山區(qū)高速公路隧道路段與開放路段的事故影響因素分析*

張 璇 唐進君 黃合來 常方蓉 王 杰 袁雙林

（1.中南大學交通運輸工程學院 長沙 410075；2.中南大學資源與安全學院 長沙 410083；3.長沙理工大學交通運輸工程學院 長沙 410014；4.衡陽市高速交通警察支隊 湖南衡陽 421001）

0 引 言

高速公路隧道具有改善道路線形、縮短通行時間、保護生態(tài)環(huán)境等眾多優(yōu)勢。但隧道因其特殊的工程構(gòu)造和復雜的通行環(huán)境，往往是事故多發(fā)段[1]。一方面，與開放路段相比，隧道路段因其內(nèi)部空間半封閉、缺少自然光及行車環(huán)境單調(diào)的特性，導致隧道區(qū)域的行車駕駛難度大，容易給駕駛?cè)藥硇睦砩系慕箲]與恐慌[2]，另一方面，隧道內(nèi)外限速差別與光線明暗變化差異大，易誘發(fā)駕駛?cè)艘曈X障礙[3]。此外，由于隧道內(nèi)部空間受限，事故發(fā)生時災害擴大速度快、聯(lián)絡(luò)與逃生困難、救援可達性差、發(fā)生二次事故幾率高[4]。

近年來我國隧道交通事故尤其是重大事故頻發(fā)，且多發(fā)生于高速公路，據(jù)公安部交通管理局統(tǒng)計資料[5]，2012—2016 年，我國高速公路隧道交通傷害事故數(shù)量增加了25%，從2012 年的244 起事故增加到2016 年的305 起，但相關(guān)事故死亡人數(shù)增加了76%，從106人增至187人。國內(nèi)外學者對隧道交通事故特征及影響因素進行了研究，Ma 等[6]采用神經(jīng)網(wǎng)絡(luò)、Logit 回歸模型，建立了高速公路隧道事故的傷害嚴重程度模型以明晰公路隧道交通事故嚴重程度影響因素；Caliendo等[7]構(gòu)建了考慮不同傷害嚴重程度的隧道事故頻次預測模型，分析隧道長度、年平均日交通流量、卡車比例、數(shù)等對隧道事故發(fā)生頻次的影響；楊理波等[8]利用3Ds Max 軟件搭建仿真模型定量分析隧道內(nèi)不同照度條件下，不同組合信息對汽車駕駛?cè)艘曞e覺的影響；Meng 等[9]采用負二項回歸模型建立了隧道追尾事故預車道測模型；Huang等[10]以道路線形、天氣、時間等為解釋變量，采用決策樹方法構(gòu)建了山區(qū)高速公路隧道群路段事故傷害嚴重模型來識別導致嚴重事故的高危情境；Hou等[11]采用隨機參數(shù)模型，建立了隧道事故頻次與隧道年平均交通量、隧道設(shè)計參數(shù)、路面條件的關(guān)系模型；考慮到隧道不同區(qū)段駕駛環(huán)境存在差異，部分學者對比分析隧道不同區(qū)段的事故發(fā)生頻次、事故傷害嚴重性、事故碰撞類型等，主要結(jié)論見表1。

表1 涉及隧道分段及事故特征的文獻Tab.1 Studies on zone division and crash characteristics of tunnels

國內(nèi)外學者主要圍繞“人-車-路-環(huán)境”4個維度對高速公路事故進行探究。基于國內(nèi)3條高速公路事故，王磊等[16]采用有序Logit模型和多項式Logit模型探究事故嚴重程度的關(guān)鍵影響因素，結(jié)果表明道路線形、路面通行條件、事故時間和能見度與交通事故嚴重程度均顯著相關(guān)；孟云偉等[17]利用二項Logistic 回歸模型分析雙向4 車道高速公路的事故數(shù)據(jù)，結(jié)果表明車輛類型、事故時間、路段類型、事故類型對交通事故的嚴重程度有顯著性影響；Zeng 等[18]構(gòu)建貝葉斯空間廣義有序Logit 模型對中國開陽高速公路的事故數(shù)據(jù)進行分析，研究發(fā)現(xiàn)駕駛?cè)祟愋?、季?jié)、交通量及構(gòu)成、應急醫(yī)療響應時間、事故類型對事故嚴重程度的影響顯著；AI-Ghamdi[19]采用二項Logistic回歸模型對事故進行抽樣分析，結(jié)果表明事故發(fā)生地點和事故形態(tài)對事故嚴重程度影響顯著；Milton 等[20]對美國華盛頓高速公路事故采用混合Logit 模型進行分析，結(jié)果表明道路情況、環(huán)境因素以及駕駛?cè)诵袨閷κ鹿拾l(fā)生有顯著影響。

