韋瑜佳 陳夢甜

摘 要：我國是世界上交通事故死亡人數(shù)最多的國家之一，為提高駕駛?cè)税踩庾R及實施相關(guān)措施以預(yù)防或減少道路交通事故的發(fā)生，文章運用Pajek軟件，以我國東西中部地區(qū)的事故調(diào)查直接原因作為案例數(shù)據(jù)構(gòu)建賦權(quán)網(wǎng)絡(luò)，首先判斷其是否符合小世界網(wǎng)絡(luò)，后分析事故主要影響因素并給出相應(yīng)建議。結(jié)果顯示：道路交通事故網(wǎng)絡(luò)符合小世界網(wǎng)絡(luò)特征；超速行駛、操作不當(dāng)、違法超載、操作不當(dāng)和駕駛安全設(shè)施不全或機件不符合標(biāo)準(zhǔn)等具有安全隱患的機動車是較大及以上道路安全事故的主要影響因素；最后根據(jù)分析結(jié)果提出了相關(guān)建議。

關(guān)鍵詞：道路交通事故；賦權(quán)網(wǎng)絡(luò)；小世界網(wǎng)絡(luò)；主成分分析

中圖分類號：U492.8 文獻標(biāo)志碼：A 文章編號：2095-2945（2019）21-0044-04

Abstract： China is one of the countries with the largest number of traffic accident deaths in the world. In order to improve the safety awareness of drivers and implement relevant measures， so as to prevent or reduce the occurrence of road traffic accidents， this paper uses Pajek software， and with the direct cause of the accident investigation in the east-west central region of China as the case data， constructs the empowerment network， firstly judges whether it is in line with the small-world network， and then analyzes the main influencing factors of the accident， and gives the corresponding suggestions. The results show that the road traffic accident network accords with the characteristics of small world network. Motor vehicles with hidden safety risks， such as speeding， improper operation， illegal overloading and improper operation， incomplete driving safety facilities or substandard parts， are the main influencing factors of large-and above-road safety accidents. Finally， some suggestions are put forward according to the results of the analysis.

Keywords： road traffic accident； weighting network； small world network； principal component analysis

引言

隨著全球機動化水平的不斷提高，道路交通事故（RTA）正成為威脅人類生命安全的主要傷害因素，各國政府和社會已高度關(guān)注這一世界性公害。據(jù)官方數(shù)據(jù)統(tǒng)計，中國每年交通事故50萬起，因交通事故死亡人數(shù)均超過10萬人，穩(wěn)居世界第一，以世界3%的汽車保有量，達到了全球16%的死亡人數(shù)。數(shù)據(jù)表明，每5分鐘就有一人喪身車輪，每1分鐘都會有一人因為交通事故而傷殘。每年因交通事故所造成的經(jīng)濟損失達數(shù)百億元。

作為政府的關(guān)注焦點，很多學(xué)者針對道路交通事故的影響因素，通過不同視角進行相關(guān)分析，根據(jù)不同視角，所得出結(jié)論也有所不同，且我國對于交通事故影響因素的研究，大多以高速公路、隧道等為研究對象，對特大城市道路交通事故的分析相對較少。由此本文從機動車駕駛員違法行為因素出發(fā)，以東西中部地區(qū)為區(qū)分，基于賦權(quán)網(wǎng)絡(luò)重要節(jié)點相關(guān)特征，對全國各省較大及以上道路交通安全事故（我國《生產(chǎn)安全事故報告和調(diào)查處理條例》規(guī)定：較大事故，是指造成3人以上10人以下死亡，或者10人以上50人以下重傷，或者1000萬元以上5000萬元以下直接經(jīng)濟損失的事故）影響因素進行分析，并根據(jù)分析結(jié)果判斷是否與地區(qū)因素有關(guān)。

1 道路交通事故網(wǎng)絡(luò)特征分析

1.1 致因選取

本文分析所用的原始數(shù)據(jù)來自于各省市應(yīng)急管理廳，對信息公示中特大及以上道路交通安全事故調(diào)查報告中事故直接因素進行整理。以我國東西中部地區(qū)為區(qū)分，分別收集了28組、29組和36組數(shù)據(jù)。根據(jù)相關(guān)事故調(diào)查報告，本文選取的因素共33個，如表1。

1.2 構(gòu)建無向賦權(quán)網(wǎng)絡(luò)

本文以選取的致因作為節(jié)點，收集到的案例作為數(shù)據(jù)，分別構(gòu)建了我國東部、西部及中部地區(qū)特大及以上交通安全事故的網(wǎng)絡(luò)無向賦權(quán)圖，本文給出一個示例圖，見圖1。

