徐 程， 管滿泉

(1.浙江警察學(xué)院交通管理工程系， 浙江杭州 310053；2.浙江大學(xué)建筑工程學(xué)院， 浙江杭州 310058)

0 引言

隨著社會經(jīng)濟的快速發(fā)展，城市規(guī)模不斷擴大，城市居民通勤出行半徑也在不斷擴大。杭州市城市居民平均出行距離已經(jīng)由2010年的4.4公里提升到2015年的5.6公里。居民出行距離的顯著增長導(dǎo)致傳統(tǒng)的人力自行車失去了吸引力，無法滿足日趨增加的出行需求。電動自行車由于其成本低廉、騎行便捷、操作靈活等特點，已成為我國許多城市重要的出行方式之一。一方面，電動自行車有效緩解了我國城市公共交通服務(wù)水平嚴重不足所帶來的出行需求問題，進一步提升了城市居民特別是中低收入出行者的出行效率。另一方面，電動自行車闖紅燈、超速等交通違法行為突出，已經(jīng)成為城市交通管理的難點，涉及電動自行車交通事故也呈現(xiàn)逐年增長趨勢。杭州市在2016年共發(fā)生與電動自行車相關(guān)的一般交通事故1 250起，其中造成176人死亡、1 439人受傷，涉及電動自行車的道路交通事故死亡人數(shù)占交通事故死亡總?cè)藬?shù)的30%[1]。因此，詳細分析涉及電動自行車道路交通事故的基本規(guī)律與特征、深入挖掘電動自行車交通事故的時空特性、定量構(gòu)建電動自行車交通事故的影響因素模型，為電動自行車交通管理與安全防范提供有力的數(shù)據(jù)依據(jù)，具有重要的理論價值與實踐意義。

近年來，公共自行車[2]、共享單車[3]和電動自行車[4]已經(jīng)成為我國城市非機動車發(fā)展的重要方向之一。國內(nèi)外開展了對電動自行車安全風險與事故的研究工作。王曼麗等[5]通過對電動自行車駕駛員特性、交通流運行特性以及道路交通條件的分析，采用交通沖突分析方法構(gòu)建了電動自行車交通事故成因模型。王小鳳等[6]采用電動自行車交通流特征參數(shù)，分析了路段及交叉口電動自行車與普通自行車的沖突行為，并采用灰色系統(tǒng)進行了交通安全的評價。程波等[7]通過對電動自行車實際交通沖突數(shù)據(jù)的分析，研究了電動自行車一般和嚴重沖突的判斷方法與臨界值，構(gòu)建了基于電動自行車交叉口綜合交通沖突率的安全評估模型。石臣鵬等[8]通過實測數(shù)據(jù)分析了電動自行車的力學(xué)安全性，提出了現(xiàn)有電動自行車交通管理法規(guī)的缺陷及改進措施。WEBER等[9]采用瑞士兩年的電動自行車事故案例，研究了電動自行車騎行人的年齡分布、頭盔使用情況、事故傷害程度以及事故類型這4種單因素及多因素之間的相關(guān)性。LANGFORD等[10]通過分析混合運行情況下電動自行車和普通自行車的GPS軌跡，建立了混合自行車運行的安全行為分析方法，結(jié)果表明電動自行車與普通自行車都普遍存在違反交通信號及不按車道行駛的違法行為。HAUSTEIN等[11]通過丹麥電動自行車騎行人的問卷調(diào)查數(shù)據(jù)得出，電動自行車騎行人的個人性格特征和騎行行為是導(dǎo)致重大交通事故的關(guān)鍵因素之一。ZHANG和WU[12]研究了遮陽篷對于電動自行車闖紅燈的影響。XU等[13]提出了電動自行車交通風險的評價指標及其影響因素。HU以及KIM[14-15]等研究了涉及電動自行車交通事故的傷害嚴重程度。朱文婷等[16]研究了電動自行車交通風險與車載、車速的關(guān)系模型。

