交叉口處老年人碰撞事故傷害嚴重程度分析

潘義勇，吳靜婷，施 穎

(南京林業大學 汽車與交通工程學院，江蘇 南京 210037)

0 引 言

自2000年起，我國開始進入老齡化社會并且人口老齡化速度逐漸加快[1]。根據第七次全國人口普查數據顯示：我國60歲及以上人口約為2.6億人，占總人口的18.70%。老年人在交通事故中喪生人數占所有交通事故死亡人數的20%。老年人交通安全引起了全社會的廣泛關注。隨著年齡增長，老年人的應變能力、身體狀況和感知能力逐漸下降，再加上道路交叉口的交通狀況復雜，老年人在道路交叉口處發生交通事故的概率較大且嚴重程度較高。因此，深入研究交叉口處老年人碰撞事故的影響因素和事故傷害嚴重程度對改善老年人交通安全具有重要的意義。

國內外學者對不同群體的交通事故傷害嚴重程度展開了研究。林慶豐等[2]基于Logistic模型提出了影響公交車碰撞事故傷害嚴重程度影響因素的辨識方法；溫惠英等[3]基于巢式Logit模型分析了不同路段摩托車單車事故傷害嚴重程度的影響因素；LIN Zijing等[4]利用混合Logit模型對自行車碰撞事故傷害嚴重程度的影響因素進行了識別；李英帥等[5]采用隨機森林模型建立了電動自行車騎行者事故傷害嚴重程度的模型。上述研究均未將老年人單獨進行分析，且未考慮群體中不同類別之間的異質性。

部分學者對老年人碰撞事故的影響因素展開了研究。ZHANG Jun等[6]分析了駕駛員年齡、駕駛行為、事故發生日期等與老年駕駛員事故風險之間的關系；S.KIM等[7]通過對比老年行人和年輕行人發生碰撞事故的情況發現：老年行人更容易與轉彎車輛發生碰撞；WANG Yueying等[8]發現駕駛員年齡、車道數、車輛類型等因素對老年行人碰撞事故有著顯著影響。但上述研究均未考慮建成環境對交叉口處老年人碰撞事故的影響。

綜上，筆者采用潛類別Logit模型對交叉口處老年人碰撞事故傷害嚴重程度進行了異質性分析。① 闡述潛類別Logit模型的基本原理；② 采用2019年美國某州的交叉口處老年人碰撞事故數據，構建了基于潛類別Logit模型的老年人事故傷害嚴重程度模型，并進行參數估計和模型檢驗；③ 從駕駛員特性、道路特性、車輛特性、道路環境、建成環境這5個方面對交叉口處老年人碰撞事故傷害嚴重程度進行異質性分析并提出建議。

1 模型理論

1.1 潛類別Logit模型

根據潛類別Logit理論，事故嚴重傷害程度既取決于可觀測的因素，也取決于未觀測到的因素中潛在的異質性。潛類別Logit模型可通過參數變化或類別變化來反映異質性。

假設潛類別Logit模型中有C個潛在類別。在c類別下，事故傷害嚴重度為j的第i起事故發生的條件概率如式(1)：

(1)

第i起碰撞事故屬于類別c的概率如式(2)：

(2)

根據貝葉斯公式，事故傷害嚴重度為j的第i起事故發生的無條件概率如式(3)：

(3)

1.2 偽彈性系數

由于參數估計結果并不總是和自變量實際影響一致[9]，因此運用彈性系數來量化顯著影響因素對事故傷害嚴重程度的影響。彈性分析計算如式(4)：

(4)

在潛類別Logit模型中，自變量被離散化為0-1的變量。在進行彈性分析時，無法區分自變量為0或1的概率[10]，故筆者引入偽彈性系數來量化自變量對事故傷害嚴重程度的影響。偽彈性系數計算如式(5)：

(5)

2 數據描述

筆者基于2019年美國某州的交通數據庫，提取了交叉口處碰撞事故共4 635起，剔除年齡低于60歲的數據，最終選取2 100起交叉口處老年人碰撞事故作為研究樣本。

事故傷害嚴重程度可分為5個等級：死亡事故(事故發生時當場死亡及事故發生后30 d內死亡)、僅財產損失事故、非失能性傷害事故、可能受傷事故和失能性傷害事故。由于死亡事故和失能性傷害事故發生次數較少，將其合并為重傷事故(總占比為3.1%)；將非失能性傷害事故和可能受傷事故合并為輕傷事故(總占比為20.6%)；剩下的為財產損失事故(總占比為76.3%)。

