施 穎，潘義勇，吳靜婷SHI Ying, PAN Yiyong, WU Jingting

（南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037）

0 引 言

道路交通事故是世界范圍內(nèi)引人關(guān)注的問(wèn)題（世界衛(wèi)生組織2018 年），根據(jù)人口和行駛里程的不同，農(nóng)村地區(qū)的交通事故比城市地區(qū)更嚴(yán)重。校車是道路交通的重要組成部分之一，且校車行業(yè)發(fā)展存在滯后性、校車管理還不完善，校車事故頻發(fā)，受到社會(huì)各界廣泛關(guān)注。鑒于農(nóng)村和城市地區(qū)的駕駛環(huán)境、校車發(fā)展運(yùn)營(yíng)條件的不同，深入分析農(nóng)村和城市校車事故傷害嚴(yán)重程度致因并進(jìn)行對(duì)比，對(duì)改善校車交通安全、指導(dǎo)實(shí)施交通安全管理政策具有重要意義。

國(guó)內(nèi)外學(xué)者對(duì)校車事故展開(kāi)了研究。Li 等分析校車事故時(shí)空分布特點(diǎn)；王燕等調(diào)研具體案例，對(duì)校車事故安全管理宏觀政策進(jìn)行研究；陳濤等對(duì)中美校車安全標(biāo)準(zhǔn)進(jìn)行比較研究；Hu 等針對(duì)中國(guó)發(fā)生的校車安全事件從發(fā)生年月、地區(qū)等進(jìn)行調(diào)查；Wu 等建立貝葉斯網(wǎng)絡(luò)（BN） 模型，基于故障樹(shù)分析方法對(duì)校車安全事故進(jìn)行研究。針對(duì)校車事故分析主要在定性分析和宏觀政策研究層面展開(kāi)，針對(duì)城市和農(nóng)村校車事故傷害嚴(yán)重程度致因的對(duì)比研究還比較少。

農(nóng)村和城市地區(qū)事故傷害嚴(yán)重程度研究成果豐富。趙丹等基于雙變量Probit 對(duì)農(nóng)村公路交叉口事故特征與風(fēng)險(xiǎn)因素進(jìn)行分析；MA 等基于偏比例優(yōu)勢(shì)模型對(duì)農(nóng)村雙車道公路交通事故致因進(jìn)行分析；戢曉峰等基于廣義有序Logit 模型研究超大城市晝夜交通事故特征；ISLAM 等基于混合Logit 模型對(duì)比農(nóng)村和城市道路中摩托車事故嚴(yán)重程度影響因素。上述研究均未涉及城市和農(nóng)村校車事故傷害嚴(yán)重程度影響因素的研究。

綜上所述，采用混合Logit 模型，針對(duì)城市和農(nóng)村校車事故進(jìn)行對(duì)比分析和異質(zhì)性探索具有實(shí)際意義。首先，闡述混合Logit 模型基本原理；第二，基于2018～2019 年美國(guó)某州校車事故數(shù)據(jù)，從人、車、路、環(huán)境四個(gè)方面，構(gòu)建能夠反映事故數(shù)據(jù)異質(zhì)性的城市和農(nóng)村校車事故模型，進(jìn)行參數(shù)估計(jì)和模型檢驗(yàn)；第三，對(duì)比分析城市和農(nóng)村校車事故傷害嚴(yán)重程度致因，為改善校車交通安全提供依據(jù)。

1 模型理論

1.1 混合Logit 模型

混合Logit 模型是一種包含固定參數(shù)和隨機(jī)參數(shù)的高度靈活的模型，從多項(xiàng)Logit 模型演化而來(lái)，解決了多項(xiàng)式Logit 模型未能考慮個(gè)體差異性與IIA 假設(shè)的限制。校車事故n 為傷害嚴(yán)重程度i 的效用函數(shù)見(jiàn)式（1）。

