農村公路交叉口側面碰撞事故傷害嚴重程度分析

吳靜婷，潘義勇，施穎

(南京林業大學 汽車與交通工程學院， 江蘇 南京 210037)①

交通安全研究主要分為交通事故頻率預測和交通事故傷害嚴重程度分析.交通事故傷害嚴重程度分析對保障人民的人身及財產安全具有重要意義.隨著我國農村路網布局不斷完善，農村道路交通安全受到廣泛關注.在農村公路車輛—車輛碰撞事故中，側面碰撞事故頻率最高[1]，交叉口是道路網絡中最危險的位置之一[2]，因此有必要研究農村公路交叉口發生側面碰撞事故的原因并對事故傷害嚴重程度進行分析.

在農村公路交叉口事故預測方面，Kim等[3]利用分層二項Logit模型，分析在農村公路交叉口事故中道路、環境及交通等因素與機動車碰撞之間的關系并對碰撞類型進行了預測.在農村公路交叉口事故影響因素方面，Tay等[4]基于隨機參數Probit模型，對比分析農村公路交叉口與城市道路交叉口碰撞事故的影響因素，發現出入口終端、彎道、周末及高峰時段等變量對農村公路交叉口碰撞事故有顯著影響.上述研究方法均未對農村公路交叉口事故傷害嚴重程度進行探究.

目前，大多研究采用離散選擇模型來研究事故傷害的嚴重程度與影響因素之間的關系.Wang等[5]基于偏比例優勢模型提出了影響左轉碰撞事故傷害嚴重程度影響因素辨識方法.林慶豐等[6]利用二元Logistic回歸模型并結合K-Means聚類模型對城市公交車事故傷害嚴重程度的影響因素進行識別.Chen等[7]建立多項Logit模型分析美國北卡羅來納州行人—車輛碰撞事故中不同嚴重程度的影響因素.溫惠英等[8]采用巢式Logit模型對路段摩托車單車事故傷害嚴重程度的影響因素進行分析.上述方法對影響事故傷害嚴重程度的因素進行了探究，但并未考慮數據中普遍存在的異質性即各因素對事故影響的隨機性[9].

綜上所述，本文采用混合Logit模型對農村公路交叉口側面碰撞事故傷害嚴重程度進行異質性分析.首先，闡述混合Logit模型的基本原理；其次，采用2019年美國某州的農村公路交叉口側面碰撞事故數據，構建混合Logit事故傷害嚴重模型并進行參數估計和模型檢驗；最后，從駕駛員特性、道路特性、車輛特性及環境特性4個方面對事故傷害嚴重程度的影響進行分析并提出建議，為降低農村公路交通事故傷害嚴重程度奠定理論基礎.

1 混合Logit模型

混合Logit模型是基于隨機效用最大化的離散選擇模型，考慮不同個體之間的異質性并且允許不同選擇之間存在相關性.本文采用混合Logit模型對農村公路交叉口側面碰撞事故中駕駛員的傷害嚴重程度的影響因素進行分析.

效用函數：

Uji=βjiXji+εji

(1)

式中：Uji為事故i的駕駛員受到傷害嚴重程度j的效用函數；βji為事故i的駕駛員受到傷害嚴重程度j的影響因素的參數向量；Xji為事故i的駕駛員受到傷害嚴重程度j的影響因素集合；εji為隨機誤差項.若隨機誤差項服從廣義極值分布，則構成標準多項式Logit模型：

(2)

式中：j*為事故傷害嚴重程度的類別.因為不同個體中存在異質性，所以通過在參數向量βji中添加隨機項，引入混合Logit模型.將參數向量βji表示為固定參數和隨機項的線性組合，即：

βji=βj+σjνji

(3)

式中：σj為βji服從參數分布的標準差；βj為事故傷害嚴重程度j的參數值的總體均值；vji為隨機項，其均值為0，標準差為1.若標準差在統計時并未發現顯著異于0，則該參數將不會被識別為隨機參數且簡化為固定效應參數[10].

混合Logit模型的概率密度函數為：

f(vji|Ωi)dvji

(4)

式中：Pji(Xji|βji)為模型的概率密度函數；Ωi為表示概率密度函數的均值和方差的參數向量；f(vji|Ωi)為vji服從某種分布的聯合密度函數，常見的分布有正態分布、均勻分布、對數正態分布等.

由于混合Logit模型的表達式中存在高維積分，無法運用數學解析法求出精確解，故采用極大似然估計法進行參數估計.其中對數似然函數為：

(5)

式中：LL(βji)為對數似然函數；I為研究樣本總數；r為抽樣方法，通常有隨機抽樣法和Halton抽樣法等；yji為0～1的變量，事故i的老年人受到傷害嚴重程度為j時，yji為1，否則為0；R為抽樣次數；已有研究表明，Halton 抽樣法比隨機抽樣法求解速度快，故本文選用Halton抽樣法，共抽取500次隨機參數β進行分析[11].

