城市渣土車交通事故特征分析與預防

文章編號：1002-3100（2025）08-0078-07

關鍵詞：交通安全；渣土車；交通事故；城市道路中圖分類號：F570；U491 文獻標志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.08.016

Abstract： Asanimportanttolinurbanrenovationengineeingtruckscausealotofseveretrafficaccidents.Toimprovethe managementandoperatinofengineeringtrucksdataon141fataltraicaccidentsinalargecityfrom219to23arecollected Thespatiotealaclitscleatcleacestisce benanalyzedBasedontheanalysis，three measuresare proposedtopreventtraicaccidents，includingdirectvisionimproveent， sensorassistance，androadinfrastructureimprovement.Thevision blindwidthofrightsidehasbeenreducedby 7 2 . 0 % （from 2 5 3 . 5 c m to 71cm）.Rapid detection and braking are also achieved when the engineering trucks approach vulnerable people.This research provides an effective direction for the management and operation of engineering trucks on urban roads.

Keywords：traffic safety;engineeringtruck;trafficaccident;urban road

0引言

作為城市更新進程中不可或缺的工程設備，渣土車為城市更新提供了快速便捷的運輸手段。然而，渣土車在城市道路運行時，不可避免地與弱勢交通參與者產生了高頻率的空間交織，由于其視野盲區大、體積及重量大、內輪差大等特點，相關交通事故頻發且事故嚴重程度高，對涉渣土車的交通事故進行分析并提出相應對策有利于提升渣土車安全管理水平。

在車輛交通事故數據分析方面，王琦等\"基于上海市貨車交通事故數據，從人、車、環境三個角度對重型貨車影響因素進行了統計分析，結果表明重型貨車的盲區、內輪差以及交通參與者違反交通規則是重型貨車交通事故的主要原因。呂慶志等[2]基于重型貨車交通事故深度調查，分析其事故特征和影響因素，指出應改善重型貨車的制動裝置結構，促進ABS裝置和下坡緩速裝置的普及和應用；應加強和維護好車身反光標識、信號裝置的完好有效性和改善車身后部、側面防護設施的阻擋能力與緩沖吸能功能。楊碩基于市重型貨車交通事故數據，運用描述性統計分析，對重型貨車交通事故的特征、重型貨車交通事故嚴重程度的影響因素進行了研究。李碩等分析了四川省某高速公路2013—2018年693起貨車交通事故時空特性，以交通事故嚴重程度為因變量，從人、車、路、環境、事故5個方面選擇14個影響貨車事故嚴重程度的潛在因素，建立了貨車事故嚴重程度異質性效應模型，并采用平均邊際系數分析了顯著變量對不同等級貨車事故嚴重程度的影響方向及程度。Austmet al.對挪威在2005—2007年期間28例交叉口致命事故進行分析以確定事故發生的因果關系，結果表明，駕駛員在轉彎時因駕駛視野問題，面臨對交通沖突的感知困難和意外行為的預知困難，闡明了車輛盲區影響駕駛員信息感知從而易發生交通事故的本質。Zaman et al則針對兩輪車駕駛員利用調查問卷方式分析了弱勢交通參與者對汽車盲區的認知，指出弱勢交通群體對汽車盲區的認知不足是導致車輛-弱勢交通參與者碰撞事故的風險源之一。Peng et al.7在深人了解駕駛員相關因素對交通事故嚴重程度的影響，基于大型車事故數據建立了Logistics模型，預測了駕駛員注意力分散、超速駕駛等對交通事故的影響。

在車輛事故預防方面，王敏等利用三個超聲波傳感器探測車身周圍的障礙物，將探測到周圍障礙物的最近距離作為車身距離障礙物的最終距離，通過將探測到的車身距障礙物最終距離與當前車速下的安全間隔距離相比，提出最終的安全行駛操作方法，提高安全駕駛率。日本富士通公司提出了仿3D全景系統的概念，該系統旨在消除當前高于地面的物體在常規2D鳥瞰視圖中會產生較嚴重的畸變和失真的問題。該3D全景系統不再將魚眼鏡頭采集的圖像進行俯視圖變換，而是投射到“碗形”坐標系中，形成仿3D的視覺效果。李軍等[10基于“蠅眼”傳感原理，將主控節點和多組超聲測距節點進行組網，構建了“蠅眼”傳感網絡，并將“蠅眼”傳感網絡應用到重型車輛防撞系統中，實現了大型車輛盲區覆蓋探測，并實時地顯示障礙物方位和距離，提高了車輛的主動安全性能。

