裴瑩瑩 王雪松 楊敏明 高巖

摘 要：為提升城市交通安全管理水平，對(duì)我國(guó)12個(gè)典型大城市的交通事故變化趨勢(shì)以及安全影響因素進(jìn)行了縱向分析和橫向?qū)Ρ?。建立了多元線性回歸模型，探討路網(wǎng)特征、出行方式結(jié)構(gòu)等重要影響因素的作用效應(yīng)。結(jié)果表明：不同城市的交通安全發(fā)展呈現(xiàn)出規(guī)律性特征，科學(xué)緊湊的交通路網(wǎng)布局有利于提升交通系統(tǒng)的安全性能；增大集約型公交出行比例和慢行交通出行比例將有效降低城市交通事故死亡率。

關(guān)鍵詞：道路交通安全；對(duì)比分析；路網(wǎng)特征；出行方式結(jié)構(gòu)

基金項(xiàng)目：道路交通安全“十四五”規(guī)劃（2020SJD06）；道路安全現(xiàn)狀分析與對(duì)策建議研究

Comparative analysis of traffic safety characteristics of typical metropolis in China

PEI Yingying1，WANG Xuesong1，YANG Minming2，GAO Yan3

（1.Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China；2.China Academy of Urban Planning & Design，Hhanghai Branch，Shanghai 200335，China；3.Traffic Management Research Institute of the Ministry of Public Security，Wuxi 214151，China）

Abstract： To improve the urban traffic safety management， this study conducted city-level traffic safety comparison and analysis in 12 Chinese cities. Multivariate linear regression model was used to explore the potential impacts of several key factors on traffic safety， such as the road network characteristics and different travel mode shares. Modeling results showed that the development of traffic safety in different cities have regularity characteristics. Narrow roads and dense networks have potential strength in enhancing the traffic safety performance. Higher proportion of public transport and nonmotorized traffic were associated with less traffic fatality rate.

Keywords： Road traffic safety； comparison and analysis； road network； travel mode shares

道路交通安全水平是影響居民出行和城市發(fā)展的重要因素之一。提升道路交通安全水平，不僅是經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的基本保障，也是交通強(qiáng)國(guó)“安全強(qiáng)本”的根本要求。近年來，我國(guó)大城市交通安全發(fā)展呈現(xiàn)出差異化的特征。2019年，北京、廣州道路交通十萬人死亡率分別為5.8和7.5，約為深圳、重慶等其它超大城市的2-3倍，交通安全狀況不容樂觀。

當(dāng)前，我國(guó)城鎮(zhèn)化已由單個(gè)城市主導(dǎo)轉(zhuǎn)變?yōu)橐源蟪鞘袨楹诵?、城市網(wǎng)絡(luò)化的都市圈發(fā)展為主導(dǎo)的階段，城市群一體化成為了未來創(chuàng)新發(fā)展的驅(qū)動(dòng)力。各個(gè)城市扮演的角色不再是孤立靜止的，應(yīng)積極對(duì)標(biāo)先進(jìn)、互聯(lián)共通，通過將不同城市置于同一維度，分析其交通安全特征的異同點(diǎn)，總結(jié)先進(jìn)城市交通安全管理經(jīng)驗(yàn)，形成交通安全改善對(duì)策，提升精細(xì)化交通治理能力。

1交通安全特征分析基礎(chǔ)數(shù)據(jù)

相比于西方發(fā)達(dá)國(guó)家，我國(guó)現(xiàn)代化發(fā)展起步較晚。國(guó)內(nèi)城市的交通安全發(fā)展階段無法同國(guó)外城市相匹配，加之許多國(guó)外城市的人口-經(jīng)濟(jì)-社會(huì)指標(biāo)以及交通出行環(huán)境顯著與國(guó)內(nèi)城市顯著不同。因此，本文主要著眼于國(guó)內(nèi)，選取12個(gè)代表性城市進(jìn)行城市整體層面的交通安全特征對(duì)比與分析。

1.1樣本城市選取

根據(jù)我國(guó)各個(gè)城市歷年發(fā)布的統(tǒng)計(jì)年鑒，選取2018年經(jīng)濟(jì)總量（GDP）排名前十五位的11個(gè)城市：上海、北京、深圳、廣州、重慶、天津、蘇州、成都、武漢、青島、寧波?？紤]到這些城市均位于中東部地區(qū)，因而補(bǔ)充經(jīng)濟(jì)總量排位在全國(guó)第20名左右的西北部城市陜西西安，合計(jì)12個(gè)城市（見圖1）。