式中：X為解釋變量，β為對(duì)應(yīng)的待估參數(shù)，ε為捕獲未觀測(cè)特性影響的誤差項(xiàng)。如果誤差項(xiàng)是獨(dú)立同分布的廣義極值，則得到的模型是多項(xiàng)式Logit 模型，其選擇概率見(jiàn)式（2）。

式中：P（i ）為校車事故n 為傷害嚴(yán)重程度i 的概率。

為了捕捉由于隨機(jī)性所導(dǎo)致的未觀察到的異質(zhì)性的影響，將式（2） 擴(kuò)展到混合Logit 模型公式，見(jiàn)式（3）。

式中：f （β|? ）為β的概率密度函數(shù)，? 為參數(shù)向量。

1.2 邊際效應(yīng)分析

邊際效應(yīng)分析能夠直觀地解釋顯著變量對(duì)校車事故傷害嚴(yán)重程度概率結(jié)果變化的影響，將與校車事故傷害嚴(yán)重程度相關(guān)的所有的解釋變量表示為0～1 變量，邊際效應(yīng)計(jì)算公式見(jiàn)式（4）。

2 數(shù)據(jù)描述

數(shù)據(jù)來(lái)源于美國(guó)某州的交通數(shù)據(jù)庫(kù)。經(jīng)過(guò)提取和數(shù)據(jù)清理，最終選取2018～2019 年該州2 416 起校車事故數(shù)據(jù)。結(jié)合校車事故傷害嚴(yán)重程度特征，將原始數(shù)據(jù)分為3 個(gè)等級(jí)：A（死亡、嚴(yán)重傷害和非失能性傷害）、B（可能傷害） 和C（未受傷）。為探討城市地區(qū)和農(nóng)村地區(qū)校車事故傷害嚴(yán)重程度致因差異，將城市和農(nóng)村地區(qū)事故數(shù)據(jù)進(jìn)行對(duì)比，見(jiàn)圖1、圖2。城市地區(qū)發(fā)生的校車事故數(shù)量較農(nóng)村地區(qū)多，但是農(nóng)村地區(qū)校車事故傷害嚴(yán)重程度較城市地區(qū)略高。

圖1 城市農(nóng)村地區(qū)總事故數(shù)對(duì)比

圖2 城市農(nóng)村地區(qū)不同傷害等級(jí)事故占比對(duì)比

將校車事故傷害嚴(yán)重程度作為因變量，分別從人（性別、年齡、是否使用安全帶、不安全駕駛行為）、車（安全氣囊狀態(tài)、涉事車輛數(shù)）、路（道路限速值、控制方式、是否在交叉口、道路線形） 以及環(huán)境（光線條件、是否在學(xué)校區(qū)域、路表干濕狀況） 四個(gè)方面選取13 個(gè)影響因素作為自變量。統(tǒng)計(jì)信息見(jiàn)表1。

表1 變量統(tǒng)計(jì)信息

3 參數(shù)標(biāo)定

利用處理得到的校車事故數(shù)據(jù)，將挑選出的自變量代入混合Logit 模型進(jìn)行標(biāo)定，可以發(fā)現(xiàn)城市和農(nóng)村地區(qū)校車傷害嚴(yán)重程度致因有較大差別。在90%置信水平下，城市地區(qū)模型的χ值為721.58，自由度為13，大于臨界值19.812，模型整體有效性通過(guò)；農(nóng)村地區(qū)模型的χ值為1 907.36，自由度為12，大于臨界值18.549，模型整體有效性通過(guò)，結(jié)果見(jiàn)表2 和表3。結(jié)果顯示，對(duì)于城市地區(qū)，“不在學(xué)校區(qū)域”參數(shù)服從正態(tài)分布；對(duì)于農(nóng)村地區(qū)，“駕駛員年齡35～44 歲”參數(shù)服從正態(tài)分布。

