基于TOBIT模型的越江隧道事故率影響因素分析*

陳 瑤 邢瑩瑩 陸 鍵 郎 洪

(同濟大學交通運輸工程學院 上海 201804)

0 引 言

越江隧道作為沿江(河)城市聯結兩岸的重要構造物已成為城市(如上海、武漢等)交通網絡中必不可少的組成部分.由于隧道封閉性使得行車環境較為復雜，空氣流通性差，一旦隧道內發生事故，其產生的煙霧和熱量難以消散，極易引發火災又阻礙了消防人員的救援行動[1].

國內外學者對隧道事故開展了大量研究，主要基于事故數據分析交通流、道路幾何設計以及環境等因素對隧道安全的影響.Amundsen等[2]以挪威587條隧道的事故數據為基礎，將隧道劃分為4個區域，發現隧道事故率與隧道長度、交通量、車道寬度之間存在顯著相關關系，并且發現不同區域的事故率及其嚴重程度也不盡相同.Lemke[3]通過分析德國68條隧道的事故時距，發現事故率與隧道長度之間存在正相關的關系，車道路肩的存在一定程度上會減少事故發生的可能性.Abedlaty等[4-6]研究通過建立相應的事故模型發現，隧道事故隨著隧道長度、交通量的增大而增加.Kircher等[7]通過駕駛模擬試驗發現隧道墻體的顏色的照明的亮度對駕駛員的行為產生了一定的影響，其中淺色墻體比強光照更能使駕駛員保持注意力的集中.

城市隧道其功能與城市快速路相似，其交通流狀況影響著整個城市路網的通行效率.隧道結構的特殊性以及行車環境的突變，使得城市隧道易成為事故多發路段.胡文娟[8]通過分析城市隧道的交通特性與事故的特征，發現隧道出入口事故率較高，同時隧道事故與隧道長度存在一定相關性.通過分析隧道事故成因，得出車輛性能、隧道線形、天氣情況、管理措施等也是影響隧道安全的重要因素[9].王雪松等[10]通過分析上海市翔殷路越江隧道的交通運行數據，認為車速運行的不一致性和隧道內車輛的變道是導致隧道追尾和側碰事故的主要原因.駕駛人心理生理特征的變化與行車安全存在緊密聯系，為掌握隧道駕駛員心理生理特征的變化規律，潘姝等[11]利用眼動儀，分析了駕駛員在城市隧道中的視覺分布特性，發現相對于隧道外部，駕駛人在隧道內部的視覺搜索效率降低，相同區域需要進行多次重復注視才能獲取充分信息.馮忠祥等[12]利用生理測試儀采集了駕駛員在城市下穿隧道中的心率值，發現縱坡對駕駛員的心率存在顯著影響，其敏感度高于速度的影響，其中下坡段心率增長率高于上坡段，駕駛員在下坡段更緊張.陳鵬等[13]通過分析隧道入口段駕駛員的瞳孔直徑變化規律，計算得到隧道入口段不利于行車安全的區域.

國內外的研究主要關注隧道交通運行的特征以及隧道事故及其影響因素之間的關系，但研究對象多為公路隧道，對于越江隧道安全性的研究較為缺乏.John等[14]研究了越江隧道風險因素對隧道事故嚴重程度的影響，Jiang等[15]對越江隧道內的駕駛行為特性展開了分析，研究成果具有一定的實用價值和啟示意義，仍缺少能從越江隧道的設計和管理的角度提供建設性指導的研究.城市越江隧道是城市交通網絡的重要鏈接，且由于跨越河床的需求，其均為下穿式隧道，其入口和引導段的坡度較大，隧道出入口的標高差異較大.較大的坡度易增加控制行車速度與跟車間距的難度，出入口較大的高差縮減了駕駛員的視距.尤其在進入隧道的下穿段，駕駛員由于環境變暗、視線受阻，無法準確捕捉到前方的道路信息與交通狀況，引起心理緊張程度提高，操作不當極易導致追尾事故.不同于普通城市下穿隧道，上海越江隧道橫穿黃浦江，其長度均在2 km以上，其中崇明隧道長度達到了8.95 km.較長的隧道長度不利于隧道內事故及時撤離，從而容易引發二次事故，這也導致越江隧道的事故率高于普通隧道.

