基于SEM的高速公路事故路段行車風險因素辨識

張文會　于秋影　沈航先

摘 要：為辨識對高速公路事故路段行車安全有影響的關鍵因素及其影響程度，選取4個潛變量（人、車、道路與環境、管理因素）和20個觀察變量，構建其與高速公路事故路段交通安全之間的結構方程模型（SEM），將問卷調查的數據進行信度分析，并采用探索性因子分析（EFA）和驗證性因子分析（CFA）2種方法進行問卷效度分析，然后將檢驗后的有效數據導入SEM模型，最終對SEM進行擬合檢驗和分析。研究結果發現，4個因素中人的因素對高速公路事故路段安全的影響最大，其次是道路與環境因素，而管理因素和車的因素對其影響相對較小。4個潛變量中對應觀察變量的影響程度由大到小順序分別為：應急操作能力、反應判斷能力、疲勞程度、駕齡、超載超員;交通量、車輛速度、制動系統、貨車比例;道路封閉狀態、事故區通車寬度、路面狀態、事故現場位置、天氣狀況;事故現場速度限制、事故現場處置、交通信息發布。

關鍵詞：交通工程;高速公路;事故路段;風險因素;結構方程模型

中圖分類號：U491.31??? 文獻標識碼：A?? 文章編號：1006-8023（2021）02-0095-09

Identification for Driving Risk Factors of Expressway

Accident Section Based on SEM

ZHANG Wenhui， YU Qiuying， SHEN Hangxian

（School of Traffic and Transportation， Northeast Forestry University， Harbin 150040， China）

Abstract：In order to identify the key factors that affect the safety of expressway accident sections and their influence degree， 4 latent variables （human， vehicle， road and environment， management factors） and 20 observation variables were selected to construct the structural equation model （SEM） between them and the traffic safety of the accident section of expressway. The reliability of the questionnaire data was analyzed. Exploratory factor analysis （EFA） and confirmatory factor analysis （CFA） were used to analyze the validity of the questionnaire. Then， the valid questionnaire data was imported into SEM model. Finally， the structural equation model was tested and analyzed. The results showed that the human factor had the greatest impact on the safety of the accident section of the expressway， followed by the road and environmental factors. However， the influence of management factors and vehicle factors was relatively small. Among the four latent variables， the order of the influence degree of the corresponding observation variables was： emergency operation ability， reaction judgment ability， fatigue degree， driving age， overload and overcrowding; traffic volume， vehicle speed， braking system， truck proportion; road closure state， traffic width of accident area， road surface state， location of accident site， weather condition; speed limit of accident site， accident site set up and release traffic information.

Keywords： Traffic engineering; expressway; accident section; influencing factors; structural equation model

收稿日期：2020-09-22

基金項目：中央高?；究蒲袠I務費（2017YFC0803901）;國家重大科技專項計劃項目（2017YFC0803901）;教育部人文社科基金（17YJCZH250）

第一作者簡介：張文會，博士，副教授。研究方向為交通運輸安全。E-mail： rayear@163.com

引文格式：張文會，于秋影，沈航先. 基于SEM的高速公路事故路段行車風險因素辨識[J].森林工程，2021，37（2）：95-103.

ZHANG W H， YU Q Y， SHEN H X. Identification for driving risk factors of expressway accident section based on SEM[J]. Forest Engineering，2021，37（2）：95-103.