上述研究成果豐富和發(fā)展了電動自行車道路交通安全事故的分析理論與方法，但由于國內(nèi)外駕駛環(huán)境差異性較大，國外也缺乏大量的電動自行車運行與違法行為數(shù)據(jù)，使得相關(guān)結(jié)論并不適用于我國的道路交通條件。因此，本文以杭州市蕭山區(qū)新塘街道轄區(qū)內(nèi)2015年6月1日至2016年5月31日發(fā)生的涉及電動自行車的道路交通事故數(shù)據(jù)庫為基礎(chǔ)，分析了涉及電動自行車交通事故基本統(tǒng)計特性及其時空分布特征，在此基礎(chǔ)上，采用廣義線性回歸模型構(gòu)建了電動自行車交通事故嚴重程度的影響模型，通過實際數(shù)據(jù)分析結(jié)果提出了電動自行車交通管理對策，為開展電動自行車交通安全管理與交通事故預(yù)防提供了實證依據(jù)。

1 電動自行車交通事故統(tǒng)計分析

1.1 事故數(shù)據(jù)來源

我國道路交通事故一般分為簡易程序處理事故(簡稱建議事故)和一般程序處理事故(簡稱一般事故)。簡易程序處理事故是指案情簡單、僅造成車物損失或人員受輕微傷的輕微、一般事故，當事人對事故事實及責任認定無爭議的交通事故。由于大量的涉及電動自行車交通事故都采用簡易程序處理，如果僅分析一般程序處理事故，往往會缺失很多電動自行車交通事故的特性。因此，文本采用新塘街道轄區(qū)內(nèi)2015年6月1日零點至2016年5月31日24點的簡易事故和一般事故數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)庫。其中，簡易事故共1 091起，一般事故共21起。數(shù)據(jù)統(tǒng)計分析的一年內(nèi)，新塘交通警察中隊涉及電動自行車道路交通事故的接警總數(shù)超過4 400起，占總接警量的26.3%，說明涉及電動自行車的交通違法與肇事一直處于高發(fā)態(tài)勢。

電動自行車道路交通事故數(shù)據(jù)庫中主要包括事故基本情況(發(fā)生時間、地點、天氣等)、電動自行車騎行車特性(性別、年齡、身份特性等)、肇事原因(事故責任、事故類型等)以及事故嚴重程度(人員傷亡、財產(chǎn)損失等)這四類數(shù)據(jù)。通過上述類別數(shù)據(jù)的相關(guān)性分析與回歸建模，可以深度地分析電動自行車交通事故的影響因素與關(guān)鍵變量，為加強電動自行車管理、提升電動自行車運行安全水平提高有效依據(jù)。

1.2 事故時空分布特征

電動自行車交通事故分析區(qū)域新塘街道轄區(qū)總面積約為35平方公里，總?cè)丝?0余萬，其中外來務(wù)工人員占據(jù)約70%。由于轄區(qū)地處杭州市蕭山區(qū)的城鄉(xiāng)接合地帶，產(chǎn)業(yè)偏重產(chǎn)品加工等，大量外來人口導(dǎo)致轄區(qū)內(nèi)電動自行車保有量和使用量規(guī)模巨大，高峰期通勤出行需求量大，電動自行車與其他車輛的交通沖突嚴重，交通安全形勢較為嚴峻。

電動自行車道路交通事故在發(fā)生時間和月份上呈現(xiàn)出時間不均衡現(xiàn)象。圖1和圖2分別給出了不同月份及時間下，涉及電動自行車的道路交通事故分布圖。在月份分布中，由于1～2月份春節(jié)的影響明顯下降以及3月份民工回潮明顯上升外，其他月份的交通事故數(shù)量基本穩(wěn)定，這主要是跟流動人口春節(jié)返鄉(xiāng)以及集中回杭務(wù)工存在密切的關(guān)系。在時間段分布中，電動自行車交通事故分布與交通流量的時變特性曲線基本一致，呈現(xiàn)較為明顯的馬鞍型，表明交通事故數(shù)量與出行需求有很大的相關(guān)性。