2 數據描述

本文數據來源于美國某州交通事故數據庫，提取2019年該州農村公路交叉口的35 964起事故(事故僅涉及2輛車)，剔除正面碰撞、追尾碰撞等其他碰撞類型事故數據以及記錄不全數據和異常數據，最終選取8 201起農村公路交叉口側面碰撞事故作為研究對象.

原始美國某州交通事故數據庫將事故傷害嚴重程度分為5個等級.但由于死亡事故和失能性傷害事故的數據總占比為3%，非失能性傷害事故和可能受傷事故總占比為26%，僅財產損失事故占比為71%，故本文將事故傷害嚴重程度分為3個等級：重傷事故(包括死亡事故和失能性傷害事故，失能性傷害是人員受傷，并且需要他人幫助才能離開事故現場)、僅財產損失事故、輕傷事故(包括非失能性傷害事故和可能受傷事故，非失能性傷害故事指人員受傷但可以自行走路離開事故現場，可能受傷事故指人員無外傷但述說有傷痛情況).

本文從人、車、道路和環境4個方面選取34個自變量參與建模，包括駕駛員特征(駕駛員性別、駕駛員年齡、駕駛員開車時是否分心)、車輛特征(安全氣囊狀態、車輛類型、車速)、道路條件(道路表面環境、交叉口控制方式、交叉口類型、道路線形)及環境(光線條件、天氣情況、是否在作業區).自變量的描述及頻數統計見表1.

表1 自變量的描述及頻數統計

續表1 自變量的描述及頻數統計

3 模型參數標定

3.1 參數估計

通過逐步回歸法，在95%的置信度下檢驗各影響因素對事故傷害嚴重程度的顯著影響(表2).研究發現交叉口類型、駕駛員性別、安全氣囊狀態、天氣情況、駕駛員是否分心、光線條件、道路線形、道路表面環境等11個影響因素在0.05或者更低顯著水平下與事故傷害嚴重程度顯著相關.

3.2 模型檢驗

在0.05顯著水平下對模型整體進行顯著性檢驗，混合Logit模型的自由度為13，其似然比卡方值為45.298 22，大于臨界值(22.362)，所以該事故傷害嚴重程度模型整體通過檢驗.

表2 逐步回歸估計結果

利用McFaddenR2指標評價混合Logit模型的擬合度， McFaddenR2位于0.2～0.4， 表明該模型擬合較好[12].混合Logit模型的McFaddenR2值為0.372 25，表明該模型具有良好的擬合度.

3.3 模型標定結果

采用Nlogit軟件進行編程，混合Logit的隨機參數分布見圖1.從圖中可以看出，男性駕駛員對應的參數為服從正態分布的隨機參數，且該參數的均值為1.988 43，標準差為3.250 17，表明73.0%的男性駕駛員發生輕傷事故的概率高于女性駕駛員.十字交叉口對應的參數同樣為服從正態分布的隨機參數，且該參數的均值為7.696 81，標準差為5.602 69，表明在農村公路交叉口側面碰撞事故中，91.5%的農村公路交叉口側面碰撞事故發生在十字交叉口的嚴重事故概率高于發生在其他類型交叉口的事故概率.

(a) 駕駛員性別為男性參數分布

為量化農村公路交叉口側面碰撞事故中各因素對事故傷害嚴重程度的影響，在估計模型參數后，求出顯著影響因素的平均邊際效應值，即：

(6)

表3 事故傷害嚴重程度的混合Logit模型參數標定結果

4 結果分析

4.1 駕駛員特性分析

駕駛員性別與輕傷事故顯著相關.駕駛員性別為男性時，參數為正，發生輕傷事故的概率增大了0.933%.潛在原因是相比女性駕駛員，男性駕駛員更容易有尋求刺激的危險駕駛行為[13]，并且在發生意外情況時男性駕駛員的應變能力更強，心理承受能力更好.

駕駛員年齡與重傷事故顯著相關.駕駛員年齡在35～64歲時，其對應的參數為負，發生重傷事故的概率減小了0.337%.潛在原因是相比年輕駕駛員，該年齡段的駕駛員經驗充足、駕駛技術嫻熟；相比年老駕駛員，該年齡段駕駛員身體狀況良好，反應敏捷.

駕駛員未分心與重傷事故顯著相關.駕駛員未分心時，參數為負，發生嚴重事故的概率減小了2.388%，潛在原因是駕駛員在駕駛過程中未分心，能夠實時注意到道路上的狀況變化.

綜上，相關部門應針對不同性別、不同年齡的駕駛員發生事故的差異性開展相應的交通安全教育工作.同時，相關部門可以增加違法成本，加強對農村群眾警示教育，防止由不安全駕駛行為引發的交通事故.