可以看出，除了少數(shù)內(nèi)陸省會(huì)城市，我國(guó)經(jīng)濟(jì)發(fā)達(dá)的城市大多位于東部沿海地區(qū)。這些城市人口數(shù)量較多，經(jīng)濟(jì)生產(chǎn)活躍，交通出行需求大。研究這些體量龐大的城市，能夠反映出我國(guó)城市現(xiàn)代化進(jìn)程中存在的主要矛盾與問題，有利于科學(xué)把握城市交通安全變化規(guī)律和階段特征；并且，相關(guān)結(jié)論對(duì)中小城市未來的建設(shè)發(fā)展具有積極意義。

1.2交通事故數(shù)據(jù)對(duì)比

城市交通安全核心指標(biāo)是交通事故的發(fā)生數(shù)以及由此造成的人員傷亡。由于統(tǒng)計(jì)口徑的變更，以及部分城市事故數(shù)據(jù)記錄缺失、漏報(bào)、誤報(bào)情況嚴(yán)重，各城市統(tǒng)計(jì)年鑒中的事故總數(shù)和受傷人數(shù)波動(dòng)較大、且真實(shí)性難以保證。相比之下，交通事故死亡人數(shù)更能反映城市交通安全狀況。不同城市人口、汽車保有量差異較大，僅用絕對(duì)指標(biāo)死亡人數(shù)進(jìn)行比較顯然是不全面的，因而選取相對(duì)指標(biāo)交通事故十萬人死亡率和萬車死亡率表征各城市的安全性。

1.2.1十萬人死亡率

圖1是12個(gè)城市2010—2018年交通事故十萬人死亡率的趨勢(shì)對(duì)比情況，幾乎所有城市事故十萬人死亡率均呈現(xiàn)穩(wěn)定下降的趨勢(shì)。12個(gè)城市中，廣州降幅最大，重慶、武漢相對(duì)穩(wěn)定。截至2018年底，深圳是所有城市十萬人死亡率最低的，僅為2.19；北京、寧波依然處于高位，超過6.0。

1.2.2萬車死亡率

圖2是12個(gè)城市2010—2018年交通事故萬車死亡率的趨勢(shì)對(duì)比情況。12個(gè)城市中，深圳、青島、西安等下降幅度較大；北京、成都總體相對(duì)穩(wěn)定。截至2018年底，深圳依然是表現(xiàn)最佳的城市，萬車死亡率僅為0.85；北京、廣州、天津依然處于高位，萬車死亡率在2.0以上。

1.3交通安全影響因素統(tǒng)計(jì)

城市交通安全影響因素眾多，難以全面覆蓋。并且，時(shí)間序列數(shù)據(jù)有時(shí)比較稀缺。例如，城市交通出行方式結(jié)構(gòu)數(shù)據(jù)僅在少數(shù)年份調(diào)查采集。因此，僅使用2017年和2018年兩年的數(shù)據(jù)，對(duì)城市形態(tài)、路網(wǎng)特征、交通出行方式結(jié)構(gòu)、交通運(yùn)行（擁堵）狀況等重要影響因素進(jìn)行解析，其描述性統(tǒng)計(jì)結(jié)果如表1所示。

之所以選取這些自變量，是因?yàn)樗鼈兡軌蚍从吵鞘薪煌ㄏ到y(tǒng)最核心的運(yùn)作機(jī)理。例如，路網(wǎng)特征決定了城市交通的出行路徑和安全風(fēng)險(xiǎn)，不同類別的城市路網(wǎng)可能對(duì)應(yīng)著不同的安全表現(xiàn)；又如，交通出行方式結(jié)構(gòu)（集約型公交、個(gè)體機(jī)動(dòng)、慢行交通）的安全表現(xiàn)也可能具有顯著差異，城市可以根據(jù)自身特點(diǎn)倡導(dǎo)合理的交通出行方式結(jié)構(gòu)。

2多元線性回歸模型構(gòu)建

本文利用Stata 13.0？軟件進(jìn)行多元線性模型參數(shù)估計(jì)。采用的估計(jì)方法為逐步回歸法[1]（Stepwise Regression Method），即把可選擇的解釋變量逐個(gè)引入模型，每引入一個(gè)變量后進(jìn)行F檢驗(yàn)判別模型顯著性，同時(shí)對(duì)已選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn)，當(dāng)原解釋變量因新變量引入而變得不再顯著時(shí)，則將其刪除，確保每次引入新變量之前回歸方程中只包含顯著性變量。依照上述思想，最終模型中解釋變量既是重要的，又不存在嚴(yán)重多重共線性?？紤]到三類交通出行方式比例加起來等于100%，存在共線性問題，因此模型中僅納入集約型公交和慢行交通出行比例兩個(gè)變量。