將事故傷害嚴重程度作為因變量，分別從人、車、建成環境、道路條件和道路環境這5個方面挑選12個影響因素作為自變量，如表1。

表1 變量信息

表1中：包括人的特征(老年人性別)、車輛特征(車輛類型、行駛速度)、建成環境(交叉口300 m緩沖區內是否有公園、醫院、購物中心)、道路條件(道路表面環境、線形、控制方式、豎曲線類型、分隔形式)和道路環境(光照情況、是否在作業區)。

3 參數標定

采用向后逐步回歸法，在置信水平為95%下剔除不符合顯著水平的影響因素。其中：X1、X41、X22、X33、X34、X21、X34、X53共8個影響因素(包含虛擬變量)與因變量顯著相關。將不顯著的虛擬變量類別設定為參考變量，例如：在X1中，女性因素在向后逐步回歸法中被剔除，將其設定為參考變量；在X21中，除摩托車因素對應的虛擬變量與事故傷害嚴重程度顯著相關外，其他因素對應的虛擬變量被剔除，選擇被剔除的第一個類別變量作為參考變量；若影響因素對應的虛擬變量均被排除，則選擇任一因素作為參考變量。

通過比較AIC和BIC信息準則的值來確定潛類別Logit模型最佳潛在類別數量，如表2。

表2 不同潛在類別數的潛類別Logit模型比較結果

當潛在類別數量為4及以上時，潛類別Logit模型不收斂，無法進行參數標定；當潛在類別數量為2時，潛類別Logit模型AIC和BIC的值最小。故筆者對分類數為2的潛類別Logit模型進行研究，其參數估計結果見表3。

表3 潛類別Logit模型的參數估計結果

潛類別Logit模型的自由度為21，似然比卡方值為1 550.31，大于臨界值38.93(99%的置信水平下)，這表明模型的整體有效性通過了檢驗。且潛類別Logit模型的McFaddenR2值為0.336，在0.2～0.4之間，表明模型擬合效果較好[11]。為量化各自變量對事故傷害嚴重程度的影響，計算各自變量的平均偽彈性系數，如表4。

表4 各自變量的平均偽彈性系數

4 結果分析

4.1 異質性結果分析

由表3可知：自變量的參數估計在兩個潛在類別中存在著顯著差異。主要包括：① 參數在兩個潛在類別中同時顯著但是參數符號相反。② 參數在其中一個潛在類別中顯著，在另一個類別中不顯著。

由表3可知：當速度為50～60 km/h時，在類別1中呈現正影響，在類別2中呈現負影響； 35.60%的車輛更容易發生重傷事故，64.40%的車輛不易發生重傷事故；發生僅財產損失事故的概率降低0.17%，發生輕傷事故和重傷事故的概率分別增加0.01%和2.08%。而當速度<20 km/h時，發生輕傷事故和重傷事故的概率分別降低7.09%和7.12%。這是因為由于車輛速度越快，發生碰撞時的動能越大；且速度越快，留給老年人反應的時間越短，而相對于年輕人，老年人在面對危險時所需的反應時間更長，更容易造成嚴重傷害。因此，車輛在交叉口處行駛時應降低車速[12]。

摩托車在類別1中不顯著，在類別2中顯著，且與僅財產損失事故呈現負相關。當行駛車輛為摩托車時，發生僅財產損失事故的概率降低0.51%，而發生輕傷事故和重傷事故的概率分別增加0.19%和0.14%。這是因為相比其他類型車輛，摩托車在發生行人-摩托車碰撞事故時，由于摩托車的速度較低，造成的事故傷害較小；在發生汽車-摩托車碰撞事故時，由于摩托車駕駛者暴露面積大，遭受的事故傷害大。相比于年輕人，老年人一般體質偏弱，在發生交通事故受傷后不易恢復。因此，老年人摩托車駕駛者應當帶上頭盔等保護工具并在交叉口處行駛時降低車速[13]。

