基于多元回歸的?；返缆愤\(yùn)輸事故風(fēng)險(xiǎn)影響因素分析

劉子暄

（北京化工大學(xué)，北京 100029）

隨著我國(guó)經(jīng)濟(jì)的迅猛發(fā)展，現(xiàn)代工業(yè)化程度不斷提升，使用的?；窋?shù)量和種類也越來(lái)越多，隨之而來(lái)的是?；返牡缆愤\(yùn)輸安全問(wèn)題，一旦?；返倪\(yùn)輸車輛在公路上出現(xiàn)意外，事故造成的影響范圍會(huì)比較廣[1]。如：2014年7月19日，在滬昆高速公路湖南邵陽(yáng)范圍，一輛滿載乙醇的貨運(yùn)卡車，因司機(jī)長(zhǎng)時(shí)間疲勞駕駛，發(fā)生與客車相撞的重大交通事故，造成54人死亡，直接經(jīng)濟(jì)損失達(dá)0.53億元；2015年8月，在廣東沈海高速陸豐龍山方向，一輛滿載NH4NO2的貨運(yùn)卡車與載人客車發(fā)生追尾事故，造成6人當(dāng)場(chǎng)死亡，30余人受傷；2016年3月，一輛滿載汽油的貨運(yùn)罐車在京港澳高速何家壟段，因車輛故障發(fā)生爆炸事故，導(dǎo)致現(xiàn)場(chǎng)6人死亡。這些惡劣的交通事故給國(guó)家和群眾帶來(lái)巨大的經(jīng)濟(jì)損失和社會(huì)影響[2]，所以必須有效控制?；返倪\(yùn)輸安全。

因此如何高效辨識(shí)和分析交通事故風(fēng)險(xiǎn)是當(dāng)前交通運(yùn)輸安全領(lǐng)域重要研究熱點(diǎn)方向，潘福全、孟亞然、馬昌喜，等[3]對(duì)危險(xiǎn)化學(xué)品道路安全運(yùn)輸特點(diǎn)進(jìn)行了總結(jié)歸納，并對(duì)我國(guó)目前交通安全運(yùn)輸相關(guān)研究現(xiàn)狀作出了分析；高潔[4]采用綜合評(píng)價(jià)的方法對(duì)?；返缆愤\(yùn)輸安全評(píng)價(jià)指標(biāo)進(jìn)行了構(gòu)建；閆利勇[5]對(duì)?；饭愤\(yùn)輸特點(diǎn)以及相應(yīng)的應(yīng)對(duì)措施進(jìn)行了總結(jié)；吳宗之[6]針對(duì)以往危化品運(yùn)輸事故，以發(fā)生時(shí)間、地點(diǎn)等因素為出發(fā)點(diǎn)進(jìn)行了總結(jié)；張麗[7]等對(duì)我國(guó)2006到2007年發(fā)生的危險(xiǎn)化學(xué)品道路運(yùn)輸事故進(jìn)行了分析和總結(jié)；辛春林[8]等對(duì)以往發(fā)生的危化品道路運(yùn)輸事故現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行了系統(tǒng)分析。

Logistic回歸從定義來(lái)說(shuō)，屬于一種廣義線性回歸，所以和多重線性回歸分析進(jìn)行對(duì)比，二者有很多的相同之處。在模型形式方面，二者具有基本相同的特點(diǎn)，均具有 w‘x+b，其中w和b均作為待求參數(shù)，二者的區(qū)別僅僅是在其因變量不同，其中多重線性回歸的因變量是w‘x+b，即y=w‘x+b，而logistic回歸則是利用函數(shù)L，將一個(gè)隱狀態(tài)p與w‘x+b進(jìn)行對(duì)應(yīng)，即p=L(w‘x+b)，然后根據(jù)1-p和p的數(shù)值大小再?zèng)Q定因變量的值。如果L是logistic函數(shù)，那此回歸就是logistic回歸，如果L是多項(xiàng)式函數(shù)，那此函數(shù)就是多項(xiàng)式回歸。

基于以上內(nèi)容，本文結(jié)合?；返缆愤\(yùn)輸事故影響因素及l(fā)ogistic回歸的優(yōu)勢(shì)，利用危險(xiǎn)化學(xué)品道路運(yùn)輸安全事故影響因素來(lái)建立數(shù)據(jù)耦合度量模型，從而將該模型下危險(xiǎn)化學(xué)品道路運(yùn)輸安全事件發(fā)生的概率和風(fēng)險(xiǎn)值進(jìn)行計(jì)算，為危化品道路運(yùn)輸安全風(fēng)險(xiǎn)預(yù)防和控制管理提供理論依據(jù)。