其中，西部地區(qū)的致因?qū)е率鹿拾l(fā)生的情況較為相似且集中，有很多致因與案例數(shù)據(jù)無關(guān)聯(lián)。東部與中部地區(qū)的拓?fù)浣Y(jié)構(gòu)較相似，可以初步判斷在不考慮地區(qū)的情況下，超速駕駛、違法超載駕駛與發(fā)生事故操作不當(dāng)是比較主要的幾個影響因素。

1.3 小世界網(wǎng)絡(luò)特征判斷

小世界網(wǎng)絡(luò)最早由鄧肯·瓦茨（Duncan Watts）和斯蒂文·斯特羅加茨（Steven Strogatz）提出，小世界網(wǎng)絡(luò)就是相對于同等規(guī)模節(jié)點的隨機網(wǎng)絡(luò)，具有較短的平均路徑長度和較大的聚類系數(shù)特征的網(wǎng)絡(luò)模型。

為判斷所構(gòu)建網(wǎng)絡(luò)是否符合小世界特征，需與同一規(guī)模節(jié)點的隨機網(wǎng)絡(luò)進行對比，由于隨機性的不可把握，本文采取對模型不斷隨機斷邊重連的方法，產(chǎn)生一個同樣有22個節(jié)點的無向網(wǎng)絡(luò)，計算該網(wǎng)絡(luò)與上述生成的賦權(quán)網(wǎng)絡(luò)的聚類系數(shù)與平均最小路徑，進行比較觀察道路交通事故網(wǎng)絡(luò)是否符合小世界網(wǎng)絡(luò)特征。

1.3.1 平均路徑長度

在網(wǎng)絡(luò)中，任選兩個節(jié)點，連通這兩個節(jié)點的最少邊數(shù)，定義為這兩個節(jié)點的路徑長度，網(wǎng)絡(luò)中所有節(jié)點對的路徑長度的平均值，定義為網(wǎng)絡(luò)的特征路徑長度。由于上述對數(shù)據(jù)的處理，本文所建網(wǎng)絡(luò)為賦權(quán)網(wǎng)絡(luò)，任意兩因素間權(quán)重為共同導(dǎo)致交通安全事故的數(shù)量。因此與網(wǎng)絡(luò)路徑長度的計算定義有出入，考慮到計算目的為比較，本文對原始數(shù)據(jù)矩陣進行求倒數(shù)處理進行計算。

分別根據(jù)東、西、中原數(shù)據(jù)進行44000次斷邊重連得到的零模型結(jié)構(gòu)計算倒數(shù)平均路徑強度結(jié)果為：針對道路交通事故網(wǎng)絡(luò)，東部地區(qū)平均路徑強度為0.7352，西部地區(qū)0.7089，中部地區(qū)0.7307；針對零模型網(wǎng)絡(luò)，道路交通網(wǎng)絡(luò)與對應(yīng)零模型網(wǎng)絡(luò)權(quán)重倒數(shù)平均路徑強度幾乎相等且都較小。

1.3.2 聚類系數(shù)

聚集系數(shù)是表示一個圖形中節(jié)點聚集程度的系數(shù)，本文研究網(wǎng)絡(luò)為無向賦權(quán)網(wǎng)絡(luò)，聚類系數(shù)計算公式為：

其中，？棕ij表示節(jié)點i與節(jié)點j相鄰邊的權(quán)重，Ci表示節(jié)點i的賦權(quán)聚類系數(shù)。

對所得每一節(jié)點的聚類系數(shù)求平均，得到整個網(wǎng)絡(luò)的聚類系數(shù)。計算結(jié)果為：針對道路交通事故網(wǎng)絡(luò)，東部地區(qū)1.6231，西部地區(qū)1.4330，中部地區(qū)2.4929；針對零模型網(wǎng)絡(luò)，東部地區(qū)0.2895，西部地區(qū)0.1169，中部地區(qū)0.2045。

可以看出道路交通事故網(wǎng)絡(luò)的聚類系數(shù)明顯大于零模型網(wǎng)絡(luò)的聚類系數(shù)，結(jié)合倒數(shù)平均路徑強度的對比結(jié)果，可以判斷該網(wǎng)絡(luò)符合小世界網(wǎng)絡(luò)特征。在這樣的系統(tǒng)里，信息傳遞速度快，并且少量改變幾個連接，就可以劇烈地改變網(wǎng)絡(luò)的性能。可以對于本文的賦權(quán)網(wǎng)絡(luò)，改變少數(shù)的幾個影響因素就有可能對道路交通事故的發(fā)生有明顯的改善。

2 網(wǎng)絡(luò)節(jié)點重要性排序

2.1 中心度計算

2.1.1 度中心度

度中心度是在網(wǎng)絡(luò)分析中刻畫節(jié)點中心度的最直接度量指標(biāo)。一個節(jié)點的節(jié)點度越大就意味著這個節(jié)點的度中心性越高，該節(jié)點在網(wǎng)絡(luò)中就越重要。在無向圖中，度中心度測量網(wǎng)絡(luò)中一個節(jié)點與所有其它節(jié)點相聯(lián)系的程度，在賦權(quán)圖中，度中心度與某節(jié)點的度及權(quán)重都有關(guān)系。

