基于二元Logit模型的直角事故受傷嚴重程度分析

石小林，李 涵，黃子富

基于二元Logit模型的直角事故受傷嚴重程度分析

石小林，李 涵，黃子富

（重慶市交通規劃研究院，重慶 401147）

直角事故是一種常見的交通事故類型, 為探尋直角事故受傷嚴重程度的顯著影響因素, 本文運用二元Logit模型, 從人、車、路和環境四個方面對美國密歇根州Wayne縣的直角事故受傷嚴重程度進行全面分析, 且采用向前似然比檢驗和向后似然比檢驗兩種方法對比得到模型最優擬合優度。研究結果表明: 駕駛員因素 (未采取緊急措施、不遵守信號燈指示、飲酒) 、道路限速、事故中包含摩托車和路面情況是直角事故的顯著影響因素, 并得到了計算直角事故發生人員傷亡概率的回歸方程。本文得到的結論可為交通管理提供參考, 以減少該類事故的受傷嚴重程度。

直角事故；人員傷亡；二元Logit模型；似然比檢驗

0 引 言

伴隨著社會的發展，道路交通需求顯著增加，減少交通事故顯得很重要，道路交通事故不僅會造成巨大的經濟損失，消耗社會財產，而且嚴重威脅人們的生命健康。直角事故是一種常見的兩車碰撞事故類型，在發生事故時兩車成直角形狀相撞，具有較大的沖擊力，易導致人員傷亡。國內外專家學者對直角事故進行了研究，Hauer等[1]根據事故前的兩車狀態，將事故分為15種類型，直角事故屬于第四種事故類型，并利用多倫多都市三年（1982—1984）145個四條腿固定周期交叉口數據建立四個直角事故模型，此后直角事故研究開始受到廣大學者的重視。其中主要包括：Jin Yu等[2]利用佛羅里達州Hillsborough縣的197個十字信號交叉口數據，分析了直角事故受傷嚴重程度的影響因素（機非隔離帶的設置、黃燈時間、碰撞點、酒駕與否、藥物使用和駕駛人年齡是影響直角事故受傷嚴重程度的重要因素）；Affum等[3]利用南澳澳大利亞港市114個信號交叉口4年（1988—1991）的數據（包括交通流量、線性設計元素和信號設置等方面），采用多線性模型對直角事故進行建模；Wang Xuesong[4]利用帶負二項線形方程的廣義評估方程模型，得到直角事故與交叉口線形設計、交通信號控制、交通運營參數和交通流量的關系；Pai Chih-Wei等[5]建立二元logit模型，得出當摩托車在主干道直行時，撞上右轉車輛的直角事故嚴重程度最大；楊兆等[6]利用計算機仿真對直角側面碰撞事故進行分析，通過得到的速度和位移變化曲線來鑒定事故因素；劉占峰[7]介紹了直角碰撞過程中的車速計算辦法，為道路交通事故評定提供重要依據。

盡管國內外專家學者對于直角事故的研究取得了一定的成果，但現有的研究未從人、車、路和環境等方面對直角事故進行全面研究分析。基于此，本文以美國密歇根州Wayne縣的交通事故數據[2]為基礎，運用二元Logit模型從人、車、路和環境多方面對直角事故受傷嚴重程度的影響進行全面分析，并得到直角事故人員傷亡的回歸計算方程，為直角事故的預防提供一定的參考。

1 數 據

1.1 數據來源

本文基于美國密歇根州交通部記錄的Wayne縣事故數據庫（2009年）[8]進行直角事故的安全分析。事故數據庫包含了事故嚴重程度、駕駛員特征、車輛特征、道路條件、環境條件等信息，其中駕駛員特征中詳細記錄了事故中每位駕駛員是否存在危險駕駛行為以及危險駕駛行為類型。為了確保分析結果的準確性，本文剔除了存在干擾信息（涉及行人、動物、自行車和列車的事故）、肇事逃逸、危險行為不明確、駕駛行為記錄有誤的事故樣本，最終篩選出4 035起直角事故用于本文研究。

1.2 變量定義

數據庫中記錄的事故共分為死亡、重傷、中傷、輕傷和無傷亡5種嚴重等級。由于直角事故中若有人員傷亡時，受傷嚴重程度往往較嚴重，因此本文將因變量事故嚴重程度分為無人員傷亡事故和傷亡事故。