經過近年來的集中整治與技術輔助，渣土車交通安全得到了明顯改善，但在大型城市中，渣土車亡人事故數量多、原因多、分布廣泛等問題仍然突出，與一般社會車輛存在明顯差異。因此，本文收集了某大型城市近5年渣土車亡人事故數據，對大型城市渣土車交通事故時空特征、碰撞對象特征等進行深入分析，并結合事故特征提出提升安全管理水平切實有效的技術手段，利用實車試驗驗證了所提出措施的效果。

1交通事故特征分析

1.1時空特征分析

對亡人交通事故的時空特征進行分析，可為政府部門管理力量的投人提供時間參考，提升管理效能。圖1為渣土車亡人事故的月度與小時分布情況。其中，1—2月為春節長假所在月份，渣土車開工率不足，期間事故較少；3月春節結束事故數量有明顯上升，主要原因為行業生產進入“復工期”，企業準備不足、倉促開工，引發安全風險；3月之后，事故數量逐漸下降，6月份達到最低點；而下半年，建設項目加快進度，事故呈現上升趨勢，9月為事故多發期，直至次年1月，事故均呈現高發態勢。

具體時段上，渣土車亡人事故高發于上午10時、下午13時、下午16時以及夜間20時。事故樣本城市的渣土車線路限行時間為早7：00—9：30、晚17：00—20：00，事故最為高發的兩個時段位于上午10時與夜間20時，為渣土車線路限行解禁期之后。午間13：00—15：00時為駕駛員午間疲勞時間，亡人事故相對多發，企業及監管部門應加強該時段的監管。按照白天與夜晚進行劃分，亡人事故多發生在白天，占比達 5 9 . 4 2 % 。白天時段為交通運輸的高峰期，此時段人流量大、車流密集，人車、車車交匯，碰撞耦合幾率大，易導致事故的發生。夜間事故占比達 4 0 . 5 8 % ，主要原因為夜間光線條件差，其他交通參與者與渣土車之間視認性不足。

將事故記錄報告所記錄的事故發生地點投射于地圖上，獲取事故空間分布情況，如圖2所示。從事故發生地點來看，亡人事故集中發生在道路交叉口，發生在交叉口事故共計79宗，占比 5 7 . 2 5 % ，發生在普通路段上43宗，占比 3 1 . 1 6 % ，12宗發生在出入口處，占比 8 . 7 0 % ，4宗發生在路段人行橫道，占比 2 . 9 0 % 。從行政區域上看，近五年渣土事故多發于寶安、龍崗、坪山等關外地區，其中，寶安區近五年呈現逐步下降趨勢，龍崗、龍華區事故情況與往年相比呈現輕微上浮趨勢，坪山區事故情況逐年下降，而2023年光明區事故數量較為突出，達到8宗。另一方面，從亡人事故數與渣土車總量比例來看，近5年，萬車亡人事故數量前三的行政區為羅湖區、光明區、坪山區，分別為 3 . 0 0 % 、 2 . 1 9 % 、 2 . 1 0 % 。

1.2碰撞對象特征分析

如圖3所示，渣土車亡人事故的碰撞對象以弱勢交通參與者為主，其中涉摩電車輛占比達 6 5 . 2 2 % ，自行車占比 1 7 . 3 9 % ，行人占比 9 . 4 2 % 。在渣土車亡人事故數量逐年呈現相對平穩趨勢的同時，涉摩電車輛事故則呈現逐年上升的趨勢，至2023年，涉摩電車輛事故占比高達 7 4 . 0 7 % 。