圖1 電動自行車道路交通事故月度比例

圖2 電動自行車道路交通事故量時變特性

從空間上看，圖3為以新塘中隊轄區(qū)范圍一年內(nèi)所有涉及電動自行車交通事故數(shù)據(jù)為基礎(chǔ)所繪制的事故熱力圖。從圖中可以看出，涉及電動自行車交通事故多集中發(fā)生在轄區(qū)中心主干道路，其中3條主干道塘湄線、蕭明線以及南秀路發(fā)生事故數(shù)分別占到了總事故數(shù)量的15.16%、12.25%以及11.24%，交通事故發(fā)生呈現(xiàn)較為明顯的聚集效應(yīng)。

通過對路段和交叉口的交通事故數(shù)對比，交叉口交通事故數(shù)量明顯高于路段，轄區(qū)內(nèi)有5個交叉口年發(fā)生交通事故次數(shù)超過20起。由于轄區(qū)內(nèi)交叉口信號設(shè)置率不高，部分無信號交叉口車輛行駛規(guī)則不明確，機非沖突、非機動車之間的沖突明顯，同時部分電動自行車在交叉口違反交通信號、超速以及不禮讓行人或其他方向車輛等違法行為也特別突出，導(dǎo)致交叉口成為涉及電動自行車交通事故的多發(fā)地帶。

圖3 新塘街道轄區(qū)內(nèi)電動自行車交通事故熱力圖

1.3 事故統(tǒng)計特性

電動自行車騎行人特性、交通事故類型以及交通違法行為是造成電動自行車交通事故的重要因素之一，本部分主要從這3方面分析交通事故的統(tǒng)計特性。在騎行人特性方面，年齡與性別是影響交通事故成因的重要因素。從數(shù)據(jù)中可以看出，40～50歲年齡段的騎行人事故比例最高，這應(yīng)該與這一群體出行者的數(shù)量密切相關(guān)。同時，60～80歲年齡段騎行人由于反應(yīng)時間、認知能力、操作能力等都呈現(xiàn)下降趨勢，事故傷亡比例較大；同時，騎行人性別因素也在簡易事故和一般事故中存在很大的差異，簡易事故中男性和女性騎行人肇事的比例差別不大，而在一般事故中，男性肇事人約占85.7%，顯著大于女性肇事人。造成這一差異的主要因素可能是男性騎行人具有更強的冒險心理，其嚴重違法行為比例更高，因而造成更大的傷亡程度。在事故類型方面，圖4給出了不同交通方式之間的事故類型比例，其中機動車與電動自行車事故以及電動自行車之間的事故分別占到了79.8%和17.4%，占據(jù)了絕對的主要類型。這兩類事故也是造成電動自行車騎行人傷亡的主要原因。在交通違法行為方面，圖5給出了電動自行車騎行人是交通肇事主要責任方的事故比例。

從中可以看出，逆向行駛、違法載人和未在非機動車道內(nèi)行駛是交通事故肇事的前3項主要因素。

圖4 電動自行車交通事故類型比例圖

2 電動自行車交通事故嚴重程度影響分析

交通事故傷害的嚴重程度是衡量事故嚴重性的主要指標之一。因此，對事故嚴重程度進行深入分析有利于找出造成事故傷害的主要因素，為進一步降低道路交通事故傷害、提升道路交通安全性提供數(shù)據(jù)支撐。為了進一步定量分析涉及電動自行車道路交通事故的影響因素及其嚴重程度，將統(tǒng)計得到的騎行人性別、年齡、事故發(fā)生時間、發(fā)生月份、天氣、道路形式、事故類型以及違法行為分別進行分類，如表1所示。

從中可以看出，電動自行車交通事故中電動自行車與機動車事故發(fā)生率占到了將近80%，其中機動車違法行為的事故占到了總事故的51.3%，說明機動車違法行為仍然是造成電動自行車交通事故的主要因素。為了進一步分析電動自行車交通事故損傷程度的影響因素，本文將電動自行車交通事故分為輕度損傷和重度損傷兩類，采用多因素logistic模型進行影響因素的建模，公式如下：

