基于Logistic回歸的高速公路交通事故后果的影響因素分析

孟云偉 張熙衍 青光焱 王昌華 羅建群

(重慶交通大學(xué)交通運(yùn)輸學(xué)院1) 重慶 400074) (重慶交通大學(xué)土木工程學(xué)院2) 重慶 400074)(招商局公路信息技術(shù)(重慶)有限公司3) 重慶 400067)

0 引 言

高速公路交通事故的孕育、發(fā)生、救援等全過(guò)程所涉及到的居多因素，對(duì)于事故的嚴(yán)重程度都有直接影響.分析影響交通事故嚴(yán)重程度的因素，有利于精準(zhǔn)施策.

Zhao等[1]基于山區(qū)高速公路的線形指標(biāo)、氣候條件、交通量等多個(gè)參數(shù)，開(kāi)展了多因素分析，探究了這些因素與交通事故后果的關(guān)聯(lián)性.Aemal等[2]利用有序probit模型，以老年駕駛?cè)说哪挲g、駕駛車(chē)型、道路情況、自然環(huán)境等參數(shù)，作為道路事故嚴(yán)重程度的影響因素.Ali等[3]采用多項(xiàng)logit模型，將道路交通事故分為財(cái)產(chǎn)損失事故、受傷事故和死亡事故，得出了大齡駕駛員、教育程度、事故中的車(chē)輛數(shù)量、道路等級(jí)，都對(duì)交通事故的嚴(yán)重程度產(chǎn)生影響.Joshua等[4]利用數(shù)據(jù)的時(shí)間序列性和空間相關(guān)性，分別運(yùn)用有序Logit和Probit模型，分析了在不同的駕駛環(huán)境條件下，駕駛員本身的特性參數(shù)對(duì)道路交通事故嚴(yán)重程度的影響.Gudmundur等[5]利用多項(xiàng)Logit模型分析了在駕駛多種類(lèi)型的車(chē)輛時(shí)，駕駛員性別的差異，將導(dǎo)致不同的交通事故嚴(yán)重程度.王長(zhǎng)君等[6]以致人死亡的交通事故為因變量，以道路因素為自變量，進(jìn)行了事故嚴(yán)重程度的影響因素分析.劉海珠[7]基于累積Logistics回歸模型，建立了道路交通事故嚴(yán)重程度預(yù)測(cè)模型.針對(duì)公路隧道這一特殊路段，馬壯林等[8]為探尋交通事故的嚴(yán)重程度的影響因素，采用有序logit模型和廣義有序Logit模型方法，篩選出了有關(guān)的13個(gè)因素.陳昭明等[9]提出刻畫(huà)參數(shù)相關(guān)性方法，總結(jié)得出擬合優(yōu)度更好的混合Logit模型，其能更合理地反映出各因素對(duì)事故嚴(yán)重程度的影響.在降低交通事故嚴(yán)重程度的應(yīng)對(duì)措施、評(píng)價(jià)方面，李贊勇等[10]分別考慮能見(jiàn)度、路面摩阻力、動(dòng)視力以及路段交通量等參數(shù)，提出了高速公路團(tuán)霧區(qū)的限速方案.孟祥海等[11]將可靠度理論應(yīng)用于交通安全研究中，得到高速公路安全可靠度計(jì)算方法并建立了路段可靠度預(yù)測(cè)模型.徐一崗等[12]構(gòu)建了安全性評(píng)價(jià)指標(biāo)體系，采用核查表法對(duì)擴(kuò)建施工的交通運(yùn)行安全性進(jìn)行了評(píng)價(jià).

既有的研究從人、車(chē)、路、環(huán)境多個(gè)維度分析了交通事故后果嚴(yán)重程度的影響因素，但每條公路的參數(shù)，均有其自身的時(shí)空特性，尚難以用同一種方法、同樣的參數(shù)集進(jìn)行概況.為此，對(duì)于交通事故嚴(yán)重程度的因素篩選、確定，需要結(jié)合具體道路的駕駛環(huán)境條件，進(jìn)行針對(duì)性的分析，在此基礎(chǔ)上，提出有效的應(yīng)對(duì)措施.

文中選取某雙向四車(chē)道高速公路，采用二項(xiàng)Logistic回歸模型，探究時(shí)間、天氣、道路、車(chē)輛類(lèi)型等因素對(duì)事故后果的影響程度，對(duì)事故發(fā)生的原因做理性分析，為制定適用于此類(lèi)主干線高速公路事故防治的安全改善對(duì)策提供理論支撐.