1 指標(biāo)的選取

通過(guò)文獻(xiàn)研究，在因果鏈理論的基礎(chǔ)上，人們通過(guò)誤差理論和軌跡交叉理論參照前面選取的指標(biāo)對(duì)事故原因進(jìn)行分析，我們可以閱讀針對(duì)爆炸事故的調(diào)查報(bào)告，根據(jù)相應(yīng)的專家知識(shí)，將事故的產(chǎn)生原因劃分為以下幾個(gè)方面，即：人為因素、環(huán)境因素、物質(zhì)因素以及管理因素。

人為因素包括駕駛員的精神狀態(tài)（是否有疲勞駕駛）、駕駛員的操作（駕駛過(guò)程中是否有不當(dāng)操作）。這些因素包括危險(xiǎn)化學(xué)品的類別、運(yùn)輸設(shè)備的狀態(tài)和車輛的運(yùn)行狀態(tài)。環(huán)境因素包括時(shí)間劃分、月份劃分、道路類型和天氣條件。管理因素包括公司資質(zhì)、駕駛員資質(zhì)和車輛資質(zhì)。每個(gè)指標(biāo)的值如表1所示。

表1 指標(biāo)選取

2 相關(guān)性分析

本節(jié)運(yùn)用SPSS軟件通過(guò)二元相關(guān)性分析及交叉表分析，對(duì)本章構(gòu)建的指標(biāo)體系進(jìn)行相關(guān)性分析。

2.1 二元相關(guān)性分析

在進(jìn)行相關(guān)分析之前，建議使用散點(diǎn)圖來(lái)可視化數(shù)據(jù)之間的關(guān)系。判斷是否有關(guān)系（如果有*，則有關(guān)系；否則，沒有關(guān)系）；然后判斷相關(guān)為正相關(guān)或負(fù)相關(guān)（相關(guān)系數(shù)大于0為正相關(guān)，反之亦然）。最后判斷關(guān)系的親密程度（通常相關(guān)系數(shù)大于0.4表示關(guān)系親密）。

由表2可知，精神狀態(tài)與操作失誤相關(guān)性顯著關(guān)系緊密。

表2 精神狀態(tài)和操作失誤相關(guān)性

由表3可知，運(yùn)輸資質(zhì)與所屬公司資質(zhì)相關(guān)性顯著關(guān)系極其緊密。

表3 運(yùn)輸資質(zhì)與所屬公司資質(zhì)相關(guān)性

由表4可知，運(yùn)輸車輛是否合規(guī)與所屬公司資質(zhì)相關(guān)性顯著關(guān)系極其緊密。

表4 運(yùn)輸車輛是否合規(guī)與所屬公司資質(zhì)相關(guān)性

由表5可知，運(yùn)輸車輛是否合規(guī)與設(shè)備狀態(tài)相關(guān)性顯著關(guān)系緊密。

表5 運(yùn)輸車輛是否合規(guī)與設(shè)備狀態(tài)相關(guān)性

2.2 二元logistic回歸分析

2.2.1 模型系數(shù)的綜合測(cè)試

模型的一行輸出logistic回歸模型中，所有參數(shù)是否為0的似然比檢驗(yàn)結(jié)果。P<0.05指的是擬合模型中至少一個(gè)變量的OR值具有統(tǒng)計(jì)顯著性，即模型具有總體顯著性。

2.2.2 霍斯默-萊梅肖檢驗(yàn)

指測(cè)試模型的擬合度。如果P值大于測(cè)試水平（即P>0.05），那么則可表明已經(jīng)完全提取出當(dāng)前的信息內(nèi)容，并且模型擬合的優(yōu)度高。