0 引言

近年來，隨著高速公路網的不斷完善，物流運輸業的快速發展，高速公路運輸的客貨運輸量呈現出增長的趨勢，而高速公路交通事故所造成的傷亡人數和財產損失也在同步上升[1]。據統計數據，2018年機動車事故數超過21萬起，造成20萬人以上的傷亡。而在發生交通事故的情況下，由于駕駛員對前后方道路情況不明確，更容易再次造成碰撞事故的發生。因此研究高速公路事故路段的安全和管理是十分必要的[2]。

高速公路事故路段的情況較為復雜，除了初次事故的影響因素，還包括事故區的狀態以及事故現場管理的一些因素。國外對于高速公路事故路段安全的研究主要采用數據統計[3]，如：Logistic回歸模型[4]、有序概率模型[5]、車輛動力學模型[6]等對事故路段的安全影響因素進行分析和管理[7]。國內對于交通事故路段的影響因素分析主要應用了可拓學理論[8]和DEMATEL-ISM方法[9]，并且在交通事件路段的管理[10]、仿真[11-12]和評價方面[13-14]的研究較多。此外，對于交叉口[15]和隧道路段[16-19]的風險因素研究也較多。總的來看，國內外在事故路段安全影響因素分析方面相對較少，并且大多數研究的對象都是普通道路事故路段和施工區路段[20-23]，而針對高速公路事故路段的研究也較少。

由于結構方程綜合了多元回歸分析、因子分析及路徑分析，既可以分析各個潛變量之間的關系，又可以對各潛變量內部的觀測變量進行更進一步的分析。因此，本文采用結構方程模型對高速公路事故路段安全的影響因素進行分析，并利用問卷調查的數據帶入模型，進行模型擬合檢驗分析。

1 結構方程模型及其應用步驟

測量模型與結構模型是結構方程模型中的2個基本模型。測量模型描述潛變量與觀測變量之間的關系，結構模型則描述潛變量與潛變量之間的關系。

建立結構方程模型，要以現有的理論和研究成果為基礎，做出合理的假設，初步建立潛變量之間的路徑關系圖，將調查的數據導入模型中，得到運算結果，對結構方程模型的擬合指標進行檢驗和分析，若擬合指標符合相關的要求，則說明所建立的理論假設模型是有意義的。若擬合指標不符合標準要求，那么就需要進一步調整模型。

本文根據既往研究結果，首先篩選了24個觀測變量建立模型，根據信度檢驗、效度檢驗和模型擬合檢驗的結果，通過多次的SEM模型修正，將觀測變量（問卷）中的4個變量逐步進行了刪除，其中刪除的變量有人的因素中強行超車因素，車的因素中的輪胎磨損因素和車輛性能因素，道路與環境因素中能見度因素。最終建立了由20個觀測變量組成的模型，其信度分析、效度分析和擬合檢驗結果都符合標準要求。

2 高速公路事故路段安全影響因素結構方程模型的構建

2.1 模型變量定義與研究假設

2.1.1 變量定義

通過對現有的理論知識和研究成果的深入研究，再結合實際情況，將各個變量之間的關系表現出來。本文的模型主要包含5個潛變量：環境因素、人的因素、車輛因素、管理因素和高速公路事故路段交通安全。

由于管理因素不受外界因素的變化而變化，所以將其設置為外因潛在變量F4。人的因素記為F1，車的因素記為F2，道路與環境因素記為F3，高速公路事故路段交通安全記為F5。觀測變量用Xi表示，高速公路事故路段交通安全變量指標見表1。

2.1.2 研究假設

綜合前人的研究成果，本文認為人、車、道路與環境、管理、高速公路事故路段交通安全5個潛變量間存在相互影響的關系，如圖1所示。研究假設如下。

H1：人的因素影響高速公路事故路段交通安全。

H2：人的因素影響車的因素。

H3：車的因素影響高速公路事故路段交通安全。

H4：道路與環境因素影響高速公路事故路段交通安全。

H5：管理因素影響高速公路事故路段交通安全。

H6：管理因素影響人的因素。

H7：管理因素影響車的因素。

H8：管理因素影響道路與環境因素。

H9：道路與環境因素影響人的因素。

H10：道路與環境因素影響車的因素。

2.2 模型的構建

觀察變量都會存在測量誤差或殘差，將殘差項用e來表示?；谏衔奶岢龅募僭O，利用AMOS可以得到高速公路事故路段交通安全結構方程模型圖，如圖2所示。

3 問卷調查

3.1 問卷設計與數據收集

問卷主體包含5個部分：人的安全因素調查、車的安全因素調查、道路與環境的安全因素調查、管理的安全因素調查及事故路段交通安全的因素。調查的人員主要包含道路交通安全領域的專家學者、駕齡超3 a以上的駕駛人、經常行駛高速公路的貨運司機等。調查采用網絡問卷調查方式，共收回了260份調查問卷，均為有效調查問卷。