運用Pajek軟件得出三大地區(qū)的計算結(jié)果及排序如表2所示。

2.1.2 相對緊密中心度

緊密中心度是依據(jù)網(wǎng)絡(luò)中各節(jié)點之間的緊密性或距離而測量的中心度，指某節(jié)點不被其他節(jié)點控制的程度計算結(jié)果如表2。

2.1.3 間距中心度

間距中心度是指網(wǎng)絡(luò)圖中某一結(jié)點與其他各點之間相隔的程度，表示一個點在多大程度上是圖中其他點的“中介”。處于中間位置的結(jié)點對其他結(jié)點更有影響力。部分計算結(jié)果見表2。

根據(jù)以上三組計算結(jié)果發(fā)現(xiàn)，v2、v3、v6、v10，即超速行駛，操作不當(dāng)，駕駛安全設(shè)施不全或機件不符合標(biāo)準(zhǔn)等具有安全隱患的機動車及違法超載為交通事故重要影響因素。

2.2 聚類系數(shù)計算

聚類系數(shù)可以用來量化節(jié)點間建立的高密度連接緊密關(guān)系，整個網(wǎng)絡(luò)的聚類系數(shù)是對節(jié)點聚類系數(shù)的平均。因此為更加客觀的判斷致因在網(wǎng)絡(luò)中的重要程度，本文也對節(jié)點聚類系數(shù)進行了計算，結(jié)果如表3，計算公式為：

其中，？棕ij表示節(jié)點i與節(jié)點j相鄰邊的權(quán)重。

但緊密聯(lián)系性質(zhì)是指若節(jié)點i與節(jié)點m、節(jié)點n相連，那么很有可能節(jié)點m與節(jié)點n也相連。在一個網(wǎng)絡(luò)中，這樣的結(jié)構(gòu)會沖散節(jié)點的重要程度，與本文所需數(shù)據(jù)概念相反，因此本文對所求聚類系數(shù)求倒數(shù)進行排序，部分結(jié)果如表3。

計算結(jié)果顯示，v2、v3、v4為重要性較高的三個致因，分別是超速行駛、操作不當(dāng)和路面環(huán)境影響。

2.3 綜合得分計算

節(jié)點的度中心度、相對緊密中心度、間距中心度及聚類系數(shù)四項指標(biāo)分別對影響因素在網(wǎng)絡(luò)中的重要性程度做出了分析和排序，排序大致相同，說明構(gòu)建的道路交通事故網(wǎng)絡(luò)有較好的內(nèi)部一致性。但并不能確定出哪項指標(biāo)最客觀最有說服力，因此針對各指標(biāo)計算出的數(shù)據(jù)，采用主成分分析法計算每項影響因素的得分并進行排序，作為綜合排序。主成分分析的主要步驟為：（1）對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，去除量綱量級的影響；（2）計算樣本相關(guān)系數(shù)矩陣；（3）計算相關(guān)系數(shù)矩陣的特征值和相應(yīng)的特征向量，本文選擇主成分個數(shù)時規(guī)定累計貢獻率需達到85%以上；（4）選擇重要的主成分并寫出主成分表達式；（5）計算中主成分得分，進行排序。

本文使用SPSS對東西中部地區(qū)的四項指標(biāo)結(jié)果分別進行了主成分分析，其中東部選取取一個主成分，特征值為3.477；西部選取兩個主成分，特征值3.375，0.504；中部選取兩個主成分，特征值為3.207，0.496。最終得到的總得分函數(shù)為：

F1=0.531x1+0.449x2+0.501x3+0.514x4

F2=0.47x1+0.488x2+0.361x3+0.429x4

F3=0.466x1+0.542x2+0.306x3+0.427x4

其中，F(xiàn)1、F2、F3分別表示東部、西部和中部地區(qū)的總得分，x1、x2、x3、x4分別表示度中心度、相對緊密中心度、間距中心度和節(jié)點聚類系數(shù)四個指標(biāo)。