上述研究分別對隧道路段和開放路段事故發(fā)生頻次及事故嚴重程度進行研究，但并未深入探討隧道路段與開放路段在道路平縱線形、環(huán)境條件、車輛與駕駛?cè)颂卣鞯纫蛩胤矫娴氖鹿侍卣鞑町??；诘湫蜕絽^(qū)隧道群高速公路的交通事故及道路線形數(shù)據(jù)，筆者構(gòu)建了隧道路段與開放路段的事故發(fā)生傾向性模型與傷害嚴重程度模型，分別量化分析道路平縱線形、環(huán)境條件、車輛特征、事故原因與駕駛?cè)颂卣鞯纫蛩卦谒淼缆范闻c開放路段的影響差異性，為山區(qū)隧道密集高速公路的安全管理對策制定提供參考依據(jù)。

1 數(shù)據(jù)準備

研究路段為滬昆高速公路邵懷段（K1341+000—K1402+000），途徑區(qū)域地形險要，集中了12座隧道，屬于隧道密集山區(qū)高速公路路段。從公安交通管理部門獲取了該路段2011 年10 月—2016 年9 月間發(fā)生的1 537 起事故，每起交通事故包括的信息有：①事故傷害嚴重程度：僅財產(chǎn)損失（造成財產(chǎn)損失、未造成人員傷亡）、傷害事故（造成人員受傷、未造成人員死亡）與死亡事故（當場死亡、事故發(fā)生7 d內(nèi)造成的死亡）；②事故發(fā)生環(huán)境特征：事故發(fā)生日期、時段及天氣；③駕駛?cè)伺c車輛特征：駕駛?cè)四挲g、過錯方駕駛行為及車輛類型；④事故地點：事故發(fā)生里程樁號、方向特性?？紤]到道路橫縱線形是影響高速公路事故發(fā)生的重要因素[6-7]，本研究從湖南省高速公路管理局收集了詳細的道路線形數(shù)據(jù)，其中上坡段的縱向最高坡度為4%，下坡段的坡度介于0.3%～4.85%之間，曲線半徑范圍為640～4 000 m，通過事故發(fā)生位置點的里程樁號，將道路平縱線形指標（坡度、曲線半徑）與事故相關(guān)信息進行匹配。考慮到傷害事故（隧道路段占比2.86%，開放路段占比5.44%）和死亡事故（隧道路段占比1.02%，開放路段占比1.81%）占比相對較低，因此本研究中將傷害事故與死亡事故合并為傷亡事故。Huang 等[10]研究結(jié)果顯示坡度大于2%的下坡更易造成嚴重傷害事故，因此將2%作為閾值將坡度劃分為4 個分類變量，包括上下坡2%以上及2%以下。曲線半徑作為連續(xù)數(shù)值變量保留其原始格式。車輛類型劃分中，將駕駛小型客車、微型客車及摩托車歸類為小型機動車，駕駛中型客車與大型客車歸類為中大型客車，駕駛輕型貨車、微型貨車以及重型貨車歸類為貨車。

考慮到隧道內(nèi)外的設(shè)計速度分別為80，100 km/h，且駕駛?cè)司o急狀態(tài)下的反應時間為0.4～4 s，計算求得反應距離分別為88.9～111.1 m，因此隧道外部距洞口100 m 范圍內(nèi)的區(qū)域被認定為隧道影響區(qū)路段[6]，本研究將隧道內(nèi)部與隧道影響區(qū)均歸為隧道路段，見圖1。隧道路段與開放路段的道路事故描述性統(tǒng)計見表2。

