段雨陽，何雅琴

(武漢科技大學 汽車與交通工程學院，湖北 武漢 430065)

0 引言

與其他運輸實體相比，行人是最脆弱的交通參與者。《道路交通運輸安全發(fā)展報告》指出全球每年死于道路交通事故的人群中，行人占總死亡人數(shù)的22%[1]。交通事故具有隨機性，但從統(tǒng)計角度可知，1個地區(qū)在較長時域內(nèi)發(fā)生的交通事故特征存在一定潛在規(guī)律[2]，部分交通事故中的行人傷害并非巧合。因此，開發(fā)有效的建模方法以分析行人傷害嚴重程度的致因機理是交通安全領(lǐng)域的重點。

通過對人車碰撞事故嚴重程度致因進行分析發(fā)現(xiàn)，主要影響因素包括車速、碰撞角度和車身結(jié)構(gòu)[3]?，F(xiàn)有研究大多利用仿真平臺或邏輯回歸分析探究交通參與者狀態(tài)或碰撞速度對事故傷害風險的影響：Kong等[4]以行人年齡和碰撞速度為變量，建立行人傷害風險的多元邏輯回歸模型；Hussain等[5]運用多元回歸模型探究車輛撞擊速度與行人死亡風險間的關(guān)系；董傲然等[6]采用部分優(yōu)勢比模型和彈性分析探究人車碰撞中行人受傷嚴重程度的相關(guān)因素；蔣陽等[7]搭建人車碰撞仿真平臺，計算不同多元關(guān)聯(lián)因素影響下的行人運動學響應(yīng)及損傷程度；李丹等[8]建立人車正面碰撞仿真模型，研究行人不同運動狀態(tài)和車輛不同碰撞速度下行人動力學響應(yīng)情況。

一般不同車型安全性差距很大，因此，明確不同車型在道路交通事故中的風險差異，對于調(diào)整交通管理策略和設(shè)施設(shè)計標準十分必要。牛世峰等[9]引入車輛保護性和攻擊性指標，基于多分類有序Logit模型構(gòu)建城鄉(xiāng)結(jié)合地區(qū)7種主要車型安全性分析方法；李華等[10]以車速為變量設(shè)計仿真試驗，探究行人與轎車、SUV及客車3種不同車型碰撞事故中頭部損傷來源；聶進等[11]建立各類乘用車碰撞速度與行人傷亡風險的邏輯回歸模型，比較不同類型乘用車造成的事故傷亡風險；林慶豐等[12]基于Logistic模型對比分析，探究車輛間事故、人車事故和單車事故3類不同形態(tài)的公交事故嚴重程度影響因素間的異同性；楊文臣等[13]基于部分優(yōu)勢比模型和有序Logit模型，建立機動車之間、機動車與摩托車、機動車與非機動車3類交通事故嚴重度分析模型，發(fā)現(xiàn)不同交通方式下機動車碰撞事故嚴重度的影響因素存在明顯差異。

目前，針對不同車輛類型碰撞行人事故傷害性方面的研究，從人、車、路和環(huán)境等方面對不同車型碰撞行人事故嚴重程度影響因素的對比分析較少。因此，本文擬構(gòu)建小轎車、SUV、貨車3種車型的人車事故嚴重程度logistic模型，探究交通參與者屬性、道路因素、環(huán)境條件和事故特征對人車事故嚴重程度的影響及3種車型的人車事故顯著因素間的異同點，為交管部門制定人車碰撞事故防治措施，針對不同車型實施交通環(huán)境改善政策提供依據(jù)。

1 數(shù)據(jù)分析及處理

1.1 數(shù)據(jù)描述

數(shù)據(jù)來源于美國高速公路安全信息系統(tǒng)(HSIS)中公開的北卡羅來納州發(fā)生于2007—2016年的人車碰撞事故數(shù)據(jù)統(tǒng)計，共23 691起[14]，剔除無效信息，最終保留21 348起人車碰撞事故，其中小轎車行人事故、SUV行人事故以及貨車行人事故分別為12 196，4 070，5 082起。解釋變量類別包括事故類型、傷害嚴重等級、交通參與者的屬性特征、道路特征、車輛類型及環(huán)境特征等，其中，傷害嚴重等級按照事故記錄記為無傷害、輕傷、中傷、致殘傷害和致命傷害5類，3種車型事故在不同嚴重等級中的占比見表1。

由表1可得，貨車行人事故在致命傷害中的占比高于全體貨車事故在事故總數(shù)中的比例，表明貨車會增加人車事故致命傷害風險；小轎車會增加人車事故中輕傷的風險；SUV會增大致殘及致命傷害的風險。不同車型造成的傷害嚴重程度不同，因此，針對不同車型碰撞行人交通事故分別建模分析，有利于降低人車碰撞事故數(shù)據(jù)的異質(zhì)性，有效挖掘數(shù)據(jù)信息，為提高行人交通安全和降低事故嚴重性提供依據(jù)。