1 交通事故概括分析

1.1 交通事故數(shù)據(jù)總體分析

某高速公路位于典型的低山丘陵地貌區(qū)，于2003年建成通車(chē)，路段全長(zhǎng)約137 km，雙向四車(chē)道，路基寬度24.5 m，設(shè)計(jì)速度為100 km/h.沿線共有大橋、特大橋111座，隧道8座，橋隧比為16.43%.沿線共設(shè)置14座互通式立交，相鄰立交之間的最小間距為1.9 km，最大間距為22.5 km.2010—2018年期間，本段高速公路的服務(wù)水平維持在三、四級(jí)，2010—2018年的交通量見(jiàn)圖1.

圖1 2010—2018年交通量增長(zhǎng)趨勢(shì)圖

由圖1可知，2010—2018年期間的當(dāng)量交通量增長(zhǎng)率為4.12%，基本呈逐年增長(zhǎng)態(tài)勢(shì)，因該高速公路的復(fù)線于2018年局部通車(chē)引起分流，導(dǎo)致2018年當(dāng)量交通量小幅減少，但仍保持高位運(yùn)行.

根據(jù)沿線交通量計(jì)數(shù)設(shè)施的記錄，按以下標(biāo)準(zhǔn)進(jìn)行車(chē)型劃分，1類(lèi)車(chē)為核定座位≤7座的客車(chē)，2類(lèi)車(chē)為8座≤核定座位≤19座的客車(chē)和核定載重量≤2 t的貨車(chē)，3類(lèi)車(chē)為20座≤核定座位<39座的客車(chē)和2 t<核定載重量≤5 t的貨車(chē)，4類(lèi)車(chē)為核定座位≥40座的客車(chē)，5類(lèi)車(chē)為5 t<核定載重量≤10 t的貨車(chē)，6類(lèi)車(chē)為10 t<核定載重量≤15 t的貨車(chē)，7類(lèi)車(chē)為15 t<核定載重量的貨車(chē).從交通量構(gòu)成來(lái)看，以1類(lèi)車(chē)和5類(lèi)車(chē)為主，比重分別為71.66%與15.41%，其余2、3、4、6、7類(lèi)車(chē)分別占交通總量的3.85%、4.47%、2.07%、0.28%、2.26%.重載車(chē)所占比例較大，在局部路段重載車(chē)比例大于20%.

從交通執(zhí)法部門(mén)收集到該段高速公路2014—2018年的交通事故數(shù)據(jù).每起事故均包含事故發(fā)生的地點(diǎn)、事故類(lèi)型、特殊路段類(lèi)型及車(chē)輛等信息.通過(guò)對(duì)交通事故數(shù)據(jù)的調(diào)查及初步分析發(fā)現(xiàn)，隨著交通量的增長(zhǎng)，該高速公路2014—2018年的交通事故起數(shù)持續(xù)增加.去除信息記錄不完整的事故246起，最終用于本文研究的事故總數(shù)為17 133起.將交通事故分為嚴(yán)重事故、一般事故，其中嚴(yán)重事故是有人員傷亡，包括駕乘人員的死亡、輕傷、重傷，一般事故即為無(wú)人員傷亡，包括刮擦、追尾、側(cè)翻、撞固定物等類(lèi)型事故中無(wú)駕乘人員傷亡、僅有財(cái)產(chǎn)損失的事故.

1.2 研究方法

1.2.1Logistic回歸模型

文中將交通事故所造成的后果分為嚴(yán)重事故、一般事故兩類(lèi)，采用二項(xiàng)Logistic回歸，對(duì)其影響因素進(jìn)行分析研究.考慮具有n個(gè)獨(dú)立變量的向量，即引起兩類(lèi)事故后果的影響因素因變量為x=(x1,x2,…,xn)，設(shè)條件概率P(y=1|x)為根據(jù)觀測(cè)量相對(duì)于某事件發(fā)生的概率.那么Logistic回歸模型為

(1)

其中：

g(x)=w0+w1x1+…+wnxn

(2)

式中：y為事故后果的兩種取值；xi為對(duì)事故后果有顯著影響的自變量；w0為常量；wi(i=1,2,…,n)為常量.對(duì)式(1)取對(duì)數(shù)形式，可得

(3)

在對(duì)自變量進(jìn)行分析過(guò)程中，取顯著水平為0.05，得出對(duì)于事故后果有顯著性影響(P≤0.05)的因變量，即為對(duì)事故后果具有影響性的因素.