表2 城市地區(qū)校車事故傷害嚴(yán)重程度模型標(biāo)定

表3 農(nóng)村地區(qū)校車事故傷害嚴(yán)重程度模型標(biāo)定

4 對(duì)比分析

4.1 異質(zhì)性結(jié)果對(duì)比分析

城市和農(nóng)村地區(qū)校車事故傷害程度模型分別識(shí)別出1 個(gè)隨機(jī)參數(shù)，見(jiàn)圖3 和圖4。

城市地區(qū)校車事故傷害程度模型結(jié)果顯示，“不在學(xué)校區(qū)域”對(duì)應(yīng)參數(shù)服從均值-4.478，標(biāo)準(zhǔn)差3.145 的正態(tài)分布，見(jiàn)圖3。該參數(shù)小于0 的概率為92.28%，即相比于在學(xué)校區(qū)域，92.28%的非學(xué)校區(qū)域不易發(fā)生傷害事故，7.72%的非學(xué)校區(qū)域較易發(fā)生可能傷害事故，潛在原因是非學(xué)校區(qū)域交通管理相對(duì)于學(xué)校區(qū)域不嚴(yán)格，但是不管是學(xué)校還是非學(xué)校區(qū)域，美國(guó)針對(duì)校車的相關(guān)法律法規(guī)相對(duì)完善，從而導(dǎo)致異質(zhì)性結(jié)果。

圖3 “不在學(xué)校區(qū)域”參數(shù)分布

農(nóng)村地區(qū)校車事故傷害程度模型結(jié)果顯示，“駕駛員年齡35～44 歲”對(duì)應(yīng)參數(shù)服從均值1.244，標(biāo)準(zhǔn)差1.442 的正態(tài)分布，見(jiàn)圖4。該參數(shù)小于0 的概率為19.42%，即相比于小于25 歲的駕駛員，19.42%的35～44 歲駕駛員不易發(fā)生傷害事故，80.58%的35～44 歲駕駛員較易不發(fā)生傷害事故，可能原因是該年齡段的校車駕駛員身體機(jī)能較好、反應(yīng)速度也較快，但農(nóng)村地區(qū)車輛較少、路況復(fù)雜程度低，部分駕駛員難免存在激進(jìn)駕駛行為，從而導(dǎo)致異質(zhì)性結(jié)果。

圖4 “駕駛員年齡33～44 歲”參數(shù)分布

4.2 同種因素對(duì)比分析

根據(jù)結(jié)果可知，安全氣囊狀態(tài)、道路限速值、控制方式、光線條件和不安全駕駛行為對(duì)城市和農(nóng)村校車事故傷害嚴(yán)重程度均有影響，但影響程度不同。

安全氣囊打開(kāi)與城市地區(qū)死亡受傷事故呈正相關(guān)，與農(nóng)村地區(qū)未受傷事故呈負(fù)相關(guān)。邊際效應(yīng)顯示，安全氣囊打開(kāi)狀態(tài)下，城市和農(nóng)村地區(qū)死亡受傷事故分別增加2.66%和0.98%、可能傷害事故分別降低0.29%和增加1.88%、未受傷事故概率分別降低2.37%和2.86%，城市和農(nóng)村地區(qū)安全氣囊打開(kāi)造成的事故傷害程度都較高，可能原因是氣囊起爆造成的二次傷害；事故存在翻車、嚴(yán)重側(cè)向碰撞等情況。有研究表明，校車事故中兒童頭頸部更容易受到傷害，安全氣囊打開(kāi)，對(duì)兒童頭頸部可能造成傷害；乘車兒童常存在離位情況，安全氣囊的作用受到限制。

道路限速值大于60km/h 與城市地區(qū)死亡傷害事故呈正相關(guān)，死亡受傷事故概率增加1.85%；道路限速值40～50km/h 與農(nóng)村地區(qū)未受傷害事故呈負(fù)相關(guān)，未受傷事故降低2.38%，死亡受傷事故增加0.85%，可以發(fā)現(xiàn)無(wú)論城市還是農(nóng)村限速值越大，發(fā)生的校車事故傷害嚴(yán)重程度越高，原因是車輛速度越高，制動(dòng)距離和制動(dòng)時(shí)間都增大。

