)監(jiān)控，以避免交通違法行為及其相關(guān)交通事故的發(fā)生；此外，法定節(jié)假日期間可考慮增設(shè)交警巡邏和交通引導(dǎo)人員，以提高管控水平，有效控制違反禁止標(biāo)線行為.

2) 調(diào)整不同區(qū)域監(jiān)控方案 對(duì)于德陽(yáng)市而言，不按規(guī)定導(dǎo)向車道行駛是最易發(fā)生的交通違法行為，但在其下屬的不同地區(qū)，需要進(jìn)行干預(yù)的具體違法行為也不相同，因而需要不同的管控策略.旌陽(yáng)區(qū)應(yīng)注意超速和違法停車兩類違法行為；而什邡市則最應(yīng)關(guān)注違法停車行為；需要控制違反禁止標(biāo)線行為的則是羅江區(qū)、廣漢市，同時(shí)，對(duì)羅江區(qū)還應(yīng)注重違法停車和超速行為的出現(xiàn)；而低頻交通違法行為主要集中于中江縣.

3) 加強(qiáng)小型汽車和外地車輛駕駛?cè)斯芾?相比于其他類型汽車而言，小型汽車最易發(fā)生超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛、違反禁止標(biāo)線的交通違法行為，且小型汽車駕駛?cè)说娜藛T構(gòu)成較為復(fù)雜，亟待從社會(huì)角度入手，對(duì)各類小型汽車駕駛?cè)诉M(jìn)行有效的安全宣傳和培訓(xùn)；而超速、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線是外地車輛容易產(chǎn)生的違法行為，交管部門可在城市進(jìn)出口地點(diǎn)對(duì)外地駛?cè)腭{駛?cè)诉M(jìn)行道路執(zhí)法宣傳，以提示駕駛?cè)祟A(yù)防這些交通違法行為.

4 結(jié) 論

1) 超速行駛、違法停車、不按規(guī)定導(dǎo)向車道行駛和違反禁止標(biāo)線四類交通違法行為是最為普遍的城市道路交通違法行為，占德陽(yáng)市機(jī)動(dòng)車交通違法行為總數(shù)的90%以上.

2) 車輛歸屬地、車輛類型、工作日、高峰時(shí)段、法定節(jié)假日、地區(qū)等因素對(duì)四類高頻交通違法行為產(chǎn)生不同程度的影響.其中，時(shí)空情景因素是影響四類高頻交通違法行為發(fā)生的關(guān)鍵因素，直接影響其發(fā)生的頻率和類型，需重點(diǎn)關(guān)注及應(yīng)對(duì).

3) 提出強(qiáng)化重點(diǎn)時(shí)段執(zhí)法、調(diào)整不同區(qū)域監(jiān)控方案、加強(qiáng)小型汽車和外地車輛駕駛?cè)斯芾砣N干預(yù)措施，以遏制交通違法行為.

受電子抓拍數(shù)據(jù)的限制，一些重要的情景因素(如道路幾何條件、交通條件、天氣條件等)對(duì)交通違法行為的影響有待進(jìn)一步研究.此外，交通違法行為空間分布規(guī)律(如空間聚集性和自相關(guān)等)和重復(fù)交通違法行為特征及其影響因素是值得后續(xù)研究的方向.