摘要 文章針對承擔事故主要責任的駕駛人群體，挖掘其歷史交通違法行為記錄中包含的事故風險信息，篩選重點交通違法行為。使用經頻率修正后的互信息，刻畫事故嚴重程度類型與交通違法行為類型的關聯關系，依據與不同嚴重程度事故的顯著關聯性對重點交通違法行為進行選取。采用廣州市采集到的數據進行分析，分別得到死亡、傷人、財產損失事故相關聯的重點交通違法行為，將篩選結果與基于發(fā)生頻率選取的重點交通違法行為、基于與事故直接關聯關系選取的重點交通違法行為進行對比，結果表明，基于駕駛人交通違法行為記錄與事故嚴重程度視角篩選得到的重點交通違法行為涉及范圍更廣，包含更為豐富的駕駛人事故風險信息，對于有效識別駕駛人的事故傾向具有重要作用。

關鍵詞 交通工程；重點交通違法行為；駕駛人歷史違法行為；違法行為事故關聯

中圖分類號 U491.31文獻標識碼 A文章編號 2096-8949（2024）02-0016-03

0 引言

隨著我國民用汽車保有量不斷增加，道路交通事故已成為危害人民生命財產安全的最大威脅之一[1]。人作為道路交通系統(tǒng)的核心，與事故的關聯最為緊密[2]，而人的不安全行為則是造成事故最重要的因素之一。通常意義上來講，不安全行為包括但不限于攻擊性駕駛行為、疲勞駕駛行為、分心駕駛行為等，其中部分具有較高危險性、負面影響，違背官方道路交通管理控制相關條例，抑或涉及侵犯公共秩序、他人合法權利的行為，被廣泛地認定為交通違法行為。針對駕駛人的交通違法行為進行全方面的挖掘和探索，深入刻畫駕駛人事故風險因素，是掌握人因道路交通安全風險來源、道路交通事故發(fā)生規(guī)律，進而控制事故發(fā)生頻率和嚴重程度的重要途徑。

交通違法行為與事故的關聯關系是既有交通違法行為研究的核心主題。基于事故報告，提取報告中認定的駕駛人交通違法行為，單獨或與其他相關因素一道作為自變量，采用參數或非參數模型，分析交通違法行為與事故的直接關聯關系，是既有研究通常采用的模式和流程。張麗霞等[3]認為酒后駕駛、疲勞駕駛、超速、不按規(guī)定讓行四類行為對道路交通事故的影響最大。

除事故報告外，駕駛人日常駕駛中的交通違法行為記錄雖未伴隨事故的發(fā)生，卻隱藏了駕駛人不良駕駛習慣、駕駛風格、風險感知能力等豐富的信息。劉林等[4]使用對應分析方法，刻畫了事故車輛碰撞類型與部分歷史交通違法行為類型間的關聯程度。但對應分析方法本身更傾向于描述研究對象之間的相似性而非相關性，結論成果有明顯缺陷。

1 數據準備

1.1 數據結構及預處理

該文采用的交通事故、違法數據采集地點為廣州市主城區(qū)，事故數據時間跨度為2018—2019年，違法數據時間跨度為2015—2019年。去除與該文研究無關的字段，得到脫敏違法數據樣例表，部分展示如表1與表2所示。

1.2 相關性檢驗

事故嚴重程度類型有死亡事故、傷人事故、財產損失事故3種，各類型發(fā)生頻數總計表示為A={A1， A2， A3}。違法行為類型有251種，發(fā)生頻數總計表示為W={W1， W2， …W251}。依據駕駛人責任事故類型以及交通違法行為記錄，匯總計算發(fā)生j類型事故的駕駛人群體，交通違法行為記錄中存在違法類型i的頻數記為fi，j，事故嚴重程度類型—交通違法行為類型列聯表匯總如表3所示，其中，N=A1+A2+A3=W1+W2+…+W251。

依據交通違法行為與事故嚴重程度列聯表，采用Person卡方檢驗分析交通違法行為類型與事故嚴重程度類型的相關性，具體公式為：

（1）

式中，，計算得到1 374.48>，表明駕駛人在日常駕駛中發(fā)生的交通違法行為類型與后續(xù)事故的嚴重程度類型具有顯著關聯[5]。

2 重點交通違法行為識別方法

2.1 修正互信息

互信息是信息論中的概念，如基于熵的定義式（2）所示，它通過衡量一個變量加入后另一個變量不確定性的變化，描述兩個變量間的相關程度。計算公式如（3）所示：

（2）

（3）

相對于統(tǒng)計學中常用的各類相關性系數，互信息具有能夠同時衡量線性、非線性相關性，計算簡便等優(yōu)勢。故該文使用互信息描述特定類型交通違法行為與事故嚴重程度的相關關系，基于表3，構造單一交通違法行為類型與事故類型對應表如表4所示。

其中，

（4）

（5）

（6）

（7）

（8）

（9）

計算交通違法行為類型wi與事故類型aj的互信息，計算方法如下：

（10）

其中，、、。

該文將違法行為類型頻數與違法記錄中各類違法行為總頻數之比作為修正系數，如式（11）所示。將結果與各類違法行為與事故嚴重程度的互信息相乘，得到修正后的互信息結果如式（12）所示。

（11）

（12）

2.2 潛在關聯重點交通違法行為篩選

借鑒使用ROC平面，評估二分類分類器性能時的基本思想，定義關聯方向系數β，具體確定方法如下：

（13）

其中，

（14）

（15）

當發(fā)生該類事故駕駛人群體存在此交通違法行為的比率，高于未發(fā)生該類事故駕駛人群體存在此交通違法行為的比率，此交通違法行為與事故類型之間存在正向關聯，此時兩者關聯方向系數為正，否則為負。