問卷采用李克特5級評分量表，將對問題的認同程度分為非常同意、同意、一般、不同意、非常不同意5個等級。

3.2 問卷信度分析

利用Cronbachs α對問卷的信度進行檢驗。Cronbachs α方法又簡稱α系數。當α系數越大，問卷的可靠性也越高，其值為0～1。既往研究認為，信度系數在大于0.7時，說明題目之間的一致性和穩定性較好。

利用SPSS得到調查問卷中統計量的Cronbachs α 值，見表2。

由表2可知，5個潛變量的α值均大于0.7，說明此量表的內部一致性是穩定的。因此，從信度檢驗的結果來看，問卷設計還是比較合理的。

3.3 問卷效度分析

問卷效度是對各因子之間和因子內部的有效性進行分析，一般有探索性因子分析（EFA）和驗證性因子（CFA），為確保問卷的有效性，本文對這2種方法都進行了應用。

3.3.1 探索性因子分析

通過KMO和Bartlett球形檢驗發現KMO的值為0.875，大于0.8，并且P-value也小于0.01，因此可以利用數據進行因子分析。

（1）主成分提取結果

由表3可知，特征值大于1的成分有5個，累計方差貢獻率為64.819%，大于60%，說明20個題目提取的5個因子對于數據的解釋度較為理想。

根據圖3可知，折線在成分6以后趨向平緩，并在之前急劇下降，說明20個題目提取5個因子較為合適。

（2）旋轉成分矩陣

根據表4可以判斷其各個題目的因子歸屬，可以發現各個題目的因子載荷幾乎均大于0.7，X1—X5屬于同一個因子，題目表現為F1，X6—X9屬于同一個因子，題目表現為F2，X10—X14屬于同一個因子，題目表現為F3，X15—X17屬于同一個因子，題目表現為F4，X18—X20屬于同一個因子，題目表現為F5，檢驗結果與題目本身的因素劃分相一致，說明問卷的題目設置比較合理。

3.3.2 驗證性因子分析

將問卷數據代入到結構方程模型中，可得到驗證性因子分析的結果。

（1）組合信度和收斂效度

由表5可知，5個潛變量的非標準化的參數估計值都是顯著的（P<0.05），標準化的因素負荷量均大于0.6，符合標準要求，SMC均大于0.36，大部分都大于0.5，說明各個潛變量對應的題目具有很高的代表性，組合信度都大于0.7，說明題目的內部一致性較好，AVE（平均方差變異抽取量）的值大部分大于0.5，只有F2的值為0.456，但也接近0.5，說明收斂效度理想。

（2）區分效度

由表6可以發現，5個潛變量之間均有一定的相關性，另外相關系數均小于其所對應的AVE的平方根，說明潛變量之間的相關性小于潛變量自身內部題目的相關性，即彼此之間存在一定的區分效度。

4 模型檢驗及分析

4.1 擬合檢驗

運用AMOS進行模型檢驗分析，本文采用卡方自由度比值（χ2/df）、擬合優度指數（GFI）、調整擬合優度指數（AGFI）、Bentler比較擬合指數（CFI）、近似誤差均方根（RMSEA）、非規范擬合指數（TLI）、增值適配指數（IFI）。結構方程模型的擬合優度檢驗見表7。

由表7可知，χ2 /df的值為1.098，小于標準值3;GFI、AGFI、CFI、TLI和IFI的值也均大于0.9，符合評價標準;RMSEA為0.019，小于標準值0.05。模型整體擬合效果非常好，所以該假設模型是可以接受的。

