摘 要：為探究大貨車-行人/兩輪車交通事故嚴重程度影響因素，文章以成都市雙流區(qū)322起該類交通事故為樣本，將傷者是否死亡作為因變量，選擇14個潛在影響因素作為自變量，構(gòu)建二元logistic回歸模型進行分析。結(jié)果表明：“車輛類型”“是否交叉口”“行駛狀態(tài)”對事故嚴重程度影響顯著。結(jié)合相關(guān)研究及成都實際情況得出這三類因素影響顯著的原因，并針對性地提出事故預(yù)防措施。

關(guān)鍵詞：二元logistic模型 道路交通事故 大貨車 嚴重程度

0 引言

道路交通事故一直是造成我國居民非正常死亡的重要原因，2017年至2021年間，我國平均每年交通事故死亡62730人。其中貨車事故死亡人數(shù)占比39.6%[1]。中國的道路交通安全形勢十分嚴峻，貨車交通事故高發(fā)及高致死率則是造成這一現(xiàn)狀的重要因素。近年來有學者通過建立數(shù)學模型對現(xiàn)有交通事故中各類因素進行分析，總結(jié)出對交通事故嚴重程度影響最顯著因素，并針對性提出預(yù)防對策，以降低事故傷亡。如李成志等人采用多項logit回歸模型研究對電動自行車騎車人在事故中受傷程度有影響的因素[2]。陳昭明等人使用混合logit模型分析黑龍江境內(nèi)的交通事故數(shù)據(jù)，得出超過56歲的駕駛?cè)嗽谑鹿手懈资軅蛩劳龅冉Y(jié)論[3]。近幾年，有學者在研究中發(fā)現(xiàn)，一些因素在不同類型的事故中存在異質(zhì)性。如段雨陽對三類車型的人車碰撞事故分別進行建模分析后對比發(fā)現(xiàn)三類事故影響因素存在異質(zhì)性[4]。董傲然在分析低能見度水平下影響行人事故嚴重程度的因素時，發(fā)現(xiàn)變量“卡車”和“凌晨”具有均值異質(zhì)性[5]。

綜上，在建模分析的同時避免異質(zhì)性影響是交通事故致因分析的發(fā)展方向，目前有兩種方式消除異質(zhì)性影響：一種是優(yōu)化統(tǒng)計模型，使其能解析未觀測的異質(zhì)性，如焦朋朋將潛在類別聚類分析和隨機參數(shù)Logit模型相結(jié)合分析老年行人交通事故嚴重程度影響因素，一定程度消除了數(shù)據(jù)的異質(zhì)性[6]。另一種是對研究對象進行詳細分類，分別進行建模分析。如曹瑞對山區(qū)公路的貨車交通事故進行單獨分析，得出對此類交通事故嚴重程度有顯著影響的五類因素[7]。

大貨車指總質(zhì)量大于4.5噸，車長超過6米的用于載運貨物或牽引掛車的大型車輛，這類車輛體積大、慣性強，與行人、兩輪車發(fā)生交通事故時，極易造成嚴重傷害。大貨車碰撞行人及兩輪車的事故死亡率高達66.18%與61.37%，碰撞其他車型的死亡率僅45.97%[8]?，F(xiàn)存基于logistic模型的道路交通事故嚴重程度致因分析中，還沒有針對我國大貨車-行人及兩輪車這類交通事故的研究，本文使用二元logistic模型對大貨車-行人及兩輪車交通事故進行統(tǒng)計分析，得出對事故嚴重程度影響最顯著因素，并針對性提出預(yù)防對策，減少嚴重交通事故的發(fā)生。

1 數(shù)據(jù)描述

本文的數(shù)據(jù)來源于公安交通管理綜合應(yīng)用平臺（以下稱“平臺”）中有關(guān)成都市雙流區(qū)2018年-2023年所有大貨車-行人及兩輪車的交通事故數(shù)據(jù)，共提取322例事故用于分析。