1.2.2模型檢驗(yàn)

當(dāng)自變量的顯著性因數(shù)sig.<0.05時(shí)，表示本次擬合所使用的變量中，至少有一個(gè)變量的OR值有統(tǒng)計(jì)學(xué)意義，即模型總體有意義.通過(guò)Hosmer和Lemeshow檢驗(yàn)來(lái)驗(yàn)證模型的擬合程度，當(dāng)P值不小于檢驗(yàn)水準(zhǔn)時(shí)(即P>0.05)，認(rèn)為當(dāng)前數(shù)據(jù)中的信息已經(jīng)被充分提取，模型擬合優(yōu)度較高.這樣可繼續(xù)對(duì)自變量進(jìn)行討論，否則認(rèn)為自變量的統(tǒng)計(jì)學(xué)意義較弱.

2 變量描述

2.1 因變量

以是否有人員傷亡為區(qū)分,本文將交通事故嚴(yán)重程度分為一般事故和傷亡事故.交通事故后果統(tǒng)計(jì)見(jiàn)表1，所用數(shù)據(jù)均來(lái)自于交通執(zhí)法部門(mén)在2014—2018年的事故記錄.

表1 事故后果統(tǒng)計(jì)表

2.2 自變量

根據(jù)事故數(shù)據(jù)所載的涉事參數(shù)，以保證所選取變量的客觀性為原則，為盡量體現(xiàn)出事故嚴(yán)重程度與實(shí)際交通條件的關(guān)聯(lián)性，文中從道路、天氣及車(chē)輛等方面，選取了6個(gè)建模自變量，這6個(gè)自變量均為分類(lèi)變量.進(jìn)行二項(xiàng)Logistic回歸分析時(shí)，需設(shè)置其為啞變量，為此，每個(gè)變量均以第一類(lèi)為參照.自變量設(shè)置及頻數(shù)見(jiàn)表2.在車(chē)型這一自變量中，小客車(chē)為1類(lèi)車(chē)，中客車(chē)為2類(lèi)車(chē)中的客車(chē)，大客車(chē)為3類(lèi)車(chē)中的客車(chē)、4類(lèi)車(chē)，小貨車(chē)為2類(lèi)車(chē)中的貨車(chē)，中貨車(chē)為3類(lèi)車(chē)中的貨車(chē)，大貨車(chē)為5類(lèi)車(chē)、6類(lèi)車(chē)、7類(lèi)車(chē).

表2 自變量設(shè)置一覽表

3 模型計(jì)算與結(jié)果分析

3.1 模型檢驗(yàn)

將自變量與因變量事故后果建立二項(xiàng)Logistic回歸模型，借助于統(tǒng)計(jì)分析方法，得到模型系數(shù)的綜合檢驗(yàn)、模型的擬合程度檢驗(yàn)，見(jiàn)表3～4，其中步驟、塊、模型的檢驗(yàn)結(jié)果都為0，說(shuō)明模型中的變量均有意義；模型的擬合程度檢驗(yàn)的結(jié)果為0.842>0.05，說(shuō)明模型擬合性良好.

表3 模型系數(shù)的綜合檢驗(yàn)

3.2 計(jì)算結(jié)果分析

二項(xiàng)Logistic回歸模型的結(jié)果見(jiàn)表5，其中相關(guān)系數(shù)B為回歸方程自變量的系數(shù)，Exp(B)為自變量的OR值，也稱(chēng)優(yōu)勢(shì)比，即事件發(fā)生概率P與事件不發(fā)生概率(1-P)的比值，Exp(B)為導(dǎo)致嚴(yán)重事故與一般事故的比值.

表4 模型的擬合程度檢驗(yàn)

由表5中自變量的檢驗(yàn)P值可知，車(chē)型、時(shí)間、特殊路段、事故類(lèi)型、月份的P值均小于0.05，即這5個(gè)自變量與事故后果呈顯著關(guān)系；而天氣的P值為0.066，在顯著性水平為0.05的情況下，未達(dá)到顯著，認(rèn)為天氣對(duì)交通事故的后果無(wú)

表5 計(jì)算結(jié)果

明顯影響.

對(duì)交通事故的涉事車(chē)型進(jìn)行分析，由表5可知，車(chē)型3(中貨車(chē))和車(chē)型5(大貨車(chē))的OR值分別為2.463和1.100，且相關(guān)系數(shù)B大于0，說(shuō)明涉及這兩種車(chē)型的交通事故，發(fā)生嚴(yán)重后果的概率為僅有小貨車(chē)事故的2.463倍和1.1倍，涉事車(chē)型對(duì)事故后果的影響較大，中貨車(chē)、大貨車(chē)是引起嚴(yán)重交通事故的主要因素.