表2 變量描述性統(tǒng)計（若事故發(fā)生時該因素存在，賦值為1，否則賦值為0）Tab.2 Descriptive statistics of variables included in the models(1 if the variable statement is true;0 otherwise)

圖1 隧道路段分類示意圖Fig.1 Diagram of tunnel section

為判斷路段類型與事故嚴重程度的關(guān)系，采用卡方假設(shè)檢驗方法。假設(shè)H0：路段類型與事故嚴重程度互相獨立；備選假設(shè)H1：路段類型與事故嚴重程度相關(guān)。P值表示從總體中抽取的樣本行變量與列變量時互相獨立的概率，當P值小于0.05時，拒絕路段類型與事故嚴重程度相互獨立的原假設(shè)?？ǚ綑z驗的結(jié)果見表3，皮爾遜χ2值為6.581，單雙側(cè)的顯著性值均小于0.05，因此拒絕原假設(shè)H0，采用備選假設(shè)H1，即認為在不同的路段，事故嚴重程度存在顯著差異。此檢驗結(jié)果驗證了將隧道內(nèi)外路段分開進行事故嚴重程度分析的必有性。

表3 路段類型*事故嚴重程度卡方檢驗結(jié)果Tab.3 Chi-square test of road section*crash severity

2 建模方法

事故傾向性的因變量為事故是否發(fā)生在隧道路段或開放路段，事故傷害嚴重程度的結(jié)果是否為傷亡事故，均為二分類問題。因此，采用二元回歸模型用以后續(xù)分析。

2.1 二元Logit模型

建立二元Logit 回歸模型分析事故的發(fā)生傾向性和2類路段的事故嚴重程度的影響因素。在事故傾向性分析中，y=1 代表事故發(fā)生在隧道路段，y=0 代表事故發(fā)生在開放路段；事故嚴重程度分析中，y=1 代表事故結(jié)果為傷亡事故，y=0 代表事故結(jié)果為僅財產(chǎn)損失。為得出研究問題的可估計統(tǒng)計學模型，隧道路段與開放路段事故發(fā)生傾向性及2類路段事故結(jié)果嚴重程度的效用函數(shù)為

式中：Xn為第n起事故中的解釋變量向量（道路平縱線形、環(huán)境條件、車輛特征、事故特征與駕駛?cè)颂卣鳎沪聻榇烙媴?shù)向量；εn為誤差項。假設(shè)誤差項服從極值分布，則二元Logit模型[21]的概率函數(shù)為

式中：Pn為事故傾向性分析模型中第n起事故發(fā)生在隧道的概率與事故傷害分析模型中事故結(jié)果為傷亡事故的概率。

2.2 隨機參數(shù)Logit模型

上述模型假定各因素對事故嚴重程度的影響在全樣本中固定不變，此假定通常與事實相違背，即β中參數(shù)估計可能因未觀察到的異質(zhì)性而在每起事故中的有不同的可能性。

此現(xiàn)象導致有偏估計和錯誤推斷，為解決此問題，專家提出允許變量的估計參數(shù)在全樣本中可變的隨機參數(shù)模型[22]，其概率函數(shù)為

式中：Hn為第n起事故中的解釋變量向量（道路平縱線形、環(huán)境條件、車輛特征、事故特征與駕駛?cè)颂卣鳎?；αn為解釋變量的隨機系數(shù)向量；γn為效用函數(shù)的誤差項。

隨機參數(shù)的表達式見式（4）。

式中：α為待估計參數(shù)的常數(shù)向量；ξn為誤差項，該函數(shù)可反映出異質(zhì)性條件對參數(shù)的影響。

事故發(fā)生在隧道路段或事故為傷亡事故的概率為

2.3 均值異質(zhì)性模型

對隨機參數(shù)模型并不能解釋造成隨機系數(shù)的可能影響因素，近期應用廣泛的考慮均值（方差）異質(zhì)性的隨機參數(shù)模型[23]可以很好地解釋數(shù)據(jù)分析中存在的異質(zhì)性問題。因此，構(gòu)建均值異質(zhì)性的二項隨機參數(shù)Logit模型用以相關(guān)分析，其效用函數(shù)為