夜間黑暗無燈光在類別1中不顯著，在類別2中顯著，與輕傷事故呈現正相關。當道路狀況為黑暗無燈時，發生輕傷事故概率增加0.24%，發生僅財產損失事故和重傷事故概率降低0.35%和0.37%。這是因為是在夜間黑暗無燈光條件下，老年人會謹慎駕駛[14]。在夜晚行駛時，老年人視力會逐漸下降，對車輛距離和速度無法準確判斷，會導致發生事故的風險有所增加。因此，在下午6點至早上6點無論道路上是否有路燈，駕駛員都必須打開車燈行駛。

山頂/山底在類別1中不顯著，在類別2中顯著，與輕傷事故呈現正相關。當事故發生在山頂/山底時，發生僅財產損失事故和重傷事故的概率增加7.09%和6.74%。這是因為相比其他豎曲線類型，事故發生在山頂/山底時，老年人視線被道路遮擋，相對于年輕人，隨著年齡增長，老年人視野變窄，更加不容易注意到其他方向的來車[15]。

4.2 建成環境分析

由表3可知：交叉口300 m緩沖區內不存在商場在類別1、類別2中均顯著，與輕傷事故呈現負相關。當交叉口300 m緩沖區內不存在購物中心時，發生輕傷事故概率增加1.93%。這是因為老年人經常去購物中心購物，而購物中心人流量大，保障老年人安全的交通設施相對充足，且駕駛者在人流量大區域會更加謹慎駕駛，老年人發生交通事故概率會有所下降；在交叉口300 m緩沖區內不存在購物中心時，駕駛員容易存在僥幸心理超速行駛，因此發生事故概率會有所增加。

4.3 其他影響因素分析

4.3.1 男性老年人

男性老年人在類別1、類別2中均顯著，與僅財產損失事故呈現正相關。當老年人性別為男性時，發生僅財產損失事故概率增加15.10%，發生輕傷事故和重傷事故概率分別降低57.05%和61.36%。這是因為相比于女性老年人，男性老年人參與交通的機會更多，當發生意外狀況時，男性老年人往往更加理智[16]。因此，應對不同性別老年人進行有針對性的交通安全知識普及。

4.3.2 無分離有連續左轉車道

無分離有連續左轉車道在類別1、類別2中均顯著，與僅財產損失事故呈現正相關。當道路無分離有連續左轉車道時，發生僅財產損失事故的概率增加1.01%。這是因為存在老年人穿過交叉口的情況，而連續左轉車道會使車輛與老年人存在沖突點。老年人信息處理能力衰退，面對復雜交通狀況時，判斷時間較長，且容易發生交通事故[17]。車輛在通過交叉口路段時應注意停車讓行。

4.3.3 信號控制

信號控制在在類別1、類別2中均顯著，與重傷事故呈現負相關。當事故發生在信號交叉口時，發生僅財產損失事故和輕傷事故概率增加4.43%和4.77%，發生重傷事故概率降低109.87%。這是因為與其他控制方式相比，信號控制通過改變信號燈周期，有利于減少交叉沖突點；且老年人行動遲緩，而信號燈設計是依據年輕人設置的，因此可適當考慮老年人步行速度調整信號時長，從而保障老年人安全。

5 結 論

1)筆者以2019年美國某州2 100起老年人交叉口碰撞事故為研究對象，將事故傷害嚴重程度作為因變量，從道路環境、車輛、建成環境、老年人、道路環境這5個方面挑選了12個影響因素作為自變量。在95%置信水平下，采用向后逐步回歸法篩選出男性老年人、速度<20 km/h、速度50～60 km/h、無分離有連續左轉車道、摩托車、交叉口300 m緩沖區內不存在購物中心、夜間黑暗無燈光、山頂/山底、信號控制與因變量顯著相關。

2)筆者將老年人事故傷害嚴重程度為因變量，男性老年人、速度50～60 km/h、無分離有連續左轉車道、摩托車、交叉口300 m緩沖區內不存在購物中心、夜間黑暗無燈光、速度<20 km/h、山頂/山底、信號控制為自變量，采用潛類別Logit模型建立事故傷害嚴重程度模型。

3)通過建立潛類別Logit模型發現：摩托車、夜間黑暗無燈光、山頂/山底、速度50～60 km/h在不同類別中表現出明顯的異質性。

4)在建成環境影響因素中：交叉口300 m緩沖區內不存在購物中心與輕傷事故呈現負相關。

5)鑒于調研條件有限，筆者沒有將路幅寬度、無信號燈控制時的交通量、是否存在二次過街、300 m緩沖區內是否存在養老院等引入自變量，這是今后需要研究的重要方向之一。