道路控制方式為中央分隔帶與城市可能傷害事故呈正相關(guān)，可能傷害事故增加2.15%，未受傷事故、死亡受傷事故概率降低0.48%、1.67%，中央分隔帶為物理隔離，能有效降低重大事故的損失；與農(nóng)村未受傷事故呈負(fù)相關(guān)，未受傷事故概率降低0.91%，可能傷害事故、死亡受傷事故增加0.56%、0.35%，可以發(fā)現(xiàn)該因素導(dǎo)致的農(nóng)村校車事故傷害嚴(yán)重程度更高，可能原因是中央分隔帶的存在，導(dǎo)致農(nóng)村駕駛員行車疏忽或可能存在側(cè)向碰撞、翻車事故。控制方式為車道標(biāo)線與農(nóng)村未受傷事故呈負(fù)相關(guān)，未受傷事故發(fā)生概率降低2.62%，可能傷害事故、死亡受傷事故發(fā)生概率分別增加1.68%和0.94%，潛在原因是車道標(biāo)線不是物理隔離，僅能達(dá)到簡(jiǎn)單的車流隔離作用，且農(nóng)村地區(qū)車流較少，容易導(dǎo)致一些車輛疏忽行駛，影響校車行車，增加事故傷害程度。

黃昏/黎明與城市可能傷害事故呈正相關(guān)，發(fā)生可能傷害事故增加0.9%，可能原因是黃昏/黎明時(shí)光線較暗，導(dǎo)致事故發(fā)生，但駕駛員謹(jǐn)慎駕駛，降低了死亡受傷事故概率；夜晚無(wú)燈與農(nóng)村未受傷事故呈負(fù)相關(guān)，未受傷事故概率降低2.45%，可能傷害事故、死亡受傷事故增加0.35%、0.21%，以往研究表明，由于夜間駕駛更謹(jǐn)慎，死亡事故發(fā)生概率降低，與農(nóng)村校車事故不一致，可能原因是夜晚農(nóng)村車流較少，導(dǎo)致駕駛員疏忽。

不安全駕駛行為未能讓出道路優(yōu)先權(quán)與農(nóng)村未受傷事故呈負(fù)相關(guān)，未受傷事故概率降低1.56%，可能傷害事故、死亡受傷事故概率增加0.87%、0.69%；不安全車速與農(nóng)村可能傷害事故呈正相關(guān)，可能傷害事故概率增加2.13%，可能原因是農(nóng)村地區(qū)車輛較少，車況沒(méi)有城市復(fù)雜，且管理相對(duì)城市較松，容易導(dǎo)致超速行車，不顧道路優(yōu)先權(quán)行車，增加事故傷害嚴(yán)重程度。不安全時(shí)倒車轉(zhuǎn)彎、未按規(guī)定車道行駛、其他（飲酒等） 與城市未受傷事故呈正相關(guān)，發(fā)生未受傷事故概率分別增加0.57%、0.36%和1.25%，分心駕駛與城市可能傷害事故呈負(fù)相關(guān)，可能傷害事故概率降低0.79%；與農(nóng)村死亡受傷事故呈負(fù)相關(guān)，死亡受傷事故概率降低0.35%，不按規(guī)定車道行車是一種危險(xiǎn)的車道偏離行為，飲酒、分心駕駛?cè)菀讓?dǎo)致面對(duì)突發(fā)情況時(shí)反應(yīng)速度降低?？梢园l(fā)現(xiàn)，上述不安全駕駛行為導(dǎo)致的城市和農(nóng)村事故傷害程度不高，與經(jīng)驗(yàn)相反?？紤]到美國(guó)校車的堅(jiān)固程度、相關(guān)法律法規(guī)的嚴(yán)格程度，且校車駕駛員在發(fā)現(xiàn)情況處理能力更強(qiáng)，加上其他社會(huì)車輛的配合，嚴(yán)重事故的發(fā)生較少。