式中：Qn為第n起事故中的解釋變量向量（道路平縱線形、環(huán)境條件、車輛特征、事故特征與駕駛?cè)颂卣鳎沪薾為解釋變量的隨機系數(shù)向量，其函數(shù)表達式為

式中：?為待估計參數(shù)向量；θ為解釋變量的隨機系數(shù)；Zn為與道路平縱線形、環(huán)境條件、車輛特征、事故與駕駛?cè)颂卣鞯扔绊懢诞愘|(zhì)性的變量向量；φn為隨機項，解釋數(shù)據(jù)中可能存在的異質(zhì)性。

事故發(fā)生在隧道路段或事故為傷亡事故的概率函數(shù)[23-25]為

2.4 模型選擇

為選擇穩(wěn)定性較好與預測誤差較小的最佳預測模型，采用最大似然值估計法作為模型選擇的依據(jù)，抽樣次數(shù)取值為200次[26]。將AIC作為評價模型復雜度和衡量統(tǒng)計模型擬合優(yōu)良性的標準，其函數(shù)表達式見式（9）。

式中：L為該模型的似然函數(shù)最大值；k為所擬合模型中變量的個數(shù)。k越小表明模型越簡潔，L越大表明模型越精確，因此選取AIC作為模型選擇依據(jù)可兼顧簡潔性與精確性。AIC值越小或者模型收斂的對數(shù)似然值越高，估計概率分布越接近真實分布。

3 結(jié)果分析

3.1 擬合優(yōu)度檢驗

擬合優(yōu)度檢驗結(jié)果見表4，AIC值越小或者模型收斂的對數(shù)似然值越高，估計概率分布越接近真實分布。在事故傾向性模型中，估計結(jié)果顯示本文中所包含的變量均未對隨機參數(shù)模型中的隨機參數(shù)均值有顯著影響，因此該部分無均值異質(zhì)性隨機參數(shù)的相關(guān)擬合優(yōu)度結(jié)果。而隨機參數(shù)Logit模型的AIC值為1 510.9 小于二元Logit 模型的AIC值1 534.7，故而選擇隨機參數(shù)Logit 模型作為事故傾向性模型。

表4 擬合優(yōu)度檢驗表Tab.4 Goodness-of-fit measures for models

在事故嚴重程度模型中，2類路段均采用均值異質(zhì)性模型探究與事故嚴重程度相關(guān)的因素。然在隧道路段模型中隨機參數(shù)未表現(xiàn)出均值異質(zhì)性，隨機參數(shù)Logit 模型與二元Logit 模型的AIC 值顯示2個模型的擬合優(yōu)度無明顯的差距（＜5），考慮到隨機參數(shù)模型可揭示更多的異質(zhì)性信息，因此選取隨機參數(shù)模型結(jié)果分析隧道路段事故嚴重程度。在開放路段事故嚴重程度模型中，均值異質(zhì)性的隨機參數(shù)模型AIC值與二元Logit模型及隨機參數(shù)Logit模型AIC值無顯著差異（＜5）。但是，鑒于均值異質(zhì)性隨機參數(shù)模型可以更好地解釋異質(zhì)性，因此開放路段選擇均值異質(zhì)性模型作為事故嚴重程度分析依據(jù)。

3.2 事故發(fā)生傾向性

2 類路段事故發(fā)生傾向性的研究模型結(jié)果見表5，結(jié)果中顯著變量包括下坡（坡度2%以上）、曲線半徑（1～1 000 m）、曲線半徑（＞1 000～4 000 m）、夏季、夜間、雨/雪/霧、超速行駛、疲勞駕駛、未保持安全距離。

表5 2 種路段事故發(fā)生傾向性影響因素研究模型結(jié)果Tab.5 Estimate results for crash tendency models