3模型結(jié)果

3.1模型參數(shù)估計(jì)結(jié)果

運(yùn)行Stata程序，將自變量剔除的顯著性閾值設(shè)定為0.1，得到兩個(gè)模型的參數(shù)估計(jì)結(jié)果如表2所示。

依據(jù)方差膨脹因子[1]（Variance Inflation Factor，VIF），對(duì)模型結(jié)果包含的變量進(jìn)行多重共線性檢驗(yàn)。VIF是將存在多重共線性時(shí)回歸系數(shù)估計(jì)量的方差與不存在多重共線性時(shí)回歸系數(shù)估計(jì)量的方差對(duì)比而得出的比值。當(dāng)VIF<3，認(rèn)為不存在多重共線性。計(jì)算結(jié)果顯示，在因變量為十萬人死亡率的模型中，三個(gè)自變量的VIF依次為1.62，1.60，1.05；在因變量為萬車死亡率的模型中，兩個(gè)自變量的VIF依次為1.59，1.59，可見上述兩個(gè)模型均不存在多重共線性問題。

3.2模型結(jié)果分析

城市建成區(qū)路網(wǎng)密度、集約型公交出行比例、慢行交通出行比例為顯著變量。其中，建成區(qū)路網(wǎng)密度在十萬人死亡率模型中表現(xiàn)顯著，而集約型公交出行比例和慢行交通出行比例在兩個(gè)模型中均為顯著變量。

3.2.1路網(wǎng)密度

路網(wǎng)密度的系數(shù)為負(fù)（β2=-0.3523），表明隨著城市建成區(qū)路網(wǎng)密度的增大，交通事故十萬人死亡率將有所下降。道路網(wǎng)密度是反映城市交通網(wǎng)絡(luò)十分重要的特征。既有研究表明，路網(wǎng)密度的增加有利于提高交通效率[2]，優(yōu)化城市交通系統(tǒng)運(yùn)行[3]。從交通安全角度考慮，高密度路網(wǎng)往往具有更高的通達(dá)性[4]，增加了交通組織的多樣性，大量交通流需要在交叉口完成路徑再選擇，這在很大程度上降低了交通流的運(yùn)行速度，削弱了交通事故發(fā)生時(shí)的嚴(yán)重程度，從而減少事故死亡人數(shù)。此外，路網(wǎng)密度高的城市，其主、次干路和支路的級(jí)配通常更為合理，提升了道路系統(tǒng)的靈活性和友好性，有利于減少道路總體風(fēng)險(xiǎn)[5]。

3.2.2交通出行方式結(jié)構(gòu)

集約型公交出行比例、慢行交通出行比例在兩個(gè)模型中的系數(shù)均為負(fù)（β3=-0.1973和-0.0590，β5=-0.2110和-0.0854），表明集約型公交出行比例和慢行交通出行比例的增大將有效減少降低城市交通事故死亡率。模型結(jié)果與當(dāng)下倡導(dǎo)“公交優(yōu)先”“綠色出行”的理念是相符的。城市居民選擇公交、非機(jī)動(dòng)車、步行方式出行，可以有效減少路網(wǎng)機(jī)動(dòng)車流量以及小汽車交通周轉(zhuǎn)量，降低了個(gè)體機(jī)動(dòng)化出行強(qiáng)度[6]。對(duì)整個(gè)交通系統(tǒng)層面而言，個(gè)體機(jī)動(dòng)化出行比例的降低，不僅可以減少機(jī)動(dòng)化交通工具與弱勢(shì)道路使用者（行人、非機(jī)動(dòng)車騎行者等）的碰撞風(fēng)險(xiǎn)，還可以鼓勵(lì)更多出行者選擇非機(jī)動(dòng)化出行方式，促進(jìn)交通系統(tǒng)功能運(yùn)轉(zhuǎn)的良性循環(huán)[7]。

3.3各城市交通安全特征討論

多元線性回歸結(jié)果表明，科學(xué)緊湊的交通路網(wǎng)布局和良好的交通出行方式結(jié)構(gòu)有利于提升交通系統(tǒng)的安全性能。結(jié)合樣本城市自身特點(diǎn)，對(duì)比各個(gè)城市的安全表現(xiàn)，可以挖掘出更多的信息。

圖3顯示了各個(gè)城市2019年中心城區(qū)建成區(qū)路網(wǎng)密度。可以看到，深圳市路網(wǎng)密度最高，位列12個(gè)樣本城市之首。與之相對(duì)應(yīng)的是，以十萬人死亡率為標(biāo)準(zhǔn)進(jìn)行安全表現(xiàn)排名，深圳也是位列第一。與深圳類似，上海、重慶等城市的安全表現(xiàn)與路網(wǎng)密度也有較大的正相關(guān)性。相反地，北京、蘇州等城市路網(wǎng)密度較低，交通安全總體表現(xiàn)也比較一般。