根據(jù)交通事故中傷者是否死亡將因變量分為：受傷，死亡。自變量選取方面，通過咨詢17名經(jīng)驗豐富的交通事故民警，結(jié)合相關(guān)文獻的變量選取經(jīng)驗，從駕駛?cè)恕④囕v、道路、環(huán)境、其他因素五個方面從平臺篩選出14個數(shù)據(jù)有效且對事故嚴重程度存在潛在影響的數(shù)據(jù)項作為變量用于分析。

詳細變量描述及賦值如表1所示，表1中每個變量第一組為參考項。因“車輛類型”為無序多分類變量，將“自卸貨車”作為參考項后分別建立啞變量。

2 模型原理

Logistic 回歸分析是一種廣義線性回歸分析方法，通常用來解決因變量為分類變量的回歸問題。它對數(shù)據(jù)的分布類型沒有要求，在樣本容量較小時依然能進行統(tǒng)計檢驗[9]。文中將大貨車-行人及兩輪車的事故分為亡人事故、受傷事故兩類，采用二元Logistic回歸進行分析。

在二元logistic模型中，設(shè)因變量Y，服從二項分布，取值0和1，自變量為X1、X2、…Xn，則自變量所對應(yīng)的logistic回歸模型為

本式中：是常數(shù)項，是（i=1，2，…，n）的偏回歸系數(shù)[10]，為自變量。

而事件發(fā)生（）與不發(fā)生（1-）之比則為優(yōu)勢比，將其做對數(shù)變換后得到線性模式如下

當優(yōu)勢比=1時，表示該因素對事件的發(fā)生不起作用；優(yōu)勢比>1時，表示該因素是危險因素；反之為保護因素。

3 模型構(gòu)建與檢驗

將所有變量納入二元logistic模型分析，首先對模型進行Omnibus檢驗，Omnibus檢驗指將分析得出的模型與只含該模型常數(shù)項的無效模型進行比較?？ǚ绞侵脯F(xiàn)有模型與無效模型似然比值的差值，顯著性指現(xiàn)有模型為無效模型的概率，當顯著性小于0.05可推定現(xiàn)有模型為有效模型，如圖表2，經(jīng)過檢驗，顯著性為0.003，小于0.05，推定模型有效。

隨后對模型進行擬合優(yōu)度檢驗，此處使用霍斯默-萊梅肖檢驗，檢驗顯著性大于0.05則說明擬合優(yōu)度良好，如圖表3，顯著性為0.132，說明模型和真實數(shù)據(jù)擬合程度良好。

4 結(jié)果討論

分析結(jié)果見表4，取顯著水平為0.05，當自變量顯著性<0.05時，認為該自變量對事故嚴重程度具有顯著影響。結(jié)果表明，大貨車-行人及兩輪車事故中，對事故嚴重程度影響顯著的因素分別是：“車輛類型”“交叉口”“行駛狀態(tài)”。其中“交叉口”“行駛狀態(tài)”變量的優(yōu)勢比值大于1，說明這兩類變量為危險因素：交叉口路段發(fā)生亡人事故的概率比非交叉口路段高；大貨車在轉(zhuǎn)彎/變道過程中發(fā)生亡人事故的概率比直行過程中高?！败囕v類型”中“廂式貨車”、“平板貨車”與“倉柵貨車優(yōu)勢比值小于1，說明這三類變量為保護因素：以上三類貨車發(fā)生亡人事故概率比自卸貨車低。

