鐘德良，唐友名，呂　娜，洪偉鵬，劉　娜

(1.福建省客車及特種車輛研發(fā)協(xié)同創(chuàng)新中心，福建 廈門 361024；2.東南(福建)汽車工業(yè)有限公司汽車研究院，福建 福州 350119)

世界衛(wèi)生組織(WHO)統(tǒng)計(jì)表明，交通事故是導(dǎo)致人類死亡的主要原因之一[1]。公安部統(tǒng)計(jì)年報(bào)顯示[2]，2014年中國(guó)接報(bào)道路交通事故676萬(wàn)起，其中涉及人員傷亡道路交通事故196 812起,造成58 523人傷亡。隨著女性獨(dú)立意識(shí)和社會(huì)地位彰顯，前排女性駕乘人員數(shù)量逐年遞增，根據(jù)預(yù)測(cè)，前排女性駕乘人員在碰撞事故中的參與率將與男性相當(dāng)，涉及女性傷亡的數(shù)量也會(huì)越來(lái)越多[3-4]。為深入研究性別與交通事故的相關(guān)性，許多學(xué)者如Dipan等[5]統(tǒng)計(jì)分析了NASS-CDS數(shù)據(jù)庫(kù)中10年的交通事故數(shù)據(jù)，得出女性受到MAIS 3+傷害的幾率比男性高出47%，女性脊柱受到AIS 2+損傷幾率比男性高出67%；Rupp等[6]通過(guò)對(duì)NASS-CDS數(shù)據(jù)庫(kù)的數(shù)據(jù)分析得出，女性隨著年齡的增長(zhǎng)，胸部損傷幾率的增長(zhǎng)明顯高于男性；John等[7]通過(guò)統(tǒng)計(jì)分析GES碰撞數(shù)據(jù)發(fā)現(xiàn)，老年女性駕乘人員在正面碰撞、側(cè)面碰撞和追尾碰撞下駕乘人員損傷增加明顯，使用安全帶后，女性駕乘人員損傷降低程度低于男性駕乘人員；王玉龍[8]通過(guò)研究分析不同性別與年齡的駕乘人員下肢損傷情況，發(fā)現(xiàn)不同年齡段的女性駕乘人員左右兩側(cè)的膝部力均低于男性，而女性的標(biāo)準(zhǔn)化最大應(yīng)變要高于男性駕乘人員；張浩等[9]基于FARS(fatality analysis reporting system)數(shù)據(jù)庫(kù)，采用非參數(shù)logistic回歸法揭示了性別、年齡、安全帶使用、座椅位置4個(gè)因素對(duì)致命傷害的影響規(guī)律，得到女性死亡風(fēng)險(xiǎn)比男性高15.9%。

鑒于女性駕乘人員在交通事故中致命損傷案例不斷增多，歐美等主流發(fā)達(dá)國(guó)家在新車評(píng)價(jià)規(guī)程(new car assessment program,NCAP)中增加女性假人來(lái)評(píng)估汽車駕乘人員保護(hù)安全性[10-11]。盡管如此，造成女性駕乘人員致命損傷的主要影響因素還是不太明確。基于此，本文選取美國(guó)兩大權(quán)威交通事故數(shù)據(jù)庫(kù)之一的FARS數(shù)據(jù)庫(kù)作為樣本來(lái)源，提取出606例前排女性駕乘人員車-車正面交通事故傷害數(shù)據(jù)，統(tǒng)計(jì)分析女性駕乘人員致命損傷影響因素，包括年齡、安全帶使用、氣囊布置、車速、酒駕、光照等因素之間的相關(guān)性，以期提高女性行車安全。

