電動(dòng)自行車交通事故嚴(yán)重程度影響因素分析
——以杭州市為例

徐 程， 管滿泉

(1.浙江警察學(xué)院交通管理工程系， 浙江杭州 310053；2.浙江大學(xué)建筑工程學(xué)院， 浙江杭州 310058)

0 引言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市規(guī)模不斷擴(kuò)大，城市居民通勤出行半徑也在不斷擴(kuò)大。杭州市城市居民平均出行距離已經(jīng)由2010年的4.4公里提升到2015年的5.6公里。居民出行距離的顯著增長(zhǎng)導(dǎo)致傳統(tǒng)的人力自行車失去了吸引力，無法滿足日趨增加的出行需求。電動(dòng)自行車由于其成本低廉、騎行便捷、操作靈活等特點(diǎn)，已成為我國(guó)許多城市重要的出行方式之一。一方面，電動(dòng)自行車有效緩解了我國(guó)城市公共交通服務(wù)水平嚴(yán)重不足所帶來的出行需求問題，進(jìn)一步提升了城市居民特別是中低收入出行者的出行效率。另一方面，電動(dòng)自行車闖紅燈、超速等交通違法行為突出，已經(jīng)成為城市交通管理的難點(diǎn)，涉及電動(dòng)自行車交通事故也呈現(xiàn)逐年增長(zhǎng)趨勢(shì)。杭州市在2016年共發(fā)生與電動(dòng)自行車相關(guān)的一般交通事故1 250起，其中造成176人死亡、1 439人受傷，涉及電動(dòng)自行車的道路交通事故死亡人數(shù)占交通事故死亡總?cè)藬?shù)的30%[1]。因此，詳細(xì)分析涉及電動(dòng)自行車道路交通事故的基本規(guī)律與特征、深入挖掘電動(dòng)自行車交通事故的時(shí)空特性、定量構(gòu)建電動(dòng)自行車交通事故的影響因素模型，為電動(dòng)自行車交通管理與安全防范提供有力的數(shù)據(jù)依據(jù)，具有重要的理論價(jià)值與實(shí)踐意義。

近年來，公共自行車[2]、共享單車[3]和電動(dòng)自行車[4]已經(jīng)成為我國(guó)城市非機(jī)動(dòng)車發(fā)展的重要方向之一。國(guó)內(nèi)外開展了對(duì)電動(dòng)自行車安全風(fēng)險(xiǎn)與事故的研究工作。王曼麗等[5]通過對(duì)電動(dòng)自行車駕駛員特性、交通流運(yùn)行特性以及道路交通條件的分析，采用交通沖突分析方法構(gòu)建了電動(dòng)自行車交通事故成因模型。王小鳳等[6]采用電動(dòng)自行車交通流特征參數(shù)，分析了路段及交叉口電動(dòng)自行車與普通自行車的沖突行為，并采用灰色系統(tǒng)進(jìn)行了交通安全的評(píng)價(jià)。程波等[7]通過對(duì)電動(dòng)自行車實(shí)際交通沖突數(shù)據(jù)的分析，研究了電動(dòng)自行車一般和嚴(yán)重沖突的判斷方法與臨界值，構(gòu)建了基于電動(dòng)自行車交叉口綜合交通沖突率的安全評(píng)估模型。石臣鵬等[8]通過實(shí)測(cè)數(shù)據(jù)分析了電動(dòng)自行車的力學(xué)安全性，提出了現(xiàn)有電動(dòng)自行車交通管理法規(guī)的缺陷及改進(jìn)措施。WEBER等[9]采用瑞士?jī)赡甑碾妱?dòng)自行車事故案例，研究了電動(dòng)自行車騎行人的年齡分布、頭盔使用情況、事故傷害程度以及事故類型這4種單因素及多因素之間的相關(guān)性。LANGFORD等[10]通過分析混合運(yùn)行情況下電動(dòng)自行車和普通自行車的GPS軌跡，建立了混合自行車運(yùn)行的安全行為分析方法，結(jié)果表明電動(dòng)自行車與普通自行車都普遍存在違反交通信號(hào)及不按車道行駛的違法行為。HAUSTEIN等[11]通過丹麥電動(dòng)自行車騎行人的問卷調(diào)查數(shù)據(jù)得出，電動(dòng)自行車騎行人的個(gè)人性格特征和騎行行為是導(dǎo)致重大交通事故的關(guān)鍵因素之一。ZHANG和WU[12]研究了遮陽篷對(duì)于電動(dòng)自行車闖紅燈的影響。XU等[13]提出了電動(dòng)自行車交通風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)及其影響因素。HU以及KIM[14-15]等研究了涉及電動(dòng)自行車交通事故的傷害嚴(yán)重程度。朱文婷等[16]研究了電動(dòng)自行車交通風(fēng)險(xiǎn)與車載、車速的關(guān)系模型。