道路平縱線形因素中的下坡（坡度2%以上）、上坡（0～2%）、曲線半徑（0～1 000 m）、曲線半徑（＞1 000～4 000 m）參數(shù)估計值分別為-1.330，-1.329，-1.430，-1.341，表明與此類因素相關(guān)的事故發(fā)生在開放路段的概率更高，優(yōu)勢比（odds ratio，OR）用于比較2組事件發(fā)生概率的比值，根據(jù)表5中OR值可判斷出該變量引發(fā)的交通事故發(fā)生隧道路段的概率分別是開放路段概率的0.264，0.265，0.239，0.262 倍。其中，上坡（坡度0～2%）、曲線半徑（＞1 000～4 000 m）為隨機參數(shù)，標準差分別為0.163，0.155。我國《公路隧道設(shè)計規(guī)范》[27]對洞口內(nèi)外的平面線形做了相關(guān)規(guī)定，故而隧道路段在設(shè)計階段已考慮駕駛?cè)诵熊嚢踩?，這可能是與道路平縱線形因素相關(guān)的事故發(fā)生在開放路段概率更高的原因。

環(huán)境因素中，夏季、夜間、雨/雪/霧在模型中的參數(shù)估計值分別為-0.779，-0.953，-0.484，表明與此類因素相關(guān)的事故發(fā)生在開放路段的概率更高，根據(jù)優(yōu)勢比值判斷出該變量引發(fā)的交通事故發(fā)生在隧道路段的概率分別是開放路段的0.459，0.386，0.616倍。湖南省屬亞熱帶氣候，夏季陽光強烈、氣候炎熱，駕駛?cè)诵旭傆陂_放路段時更易受陽光曝曬與炎熱氣溫影響，易產(chǎn)生煩躁情緒，失去耐性，這可能是增加開放路段夏季事故發(fā)生的概率的原因[10]。

事故認定原因中，超速行駛、疲勞駕駛、未保持安全距離為顯著變量，其系數(shù)估計分別為-1.038，0.864，0.909，表明與超速行駛相關(guān)的交通事故發(fā)生在開放路段的概率更高，該變量OR值為0.354，表明與該因素相關(guān)的事故發(fā)生在隧道路段的概率是開放路段的0.354 倍，且超速行駛為隨機參數(shù)，標準差為1.825。考慮隧道內(nèi)外的設(shè)計速度分別為80，100 km/h，因此隧道路段低限速設(shè)置及洞口設(shè)警示牌的措施[28]可能是與超速行駛相關(guān)的事故在隧道路段發(fā)生概率較低的原因。與疲勞駕駛、未保持安全距離相關(guān)的事故更發(fā)生在隧道路段的概率更高，根據(jù)其OR 值可判斷出與該變量相關(guān)的交通事故發(fā)生在隧道路段的概率分別是開放路段的2.375，2.482倍。與開放路段相比，隧道路段行車環(huán)境單調(diào)的特性[2]可能是導致與疲勞駕駛相關(guān)的事故發(fā)生在隧道路段概率更高的原因。

3.3 事故嚴重程度

表6為隧道路段與開放路段事故嚴重程度影響因素模型結(jié)果。表中隧道路段事故嚴重程度模型表明下坡（坡度2%以上）、夏季、超速行駛、未保持安全距離對隧道路段事故嚴重程度影響顯著，其中下坡（坡度2%以上）、夏季、超速行駛參數(shù)估計值分別為1.223，1.347 4，1.445，表明這3個變量會加重事故的嚴重程度，且下坡（坡度2%以上）、超速行駛這2 個變量具有隨機參數(shù)特性，標準差分別為0.501，0.791。OR 值表明該因素的出現(xiàn)相對于參照項傷害事故發(fā)生的概率增加的倍數(shù)，下坡（坡度2%以上）、夏季、超速行駛優(yōu)勢比分別為3.397，3.951，4.242，表明該變量影響下事故嚴重程度分別增加3.397，3.951，4.242 倍。陳昭明等[29]研究表明事故頻次與道路縱向坡度呈正相關(guān)關(guān)系，駕駛?cè)嗽诙赶缕侣范涡旭倳r對車輛的控制能力降低，發(fā)生事故時不能及時采取躲避措施，會造成相對嚴重的交通事故[8]，本研究進一步發(fā)現(xiàn)與陡下坡相關(guān)的事故發(fā)生在開放路段的概率更高，但對隧道的事故嚴重程度影響更為顯著。