自卸貨車是指通過液壓或機械舉升而自行卸載貨物的車輛。我國自卸貨車主要分為公路自卸貨車、礦用自卸貨車以及渣土運輸車[11]。本研究的事故數(shù)據(jù)中涉及自卸貨車的事故有96.3%為渣土運輸車，因此，自卸貨車亡人事故高發(fā)的實質(zhì)是渣土運輸車亡人事故高發(fā)?？赡艿脑蚴?，成都市近年城市擴張快，新建工地多，渣土運輸需求量大。但同時成都市部分區(qū)域白天對大貨車限行，限制了渣土運輸作業(yè)。為保障運輸效益，渣土運輸車不可避免存在大量夜間駕駛行為。夜間長時間駕駛會導(dǎo)致疲勞駕駛，研究表明，大貨車駕駛?cè)艘归g連續(xù)駕駛超3小時后，重大道路交通事故的發(fā)生率便會隨駕駛時長增加[12]。同時，夜間駕駛狀態(tài)駕駛?cè)顺?、闖紅燈等違法行為更頻繁[13]，根據(jù)成都市交管局秩序處的數(shù)據(jù)，每日17時至次日2時，渣土運輸車各類交通違法高發(fā)。嚴重的交通違法亦會增加事故發(fā)生的可能性及造成的傷害。

大貨車在轉(zhuǎn)彎/變道的行駛過程及道路交叉口位置更易發(fā)生亡人事故，一方面，大貨車視野盲區(qū)較大，駕駛?cè)宿D(zhuǎn)彎時很難及時發(fā)現(xiàn)車輛兩側(cè)的行人及兩輪車；另一方面，大貨車車身較長，轉(zhuǎn)彎時會產(chǎn)生內(nèi)輪差，將鄰近行人與兩輪車卷入車下并碾壓，對其造成致命傷害。而道路交叉口既是大貨車轉(zhuǎn)彎行為高發(fā)地，又是行人、兩輪車穿行馬路的主要位置，人車沖突嚴重，因此，交叉口位置極易發(fā)生大貨車碰撞并碾壓行人與兩輪車的亡人事故。周明就曾指出：多數(shù)人在交叉口在面對右轉(zhuǎn)大貨車時容易忽略大貨車的內(nèi)輪差，認為只要大貨車前輪轉(zhuǎn)過去了就沒有危險了，最終被貨車后輪碾壓時躲閃不及[14]。

5 預(yù)防措施

5.1 多部門聯(lián)合執(zhí)法監(jiān)督管理渣土運輸車輛

針對渣土運輸車輛容易引發(fā)亡人交通事故的問題，應(yīng)加強對渣土運輸車的監(jiān)督和管理。由于渣土運輸車輛監(jiān)管涉及交警、城管委、住建局、交通局等多個部門。各地道安辦應(yīng)充分發(fā)揮統(tǒng)籌、協(xié)調(diào)的職能，將上述單位納入成員單位，組織開展聯(lián)合執(zhí)法，重點查處和預(yù)防渣土運輸車輛夜間駕駛存在的超載、超限、超速、揚塵、闖紅燈、疲勞駕駛等違法行為。以減少自卸貨車夜間嚴重交通事故發(fā)生。

5.2 定期梳理與整改存在安全隱患路口路段

各地交管部門應(yīng)定期梳理轄區(qū)內(nèi)大貨車事故高發(fā)的路口路段，并排查其存在的交通安全隱患，對有條件設(shè)置非機動車道的路段盡量設(shè)置非機動車道并安裝機動非分隔護欄，將兩輪車與貨車分隔開。大貨車右轉(zhuǎn)事故易發(fā)的路口施劃月牙彎警示區(qū)，或直接在右轉(zhuǎn)車道外加裝分隔護欄，隔開右轉(zhuǎn)貨車與路邊的行人及兩輪車。交管部門在審核、發(fā)放大貨車城區(qū)通行證時，可以要求申請人申報行駛路線時避開貨車事故高發(fā)、存在安全隱患且尚未完成整改的路口路段，選擇照明條件好、機非分隔及人車分隔設(shè)施齊全的路口路段為行駛路線。

5.3 采取實效措施鼓勵貨運企業(yè)安裝大貨車行車輔助系統(tǒng)