4.2 車輛特性分析

輕型車與僅財產損失事故顯著相關.車輛類型為輕型車時，參數為正，發生僅財產損失的概率增大了21.284%.潛在原因是相比重型車，輕型車質量較小，發生側面碰撞事故時動能較低；相比摩托車，輕型車駕駛員相對危險暴露量小，事故傷害等級通常較低.

安全氣囊未打開與輕傷事故顯著相關.氣囊狀態為未打開時，參數為正，發生輕傷事故的概率增大了5.473%.潛在原因是安全氣囊的打開是針對較大等級碰撞事故而設計的，在輕傷事故中由側面碰撞產生的撞擊力通常達不到安全氣囊打開的等級.

綜上，根據邊際效應可知，輕型車相較于其他影響因素明顯增大發生僅財產損失事故的概率，相關部門應當加強對農村地區重型車、輕型車、摩托車等駕駛人員的安全教育力度.同時，應向駕駛員普及安全氣囊的原理和作用，使駕駛員能夠充分利用安全氣囊來保護自身安全.

4.3 道路特性分析

濕潤與重傷事故顯著相關.道路表面環境為濕潤時，參數為負，發生重傷事故的概率減小了0.137%.潛在原因是相比干燥路面，道路表面濕潤時，駕駛員會謹慎駕駛降低車速，但是由于路面濕潤，路面摩擦系數降低，從而導致財產損失和輕傷事故增加.

信號燈控制與輕傷事故顯著相關.當交叉口控制方式為信號燈控制時，參數為正，信號燈控制發生輕傷事故的概率增大了22.8%.潛在原因是相比其他控制方式的交叉口，信號交叉口在紅燈等待時間容易出現追尾事故.

十字交叉口與重傷事故顯著相關.當交叉口類型為十字交叉口時，參數為正，十字交叉口發生重傷事故的概率增大了1.655%.潛在原因是相比其他類型交叉口(T型和Y型交叉口)，十字交叉口的沖突點多且農村地區機動車、非機動車混行嚴重，駕駛員在面對復雜交通流時，容易情緒緊張導致重傷事故的發生.然而，十字交叉口通常視野開闊，視野盲區較少，發生僅財產損失事故和輕傷事故的概率減小.

彎曲與僅財產損失事故顯著相關.與此同時，當道路線形為彎曲時，參數為負，彎曲的道路線形發生財產損失事故的概率減小了0.020 7%.潛在原因是農村地區多為山區道路，駕駛員無法預判前方路況，因此會降低車速謹慎駕駛.

綜上所述，相關部門可以增設警示標志，提醒駕駛人在路面潮濕、道路線路彎曲的路段謹慎駕駛.除此之外，在進行路面管理時應當結合車速控制和道路抗滑能力進行綜合管理[14].由邊際效應值可知，信號交叉口發生輕傷事故的概率明顯高于其他影響因素.因此為減少信號交叉口路段追尾事故的發生，管理部門可以在該路段設置減速標志提醒駕駛員降低車速并進行合理的信號配時.

4.4 環境特性分析

黃昏/黎明與輕傷事故顯著相關.當光照條件為黃昏/黎明時，參數為正，發生輕傷事故的概率增大了0.326%.潛在原因是相比白天和黑暗但有燈光的條件下，光線條件為黃昏/黎明時，駕駛員不易看清前方道路[15].

多云與僅財產損失事故顯著相關.當天氣為多云時，參數為負，發生僅財產損失事故的概率減小了6.6%.潛在原因是相比晴天和雨天，天氣狀況為多云時，駕駛員視野清晰并且無陽光刺眼，駕駛環境良好.

綜上，相關部門可以制定相關法律法規，例如：在18：00—6：00的時間段，無論是否有路燈，駕駛員都必須打開車燈行駛.同時，當天氣環境不佳時，相關部門可制定相應的交通管理策略和事故應急救援預案來保障交通安全[16].

5 結論

(1)本文從駕駛員特性、車輛特征、道路條件和環境因素4個方面選取34個自變量，采用逐步回歸法分析自變量與因變量是否顯著相關.結果表明：駕駛員年齡、車輛類型、道路表面環境、駕駛員開車時是否分心、交叉口控制方式、交叉口類型、道路線形、安全氣囊狀態、光線條件、駕駛員性別、天氣情況與農村公路交叉口側面碰撞事故傷害嚴重程度顯著相關.

(2)以事故傷害嚴重程度為因變量，光線條件、駕駛員年齡、天氣情況、車輛類型、道路表面環境、駕駛員開車時是否分心、交叉口控制方式、安全氣囊狀態、駕駛員性別等11個因素為自變量，采用混合Logit模型建立事故傷害嚴重程度分析模型.

(3)本文采用混合Logit模型識別出男性駕駛員、十字交叉口兩個變量對應的參數為隨機參數且服從正態分布.

鑒于調研條件有限，本文沒有將建成環境、駕齡、事故發生時間等因素引入自變量，且沒有考慮模型變量之間的關系對事故傷害嚴重程度交互影響，這是今后需要研究的重要方向之一.