上述研究成果豐富和發(fā)展了電動(dòng)自行車道路交通安全事故的分析理論與方法，但由于國(guó)內(nèi)外駕駛環(huán)境差異性較大，國(guó)外也缺乏大量的電動(dòng)自行車運(yùn)行與違法行為數(shù)據(jù)，使得相關(guān)結(jié)論并不適用于我國(guó)的道路交通條件。因此，本文以杭州市蕭山區(qū)新塘街道轄區(qū)內(nèi)2015年6月1日至2016年5月31日發(fā)生的涉及電動(dòng)自行車的道路交通事故數(shù)據(jù)庫(kù)為基礎(chǔ)，分析了涉及電動(dòng)自行車交通事故基本統(tǒng)計(jì)特性及其時(shí)空分布特征，在此基礎(chǔ)上，采用廣義線性回歸模型構(gòu)建了電動(dòng)自行車交通事故嚴(yán)重程度的影響模型，通過實(shí)際數(shù)據(jù)分析結(jié)果提出了電動(dòng)自行車交通管理對(duì)策，為開展電動(dòng)自行車交通安全管理與交通事故預(yù)防提供了實(shí)證依據(jù)。

1 電動(dòng)自行車交通事故統(tǒng)計(jì)分析

1.1 事故數(shù)據(jù)來源

我國(guó)道路交通事故一般分為簡(jiǎn)易程序處理事故(簡(jiǎn)稱建議事故)和一般程序處理事故(簡(jiǎn)稱一般事故)。簡(jiǎn)易程序處理事故是指案情簡(jiǎn)單、僅造成車物損失或人員受輕微傷的輕微、一般事故，當(dāng)事人對(duì)事故事實(shí)及責(zé)任認(rèn)定無爭(zhēng)議的交通事故。由于大量的涉及電動(dòng)自行車交通事故都采用簡(jiǎn)易程序處理，如果僅分析一般程序處理事故，往往會(huì)缺失很多電動(dòng)自行車交通事故的特性。因此，文本采用新塘街道轄區(qū)內(nèi)2015年6月1日零點(diǎn)至2016年5月31日24點(diǎn)的簡(jiǎn)易事故和一般事故數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)庫(kù)。其中，簡(jiǎn)易事故共1 091起，一般事故共21起。數(shù)據(jù)統(tǒng)計(jì)分析的一年內(nèi)，新塘交通警察中隊(duì)涉及電動(dòng)自行車道路交通事故的接警總數(shù)超過4 400起，占總接警量的26.3%，說明涉及電動(dòng)自行車的交通違法與肇事一直處于高發(fā)態(tài)勢(shì)。