表6結(jié)果表明對開放路段事故嚴重程度影響顯著的因素包括與固定物碰撞、超速行駛、疲勞駕駛、未保持安全距離，與隧道路段事故嚴重程度影響因素存在顯著差異。與固定物碰撞在隧道事故嚴重程度模型中不顯著，但在開放路段模型中顯著且其估計結(jié)果顯著，其參數(shù)均值為-1.218，表明該因素有潛在降低開放路段事故嚴重程度的可能性，這一結(jié)果與趙新勇[30]的對滬蓉高速的研究中與固定物碰撞在一定程度上抑制了事故向更嚴重的程度發(fā)展的結(jié)論一致；超速行駛在2 類路段參數(shù)估計值均為正數(shù)且具有隨機參數(shù)特性，在開放路段參數(shù)估計值為0.998，標準差為0.453，OR值為2.713，在隧道路段嚴重程度模型中OR 值為4.242。馬壯林等[4]與Zeng等[18]的研究結(jié)果均表明，超速行駛與隧道路段及開放路段事故嚴重程度均顯著相關(guān)，對2 類路段事故嚴重程度結(jié)果對比，進一步表明與超速行駛相關(guān)的事故在隧道路段嚴重程度更高。此外，開放路段事故嚴重程度模型中超速行駛的均值異質(zhì)性受到“貨車”這一車輛類型的影響表明與超速行駛相關(guān)的事故中，若發(fā)生事故的車輛為貨車會對駕駛?cè)似鸨Ｗo作用。疲勞駕駛這個變量僅在開放路段事故嚴重模型中顯著，其參數(shù)均值為1.569，OR 值為4.802，表明該因素導致傷害事故發(fā)生的概率增加4.802 倍，其可能原因為疲勞駕駛導致駕駛?cè)藢χ車熊嚟h(huán)境認知和反應遲鈍從而導致嚴重事故[31]。未保持安全距離在2 類路段的模型中的參數(shù)估計均為負值，在開放路段中，其參數(shù)估計值為-2.117，表明該行為相對于其他不當行為造成傷害事故的概率較低。

表6 隧道路段事故嚴重程度影響因素模型結(jié)果Tab.6 Estimate results in tunnel for crash severity models

4 討 論

依據(jù)本文山區(qū)高速公路隧道路段與開放路段事故嚴重程度對比的結(jié)果，結(jié)合我國高速公路交通安全現(xiàn)狀，從道路設(shè)計、完善隧道安全設(shè)施、加強駕駛?cè)税踩逃c管理3個方面提出戰(zhàn)略性對策建議為我國山區(qū)高速公路交通安全問題提供可行科學決策依據(jù)。

1）道路設(shè)計。模型結(jié)果顯示在陡下坡（坡度2%以上）的隧道路段交通事故嚴重程度增加。在陡下坡區(qū)域，如果車輛制動不及時或不當，車輛很可能失控，導致翻車事故。尤其在隧道路段環(huán)境相對封閉的條件下，駕駛?cè)溯^難注意到道路線形的突然變化，在陡下坡路段行駛時難以做出及時的反應或制動措施。因此隧道路段道路設(shè)計階段應增加對道路設(shè)計的安全風險評估，盡量避免道路環(huán)境的突變，考慮其容錯、糾錯能力，讓駕駛?cè)擞行拚e誤的時間與空間。

2）完善道路安全設(shè)施。結(jié)果表明由夏季、夜間、雨/雪/霧等不利天氣引發(fā)的事故傾向于發(fā)生在開放路段，因此在不利環(huán)境條件下可以采取路側(cè)安裝遮光板減少太陽直射、調(diào)節(jié)夜間照明、安裝路側(cè)警示標志提醒司機小心駕駛等措施減少交通事故的發(fā)生；而發(fā)生于夏季的事故在隧道路段造成事故嚴重的可能性更高，建議對高速公路隧道各區(qū)段照明安全進行科學評估[32]，通過調(diào)節(jié)隧道接近段和出口路段的燈光亮度，做好隧道內(nèi)的增光和減光措施，為駕駛?cè)颂峁┹^易適應的光線變化環(huán)境，進而減少隧道內(nèi)交通事故的發(fā)生[33]。