4.3 不同種因素分析

駕駛員性別為男與農(nóng)村死亡受傷（死亡、嚴(yán)重傷害和非失能性傷害） 事故呈負(fù)相關(guān)，死亡受傷事故概率降低1.32%，潛在原因是相對(duì)于女性駕駛員，男性駕駛員面對(duì)校車事故的應(yīng)變能力以及判斷執(zhí)行能力都較強(qiáng)，且農(nóng)村地區(qū)車輛相對(duì)城市少，有利于男性駕駛員更好地處理突發(fā)狀況。

涉事車輛數(shù)為1 輛和2 輛與城市地區(qū)死亡受傷事故呈負(fù)相關(guān)，死亡受傷事故概率分別下降0.92%和15.15%。可能原因是與涉事車輛數(shù)為3 相比，涉事車輛數(shù)為1 輛或2 輛情況沒(méi)有3 輛時(shí)復(fù)雜，加上城市區(qū)域交通管理、設(shè)施較農(nóng)村地區(qū)完善，校車駕駛員通過(guò)正確判斷和處理，降低嚴(yán)重事故發(fā)生概率。

路表濕滑與城市可能傷害事故呈正相關(guān)，發(fā)生可能傷害事故概率增加1.28%，死亡受傷事故概率降低0.18%。路表濕滑一般與雨雪等不良天氣情況有關(guān)，容易發(fā)生可能傷害事故，但不良條件下更多司機(jī)行車較為謹(jǐn)慎，且城市交通基礎(chǔ)設(shè)施更為完善，所以不易發(fā)生死亡受傷事故。

5 結(jié) 論

以美國(guó)某州城市和農(nóng)村地區(qū)2 416 條校車事故數(shù)據(jù)為研究對(duì)象，將事故傷害嚴(yán)重程度作為因變量，從人的特征、車輛特征、道路條件以及道路環(huán)境等方面選取13 個(gè)影響因素作為自變量，構(gòu)建混合Logit 模型，對(duì)城市和農(nóng)村地區(qū)校車事故傷害嚴(yán)重程度進(jìn)行異質(zhì)性分析。結(jié)果表明：

（1） 城市和農(nóng)村地區(qū)校車傷害嚴(yán)重程度致因有較大差別：城市地區(qū)模型識(shí)別出13 個(gè)顯著影響變量，包括1 個(gè)隨機(jī)參數(shù)；農(nóng)村地區(qū)模型識(shí)別出10 個(gè)顯著影響變量，包括1 個(gè)隨機(jī)參數(shù)；

（2） “不在學(xué)校區(qū)域”對(duì)應(yīng)參數(shù)服從均值-4.478，標(biāo)準(zhǔn)差3.145 的正態(tài)分布；“駕駛員年齡35～44 歲”對(duì)應(yīng)參數(shù)服從均值1.244，標(biāo)準(zhǔn)差1.442 的正態(tài)分布；

（3） 涉事車輛數(shù)為1 輛/2 輛、安全氣囊狀態(tài)打開(kāi)和道路限速值大于60km/h 與城市死亡受傷事故顯著相關(guān)，駕駛員性別為男與農(nóng)村死亡受傷事故呈負(fù)相關(guān)；

（4） 分心駕駛、控制方式為中央分隔帶、黃昏/黎明和路表濕潤(rùn)與城市可能傷害事故顯著相關(guān)，不安全車速與農(nóng)村可能傷害事故呈正相關(guān)；

（5） 不安全駕駛行為為不安全時(shí)倒車轉(zhuǎn)彎、未按規(guī)定車道行駛和其他（飲酒等） 與城市未受傷事故呈正相關(guān)，未能讓出道路優(yōu)先權(quán)、安全氣囊狀態(tài)打開(kāi)、道路限速值為40～50km/h、控制方式為車道標(biāo)線和中央分隔帶、夜晚無(wú)燈與農(nóng)村地區(qū)未受傷事故顯著相關(guān)。

鑒于條件有限以及數(shù)據(jù)采集的局限性，沒(méi)有對(duì)異質(zhì)性的來(lái)源展開(kāi)分析；另外，本文提出的模型沒(méi)有考慮事故數(shù)據(jù)在時(shí)間上的差異性，后續(xù)需要進(jìn)一步研究。