電動(dòng)自行車道路交通事故數(shù)據(jù)庫(kù)中主要包括事故基本情況(發(fā)生時(shí)間、地點(diǎn)、天氣等)、電動(dòng)自行車騎行車特性(性別、年齡、身份特性等)、肇事原因(事故責(zé)任、事故類型等)以及事故嚴(yán)重程度(人員傷亡、財(cái)產(chǎn)損失等)這四類數(shù)據(jù)。通過上述類別數(shù)據(jù)的相關(guān)性分析與回歸建模，可以深度地分析電動(dòng)自行車交通事故的影響因素與關(guān)鍵變量，為加強(qiáng)電動(dòng)自行車管理、提升電動(dòng)自行車運(yùn)行安全水平提高有效依據(jù)。

1.2 事故時(shí)空分布特征

電動(dòng)自行車交通事故分析區(qū)域新塘街道轄區(qū)總面積約為35平方公里，總?cè)丝?0余萬，其中外來務(wù)工人員占據(jù)約70%。由于轄區(qū)地處杭州市蕭山區(qū)的城鄉(xiāng)接合地帶，產(chǎn)業(yè)偏重產(chǎn)品加工等，大量外來人口導(dǎo)致轄區(qū)內(nèi)電動(dòng)自行車保有量和使用量規(guī)模巨大，高峰期通勤出行需求量大，電動(dòng)自行車與其他車輛的交通沖突嚴(yán)重，交通安全形勢(shì)較為嚴(yán)峻。

電動(dòng)自行車道路交通事故在發(fā)生時(shí)間和月份上呈現(xiàn)出時(shí)間不均衡現(xiàn)象。圖1和圖2分別給出了不同月份及時(shí)間下，涉及電動(dòng)自行車的道路交通事故分布圖。在月份分布中，由于1～2月份春節(jié)的影響明顯下降以及3月份民工回潮明顯上升外，其他月份的交通事故數(shù)量基本穩(wěn)定，這主要是跟流動(dòng)人口春節(jié)返鄉(xiāng)以及集中回杭務(wù)工存在密切的關(guān)系。在時(shí)間段分布中，電動(dòng)自行車交通事故分布與交通流量的時(shí)變特性曲線基本一致，呈現(xiàn)較為明顯的馬鞍型，表明交通事故數(shù)量與出行需求有很大的相關(guān)性。

圖1 電動(dòng)自行車道路交通事故月度比例

圖2 電動(dòng)自行車道路交通事故量時(shí)變特性

從空間上看，圖3為以新塘中隊(duì)轄區(qū)范圍一年內(nèi)所有涉及電動(dòng)自行車交通事故數(shù)據(jù)為基礎(chǔ)所繪制的事故熱力圖。從圖中可以看出，涉及電動(dòng)自行車交通事故多集中發(fā)生在轄區(qū)中心主干道路，其中3條主干道塘湄線、蕭明線以及南秀路發(fā)生事故數(shù)分別占到了總事故數(shù)量的15.16%、12.25%以及11.24%，交通事故發(fā)生呈現(xiàn)較為明顯的聚集效應(yīng)。

通過對(duì)路段和交叉口的交通事故數(shù)對(duì)比，交叉口交通事故數(shù)量明顯高于路段，轄區(qū)內(nèi)有5個(gè)交叉口年發(fā)生交通事故次數(shù)超過20起。由于轄區(qū)內(nèi)交叉口信號(hào)設(shè)置率不高，部分無信號(hào)交叉口車輛行駛規(guī)則不明確，機(jī)非沖突、非機(jī)動(dòng)車之間的沖突明顯，同時(shí)部分電動(dòng)自行車在交叉口違反交通信號(hào)、超速以及不禮讓行人或其他方向車輛等違法行為也特別突出，導(dǎo)致交叉口成為涉及電動(dòng)自行車交通事故的多發(fā)地帶。