將關聯方向系數與修正互信息相乘，得到正向關聯修正互信息，如式（16），正向關聯修正互信息的正負僅代表關聯關系方向。

（16）

基于正向關聯修正互信息，篩選得到各類型事故潛在關聯的重點交通違法行為集合[6]。

3 篩選結果及對比分析

采用上文方法，得到關聯死亡事故的重點交通違法行為10種，具體如表5所示。

參考《廣東省道路交通安全條例》，死亡事故關聯重點交通違法行為中懲罰最為嚴厲的為“飲酒駕駛機動車”，將被處以駕駛證暫扣及行政拘留的處罰，除此之外的其他違法行為對應駕照扣分平均值為3.25分；傷人事故關聯重點交通違法行為中懲罰最為嚴厲的為“未取得市交通運輸管理部門核發(fā)的從業(yè)資格證書駕駛營運車輛從事營運活動，或者駕駛非營運車輛從事營運活動的”“駕駛改變、加裝不符合國家安全技術標準的動力裝置的機動車上道路行駛的”，懲罰措施分別為暫扣駕駛證1～3個月、扣留車輛處罰。除此之外的其他違法行為對應駕照扣分平均值為2.54分；財產損失關聯重點交通違法行為中并無以暫扣駕駛證、扣留車輛或行政拘留為處罰方式的違法行為，對應駕照扣分平均值為1.08分。三類重點交通違法行為適用的懲罰強度，依照關聯事故嚴重程度增加而遞增。這表明日常駕駛活動中被記錄交通違法行為的危害性大小與駕駛人的事故傾向類型相對應。此外，在現行管理處罰規(guī)定下，針對三類重點交通違法行為的懲治力度總體不足。

對比該文視角下篩選得到的重點交通違法行為集合與傳統(tǒng)研究基于頻率、基于與事故的直接關聯兩種視角下所關注的重點交通違法行為類型，可以分析得到如下結論：

（1）絕對發(fā)生頻率無法準確刻畫交通違法行為中包含的事故風險信息，以發(fā)生頻率作為重點交通違法行為的篩選條件并進行針對性管控的策略，很難真正實現降低交通事故風險的目標。

（2）基于直接、潛在關聯兩種視角下篩選得到的交通違法行為具有一定相似性，其中，“在同車道行駛中，不按規(guī)定與前車保持必要的安全距離”“駕駛機動車不按交通信號燈規(guī)定通行”“機動車逆向行駛”“駕駛機動車手動操作移動電話、電子設備”“駕駛機動車跨越、騎軋道路中心黃色實線行駛”“駕駛機動車不按規(guī)定使用燈光”共同出現，表明這六類交通違法行為不僅本身具有較大的危害性，還可能直接導致不同嚴重程度的事故產生，同時也是危險駕駛人的典型特征。

（3）相對于基于直接關聯視角篩選的結果，基于潛在關聯篩選得到的重點交通違法行為涵蓋類型相對更為豐富和全面，如不文明駕駛相關、行政違規(guī)相關的交通違法行為，傳統(tǒng)研究中均未涉及。這表明基于交通違法行為記錄—事故嚴重程度關聯，對交通違法行為進行挖掘，能夠更為充分、全面地展現駕駛人日常駕駛活動中更為常見的交通違法行為內包含的事故風險信息。

4 結論

該文基于駕駛人交通違法行為記錄—事故嚴重程度關聯視角，全面刻畫交通違法行為與事故嚴重程度的潛在關聯，并以此為依據篩選得到重點交通違法行為。結合基于頻率、基于與事故直接關聯選取的重點交通違法行為的聯合分析結果表明，采用交通違法行為的發(fā)生頻率篩選重點交通違法行為將遺漏事故風險信息，很難實現通過控制重點交通違法行為降低事故嚴重程度的目標；“在同車道行駛中，不按規(guī)定與前車保持必要的安全距離”“駕駛機動車不按交通信號燈規(guī)定通行”“機動車逆向行駛”“駕駛機動車手動操作移動電話、電子設備”“駕駛機動車跨越、騎軋道路中心黃色實線行駛”“駕駛機動車不按規(guī)定使用燈光”六類交通違法行為兼具危險性和危險駕駛人的表征能力，應進行重點研究和管控。

參考文獻

[1]曾強， 王雪松， 張璇， 等. 基于時空交互模型的高速公路季節(jié)事故頻次影響因素分析[J]. 中國公路學報， 2020（11）： 255-263.

[2]張旭欣， 王雪松， 馬勇， 等. 駕駛行為與駕駛風險國際研究進展[J]. 中國公路學報， 2020（6）： 1-17.

[3]張麗霞， 劉濤， 潘福全， 等. 駕駛員因素對道路交通事故指標的影響分析[J]. 中國安全科學學報， 2014（5）： 79-84.

[4]劉林， 傅惠， 呂偉韜， 等. 交通事故類型和違法類型對應分析[J]. 中國安全科學學報， 2017（11）： 79-84.

[5]宋燕超. 高危交通違法類型的識別及其時空分布分析[D]. 南京：東南大學， 2022.

[6]敖谷昌， 楊利. 機動車駕駛員人為因素與交通事故危害性關聯分析[J]. 重慶交通大學學報（自然科學版）， 2010（1）： 121-124.

收稿日期：2023-11-27

作者簡介：李雨龍（1995—），男，碩士，研究方向：交通仿真、交通安全。