1　女性致命傷事故統(tǒng)計(jì)分布

1.1　碰撞形式統(tǒng)計(jì)分布

根據(jù)FARS數(shù)據(jù)庫(kù)中公布的數(shù)據(jù)，車-車碰撞事故包括追尾碰撞、兩車正面碰撞、角度碰撞以及側(cè)面碰撞等。不同碰撞形式造成的致使損傷人數(shù)及占比如表1所示。由表1可知，角度碰撞致命損傷駕乘人員約占所有車-車碰撞事故的47%，其原因可能為吸能盒在角度碰撞中未能發(fā)揮吸能作用，碰撞能量傳至駕乘人員艙；正面碰撞致命損傷駕乘人員約占所有車-車碰撞事故的30%，僅次于角度碰撞，本文將對(duì)這一工況下的致命損傷因素進(jìn)行分析。側(cè)面碰撞致命損傷駕乘人員約占所有車-車碰撞事故的7%，是所有車-車碰撞事故中占比最少的。

表1　車-車碰撞事故中不同碰撞形式造成的致命損傷人員數(shù)及占比Table1　Fatal injury ratio of collisions compared in vehicle collisions

1.2　影響因素及其統(tǒng)計(jì)分布

為便于統(tǒng)計(jì)分析，將FARS數(shù)據(jù)庫(kù)中公布的車-車正碰工況下前排女性駕乘人員碰撞事故按其因素進(jìn)行以下定義：安全帶使用情況分為正確使用安全帶和沒有使用安全帶或不正確使用安全帶，分別用數(shù)值“1”和“0”表示；氣囊使用情況分為氣囊展開和氣囊未部署或未展開，分別用數(shù)值“1”和“0”表示；酒駕和沒有酒駕分別用數(shù)值“1”和“0”表示；光照條件良好和光照條件差分別用數(shù)值“1”和“0”表示；年齡劃分為小于30,30至44,45至60，大于60四類，分別用數(shù)值“1～4”表示；碰撞車速劃分為小于30,30至39，40至49,50至59,60至69，大于等于70六類，分別用數(shù)值“1～6表示”；致命損傷和未導(dǎo)致致命損傷分別用數(shù)值“1”和“0”表示。利用2015年FARS數(shù)據(jù)庫(kù)中公布的車-車正碰工況下前排女性駕乘人員碰撞事故數(shù)據(jù)，從中篩選出記錄詳細(xì)、適合于深度分析的606例碰撞事故數(shù)據(jù)(見表2)，利用年齡、安全帶使用情況、氣囊使用情況、碰撞車速、是否酒駕、光照條件等因素對(duì)這些碰撞事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

表2　606例致命傷數(shù)據(jù)處理Table 2　606 cases of fatal injury data processing

通過(guò)分析FARS數(shù)據(jù)庫(kù)中2015年車-車正碰工況下前排女性駕乘人員致命損傷數(shù)據(jù)，得到了事故因素統(tǒng)計(jì)分布的規(guī)律。未使用/不正確使用安全帶和氣囊未部署/未展開的情況還是存在，且所占比例都超過(guò)10%，分別為13.37%和16.83%。光照條件差所占比例為41.09%，但這不意味著其對(duì)致命損傷影響大。雖然各個(gè)國(guó)家都有明文法律規(guī)定禁止酒后駕駛，從數(shù)據(jù)中可知，仍然存在酒駕行為，所占比例為4.29%。碰撞車速在64 km/h至110 km/h之間所占比重最大，超過(guò)了60%。在年齡分組中，小于30歲的駕乘人員所占比例為29.04%，超過(guò)60歲的駕乘人員所占比例為20.63%。不同事故因素統(tǒng)計(jì)分布如表3所示。

表3　不同事故因素統(tǒng)計(jì)分布Table 3　Distribution of factors causing accidents

2　相關(guān)性分析

為了分析各因素對(duì)致命損傷影響情況，需量化駕乘人員致命損傷情況同安全帶使用情況、氣囊使用情況、碰撞車速等因素之間的關(guān)系，從而為研究前排女性駕乘人員安全性提供參考價(jià)值。因?yàn)檫@種影響不一定是線性的，無(wú)法使用線性回歸分析，而Logistic回歸分析則常用于研究分類概率與解釋變量之間的關(guān)系，故本文采用Logistic回歸模型作相關(guān)性分析，以致命損傷事件發(fā)生的概率為因變量，以影響因素為自變量。