圖3 新塘街道轄區(qū)內(nèi)電動(dòng)自行車交通事故熱力圖

1.3 事故統(tǒng)計(jì)特性

電動(dòng)自行車騎行人特性、交通事故類型以及交通違法行為是造成電動(dòng)自行車交通事故的重要因素之一，本部分主要從這3方面分析交通事故的統(tǒng)計(jì)特性。在騎行人特性方面，年齡與性別是影響交通事故成因的重要因素。從數(shù)據(jù)中可以看出，40～50歲年齡段的騎行人事故比例最高，這應(yīng)該與這一群體出行者的數(shù)量密切相關(guān)。同時(shí)，60～80歲年齡段騎行人由于反應(yīng)時(shí)間、認(rèn)知能力、操作能力等都呈現(xiàn)下降趨勢(shì)，事故傷亡比例較大；同時(shí)，騎行人性別因素也在簡(jiǎn)易事故和一般事故中存在很大的差異，簡(jiǎn)易事故中男性和女性騎行人肇事的比例差別不大，而在一般事故中，男性肇事人約占85.7%，顯著大于女性肇事人。造成這一差異的主要因素可能是男性騎行人具有更強(qiáng)的冒險(xiǎn)心理，其嚴(yán)重違法行為比例更高，因而造成更大的傷亡程度。在事故類型方面，圖4給出了不同交通方式之間的事故類型比例，其中機(jī)動(dòng)車與電動(dòng)自行車事故以及電動(dòng)自行車之間的事故分別占到了79.8%和17.4%，占據(jù)了絕對(duì)的主要類型。這兩類事故也是造成電動(dòng)自行車騎行人傷亡的主要原因。在交通違法行為方面，圖5給出了電動(dòng)自行車騎行人是交通肇事主要責(zé)任方的事故比例。

從中可以看出，逆向行駛、違法載人和未在非機(jī)動(dòng)車道內(nèi)行駛是交通事故肇事的前3項(xiàng)主要因素。

圖4 電動(dòng)自行車交通事故類型比例圖

2 電動(dòng)自行車交通事故嚴(yán)重程度影響分析

交通事故傷害的嚴(yán)重程度是衡量事故嚴(yán)重性的主要指標(biāo)之一。因此，對(duì)事故嚴(yán)重程度進(jìn)行深入分析有利于找出造成事故傷害的主要因素，為進(jìn)一步降低道路交通事故傷害、提升道路交通安全性提供數(shù)據(jù)支撐。為了進(jìn)一步定量分析涉及電動(dòng)自行車道路交通事故的影響因素及其嚴(yán)重程度，將統(tǒng)計(jì)得到的騎行人性別、年齡、事故發(fā)生時(shí)間、發(fā)生月份、天氣、道路形式、事故類型以及違法行為分別進(jìn)行分類，如表1所示。

從中可以看出，電動(dòng)自行車交通事故中電動(dòng)自行車與機(jī)動(dòng)車事故發(fā)生率占到了將近80%，其中機(jī)動(dòng)車違法行為的事故占到了總事故的51.3%，說明機(jī)動(dòng)車違法行為仍然是造成電動(dòng)自行車交通事故的主要因素。為了進(jìn)一步分析電動(dòng)自行車交通事故損傷程度的影響因素，本文將電動(dòng)自行車交通事故分為輕度損傷和重度損傷兩類，采用多因素logistic模型進(jìn)行影響因素的建模，公式如下：