交通事故碰撞的第一接觸點反映了事故發生時肇事車輛與其他交通參與者之間的相對位置。通過對盲區事故進行碰撞接觸點分析，以確定渣土車車身周圍的高風險區域。如圖4所示，近5年渣土車亡人事故顯示，與渣土車盲區相關的事故占比高達7 6 . 8 1 % ，與弱勢交通參與者碰撞占比數據基本持平，渣土車盲區問題是導致弱勢交通參與者碰撞事故發生的重要致因。對于車輛右側，由于駕駛室位置較高，側擋風玻璃下沿較高，且在右轉彎時會存在“內輪差”，該區域事故高發于在駕駛員右轉、變道或與非機動車同向行駛時發生碰撞。前側盲區事故多發，集中于車輛低速起步或轉向時，非機動車或行人存在僥幸心理，快速通過渣土車前側，導致垂直碰撞碾壓事故發生。

1.3渣土車行駛狀態分析

對渣土車發生亡人事故時車輛的行駛狀態進行分析，如圖5、圖6所示。渣土車發生亡人事故時的行駛方向以直行為主，占比達 5 0 . 0 0 % ；其次為渣土車車輛右轉時，占比達 3 1 . 1 6 % ；此外，渣土車變道、左轉、靜止導致的亡人事故數分別占比 7 . 9 5 % ！5 . 0 7 % 及 4 . 3 5 % 。對渣土車亡人事故視頻進行進一步分析可見，渣土車事故發生前的車速大多集中在 1 5 k m / h ，渣土車低速行駛狀態下弱勢交通參與者發生碰撞，在有時速記錄的73宗事故中，車輛事故發生時，時速低于 1 5 k m / h 的事故有39宗，占比 5 3 . 4 2 % 。

為更好地刻畫事故特點，歸納典型事故場景，對渣土車行駛方向與弱勢交通參與者行為、移動方向進行交叉分析，如表1所示。典型的事故場景為：渣土車與摩電車輛、自行車同向行駛，由于雙方變道產生軌跡交叉而導致的事故，共計35宗，分別為同向行駛時非機動車并排變道，共計25宗，而非機動車直行時渣土車變道導致的事故共計10宗；摩電車輛、自行車同向行駛，由于車道變窄或雙方行駛距離過近，導致渣土車與非機動車刮擦，非機動車倒地后被碾壓導致的亡人事故，共計16宗；渣土車右轉與非機動車直行發生的事故共計31宗；渣土車與非機動車、行人橫過馬路時垂直碰撞導致的事故，其中渣土車右轉與非機動車橫過馬路時發生的事故共計12宗，直行方向與非機動車橫過馬路時發生的事故共計13宗，左轉方向與非機動車橫過馬路時發生的事故共計5宗。

1.4渣土車亡人事故車輛特征

對樣本城市全部12941輛渣土車車輛品牌占比及事故渣土車品牌占比進行分析，如圖7所示。華菱之星與比亞迪為樣本城市渣土車的主流車型，占比分別為 2 4 . 1 5 % 及 2 0 . 0 8 % 。各類車型由于駕駛室設計（包括駕駛室離地高度、窗戶孔徑大小、儀表臺大小等因素）存在一定的差異，因此其事故車型比例也存在一定的差異，車輛設計與事故比例呈現一定的相關關系，部分車型事故比例與總量占比呈現相同趨勢，部分車型事故比例相較于車輛總數占比較高，具體的影響因素有待進一步分析研究。

1.5亡人事故主要致因分析（見表2）

在2019—2023年5年事故中，其中渣土車駕駛員同責以上事故共計102宗，人職時間在6個月以內的駕駛員，占比 7 0 . 5 8 % 其中4宗事故駕駛員未開展人職培訓，由于新人職駕駛員培訓教育不足、對于線路不熟悉等，事故率相對較高。通過查閱各個渣土車事故的責任認定報告發現，渣土車疏忽大意，未注意察明道路安全狀況是造成事故發生的最主要原因，占比高達6 0 . 7 8 % ，其次為超載占比達 2 1 . 5 7 % ，除以上兩類違規行為外，最為常見的事故原因為：向右不安全變道、駕駛員分心駕駛、超速、不按標線行駛等。車輛因素主要為出車前未做好安全檢查，車輛存在安全隱患，占比達 4 4 . 1 2 % ，其中包括反光標識脫落、制動系失靈仍上路行駛等，此外，輔助視野設備失靈的事故有3宗，包括后視鏡缺失、右側盲區預警設備失靈等；道路因素為施工路段未做好交通疏解、標志標牌缺失導致機非混行；管理因素最為常見的為違反沖禁令、未人職培訓等。