4.2 假設檢驗及結果分析

（1）假設檢驗結果

對結構方程模型進行假設檢驗，檢驗結果見表8，除假設7未通過檢驗，其余所有假設均通過假設檢驗。

假設1的標準化路徑系數為0.429，且P<0.001，因此人的因素對高速公路事故路段交通安全是顯著影響的，在4個因素中對事故路段交通安全的影響最大。表明駕駛員的駕駛技能越成熟，駕駛員的應急操作能力和反應判斷能力越強，生理狀態和安全意識越好，高速公路事故路段安全程度越高。

假設3的標準化路徑系數為0.166，P=0.008，因此車的因素對高速公路事故路段交通安全是顯著影響的，相對其他3個因素的影響是最小的。

假設4的準化路徑系數為0.26，P<0.001，因此道路與環境因素對高速公路事故路段交通安全是顯著影響的，是在4個因素中第2影響高速公路事故路段交通安全的因素。也表明道路封閉狀態、事故區通車寬度、事故現場位置、路面狀態和天氣狀況等因素對高速公路事故路段交通安全程度是有一定影響的。

假設5的準化路徑系數為0.178，P<0.001，因此管理因素對高速公路事故路段交通安全顯著影響，是在4個因素中第3影響高速公路事故路段交通安全的因素。也表明事故現場處置的方式越合理，交通信息發布越及時，事故現場速度限制越合理，高速公路事故路段交通安全程度也越高。

此外，H9的標準化系數達到0.42，表明道路與環境因素對人的因素影響是較大的，而管理因素對車的影響相對來說較小。

（2）觀測變量的路徑系數分析

運用AMOS軟件對模型進行檢驗和計算，得到模型的非標準化輸出結果和標準化輸出結果，如圖4和圖5所示。

由圖5可知，對人的因素影響最大的觀測變量是應急操作能力（X2），路徑系數為0.79，反應判斷能力（X3）的路徑系數是0.76，是人的因素中第2影響事故路段安全的因素，駕齡（X1）、疲勞程度（X4）、超載超員（X5）是影響高速公路事故路段交通安全的第3梯隊因素，路徑系數分別為0.71、0.72和0.71。

對車的因素影響最大的觀測變量是交通量（X6），路徑系數為0.76，制動系統（X8）、車輛速度（X9）的路徑系數分別是0.65、0.68，是車的因素中第2影響事故路段安全的因素，貨車比例（X7）對車的影響相對最小。

對道路與環境因素影響最大的是道路封閉狀態（X10），路徑系數達到0.8，事故區通車寬度（X11）、事故現場位置（X12）、路面狀態（X13）、天氣狀況（X14）對道路與環境的影響次之，路徑系數分別是0.52、0.51、0.52、0.51。

事故現場速度限制（X17）對管理因素的影響最大，事故現場處置（X15）的影響次之，路徑系數是0.73，交通信息發布（X16）對管理因素影響相對較小。

5 結論

通過結構方程模型對人、車、道路與環境、管理因素與高速公路事故路段安全之間的關系進行了研究，通過問卷調查獲取數據，對數據進行信度和效度檢驗，最終對模型運算結果進行分析。得到以下主要結論。

（1）根據路徑影響系數，人、車、道路與環境、管理4個因素對高速公路事故路段安全的影響程度由大到小順序為：人的因素（0.429）、道路與環境因素（0.26）、管理因素（0.178）、車的因素（0.166）。

（2）根據路徑影響系數，人的因素中各個因素的影響程度由大到小順序為：應急操作能力、反應判斷能力、疲勞程度、駕齡、超載超員;車的因素中各個因素的影響程度由大到小順序為：交通量、車輛速度、制動系統、貨車比例;道路與環境因素中各個因素的影響程度由大到小順序為：道路封閉狀態、事故區通車寬度（路面狀態）、事故現場位置、天氣狀況;管理因素中各個因素的影響程度由大到小順序為：事故現場速度限制、事故現場處置、交通信息發布。