3）駕駛?cè)税踩逃c管理。研究結(jié)果表明超速行駛會顯著增加隧道與開放路段發(fā)生嚴重事故的概率，疲勞駕駛會增加開放路段發(fā)生嚴重事故的概率，該結(jié)果與Chu[31]的研究中疲勞駕駛導致駕駛?cè)朔磻獣r間變慢、判斷能力減弱、警覺性降低以及安全意識降低，最有可能與發(fā)生致命事故的結(jié)論一致。隧道作為1 種特殊的道路交通設(shè)施，對于隧道安全改善一方面需要技術(shù)設(shè)施手段的支撐，另一方面也需要駕駛?cè)苏_的駕駛行為，尤其是駕駛?cè)藢τ谒淼纼?nèi)可能存在駕駛風險的理解，因此有必要針對超速、疲勞駕駛等不當駕駛行為加強安全教育，并加大對超速和疲勞駕駛等違規(guī)行為的執(zhí)法力度。

《中華人民共和國道路交通安全法實施條例》（以下簡稱為《道路安全法》）對全國所有高速公路道路使用者強制實行限速，小型車最高時速為120 km/h，其他機動車最高時速為100 km/h，盡管如此，超速行駛?cè)匀皇歉咚俟否{駛?cè)俗畛Ｒ姷倪`章行為之一，因此有必要針對超速行為加大監(jiān)管力度；在疲勞駕駛方面，《道路安全法》強制性規(guī)定：“駕駛員連續(xù)駕駛4 h 后最少休息20 min”，此外2021 年1 月《道路旅客運輸企業(yè)安全管理規(guī)范》規(guī)定：“駕駛員累計駕駛時間不得超過8 h，在高速公路上行駛超過600 km的車輛應配備2名以上駕駛員”。然而，疲勞駕駛行為仍是屢見不鮮。相比于中國的人均可支配收入從2004 年的6 226 元上升至2014 年的20 167元，對超速、疲勞駕駛行為的罰款卻一直保持在20～200元，罰款成本較低可能是駕駛?cè)宋茨茏袷剡@些法規(guī)的原因之一[10]，因此，針對這2 種違法行為可考慮增加罰款金額與執(zhí)法力度。

5 結(jié)束語

本文基于湖南省高速公路滬昆高速邵懷段2011年10月—2016年9月間發(fā)生的1 537起事故，分析了隧道路段與開放路段事故發(fā)生傾向及事故嚴重程度的差異性。

1）不同影響因素對隧道路段與開放路段事故發(fā)生概率的影響存在差異。與疲勞駕駛、未保持安全距離相關(guān)的事故發(fā)生在隧道路段的概率更高；與下坡（坡度2%以上）、上坡（坡度0～2%）、曲線半徑（0～1 000 m）、曲線半徑（＞1 000～4 000 m）、夏季、夜間、雨/雪/霧、超速行駛相關(guān)的事故發(fā)生在開放路段的概率更高。

2）影響隧道路段與開放路段事故嚴重程度的因素存在差異。隧道路段嚴重程度模型中下坡(坡度2%以上)、夏季、超速行駛與事故嚴重程度成正相關(guān)，未保持安全距離與事故嚴重程度呈負相關(guān)。開放路段事故嚴重程度模型中超速行駛、疲勞駕駛與事故嚴重程度呈正相關(guān)，與固定物碰撞、未保持安全距離與事故嚴重程度呈負相關(guān)。研究結(jié)果表明影響隧道路段與開放路段事故嚴重程度的因素存在顯著差異，且同一因素對2 類路段的事故傷害結(jié)果影響存在差異。

3）研究表明2 類路段的事故傷害嚴重程度影響因素差異較大，建議針對山區(qū)高速公路的管理應考慮路段差異制定改善隧道路段嚴重事故多發(fā)的現(xiàn)狀的相關(guān)方案。