表1 3種車型事故在不同嚴重程度等級中的占比情況Table 1 Proportions of accidents with three types of vehicle in different severity levels %

1.2 變量選取

將上述5個事故嚴重等級作為因變量，其中無傷害、輕傷、中傷、致殘傷害、致命傷害分別取Y=1，2，3，4，5。根據(jù)事故記錄，從人、車、路、環(huán)境及事故特征5方面最終選取25個影響因素作為自變量。由于事故形式及事故時段分類較多，采用壓縮聚類法分別壓縮為5類和4類，詳細變量描述及賦值見表2。

表2 變量編碼及賦值Table 2 Coding and assignment of variables

2 人車碰撞事故嚴重程度logistic模型

2.1 累計logistic模型

設(shè)有序變量Y有J個等級，按順序Y取1，2，…，j，則累積logistic模型[15]如式(1)所示：

(1)

式中：Pj表示當有序變量Y的等級為j時的概率；X

注：*為變量對照組。

則累積logistic概率模型如式(2)所示：

(2)

2.2 模型構(gòu)建

利用數(shù)據(jù)分析軟件SAS對小轎車、SUV和貨車3種車型人車碰撞事故分別構(gòu)建累計logistic模型，采用逐步回歸法，取顯著性水平0.05，模型標定結(jié)果見表3。

表3 模型標定結(jié)果Table 3 Model calibration results

依據(jù)模型標定常數(shù)項和回歸系數(shù)，將數(shù)值代入式(2)得到不同事故嚴重程度等級下的累積概率：如P(Y≤1|X)表示嚴重程度為無傷害的人車碰撞事故發(fā)生概率。在P值<0.000 1的顯著性水平下，SUV行人無傷害事故預測模型如式(3)所示，其余模型同理可得。因此，無傷害事故概率預測值為P1=P(Y≤1|X)；輕傷事故概率預測值為P2=P(Y≤2|X)-P(Y≤1|X)；中傷事故概率預測值為P3=P(Y≤3|X)-P(Y≤2|X)；致殘事故概率預測值為P4=P(Y≤4|X)-P(Y≤3|X)；致命事故概率預測值為P5=1-P(Y≤4|X)。

表3(續(xù))

注：P值<0.05時表明該變量在95%的置信度下表現(xiàn)顯著，P值<0.1時表明該變量在90%的置信度下表現(xiàn)顯著。

(3)

2.3 模型檢驗

對3種不同車型的人車碰撞事故嚴重程度模型進行檢驗，其中，參數(shù)估計結(jié)果符合似然比檢驗和Wald檢驗，且P值均<0.000 1，說明擬合3種車型的模型整體通過檢驗；擬合優(yōu)度檢驗顯示模型擬合良好(pearson檢驗，P值均>0.05)；準確度檢驗顯示預測準確性較好(序次相關(guān)指標檢驗，小轎車、SUV和貨車3種模型c值分別為0.729 0、0.727 0、0.733 0，均>0.7)。

3 結(jié)果分析

由參數(shù)標定結(jié)果可得，對小轎車、SUV和貨車3種車型的人車碰撞事故嚴重程度均影響顯著的因素包括：是否有救援、事故形式、事故時段、道路限速、是否超速、道路等級、車道數(shù)量、行人年齡段和行人飲酒情況。其中，參數(shù)估計為負值，表明該情況下嚴重程度更高的事故發(fā)生概率會升高；參數(shù)估計為正值，表明對照組情況下事故更為嚴重。即事故后無及時救援、行人橫穿高速公路、道路限速值>55 km/h、超速駕駛、行人飲酒、行人年齡超過60歲時易發(fā)生更嚴重的人車事故。

3.1 事故特征顯著因素分析

3個模型中，行人橫穿高速公路、行人橫穿馬路時車輛直行、行人路況不明這3種情況會增加事故嚴重性，而行人亂竄、有特殊的中央分隔的情況僅會導致貨車行人事故中更為嚴重的傷害后果。研究顯示，超速駕駛會顯著增加3種車型碰撞行人事故嚴重性，其中超速駕駛與SUV事故嚴重程度相關(guān)性相對最大，超速駕駛發(fā)生的事故嚴重程度高出1個等級的可能性是未超速情形下的2.70倍(exp|0.994 9|)，故應(yīng)加強對車輛尤其是SUV超速駕駛的監(jiān)控與管理。