結合密歇根州交通部記錄的事故數據，通過相關性分析，從駕駛員、車輛、道路和環境方面共篩選出11個直角事故的相關因素。其中駕駛員因素4個：駕駛員年齡、飲酒、駕駛員危險動作、駕駛員違反交通指示；車輛因素2個：車輛數、摩托車；道路因素3個：交通控制方式、路面條件、限速；環境因素2個：天氣情況、照明情況。將自變量中駕駛員危險動作、路面條件、交通控制方式、天氣、照明等相關影響因素重新進行定義，如表1所示。

表1 直角事故受傷嚴重程度影響因素

Tab.1 Factors influencing the seriousness of accident injury

2 二元Logit模型建立

Logit模型的應用廣泛性主要是因為其概率表達式的顯性特點，模型的求解速度快，應用方便，被廣泛應用到交通事故分析中。當被解釋變量為二分類變量時，如事故發生與否（發生為1，未發生為0）或者兩類事故嚴重程度時（重傷及以上、輕傷及以下），可以使用logit分布作為二分類被解釋變量的分布函數。Logit函數和logit回歸模型分別如下所示[9]：

由于logit回歸是非線性模型，因此一般選用極大似然估計法作為模型參數的計算方法。在應用極大似然估計法之前，需要建立以事故觀測數據的概率表述為未知模型參數的似然函數，而模型參數的極大似然估計是選擇能夠使這一函數值達到最大的參數估計值。具體推導計算如下：

由于各起事故樣本間相互獨立，因此起事故的似然函數為[10]：

3 分析與討論

將事故嚴重程度設為因變量，11個影響因素設為自變量，同時將駕駛員危險動作以無危險動作作為參照水平，設置為啞變量。利用SPSS軟件進行二元Logit回歸建模分析，并分別采用向前似然比檢驗和向后似然比檢驗兩種方法對比得到模型擬合度和預測準確率。

3.1 向前似然比檢驗法

如表2所示，SPSS軟件輸出了每一步時的-2log（），可用于進行似然比檢驗。同時，還輸出了Cox & Snell2和Nagelkerke2兩種偽決定系數，偽決定系數越大，表示模型擬合程度越高。從表格中可見，在擬合的6個模型中，-2log（）是在逐步減小的，且偽決定系數也在逐步增大，其預測準確率為69.4%。

表2 向前似然比檢驗法模型匯總

Tab.2 Forward likelihood ratio test model summary

如表3所示，在回歸過程中，由于駕駛員年齡、是否違反指示、是否信號控制、天氣、照明因素的顯著性水平均大于0.05，對直角事故無顯著影響，故將其排除。同時根據表3中參數估計值可以得到，駕駛員危險動作、飲酒、摩托車、事故包含車輛數、限速等6個因素是其危險因素，路面情況是一個保護因素。

表3 向前似然比檢驗法回歸結果

Tab.3 Forward likelihood ratio test regression results

3.2 向后似然比檢驗法

如表4所示，軟件輸出了每一步時的-2log（），可用于進行似然比檢驗，還輸出了Cox & Snell2和Nagelkerke2兩種偽決定系數，可見在擬合的4個模型中，-2log（）是在逐步減小的，且偽決定系數也在逐步增大，預測準確率為67.1%。但是偽決定系數偏小，模型的擬合程度較差。表5為向后似然比檢檢回歸結果。

表4 向后似然比檢驗法模型匯總

Tab.4 Backward likelihood ratio test model summary

表5 向后似然比檢驗法回歸結果

Tab.5 Backward likelihood ratio test regression results

相比于向后似然比檢驗法，向前似然比檢驗法的-2log（）值更小，偽決定系數更大，表明模型的預測準確率更高，模型擬合程度更好。因此選用向前似然比檢驗法作為直角事故二元Logit模型似然比檢驗的方法，可以得到駕駛員未采取緊急措施、不遵守信號燈指示、飲酒、事故包含的車輛總數、路面情況和事故包含摩托車對直角事故受傷嚴重程度有顯著影響。其中駕駛員因素（未采取緊急措施、不遵守信號燈指示、飲酒）、道路限速和事故中包含摩托車會顯著增加直角事故的人員傷亡。而道路路面條件是一個保護因素，即在路面條件較差的情況下，將增加發生人員傷亡直角事故的概率。產生該現象的原因可以解釋為[11]：在路面狀況不好的條件下，駕駛員往往會集中注意力，謹慎駕駛，降低車輛行駛速度。