盡管一些城市的路網(wǎng)密度與交通安全表現(xiàn)并沒有很強(qiáng)的相關(guān)性，但尺度適宜、級(jí)配合理的高密度依然是值得推崇的。根據(jù)2016年國(guó)務(wù)院發(fā)布的《關(guān)于進(jìn)一步加強(qiáng)城市規(guī)劃建設(shè)管理工作的若干意見》，到2020年，我國(guó)城市建成區(qū)平均道路網(wǎng)密度要提高到8公里/平方公里。然而，至2019年底，樣本城市中僅深圳、成都兩個(gè)達(dá)到這一指標(biāo)，大部分城市距離達(dá)標(biāo)還有較大差距。因此，我國(guó)城市必須加強(qiáng)街區(qū)規(guī)劃和建設(shè)，努力解決交通路網(wǎng)布局問題，盡快實(shí)現(xiàn)“窄馬路、密路網(wǎng)”的要求。

圖4顯示了各個(gè)城市2019年三類交通出行方式占比情況。深圳市慢行交通出行比例最高，以十萬人死亡率和萬車死亡率為指標(biāo)的平均安全排名也最好。相比較而言，諸如北京、寧波、廣州等城市，個(gè)體機(jī)動(dòng)化出行比例較高，總體交通安全情況也不容樂觀。

公共交通和慢行交通是現(xiàn)代城市交通倡導(dǎo)的出行方式。公共交通可以節(jié)約道路交通資源，緩解交通擁堵局面，為交通安全提升創(chuàng)造了十分有利的條件；而慢行交通強(qiáng)調(diào)了各類出行方式的公平性，是城市建設(shè)“以人為本”的良好體現(xiàn)，保障了弱勢(shì)道路使用者的安全性，對(duì)降低交通事故死亡有著直接效益。如果城市形成了“以人為本、公交優(yōu)先保障”的交通出行方式結(jié)構(gòu)，那么不同交通方式之間的協(xié)調(diào)銜接性將有效增強(qiáng)，而城市交通系統(tǒng)調(diào)度調(diào)控的靈活性和魯棒性也將有所提升。較高且適宜的公共交通和慢行交通出行比例，正是保持交通系統(tǒng)高效、安全運(yùn)行的穩(wěn)定劑。

4結(jié)語(yǔ)

本文選取了12個(gè)中國(guó)典型大城市，進(jìn)行交通安全特征對(duì)比與分析。采用交通事故十萬人死亡率和萬車死亡率兩個(gè)指標(biāo)，探究樣本城市近年來的交通安全狀況。利用12個(gè)城市2年的橫截面數(shù)據(jù)，建立了多元線性回歸模型，分析了路網(wǎng)特征和交通出行方式結(jié)構(gòu)等因素的作用效應(yīng)。建模結(jié)果同近年來各地倡導(dǎo)的“窄馬路、密路網(wǎng)”“公交優(yōu)先”和“綠色出行”等交通發(fā)展內(nèi)涵相吻合。城市應(yīng)該繼續(xù)秉持這些科學(xué)合理的交通建設(shè)理念，不斷提升交通安全水平。

參考文獻(xiàn)

[1] 冷建飛，高旭，朱嘉平. 多元線性回歸統(tǒng)計(jì)預(yù)測(cè)模型的應(yīng)用 [J]. 統(tǒng)計(jì)與決策，2016（07）： 82-85.

[2] WANG X， ZHOU Q， YANG J， et al. Macro-level traffic safety analysis in Shanghai， China [J]. Accident Analysis & Prevention， 2019（125）： 249-256.

[3] MOHAN D， BANGDIWALA S I， VILLAVECES A. Urban street structure and traffic safety [J]. Journal of Safety Research. 2017（62）：63-71.

[4] WANG X， YUAN J， SCHULTZ G G. Investigating the safety impact of roadway network features of suburban arterials in Shanghai [J]. Accident Analysis& Prevention. 2018（113）： 137-148.

[ 5 ] W A N G X ， W U X ， T R E M O N T P ， e t a l . Investigation of Road Network Features and Safety Performance [J]. Accident Analysis & Prevention， 2013（56）： 22-31.

[6] 卓健. 城鄉(xiāng)交通與市政基礎(chǔ)設(shè)施 [J]. 城市規(guī)劃學(xué)刊，2020（04）： 120-121.

[7] TIWARI G， JAIN D， RAO K R. Impact of public transport and non-motorized transport infrastructure on travel mode shares， energy， emissions and safety： case of Indian cities [J]. Transportation Research Part D： Transport and Environment. 2015（44）： 277-291.