在2019—2023年近5年事故中，其中其他交通參與者同責以上事故共計69宗。通過分析其他交通參與者同責以上事故發現，當摩電車輛及自行車騎行者在事故中存在過錯時，其最為常見的違規行為有非機動車不走非機動車道，占比達 3 1 . 8 8 % ，其次為不安全變道、超車，隨意穿插進入渣土車盲區，占比達 2 6 . 0 9 % 。除以上兩類違規行為外，最為常見的事故原因為：無證駕駛、違規載人、闖紅燈及酒駕。對于行人來說，最為常見的違規行為有行人進入機動車道、在機動車道逗留，占比達 5 . 8 0 % 。渣土車與其他機動車碰撞事故占比較少，其中未與前車保持安全距離是導致該類事故的主要原因。

根據有記錄的43名弱勢交通參與者的職業類型，如圖8所示，傷亡對象所從事的職業大多為工廠工人、清潔工人、工地工人、零散工等。

2城市渣土車亡人事故預防

由前述城市渣土車亡人事故特征分析，渣土車右側視野盲區、低速并行或右轉碰撞、弱勢交通參與者為城市渣土車亡人事故的主要關聯特點。為此，本文從渣土車視野改善、傳感器輔助安全、道路基礎設施改善等方面提出預防對策。

2.1渣土車駕駛員直接視野改善（見圖9）

根據光學表面曲率決定光路特性這一性質，引入凹透鏡對光線的折射作用研發車窗貼片式菲涅爾透鏡，即將凹透鏡的光學表面進行微分，微分間距選取為 ? 0 . 5 m m ，并將微分后的光學表面移動至同一平面高度，形成厚度極薄的貼片。透鏡測試半徑分別設置為 1 1 cm 、 1 2 cm 、 1 3 c m 、 1 4 c m 、 1 5 c m 、 1 6 cm ，透鏡焦距則選擇 1 0 cm 、 1 5 c m 、 2 0 c m 、 2 5 c m 、 2 7 . 5 c m 、 3 0 c m 、 3 5 c m 共7種，共形成42種透鏡進行效果對比。

根據測試結果，車窗貼片式菲涅爾透鏡具備原始凹透鏡對光線的折射能力且厚度薄，可有效減小直接視野盲區范圍。焦距2 7 . 5 c m 、半徑16cm的透鏡將右側直接視野盲區寬度由 2 5 3 . 5 c m 減小至71cm，降低比例達 7 2 . 0 % ，駕駛員右側視線盲區角度減少 ；透鏡焦距越小、半徑越大，右側直接視野盲區范圍縮減越大。

2.2基于傳感器輔助的渣土車安全改善

現階段，渣土車多采取 全景影像實現駕駛輔助安全， 全景影像能幫助駕駛員看見車輛周邊情況，但根據實地走訪和數據分析發現，效果并不理想，主要原因如下：一是設備需駕駛員低頭查看安裝在駕駛臺的顯示屏，與司機駕駛時主要通過車窗和倒后鏡觀察周邊情況的習慣不一致；二是部分設備存在影像畸變和失真，視覺效果與人眼直接觀察存在一定差距，導致司機不習慣通過 影像觀察車輛周邊情況；三是渣土車車身震動大，運行環境灰塵大、泥土多，攝像頭常被遮罩、損壞率較高，在線有效率不足；四是設備的危險誤報率較高，司機往往關閉了系統的聲音報警。

為此，本文基于毫米波雷達的精準探測功能，在渣土車右側及前側安置兩個毫米波雷達，距離探測精度 ，結合車輛氣動阻止功能實現輔助剎車。根據渣土車事故特征（低速、右轉、并線直行）制定相應的策略如下。

第一，直行場景下，車輛“危險預警區域”“前向緊急剎車區域”分別為車輛正前方 2 . 0 m 與 1 . 6 m ，預警及制動觸發前置條件為障礙物出現在目標區域且車輛處于低速（車速15km/h以內）行駛狀態。

第二，直行變道場景下，當車輛右轉向燈開啟且車輛轉向角度不滿足轉彎條件，車輛右側 0 . 7 m 為“右側緊急剎車區域”，障礙物出現在自標區域且車輛處于低速（車速 1 5 k m / h 以內），觸發車輛制動。