2.2.3 方程中的變量

a）本統(tǒng)計(jì)過(guò)程中變量的篩選方法是正向的LR法。方程表中的變量列出了最終過(guò)濾到模型中的變量及其參數(shù)。其中，sigg.a列表示模型中P值（對(duì)應(yīng)變量的），Exp(B)和Exp(B)的95%CI表示模型中對(duì)應(yīng)變量的OR值及其95%置信區(qū)間。

b）對(duì)于含有多類別變量的模型，在計(jì)算設(shè)置中設(shè)置“0”組作為其參考值，當(dāng)測(cè)試結(jié)果是“1”組和“2”組時(shí)，計(jì)算結(jié)果分別對(duì)應(yīng)于“0”組的OR值。在logistic回歸中，具有虛擬變量的若干個(gè)分類變量均具備同樣的In值和Out值，也就是說(shuō)，相對(duì)于參照組，只要出現(xiàn)一組具有統(tǒng)計(jì)顯著性變量，則與該變量相關(guān)的所有組均會(huì)被納入計(jì)算模型中。在變量的第一行并不具有OR值，其P值指的是變量整體檢驗(yàn)具有差異性，并存在一定的統(tǒng)計(jì)學(xué)意義（即至少有一組相對(duì)于參照組有統(tǒng)計(jì)學(xué)意義或值）。

c）本研究中的變量以“0”組為參照，因此“1”相對(duì)于“0”組的OR值和P值在第（1）行的參數(shù)中給出，而“2”相對(duì)于“0”組的OR值和P值在第（2）行的參數(shù)中給出。常數(shù)是回歸方程的截距，在模型中一般沒有實(shí)際意義，所以沒有必要去注意它。

部分分析結(jié)果見表6～表12。

傷亡情況——品類+時(shí)間段+天氣狀況+事故責(zé)任（見表6～表8）。

表6 模型系數(shù)的Omnibus檢驗(yàn)（品類+時(shí)間段+天氣狀況+事故責(zé)任）

表7 霍斯默-萊梅肖檢驗(yàn)（品類+時(shí)間段+天氣狀況+事故責(zé)任）

表8 模型摘要（品類+時(shí)間段+天氣狀況+事故責(zé)任）

傷亡情況——品類+事故類型+?；窢顟B(tài)+事故責(zé)任方（見表9～表12）。

表9 模型系數(shù)的Omnibus檢驗(yàn)（品類+事故類型+?；窢顟B(tài)+事故責(zé)任方）

表10 模型摘要（品類+事故類型+?；窢顟B(tài)+事故責(zé)任方）

表11 霍斯默-萊梅肖檢驗(yàn)（品類+事故類型+?；窢顟B(tài)+事故責(zé)任方）

表12 霍斯默-萊梅肖檢驗(yàn)的列聯(lián)表

2.3 多元logistic回歸分析

部分分析結(jié)果見表13～表22。

傷亡人數(shù)合計(jì)劃分——時(shí)間段+道路類型+天氣狀況（見表13～表17）。

表13 模型擬合信息（傷亡人數(shù)合計(jì)劃分）

表14 擬合優(yōu)度（傷亡人數(shù)合計(jì)劃分）

表15 分類（傷亡人數(shù)合計(jì)劃分）

表16 似然比檢驗(yàn)（傷亡人數(shù)合計(jì)劃分）

表17 偽R方（傷亡人數(shù)合計(jì)劃分）

傷亡人數(shù)——精神狀態(tài)+運(yùn)輸車輛+設(shè)備狀態(tài)+行駛狀態(tài)（見表18～表22）。

表18 模型擬合信息（傷亡人數(shù)）

表19 擬合優(yōu)度（傷亡人數(shù)）

表20 分類（傷亡人數(shù)）

表21 似然比檢驗(yàn)（傷亡人數(shù)）

表22 偽R方（傷亡人數(shù)）

3 綜合分析

由以上各因素之間的相關(guān)性分析可知，運(yùn)輸車輛是否合規(guī)以及司機(jī)是否具有運(yùn)輸資質(zhì)與所屬運(yùn)輸公司是否具有資質(zhì)且合法合規(guī)運(yùn)營(yíng)具有極大的相關(guān)性；司機(jī)在事故發(fā)生時(shí)是否有操作失誤情況與司機(jī)的精神狀態(tài)有緊密相關(guān)性；?；奉愋团c事故后?；窢顟B(tài)有極為顯著的相關(guān)性關(guān)系；事故類型與事故責(zé)任方有極為顯著相關(guān)性；事故類型與事故后?；窢顟B(tài)有極為顯著相關(guān)性關(guān)系；周邊環(huán)境狀況與事故后?；窢顟B(tài)有顯著相關(guān)性。根據(jù)分析篩選，對(duì)于?；返缆愤\(yùn)輸事故有較大關(guān)聯(lián)的因素分別為月、時(shí)間段、道路類型、品類劃分、天氣狀況、精神狀態(tài)、操作失誤、?；窢顟B(tài)、事故類型、事故責(zé)任方。