部分計算結(jié)果及排序如表4所示。

綜合得分的排序結(jié)果顯示，重要性排序在前三的致因，在東部和西部地區(qū)為：超速駕駛、操作不當(dāng)和駕駛安全設(shè)施不全或機件不符合標(biāo)準(zhǔn)等具有安全隱患的機動車；在中部地區(qū)為：超速駕駛、操作不當(dāng)和違法超載。較重要的五個致因，東部地區(qū)為：違法超載、駕駛與駕駛證載明的準(zhǔn)駕機型不符的機動車、非法改裝車輛、道路環(huán)境不佳或基礎(chǔ)設(shè)施不完善和違法從事道路運輸經(jīng)營或客運；西部地區(qū)為：違法裝載、道路環(huán)境不佳或基礎(chǔ)設(shè)施不完善、無證駕駛、違法從事道路運輸經(jīng)營或客運和非法改裝車輛；中部地區(qū)為：道路環(huán)境不佳或基礎(chǔ)設(shè)施不完善、駕駛安全設(shè)施不全或機件不符合標(biāo)準(zhǔn)等具有安全隱患的機動車、無證駕駛、疲勞駕駛和分心駕駛。同時可以看出，不同地區(qū)的致因排序不同，但整體位置大致相同，因此可以初步判斷地區(qū)差異與道路交通事故的發(fā)生無緊密關(guān)聯(lián)關(guān)系。

3 結(jié)束語

根據(jù)賦權(quán)網(wǎng)絡(luò)節(jié)點重要性分析及排序的結(jié)果發(fā)現(xiàn)，諸多因素在不同程度上共同影響著道路交通安全事故的發(fā)生。其中，排名最高的致因為機動車駕駛?cè)顺傩旭?，由于研究對象為特大及以上的道路交通安全事故，大多?shù)事故都因為車輛速度過快，直接導(dǎo)致或嚴(yán)重擴大事故的傷亡結(jié)果。其次，在道路交通事故網(wǎng)絡(luò)中占主導(dǎo)地位的影響因素為操作不當(dāng)，操作不當(dāng)包括制動不當(dāng)、轉(zhuǎn)向不當(dāng)、油門控制不當(dāng)?shù)?，在事故已?jīng)發(fā)生的情況下，對道路、駕駛操作及事故情況不清楚時易發(fā)生操作不當(dāng)導(dǎo)致進一步的傷亡。而緊急情況下的操作不當(dāng)或許與駕駛員的緊急判斷能力有關(guān)，這與Vandoros等的研究結(jié)果，發(fā)現(xiàn)駕駛員壓力和焦慮是導(dǎo)致機動車發(fā)生事故的直接原因有一致性。

較為重要的致因排序中，車輛自身存在隱患占大多數(shù)，可以看出，相關(guān)地方政府在生產(chǎn)安全宣傳教育和監(jiān)管不到位，機動車駕駛?cè)税踩庾R淡薄。

針對以上分析結(jié)果，提出兩點建議：

（1）超速行駛是指駕駛員在駕車行駛中，以超過法律、法規(guī)規(guī)定的速度進行行駛的行為?！吨腥A人民共和國道路交通安全法實施條例》中規(guī)定“超速行駛屬于違法行為?！蹦壳拔覈鴮τ诔亳{駛的行為有著較嚴(yán)格的分檔處罰制度，應(yīng)保持監(jiān)督與執(zhí)行，另一方面，對于控制車速可以在道路或車輛上進行改善，例如在事故多發(fā)路段增加減速帶的設(shè)置，在車上安裝自動識別控速系統(tǒng)等。

（2）針對落實駕駛?cè)俗袷叵嚓P(guān)法律法規(guī)，可加大危險性違法的懲罰或監(jiān)管力度，并采用獎罰共行制度，對于較好遵守相關(guān)法律法規(guī)的駕駛?cè)擞枰砸欢ǖ莫剟睢?/p>

參考文獻：

[1]羅振軍，佟瑞鵬.中國道路交通安全與機動車保險現(xiàn)狀分析及對策研究[J].保險研究，2008（05）：38-43.

[2]陳艷艷，李向楠，孫智源，等.基于Logistics回歸的道路交通事故影響因素辨識方法[J].交通科技與經(jīng)濟，2018，20（05）：1-5+11.

[3]劉杜娟，任曉斌.小世界網(wǎng)絡(luò)的校企合作創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移研究[J].中國高新技術(shù)企業(yè)，2015（18）：35-36.

[4]任曉龍，呂琳媛.網(wǎng)絡(luò)重要節(jié)點排序方法綜述[J].科學(xué)通報，2014，59（13）：1175-1197.

[5]孫璽菁，司守奎.復(fù)雜網(wǎng)絡(luò)算法與應(yīng)用[M].北京：國防工業(yè)出版社，2015.

[6]Opsahl T， Agneessens F， Skvoretz J. Node Centrality in Weighted Networks： Generalizing Degree and Shortest Paths[J]. Social Networks， 2010，32（3）：245-251.

[7]黃偉.西安市道路交通事故致因因素及對策研究[D].西安科技大學(xué)，2017.

[8]于會，劉尊，李勇軍.基于多屬性決策的復(fù)雜網(wǎng)絡(luò)節(jié)點重要性綜合評價方法[J].物理學(xué)報，2013，62（02）：54-62.