3.2 交通參與者屬性顯著因素分析

小轎車和SUV造成的事故嚴重程度與駕駛員屬性顯著相關(guān)，參數(shù)估計結(jié)果顯示，25歲以下的年輕駕駛員和駕駛員飲酒會增加小轎車和SUV事故的傷害嚴重性。此外，男性駕駛小轎車造成的人車碰撞事故中，傷害嚴重程度高1個等級的概率是女性駕駛員導致的事故的1.13倍；駕駛員屬性對貨車事故嚴重性無明顯影響，可能因為貨車駕駛員一般駕駛經(jīng)驗比較豐富，且其酒后駕駛的情況相對較少；但只有貨車事故中的駕駛員是否逃逸顯著影響事故傷害嚴重性，因此，交管部門和貨運公司應(yīng)協(xié)同加強貨車駕駛員的責任意識。

3.3 道路顯著因素分析

對于小轎車和SUV模型，限速值過高(≥55 km/h)或過低(<35 km/h)均會導致事故嚴重程度升高，故限速控制在35～55 km/h對于降低事故嚴重程度比較有利。貨車模型中限速值過高會加重貨車事故的嚴重性，因此，對于貨車的限速管理應(yīng)控制在較低速度水平。

道路等級對事故嚴重程度也有一定影響。小轎車在私人車道上更易發(fā)生嚴重性較高的事故，SUV在州際公路上有較大風險遭受更嚴重的人車碰撞事故。對于發(fā)生在不同等級道路上的貨車行人事故，國道、2級公路和地方街道上的事故嚴重性較低，州際公路和私人車道上發(fā)生的事故嚴重性較高(相對于公共車輛區(qū)域)。

道路分隔情況僅對小轎車事故嚴重性影響顯著，單向無分隔比雙向無分隔的事故嚴重程度低，而雙向有中央隔離帶的道路上發(fā)生嚴重事故的概率比雙向無分隔的情況下高1.12倍。說明行人翻越中央分隔帶的違章行為會增加小轎車事故的傷害嚴重性。

路面材料和道路線形僅顯著影響貨車事故嚴重性，在沙土或碎石路面上發(fā)生的事故嚴重程度高出1個等級的可能性是在瀝青路上的1.29倍；在彎曲路段上嚴重程度高出1個等級的概率是平直路段情形下的1.39倍。

交通管控情況是小轎車和貨車模型中的顯著因素，信號燈控制會顯著降低小轎車事故嚴重性，而雙黃線無行人通過區(qū)情況下小轎車、貨車事故嚴重程度高出1個等級的概率分別是無交通管控情形下的1.33，1.36倍。由此可見，在設(shè)有雙黃線的道路上應(yīng)根據(jù)實際需求增設(shè)人行過街設(shè)施，以此降低行人過街受傷風險。

3.4 環(huán)境條件顯著因素分析

事故時段對3個模型均顯著，相對于在9～16點發(fā)生的人車碰撞事故，1點、3～5點發(fā)生的事故嚴重性更高。且1點、3～5點事故時段在貨車模型中最顯著，這是緣于凌晨時段多為貨車通勤，1點和3～5點時發(fā)生的事故嚴重程度高出1個等級的可能性是9～16點時段下的1.97倍。

地形因素僅影響小轎車和SUV碰撞行人事故嚴重性，小轎車在山麓地區(qū)發(fā)生嚴重事故的風險將增大；小轎車和SUV在沿海地區(qū)發(fā)生的行人碰撞事故嚴重程度均較低，這與當?shù)匮睾^(qū)域較高道路等級和較優(yōu)駕駛環(huán)境相關(guān)。

事故發(fā)生區(qū)僅在貨車模型中表現(xiàn)顯著，在居民區(qū)、商業(yè)區(qū)、工業(yè)區(qū)發(fā)生的貨車碰撞行人事故嚴重程度依次升高，這可能因為貨車在商業(yè)區(qū)和工業(yè)區(qū)出現(xiàn)頻次較高，且其在工業(yè)區(qū)車速會更高。

4 結(jié)論

1)基于累計logistic模型得出小轎車、SUV和貨車3種車型的人車碰撞事故嚴重程度顯著因素，通過對比分析發(fā)現(xiàn)涉及不同車型的人車碰撞事故嚴重程度影響因素之間存在異同性。檢驗結(jié)果顯示，累計logistic模型可有效進行不同車型的人車碰撞事故嚴重程度分析。

2)對3種類型事故嚴重程度均影響顯著的因素包括：是否有救援、事故形式、事故時段、道路限速、是否超速、道路等級、車道數(shù)量、行人年齡段和行人飲酒情況；駕駛員年齡段、性別和飲酒情況僅對小轎車和SUV造成的人車事故嚴重程度有影響；貨車碰撞行人的事故更易受到外界因素影響，如照明條件、路面材料等。

3)本文研究受事故數(shù)據(jù)限制，未考慮駕駛員是否疲勞駕駛、交通參與者中的過錯方等因素影響，后續(xù)將采集更為全面的交通事故信息做進一步研究。