（3）本文對高速公路事故路段影響因素的影響程度進行了較為全面的分析，可為交通管理部門提供一定的管理依據，同時也為行駛高速事故路段的駕駛人提供安全駕駛的依據。

（4）未來，可進一步增加觀察變量的數量，進行更全面、范圍更大的調查和研究;也可進一步考慮更多影響因素，對模型進行改進分析以及深入分析觀測變量間的相互影響。

【參考文獻】

[1]陳春.道路交通事故的影響因素研究：基于結構方程模型的實證研究[J].中國安全生產科學技術，2014，10（5）：110-116.

CHEN C. Research on influencing factors of road traffic accidents： empirical study based on structural equation model[J]. Journal of Safety Science and Technology， 2014， 10（5）：110-116.

[2]馬柱，陳雨人，張蘭芳.城市道路交通事故嚴重程度影響因素分析[J].重慶交通大學學報（自然科學版），2014，33（1）：111-114.

MA Z， CHEN Y R， ZHANT L F. Influence factors of accident severity for urban road[J]. Journal of Chongqing Jiaotong University （Natural Sciences）， 2014， 33（1）：111-114.

[3]Federal Transit Administration， Federal Highway Administration. Regional traffic incident management program： Implementation guide[R]. Transportation Research Board， 2001.

[4]FARADYNE P B. Traffic incident management handbook[R]. Federal Highway Administration Office of Travel Management， 2000.

[5]YUN， DUKGEUN. Analysis of road cross section component affecting[J]. Traffic Accident Severity on National Highway， 2017， 32（6）： 143-149.

[6]ZHENG H R， QIN Y Q， GUO F X. Speed and reaction behavior in different highway landscapes： A driving simulator study[J]. Traffic Injury Prevention， 2018， 19（8）： 880-884.

[7]MONACHE M L D， PICCOLI B， ROSSI F. Traffic regulation via controlled speed limit[J]. Siam Journal on Control and Optimization， 2017， 55（5）： 2936-2958.

[8]張文會，馬俊，羅文文，等.基于可拓學的事故路段風險等級識別模型[J].重慶交通大學學報（自然科學版），2016，35（1）：107-110.

ZHANG W H， MA J， LUO W W， et al. Risk grade identification model of accident section based on extension theory[J]. Journal of Chongqing Jiaotong University （Natural Science Edition）， 2016， 35（1）： 107-110.

[9]張文會，趙軍芳，羅文文，等.基于DEMATEL-ISM事故路段行車風險因素辨識模型[J].交通運輸工程與信息學報，2015，13（1）：13-17.

ZHANG W H， ZHAO J F， LUO W W， et al. Traffic risk factor identification model of accident section based on DEMATEL-ISM[J]. Journal of Transportation Engineering and Information， 2015，13（1）： 13-17.

[10]于仁杰，馬榮國，王俊凌，等.高速公路施工區層級限速問題研究[J].中國公路學報，2013，26（6）：150-156.

YU R J， MA R G， WANG J L， et al. Research on hierarchical speed limit in expressway construction area[J]. China Journal of Highway and Transport， 2013， 26（6）： 150-156.

[11]黃青霞，賈斌，強生杰，等.基于元胞自動機的高速公路施工區交通影響分析[J].長安大學學報（自然科學版），2015，35（S1）：254-258.

HUANG Q X， JIA B， QIANG S J， et al. Traffic impact analysis of expressway construction area based on cellular automata[J]. Journal of Chang'an University （Natural Science Edition）， 2015， 35（S1）： 254-258.

[12]潘立，霍文星.大交通量下高速公路施工區交通組織仿真優化方法[J].公路交通科技（應用技術版），2017，13（2）：265-270.

PAN L， HUO W X. Simulation and optimization method of traffic organization in expressway construction area under large traffic volume[J]. Journal of Highway and Transportation Research and Development （Application Technology Edition）， 2017， 13（2）： 265-270.