對(duì)交通事故發(fā)生的時(shí)間進(jìn)行分析，可知，白天發(fā)生的交通事故較為嚴(yán)重，白天視距較夜間好，在白天行駛時(shí)，行車(chē)速度更高，同時(shí)，駕駛?cè)烁子诋a(chǎn)生麻痹放松心理，這將更易引發(fā)嚴(yán)重的交通事故.

對(duì)交通事故中的涉事路段進(jìn)行分析，可知，相比于沒(méi)有特殊路段的道路，隧道路段以及長(zhǎng)上坡、長(zhǎng)下坡路段，其對(duì)于交通事故后果的影響較大，這些路段易發(fā)生嚴(yán)重事故.

對(duì)交通事故類(lèi)型進(jìn)行分析可知，引發(fā)嚴(yán)重事故的主要事故類(lèi)型為撞道路設(shè)施，其OR值為61.039，其相關(guān)系數(shù)B亦大于0，說(shuō)明撞道路設(shè)施引發(fā)的嚴(yán)重后果是刮擦事故的61.039倍，道路設(shè)施主要是路側(cè)護(hù)欄；其他事故類(lèi)型，撞行人、起火、貨物傾斜、貨物掉落、追尾、翻車(chē)引起的事故后果均較刮擦為輕，這得益于該高速公路較為頻繁的路面巡邏監(jiān)管、宣傳.在事故類(lèi)型這一自變量中，易發(fā)生嚴(yán)重交通事故的是追尾、撞道路設(shè)施.

對(duì)交通事故發(fā)生的月份進(jìn)行分析，可知，每年的8月、10月和11月為發(fā)生嚴(yán)重交通事故較多的月份，對(duì)照該高速公路所在區(qū)域的氣候氣象信息，年平均氣溫16.1～18.2 ℃，變動(dòng)范圍小，這也印證了天氣不是交通事故后果明顯影響因素的結(jié)果.經(jīng)當(dāng)?shù)卣{(diào)查，在這3個(gè)月份，為所在區(qū)域較為集中的旅游、上學(xué)等較多的外地駕駛?cè)顺鲂袝r(shí)期，這些駕駛?cè)藢?duì)路況不夠熟悉，易加重事故的嚴(yán)重程度.

4 結(jié) 論

1)加強(qiáng)對(duì)中大型貨車(chē)的管制，堅(jiān)決有效治理貨車(chē)超限、貨車(chē)駕駛員疲勞駕駛等問(wèn)題，在高速公路上道口嚴(yán)格控制，大型車(chē)應(yīng)靠右側(cè)行駛，所有車(chē)輛均禁止無(wú)故占用應(yīng)急停車(chē)道.

2)白天時(shí)間，加強(qiáng)路面巡邏力量及交管措施，形成交通事故的震懾作用，同時(shí)，增設(shè)醒目、有效的標(biāo)識(shí)信息，盡量使駕駛?cè)瞬划a(chǎn)生疲勞狀態(tài)，尤其是在易于犯困的午飯后時(shí)間段.

3)重點(diǎn)關(guān)注隧道、長(zhǎng)陡坡路段，增加相關(guān)的主動(dòng)交通安全措施，如在洞口段增設(shè)隧道遮光棚、加強(qiáng)燈光照明，同時(shí)劃設(shè)震蕩減速標(biāo)線、彩色路面、隧道內(nèi)不允許隨意變道等，降低駕駛?cè)说囊曈X(jué)負(fù)荷，以盡量減少事故的發(fā)生，減緩事故嚴(yán)重程度；在長(zhǎng)上坡和長(zhǎng)下坡路段，嚴(yán)格大型車(chē)、小型車(chē)分車(chē)道行駛，在地質(zhì)、地形等條件可行時(shí)，增設(shè)避險(xiǎn)車(chē)道.

4)提升路側(cè)護(hù)欄的防護(hù)等級(jí)；加強(qiáng)隧道端墻、護(hù)欄端頭等事故易發(fā)點(diǎn)的被動(dòng)防護(hù)，使車(chē)輛撞擊后人員受到的傷害降低，在此路段應(yīng)同時(shí)輔以限速措施.

5)在不熟悉路況的交通流量大的8、10、11月份，應(yīng)加強(qiáng)對(duì)此類(lèi)駕駛?cè)说奶崆靶畔l(fā)布、交通誘導(dǎo)措施，在服務(wù)區(qū)散發(fā)宣傳單，提示駕駛?cè)耸鹿识喟l(fā)，警示其減速慢行.