2.1　Logistic回歸方法

Logistic回歸方法是用一組觀察數(shù)據(jù)擬合Logistic模型，揭示若干個(gè)X與一個(gè)因變量取值的關(guān)系，反映Y對(duì)X的依存關(guān)系。因變量記為Y,其取值為1表示事件發(fā)生，取值為0表示事件未發(fā)生，影響Y的m個(gè)自變量分別記為X1,X2,…,Xm。所研究事件發(fā)生的概率記為P(Y=1|Xi)=Pi。分析因素xi為多分類變量時(shí)，為方便起見，常用1，2，…，k分別表示k個(gè)不同的類別。多個(gè)變量的Logistic回歸模型方程的線性表達(dá)如下：

或

(1)

式(1)中：β表示某一因素改變一個(gè)單位時(shí)，效應(yīng)指標(biāo)發(fā)生與不發(fā)生事件的概率之比的對(duì)數(shù)變化值，即優(yōu)勢(shì)比的對(duì)數(shù)值，反映的是在其他變量固定后，X=1與X=0相比發(fā)生Y事件的對(duì)數(shù)優(yōu)勢(shì)比。

根據(jù)上述基本理論，設(shè)因變量為駕乘人員致命損傷情況，包含致命損傷和未導(dǎo)致致命損傷兩個(gè)水平。自變量選取影響因素，包括年齡、安全帶使用情況、氣囊使用情況、碰撞車速、是否酒駕、光照條件。因此，通過(guò)擬合出回歸模型中的參數(shù)和回歸系數(shù)，可以建立駕乘人員致命損傷情況同年齡X1、安全帶使用情況X2、氣囊使用情況X3、碰撞車速X4、是否酒駕X5、光照條件X6等影響因素之間的Logistic回歸模型。年齡和碰撞車速為連續(xù)型變量，為更有利于結(jié)果的解釋，將其轉(zhuǎn)換為有序變量。變量X1～X6是可能與駕乘人員致命損傷有關(guān)的影響因素，對(duì)這些變量進(jìn)行篩選，挑出與駕乘人員致命損傷有關(guān)的影響因素，再分析這些因素對(duì)駕乘人員致命損傷的影響程度大小。

2.2　統(tǒng)計(jì)結(jié)果及分析

通過(guò)對(duì)606例FARS數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行二分類變量Logistic回歸分析，優(yōu)化技術(shù)采用fisher得分法，采用逐步法篩選自變量，變量進(jìn)入模型和留在模型中的顯著性水平均為0.1。模型信息：觀測(cè)數(shù)為606，因變量(Y)取值(1,0)總頻數(shù)分別為214和392,殘差卡方檢驗(yàn)結(jié)果顯示卡方值為112.739 8，概率值P<0.0001，說(shuō)明具有統(tǒng)計(jì)學(xué)意義。表4是對(duì)各因素合格的效應(yīng)分析，顯然光照條件X6概率值大于0.1被剔除，X1～X5概率值均小于0.1，被選入模型。模型擬合統(tǒng)計(jì)量(見表5)給出了由截距擬合的模型似然函數(shù)和基于截距與協(xié)變量共同擬合的模型似然函數(shù)的3種判斷標(biāo)準(zhǔn)：AIC、SC和-2LogL；也給出了零假設(shè)β=0的假設(shè)檢驗(yàn)結(jié)果，采用Likelihood Ratio、Score和Wald 3種檢驗(yàn)方法，結(jié)果顯示，P值均小于0.000 1，有顯著統(tǒng)計(jì)學(xué)意義。通過(guò)最大似然估計(jì)分析和優(yōu)勢(shì)比分析，年齡(X1)稍大一個(gè)等級(jí)的駕乘人員其致命損傷發(fā)生率為稍低一個(gè)等級(jí)的駕乘人員的1.587倍。未使用或不正確使用安全帶(X2)的駕乘人員致命損傷發(fā)生率為正確使用安全帶的駕乘人員的1.802倍。氣囊未部署或未展開(X3)的駕乘人員致命損傷發(fā)生率為氣囊展開的駕乘人員的2.951倍。碰撞車速(X4)稍大一個(gè)等級(jí)的駕乘人員其致命損傷發(fā)生率為稍低一個(gè)等級(jí)的駕乘人員的1.352倍。酒駕(X5)的人員其致命損傷發(fā)生率為沒有飲酒行車的人員的2.544倍。