第三，右轉彎場景下，首先判斷車輛處于右轉彎場景（依據陀螺儀和轉向燈判斷車輛姿態變化，車輛滿足轉向度數和總線車速條件），車輛“右側緊急剎車區域”由0.7米擴大為1.2米，伴隨轉彎結束，右側緊急剎車區域恢復為0.7米，系統僅限總線速度為1 5 k m / h 以內啟用。右轉向燈關閉，右側輔助剎車功能不啟用；設備執行盲區輔助剎車事件后60秒內，不再次執行緊急制動措施。

基于上述策略，進行輔助安全設備測試，測試效果如表3所示，8次測試試驗均實現了成功避免碰撞。

2.3道路基礎設施改善

針對渣土車右轉亡人事故特征，推進交叉口分離島、右轉警示區、擴建非機動車道等措施優化運行環境，增設“大型車輛右轉彎警示帶”，改善“銳角相交”高風險交叉口安全。因建設規劃、建設成本等問題，通過基礎建設優化渣土車運行環境工作需要逐步展開，改善效果一般顯現較慢。

3結論

渣土車視野盲區大、體積及重量大、內輪差大，在城市道路運行時，不可避免地與弱勢交通參與者產生了高頻率的空間交織。本文對某大型城市近5年渣土車亡人事故進行分析，發現存在以下特征：亡人事故多發于上午10時、下午13時、下午16時以及夜間20時等時段；事故地點以交叉口為主，占比 5 7 . 2 5 % ；碰撞對象以弱勢交通群體為主，其中，摩電車輛占比 6 5 . 2 2 % 且仍在上升中；亡人事故發生時，渣土車的車輛狀態則以直行和右轉為主，低速狀態亡人事故數量突出。基于渣土車亡人事故特征，本文提出了直接視野改善、傳感器輔助等預防對策，經實驗驗證，有效改善了渣土車運行安全。本文研究成果可為城市渣土車管理提供基礎支撐。

參考文獻：

[1]王琦，王宏雁，陳君毅，等．上海市重型貨車事故特征及其安全性研究[J]．交通與運輸（學術版），2016（2）：187-191.

[2]呂慶志，樊少軍，王文杰，等．基于深度調查的重型貨車山區公路事故原因分析[J]．價值工程，2019，38（12）：3.

[3]楊碩．重型貨車交通事故嚴重程度影響因素及對策研究[M]．北京：中國人民公安大學，2020.

[4]李碩，馬玉坤，韓暉，等．山區高速公路貨車事故嚴重度致因及隨機參數分析[J]．公路交通科技，2023，40（4）：228-236.

[5]AUSTML，FAGERLING H，SAGBERGF.Causation pattrs anddata collction blind spots forfatal intersectionaccidentsin Norway[C/OL//Analysisof Accidentsand Dangerous Incidents inTransport：Method DevelopmentandOpportunities forLearning.Procedingsof he\"4th International ESAR Conference\"，Hanover，September2O10，WIRTSCHAFTSVERLAGNW，2010（77）：1-11.（2012-08-02）[2024-06-11]. http：//worldcat.org/issn/09439307.

[6]ZAMANFHK，ABDULLAHSAC，RAZAKNA，etal.Risk of vehicle blind spottowards motorcyclist safety inMalaysia：Assessment on perceptions ofbehaviour[J]Journal of the Societyof Automotive Enginers Malaysia，2O20，4（2）：168-179.

[7]PENGYiun，BOLELN.Commercialdriverfactorsinunffoadcashes[J].ansportationResearchRecordJoualfteTransportation Research Board， 2012，2281（2281）：128-132.

[8]王敏，周樹道，彭文星，等．基于超聲波傳感器的汽車盲區檢測系統研究[J]．自動化技術與應用，2017，36（3）：110-112.

[9]SHMIZUS，KAWAIJ，YAMADAH.Wraparound viewsystemformotorvehicles[J].FujitsuSci.Tech.J.，2010，46（1）：95-102.

[10]李軍，魏民祥．基于“蠅眼”傳感網絡的大型車輛防撞系統研究[J]．農業裝備與車輛工程，2010（3）：3-6.