為大貨車裝配360°影像系統(tǒng)，可幫助駕駛?cè)笋{駛時觀察車輛兩側(cè)及車尾盲區(qū)。近兩年出現(xiàn)的可搭載于大貨車的ADAS系統(tǒng)，在大貨車離行人及兩輪車距離過近時可主動示警并在必要時自動采取制動措施。上述行車輔助系統(tǒng)可有效減少大貨車與行人及兩輪車的事故，但由于成本較高，貨運企業(yè)采購意愿不強，因此未能在大貨車中普及。成都市交管局曾發(fā)文鼓勵貨運企業(yè)在大貨車上裝備行車輔助系統(tǒng)，但文件內(nèi)未提出實質(zhì)性的鼓勵措施，推廣效果有限。建議各地政府、交管部門采取實效的措施，鼓勵、引導(dǎo)貨運企業(yè)安裝行車輔助系統(tǒng)。如制定補貼標準，在貨運企業(yè)采購大貨車行車輔助系統(tǒng)時給予一定金額的補貼?；蚴窃O(shè)立行政審批綠色通道，優(yōu)先辦理行車輔助系統(tǒng)裝備率較高的貨運企業(yè)的新增業(yè)務(wù)申請。

參考文獻：

[1]國家統(tǒng)計局.中國統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2023.

[2]李成志，李洋，何慶.電動自行車交通事故中騎車人傷害程度的影響因素分析[J].交通工程，2019，19（04）：37-43.DOI：10.13986/j.cnki.jote.2019.04.006.

[3]陳昭明，徐文遠，曲悠揚，陳偉.基于混合Logit模型的高速公路交通事故嚴重程度分析[J].交通信息與安全，2019，37（03）：42-50.

[4]段雨陽，何雅琴.基于Logistic的不同車型碰撞行人事故嚴重程度致因分析[J].中國安全生產(chǎn)科學技術(shù)，2022，18（01）：175-181.

[5]董傲然，秦丹，王長帥，等.低能見度水平下行人交通事故嚴重程度及異質(zhì)性分析[J].交通信息與安全，2021，39（06）：27-35.

[6]焦朋朋，李汝鑒，王健宇，葛浩菁，陳越.考慮潛在類別的老年行人交通事故嚴重程度致因分析[J].交通運輸系統(tǒng)工程與信息，2022，22（05）：328-336.DOI：10.16097/j.cnki.1009-6744.2022.05.034.

[7]曹瑞，戢曉峰，覃文文.考慮車型與道路線形的山區(qū)公路貨車事故嚴重程度影響因素辨識[J].公路交通科技，2022，39（12）：171-178.

[8]楊碩. 重型貨車交通事故嚴重程度影響因素及對策研究[D].北京：中國人民公安大學，2020.DOI：10.27634/d. cnki.gzrgu.2020.000359.

[9]克勞斯·巴克豪斯，本德·埃里 克森，伍爾夫·普林克，等.多元統(tǒng)計分析方法[M].上海：上海格致出版社，2009.

[10]武松，潘發(fā)明.SPSS統(tǒng)計分析大全[M]，北京：清華大學出版社，2014.

[11]史建軍，趙海艷.我國自卸車市場結(jié)構(gòu)分析及發(fā)展趨勢展望[J].重型汽車，2016（03）：35-36.

[12]陳陽堅，孔德剛，吳燦，等.重型長途貨運汽車夜間駕駛疲勞測試研究[J].工業(yè)工程，2015，18（04）：152-156.

[13]WILLAMS A F.Teenage drivers：patterns of risk[J].Journal of Safety Research，2003，34（1）：5-15.

[14]周明，李平飛，劉娜.重型貨車右轉(zhuǎn)彎事故的原因分析與對策研究[J].汽車實用技術(shù)，2017，No.240（09）：84-87.DOI：10.16638/j.cnki.1671-7988.2017.09.031.