圖5 簡易程序處理事故中電動自行車駕駛員違法行為

事故變量類型描述離散化取值事故數(shù)量(比例)性別男1674 (60.6%)女2438 (39.4%)青年(0～40歲)1477 (42.9%)年齡中年(40～60歲)2516 (46.4%)老年(60歲及以上)3119 (10.7%)0～6點132 (2.9%)6～10點2334 (30.0%)發(fā)生時間10～16點3342 (30.8%)16～20點4308 (27.7%)20～24點596 (8.6%)1～2月1154 (13.8%)3～4月2206 (18.5%)發(fā)生月份5～6月3178 (16.0%)7～8月4171 (15.4%)9～10月5192 (17.3%)11～12月6211 (19.0%)晴天1515 (46.3%)天氣陰天2365 (32.8%)雨雪天3232 (20.9%)道路形式交叉口1474 (42.6%)路段2638 (57.4%)機動車違法1571 (51.3%)非機動車逆向行駛2126 (11.3%)駕駛電動自行車違反規(guī)定載人395 (8.5%)違法行為非機動車未在非機動車道內(nèi)行駛466 (5.9%)非機動車不靠車行道右側(cè)行駛561 (5.5%)轉(zhuǎn)彎非機動車不讓直行的車輛646 (4.1%)非機動車違反交通信號規(guī)定通行745 (4.1%)其他非機動車違法行為8102 (9.3%)

續(xù)表1

(1)

式中，p為電動自行車交通事故造成輕度損傷的概率，x1至x8分別為騎行人性別、年齡、事故發(fā)生時間、發(fā)生月份、天氣、道路形式、事故類型以及違法行為自變量，其中年齡和事故發(fā)生時間為連續(xù)變量，其他都為離散變量，β0至β8為待標定參數(shù)。

由于各個觀測樣本之間相互獨立，那么它們的聯(lián)合分布為各邊緣分布的乘積，這樣子就得到似然函數(shù)為：

(2)

使得似然函數(shù)取得最大值的參數(shù)估計值就是logistic模型的參數(shù)。對L(β)取對數(shù)得到：

(3)

繼續(xù)對這n+1個βi分別求偏導(dǎo)數(shù)，得到個n+1方程，如下：

(4)

利用梯度上升算法或者牛頓迭代算法就可以得到方程組的解。上述方程組的解即是logistic回歸模型的估計參數(shù)。表2給出了logistic模型回歸的結(jié)果。從p值結(jié)果可以看出，系數(shù)β2，β7和β8存在顯著性，即騎行人年齡、事故違法行為以及事故種類與電動自行車交通事故的損傷程度呈現(xiàn)顯著性，而其中違法行為和事故種類更加影響事故的損傷程度。而其他因素諸如時間、月份、天氣和路段等，并不會顯著影響事故的損傷程度。

表2 logistic模型回歸分析參數(shù)結(jié)果

根據(jù)上述影響因素的分析可以看出，針對杭州市電動自行車交通事故所呈現(xiàn)出的發(fā)展趨勢，需要在如下幾個方面進行電動自行車的交通管理對策改進：(1)實施電動自行車強制保險制度；(2)加大電動自行車違法行為的查處及處罰力度；(3)深入開展電動自行車的交通安全宣傳教育；(4)建立健全交通事故預(yù)防機制。

3 結(jié)語

電動自行車一直是我國城市道路交通安全的重要隱患之一，本文通過對電動自行車交通事故的統(tǒng)計分析，在此基礎(chǔ)上分析了8種電動自行車交通事故的影響因素，構(gòu)建了Logistic回歸模型分析影響因素與事故損傷程度之間的定量關(guān)系模型，揭示了影響電動自行車事故損傷嚴重程度的主要因素，為電動自行車交通安全管理、交通事故預(yù)防奠定了數(shù)據(jù)支撐。