對于交通事故的研究分析多選用事故數作為評價指標或者預測變量，從量的角度描述影響因素與事故之間的關系.相對于事故數，事故率是一個相對指標，它既能反映事故的規模又能反映道路的安全水平，常作為評價交通安全水平的量化指標.因此，本文以越江隧道事故率為研究目標，結合越江隧道事故數據，著重從交通、道路線形以及環境等方面深度剖析其與隧道事故率之間的聯系，分析事故發生的原因, 鑒別隧道事故的顯著影響因素，從隧道設計和管理上改善隧道交通運營狀況，提高隧道運營的安全性.

1 隧道路段劃分

常用的路段劃分方法有定長法和不定長法.定長法是指按一定長度將路線劃分為均勻、等長的若干個路段，較少考慮事故點的分布狀態.不定長法是指按事故點的集疏程度或道路特征對路段進行劃分，路段長度不完全相同.

隧道不同于開放道路的顯著特點是車輛進出隧道過程中光照的顯著變化，在駕駛員的視覺上形成“白洞”和“黑洞”效應.同時，為了跨越河床，越江隧道通常比一般的城市道路或公路隧道具有更大的坡度和長度.因此,考慮到越江隧道的坡度特性以及隧道的進出口區域對駕駛員的視覺影響.本文采用不定長法將隧道分成五部分,其中路段區域1和區域5分別進入前和駛離后的區域，其長度為隧道洞口到地面交叉口的距離.區域2和區域4分別代表進入隧道和駛離隧道前的過渡區域，研究表明離隧道洞口的一段距離內，其隧道事故率顯著發生變化，其距離的數值會隨著不同的隧道而改變，為使過渡段充分包含這段距離，選取250 m作為過渡段的長度.剩下的部分即為隧道內部的區域3,見圖1.

圖1 隧道路段劃分示意圖

2 Tobit回歸模型

事故數據是在有限的期間內進行統計的，某些路段可能沒有事故記錄，導致事故數據呈截尾數據.采用標準最小二乘對事故率進行建模可能會導致參數估計出現偏差.Tobit模型是解決截斷數據建模分析的有效方法.考慮到事故率是連續非負的，因此取下界閾值為0，建立起隧道事故率與解釋變量之間的關系，為

(1)

(2)

運用最大似然估計法對分布參數和模型參數進行估計, 似然函數為

(3)

式中：Φ為多元正態分布函數;φ為多元正態密度函數.

為了更好地理解變量對隧道事故的影響程度，引入彈性系數進行分析.在Tobit模型中彈性系數為

(4)

(5)

相應的似然函數為

(6)

3 實證分析

本文從上海市公安事故數據庫獲取了上海市14條越江隧道2015—2016年的交通事故數據，共獲取了4 467起隧道交通事故.每條事故數據包括事故時間和地點、事故類型、車輛類型、涉及車輛的數量、駕駛員信息、天氣狀況和傷害嚴重程度.另從和上海市交通委員會和上海市交通綜合年報獲取了14條越江隧道的年交通量、限速以及隧道的幾何線形數據.14條隧道中有3條為雙層越江隧道，外環隧道為三管隧道，其余隧道均為雙管隧道，每條管道中均承載著單向越江交通.將每條管道劃分為5個區域，以2015—2016年2年的數據為基礎，共得到了350個路段單元.

隧道交通事故的發生是多種因素綜合作用的結果，綜合考慮道路線形、交通要素以及越江隧道的特性對事故的影響，選取了11個因素作為解釋變量，見表1.其中，平均坡度指隧道不同區段坡度(絕對值)的加權平均值；最大坡度差表示下游段隧道坡度減去上游段坡度的最大絕對值.隧道長度變量為二元變量，根據文獻[15]，1 000～3 000 m的隧道長度為記為“0”，超過3 000 m的隧道長度為記為“1”.同時為了反映同一段水平曲線與垂直曲線相互作用，引入“平縱組合比”變量表示縱向坡度與曲線半徑之比.因變量為隧道不同路段的事故率，該指標定義為百萬輛車事故率.

為了探究影響越江隧道安全的因素，首先采用Tobit模型進行回歸預測，將全部自變量代入模型.其次，為了確定各變量對隧道事故率的影響程度，針對顯著變量計算了各變量的彈性系數值，結果見表2～3.

表1 越江隧道影響因素統計特性

表2 事故率tobit模型回歸結果

注：**和*-95%和90%的置信度水平.

由表2可知，AADT、限速、坡度絕對值、最大坡度差、最小平曲線半徑、最小豎曲線半徑、平縱組合比、車道數以及隧道區域是影響隧道事故率的顯著因素.