表4　因素合格效應(yīng)分析結(jié)果Table 4　Results of factors qualifying effect

表5　模型擬合統(tǒng)計(jì)和檢驗(yàn)結(jié)果Table 5　Model fitting statistics and test results

3　結(jié)論

通過(guò)對(duì)FARS數(shù)據(jù)庫(kù)中606例前排女性駕乘人員車-車正面交通事故傷害數(shù)據(jù)分析可知，交通事故的各影響因素中存在著一定的相關(guān)性，文中采用Logistic回歸方法對(duì)數(shù)據(jù)進(jìn)行擬合，由模型擬合統(tǒng)計(jì)和檢驗(yàn)結(jié)果得出以下幾點(diǎn)結(jié)論。

1)光照條件的良好與否對(duì)車-車正面碰撞工況下的前排女性駕乘人員致命損傷影響不大。

2)年齡稍大一個(gè)等級(jí)的駕乘人員其致命損傷發(fā)生率為稍低一個(gè)等級(jí)的駕乘人員的1.587倍；碰撞車速稍大一個(gè)等級(jí)的駕乘人員致命損傷發(fā)生率為稍低一個(gè)等級(jí)的1.352倍。

3)未使用或不正確使用安全帶的駕乘人員致命損傷發(fā)生率為正確使用安全帶的駕乘人員的1.802倍；氣囊未部署或未展開的駕乘人員致命損傷發(fā)生率為氣囊展開的2.951倍。

4)駕駛員酒駕行車的致命損傷發(fā)生率為非酒駕行車的2.544倍。

[參考文獻(xiàn)]

[1]World Health Organization.Global status report on road safety 2015[R].Geneva:United Nations,2016.

[2]公安部交通管理局.中華人民共和國(guó)道路交通事故統(tǒng)計(jì)年報(bào)：2011年度[R].北京:公安部交通管理科學(xué)研究所,2015.

[3]DOBSON A,BROWN W,BALL J,et al.Women drivers’ behaviour,socio-demographic characteristics andaccidents[J].Accident Analysis and Prevention,1999,31(5):525-535.

[4]羅騫.基于Euro-NCAP正面碰撞的前排乘員損傷機(jī)理研究[D].長(zhǎng)沙:湖南大學(xué),2016.

[5]BOSE D,SEGUI-GOMEZ S,CRANDALL J R.Vulnerability of female drivers involved in motor vehicle crashes:an analysis of US population at risk[J].American Journal of Public Health,2011,101(12):2 368-2 373.

[6]RIDELLA S A,RUPP J D,POLAND K.Age-related differences in AIS 3+crash injury risk,types,causation and mechanisms[J].Proceedings of the IRCOBI Conference,2012,40:43-60.

[7]HILL J D,BOYLE L N.Assessing the relative risk of severe injury in automotive crashes for older female occupants[J].Accident Analysis and Prevention,2006,38(1):148-154.

[8]王玉龍.基于體征的參數(shù)化乘員有限元模型建立方法及應(yīng)用研究[D].長(zhǎng)沙:湖南大學(xué),2016.

[9]張浩,馬路,俞宏熙,等.基于固有匹配對(duì)數(shù)據(jù)的交通事故致亡風(fēng)險(xiǎn)因素分析[J].交通信息與安全,2016,34(5):61-67.

[10]孔令錚.交通事故致因中的人為因素分析[J].中國(guó)安全科學(xué)學(xué)報(bào),2013(1):28-34.

[11]劉玉光,劉志新.各國(guó)新車評(píng)價(jià)規(guī)程(NCAP)測(cè)試評(píng)價(jià)技術(shù)的現(xiàn)狀與發(fā)展[J].汽車安全與節(jié)能學(xué)報(bào),2013,4(1):16-22.