同時，得到了預測人員傷亡直角事故的二元Logit回歸方程：

0.6572+0.0183+0.8084+

0.8045+1.2656-0.2847

式中：為發生人員傷亡直角事故的概率；1表示駕駛員未采取緊急措施；2表示駕駛員不遵守信號燈指示；3表示限速；4表示事故涉及車輛總數；5表示駕駛員飲酒；6表示涉及摩托車的事故；7表示道路路面情況。

4 總 結

本文基于美國密西根州Wayne縣直角事故的記錄數據，從人、車、道路、環境各個方面，利用二元Logit模型對直角事故受傷嚴重程度的影響因素進行研究，同時采用向前和向后似然比檢驗兩種方法對比模型擬合度得到最優模型，得到了發生直角事故時增加人員傷亡的影響因素。為了盡量減少人員傷亡事故的發生，減少人員傷亡，應該從交通控制中建立信號控制交叉口、注意對摩托車的管理以及規范駕駛員行為等多方面入手，并建立了用于預測發生人員傷亡直角事故的概率模型，為交通管理提供一定的借鑒和參考。

[1] HAUER E, NG J, LOVELL J. Estimation of safety at signalized intersections.[J] Transportation Research Record, 1988: 48-61.

[2] JIN Yu, WANG Xue song, CHEN Xiao hong. Right- angle crash injury severity analysis using ordered probability models[J]. International Conference on Intelligent Computation Technology and Automation, 2010: 206-209.

[3] AFFUM J, Taylor M. Predictive models for road accidents at signalized intersection[J]. International Association of Traffic and Safety Sciences, 1996, 20(2): 15-21.

[4] WANG Xue song, MOHAMED Abdel-Aty. Investigation of right-angle crash occurrence at signalized intersections. transportation research record[J]. Journal of the Transportation Research Board, 2007, 2019: 156-168

[5] PAI Chih-Wei. Motorcyclist injury severity in angle crashes at T-junctions: Identifying signi?cant factors and analysing what made motorists fail to yield to motorcycles[J]. Safety Science, 2009, 47(8): 1097-1106.

[6] 楊兆, 趙旭宏. 直角側面碰撞交通事故再現仿真[J]. 交通科技與經濟, 2007, 43(5): 49-5.

[7] 劉占峰, 張永青, 孫莎莎. 兩車直角碰撞車速計算方法及應用[J]. 警察技術, 2015(6): 86-88.

[8] KEY C. Michigan department of transportation[D]. Alphascript Publishing, 2010.

[9] 王濟川, 郭志剛. Logistic回歸模型: 方法與應用[M]. 北京: 高等教育出版社, 2001.

[10] AA, Eliason S R . Maximum likelihood estimation: logic and practice[J]. Journal of the American Statistical Association, 1994, 89(427): 1150.

[11] 賈雄文, 章國鵬, 夏亮. 道路環境對雙責事故受傷嚴重程度影響分析[J]. 交通運輸工程與信息學報, 2018, 16(01): 100-105.

Analysis of the Severity of Right-angle Accident Injury Based on a Dual Logit Model

SHI Xiao-lin，LI Han，HUANG Zi-fu

(Chongqing Transport Planning and Research Institute, Chongqing 401147, China)

Right-angle accidents are a common type of traffic accident. To determine the significant influencing factors of the seriousness of injury in such accidents, this study uses the binary logit model to simulate a right-angle accident in Wayne County, Michigan, USA based on four aspects: human, vehicle, road, and environment. The severity of the injury was comprehensively analyzed and the optimal fitness of the model was obtained by comparing the forward and backward likelihood ratio tests. The research results indicate that driver-related factors (not taking emergency measures, not complying with the signal indication, drinking alcohol) , road speed limit, accidents including motorcycles, and road conditions are significant factors. The obtained regression equation was used to calculate the probability of non-property damage only (non-PDO) of right-angle accidents. The conclusions obtained herein can be used as a reference for traffic management to reduce the severity of injuries in such accidents.

right-angle accident; Non-PDO; binary logit model; likelihood ratio test

U12

A

10.3969/j.issn.1672-4747.2020.01.014

1672-4747（2020）01-0106-05

2019-03-01

石小林（1992—），男，助理工程師，研究方向為交通規劃設計，E-mail：1435795713@qq.com

石小林，李涵，黃子富. 基于二元Logit模型的直角事故受傷嚴重程度分析[J]. 交通運輸工程與信息學報，2020，18（1）：106-110.

（責任編輯：劉娉婷）