圖5 簡(jiǎn)易程序處理事故中電動(dòng)自行車駕駛員違法行為

事故變量類型描述離散化取值事故數(shù)量(比例)性別男1674 (60.6%)女2438 (39.4%)青年(0～40歲)1477 (42.9%)年齡中年(40～60歲)2516 (46.4%)老年(60歲及以上)3119 (10.7%)0～6點(diǎn)132 (2.9%)6～10點(diǎn)2334 (30.0%)發(fā)生時(shí)間10～16點(diǎn)3342 (30.8%)16～20點(diǎn)4308 (27.7%)20～24點(diǎn)596 (8.6%)1～2月1154 (13.8%)3～4月2206 (18.5%)發(fā)生月份5～6月3178 (16.0%)7～8月4171 (15.4%)9～10月5192 (17.3%)11～12月6211 (19.0%)晴天1515 (46.3%)天氣陰天2365 (32.8%)雨雪天3232 (20.9%)道路形式交叉口1474 (42.6%)路段2638 (57.4%)機(jī)動(dòng)車違法1571 (51.3%)非機(jī)動(dòng)車逆向行駛2126 (11.3%)駕駛電動(dòng)自行車違反規(guī)定載人395 (8.5%)違法行為非機(jī)動(dòng)車未在非機(jī)動(dòng)車道內(nèi)行駛466 (5.9%)非機(jī)動(dòng)車不靠車行道右側(cè)行駛561 (5.5%)轉(zhuǎn)彎非機(jī)動(dòng)車不讓直行的車輛646 (4.1%)非機(jī)動(dòng)車違反交通信號(hào)規(guī)定通行745 (4.1%)其他非機(jī)動(dòng)車違法行為8102 (9.3%)

續(xù)表1

(1)

式中，p為電動(dòng)自行車交通事故造成輕度損傷的概率，x1至x8分別為騎行人性別、年齡、事故發(fā)生時(shí)間、發(fā)生月份、天氣、道路形式、事故類型以及違法行為自變量，其中年齡和事故發(fā)生時(shí)間為連續(xù)變量，其他都為離散變量，β0至β8為待標(biāo)定參數(shù)。

由于各個(gè)觀測(cè)樣本之間相互獨(dú)立，那么它們的聯(lián)合分布為各邊緣分布的乘積，這樣子就得到似然函數(shù)為：

(2)

使得似然函數(shù)取得最大值的參數(shù)估計(jì)值就是logistic模型的參數(shù)。對(duì)L(β)取對(duì)數(shù)得到：

(3)

繼續(xù)對(duì)這n+1個(gè)βi分別求偏導(dǎo)數(shù)，得到個(gè)n+1方程，如下：

(4)

利用梯度上升算法或者牛頓迭代算法就可以得到方程組的解。上述方程組的解即是logistic回歸模型的估計(jì)參數(shù)。表2給出了logistic模型回歸的結(jié)果。從p值結(jié)果可以看出，系數(shù)β2，β7和β8存在顯著性，即騎行人年齡、事故違法行為以及事故種類與電動(dòng)自行車交通事故的損傷程度呈現(xiàn)顯著性，而其中違法行為和事故種類更加影響事故的損傷程度。而其他因素諸如時(shí)間、月份、天氣和路段等，并不會(huì)顯著影響事故的損傷程度。

表2 logistic模型回歸分析參數(shù)結(jié)果

根據(jù)上述影響因素的分析可以看出，針對(duì)杭州市電動(dòng)自行車交通事故所呈現(xiàn)出的發(fā)展趨勢(shì)，需要在如下幾個(gè)方面進(jìn)行電動(dòng)自行車的交通管理對(duì)策改進(jìn)：(1)實(shí)施電動(dòng)自行車強(qiáng)制保險(xiǎn)制度；(2)加大電動(dòng)自行車違法行為的查處及處罰力度；(3)深入開展電動(dòng)自行車的交通安全宣傳教育；(4)建立健全交通事故預(yù)防機(jī)制。

3 結(jié)語

電動(dòng)自行車一直是我國(guó)城市道路交通安全的重要隱患之一，本文通過對(duì)電動(dòng)自行車交通事故的統(tǒng)計(jì)分析，在此基礎(chǔ)上分析了8種電動(dòng)自行車交通事故的影響因素，構(gòu)建了Logistic回歸模型分析影響因素與事故損傷程度之間的定量關(guān)系模型，揭示了影響電動(dòng)自行車事故損傷嚴(yán)重程度的主要因素，為電動(dòng)自行車交通安全管理、交通事故預(yù)防奠定了數(shù)據(jù)支撐。