[13]蔣若曦，朱順應，王磊，等.基于交通沖突的高速公路施工區安全評價[J].中國安全科學學報，2019，29（6）：116-121.

JIANG R X， ZHU C Y， WANG L， et al. Safety evaluation of expressway construction area based on traffic conflict[J]. China Safety Science Journal， 2019， 29（6）：116-121.

[14]彭余華，王曉玉，呂紀娜，等.基于服務水平的高速公路養護作業工作區長度確定方法[J].中國公路學報，2016，29（5）：130-136.

PENG Y H， WANG X Y， LV J N， et al. Determination method of expressway maintenance work area length based on service level[J]. China Journal of Highway and Transport， 2016， 29（5）：130-136.

[15]丁柏群，宋子龍.基于交通沖突的城市交叉口風險影響因素分析[J].森林工程，2019，35（5）：98-105.

DING B Q， SONG Z L. Analysis on risk factors of urban intersection based on traffic conflict[J]. Forest Engineering， 2019， 35（5）：98-105.

[16]劉明秀，林麗.城市隧道入口自然光對駕駛人視覺影響分析[J].森林工程，2018，34（4）：102-107.

LIU M X， LIN L. Analysis of the influence of natural light at the entrance of urban tunnel on driver's vision[J]. Forest Engineering， 2018， 34（4）：102-107.

[17]方松，馬健霄.城市隧道路段駕駛行為綜合風險研究[J].森林工程，2019，35（6）：67-71.

FANG S， MA J X. Study on comprehensive risk of driving behavior in urban tunnel section[J]. Forest Engineering， 2019， 35（6）： 67-71.

[18]馬明明，姬永生.新建隧道下穿施工對既有高速公路的影響及工法優化研究[J].公路工程，2020，45（1）：140-145.

MA M M， JI Y S. Influences of new tunnel underpass construction on existing expressway and study on construction method optimization[J]. Highway Engineering， 2020， 45（1）：140-145.

[19]王海龍，張治，劉暢，等.側風環境高速公路隧道口防風柵優化設計[J].公路工程，2019，44（5）：99-104.

WANG H L， ZHANG Z， LIU C， et al. Research on wind tunnel of tunnel portal based on strong crosswind environment[J]. Highway Engineering， 2019， 44（5）：99-104.

[20]劉學強，呂路，樊祥喜，等.高速公路施工導行區上游過渡區長度設置研究[J].華東交通大學學報，2020，37（4）：75-81.

LIU X Q， LV L， FAN X X， et al. Study on length setting of upstream transition zone of expressway construction guide area[J]. Journal of East China Jiaotong University， 2020， 37（4）：75-81.

[21]朱順應，鄒禾，蔣若曦，等.高速公路施工區合流路段交通沖突模型[J].哈爾濱工業大學學報，2020，52（9）：70-76.

ZHU S Y， ZOU H， JIANG R X， et al. Traffic conflict model of confluence section in expressway construction area[J]. Journal of Harbin Institute of Technology， 2020， 52（9）：70-76.

[22]徐靜，張志文.基于云模型的高速公路改擴建施工區交通組織方案評價模型[J].公路交通科技（應用技術版），2019，15（10）：256-259.

XU J， ZHANG Z W. Evaluation model of traffic organization scheme in expressway reconstruction and expansion construction area based on cloud model[J]. Journal of Highway and Transportation Research and Development （Application Technology Edition）， 2019， 15（10）：256-259.

[23]馮玉龍，林政園，王雪鋒，等.高速公路改擴建工程中拼寬橋梁的設計與施工關鍵技術分析[J].公路工程，2020，45（2）：137-142.

FENG Y L， LIN Z Y， WANG X F， et al. Key technology analysis of design and construction of widening bridges in highway reconstruction and expansion project[J]. Highway Engineering， 2020， 45（2）：137-142.