交通要素中，事故率隨著交通量、限速的增大而增大.主要是因為隨著交通量的增大，車輛間的間距逐漸縮小，車輛間的相互干擾也逐漸增多.若周圍車輛出現不恰當的駕駛行為，極易影響駕駛員的駕駛狀態，容易誘發交通事故.彈性系數表明，AADT每增加1%，則事故率上升0.135%.較高的限制速度使得駕駛員速度選擇的區間變大，易造成較大的速度差，而較大速度差對安全存在負面影響.同時車輛以較高速度行駛時，同等條件下駕駛員的反應時間變短，操作不當則極易導致追尾事故.

表3 彈性系數分析

在道路線形要素點中，坡度是影響隧道事故率的顯著變量，并且事故率隨著坡度絕對值的增大而增大.較大的坡度增加了駕駛的難度，尤其是在下坡路段，駕駛員可能需要采取頻繁制動來保持穩定行駛，頻繁制動易造成車輛制動性能下降，同時也易誘發追尾事故.坡度的彈性系數也表明，坡度絕對值每增加1%，則事故率相應地增大0.175%.同時坡度差也對事故率存在著負面影響，坡度差每增加1%，事故率隨之增大0.287%.

事故率與隧道最小平曲線與最小豎曲線之間均呈負相關.較小的平曲線半徑下，道路線形的變化將變得急促，而隧道邊墻的遮擋使得這種急劇的變化難以被駕駛員識別，并且小半徑曲線也會來帶離心力的急劇變化，致使駕駛員無法及時做出相應的反應，容易導致事故的發生.同樣，小半徑的豎曲線半徑也使得車速更加難以控制.并且城市越江隧道多為凹形豎曲線，相比于凸型豎曲線，在凹曲線上車輛行駛時產生的增重感會使駕駛員感到不適.已有研究也表明，同一半徑下，凹形豎曲線事故率也高于凸型豎曲線.平曲線和豎曲線的彈性系數表明，半徑每增大1%，事故率分別降低1.274%和1.583%.小半徑的平曲線和豎曲線都會導致視距不足的問題，不利于保證行車的安全性.為了衡量平縱斷面共同作用的影響，本文引入平縱組合比參數對其進行分析.回歸結果表明，隧道事故率隨著平縱組合比的增大而增大.

車道數與隧道事故率之間呈負相關，隨著車道數的增加，路面寬度也隨之增加，一定程度上可以減輕隧道邊墻對于駕駛員的負面影響，從而提高了行車的安全性.其彈性系數表明，車道數每增加1%，其事故率降低1.414%.

由模型結果可以看出，隧道區域位置是影響隧道事故率顯著變量.從回歸系數可以看出，隧道進口前的路段(區域 1)事故率最高，其次為靠近隧道進口的過渡段(區域2).隧道進口處是地面道路與隧道的連接處，其在限速、坡度、車道、行車視距等方面的變化，增加了駕駛難度.此外，部分隧道進口緊鄰城市交叉口與城市高架快速路出口，其車流量較大，交通運行的狀況也較為復雜，地面、地下交通流交織運行產生大量交通沖突，極易誘發事故的產生，因而導致區域1的事故率最高.相比白洞效應，黑洞效應造成的行車危險性更高，因而區域1和區域2的事故率高于區域4和區域5.彈性系數表明，相比于區域1，區域2至區域5的事故率分別下降2.128%、5.317%、4.495%、3.908%.

對于隧道中間段(區域3)，由于越江隧道中間段坡度、線形變化均為平緩，見圖2，并且駕駛員已經經過了明暗適應性的階段，配合隧道內的行車指引與提示設施，駕駛員在隧道內的行駛更加謹慎，因而隧道中間段事故率最低.

圖2 復興東路隧道平面及縱斷面圖

4 結 論

1) 隧道事故率隨著交通量的增大而增大.交通量的增大使得車輛間的間距減小，車輛間相互干擾易誘發交通事故.

2) 隧道限制速度的增大，事故率也隨之升高.較高的限制速度易導致較高的行駛速度，同時更易增大車輛之間的速度差異，對行車安全不利.

3) 隧道平均坡度越大，對車速的控制難度也越大，因而事故率也隨之增大.隧道事故率也隨著最大坡度差的增大而增大.

4) 平曲線半徑越小，駕駛員越難識別線形的變化；豎曲線半徑越小，視距越小，駕駛員對速度越難控制；避免縱坡較大的路段設置小半徑的平曲線.

5) 隧道進口處(區域1)事故率最高，其次為進口處過渡段(區域2).隧道出口處(區域5)及其過渡段(區域4)事故率較低，中間段(區域3)事故率最低.