略談城市道路交通事故嚴(yán)重程度影響因素

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了略談城市道路交通事故嚴(yán)重程度影響因素范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

1Logistic模型

1.1Logistic回歸模型簡(jiǎn)介L(zhǎng)ogistic回歸模型,是國(guó)外于20世紀(jì)上半葉逐漸發(fā)展起來(lái)的一類(lèi)離散選擇模型，其在生物學(xué)、經(jīng)濟(jì)學(xué)、心理學(xué)、政治學(xué)和交通運(yùn)輸?shù)葘W(xué)科中都得到了廣泛的應(yīng)用。當(dāng)對(duì)數(shù)線性模型中的一個(gè)二分類(lèi)變量被當(dāng)作因變量并定義為一系列自變量的函數(shù)時(shí)。對(duì)數(shù)線性模型就變成了Logistic回歸模型,如式（1）。11(1|1,2,,,)1niiiXPYXXXne（1）式中：Xi為自變量；α和β分別為回歸截距和回歸系數(shù)；P為事件發(fā)生的條件概率；1niiiX被定義為一系列影響事件發(fā)生概率的線性函數(shù)。事件發(fā)生概率P與事件不發(fā)生概率1－P之比稱(chēng)為事件的發(fā)生比(Odds)。將Odds取自然對(duì)數(shù)就能夠得到線性函數(shù)，如式（2）。11niiiPInPX（2）

1.2Logistic回歸模型檢驗(yàn)Logistic回歸模型檢驗(yàn)主要包括:回歸系數(shù)的顯著性檢驗(yàn)、Logistic回歸模型的擬合優(yōu)度檢驗(yàn)和Logistic回歸模型的預(yù)測(cè)準(zhǔn)確度檢驗(yàn)。

1.2.1回歸系數(shù)的顯著性檢驗(yàn)由于并不是所有的候選自變量都對(duì)因變量有顯著的影響。因此，需要挑選出對(duì)因變量有顯著影響的自變量。目前，常用的自變量篩選方法有正向逐步選擇法、反向逐步選擇法和混合逐步選擇法。

1.2.2擬合優(yōu)度檢驗(yàn)Logistic模型擬合優(yōu)度檢驗(yàn)主要有皮爾遜χ2檢驗(yàn)、偏差(Deviance)統(tǒng)計(jì)量和信息測(cè)量指標(biāo)。

1.2.3預(yù)測(cè)準(zhǔn)確度檢驗(yàn)常用評(píng)價(jià)指標(biāo)有Gramma、Somers’D、Tau-a、c

2變量的選取及分析

2.1變量的選取

2.1.1因變量城市道路事故數(shù)據(jù)庫(kù)中的事故類(lèi)型分為死亡事故、受傷事故和財(cái)產(chǎn)損失事故3類(lèi)?？紤]到事故救援在事故類(lèi)型中的作用。在文中，將事故嚴(yán)重程度分為嚴(yán)重事故和非嚴(yán)重事故。對(duì)死亡事故和有重傷的傷亡事故認(rèn)為是嚴(yán)重事故，而輕傷事故和財(cái)產(chǎn)損失事故認(rèn)為是非嚴(yán)重事故，

2.1.2自變量道路交通系統(tǒng)是一個(gè)由人、車(chē)、路、環(huán)境構(gòu)成的動(dòng)態(tài)系統(tǒng)。任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題都可能產(chǎn)生交通安全問(wèn)題。在交通事故分析中，因責(zé)任認(rèn)定問(wèn)題，常將事故原因歸為人的主觀因素，而忽視了客觀因素在交通事故中的作用。因此，筆者從客觀因素中初步選取13個(gè)候選自變量參與分析與交通事故的嚴(yán)重程度之間的關(guān)系，分別為：是否為節(jié)假日、天氣、道路橫斷面、能見(jiàn)度、交通信號(hào)方式、照明條件、道路類(lèi)型、道路線形、路口路段類(lèi)型、道路物理隔離、路側(cè)防護(hù)設(shè)施類(lèi)型、道路橫斷面和道路橫斷面位置。其中天氣、能見(jiàn)度、照明條件、道路類(lèi)型采用啞變量方式。

2.2模型建立

2.2.1變量選擇混合逐步選擇法是將正向選擇和反向選擇結(jié)合起來(lái)，根據(jù)所設(shè)的顯著性標(biāo)準(zhǔn)分別將變量加入到模型中去或刪除掉。筆者采用混合逐步選擇法對(duì)自變量進(jìn)行篩選得出在0.05的顯著性水平下的自變量有：天氣、道路線形、能見(jiàn)度、路側(cè)防護(hù)、道路橫斷面、地形、橫斷面位置、道路類(lèi)型。

2.2.2參數(shù)估計(jì)對(duì)烏魯木齊市2006—2010年的3505條事故數(shù)據(jù)進(jìn)行分析，

1)在不同的天氣下，陰天發(fā)生嚴(yán)重事故的概率最大，為惡劣天氣的1.049倍，相差不大，而晴天發(fā)生嚴(yán)重事故的概率只有惡劣天氣的0.676。說(shuō)明良好天氣下發(fā)生嚴(yán)重事故的概率比較低。

2)丘陵和山區(qū)發(fā)生嚴(yán)重事故的概率非常低，只有平原地帶的0.262。

3)分車(chē)、分向的道路橫斷面發(fā)生嚴(yán)重事故的概率反而比混合式橫斷面高，是其的1.564倍。因?yàn)榈牡缆窓M斷面下，路況比較復(fù)雜，駕駛員的安全意識(shí)比較高。

4)其他道路上發(fā)生嚴(yán)重事故是平直道路的2.378倍。說(shuō)明道路線形對(duì)事故的嚴(yán)重程度影響非常大。

5)快速路、主干路和次干路上發(fā)生嚴(yán)重事故的概率相對(duì)于其他道路要小很多，分別只有其他道路的0.483,0.377和0.443。這主要是因?yàn)檫@些道路整體車(chē)速比較低。

6)機(jī)動(dòng)車(chē)道發(fā)生嚴(yán)重事故的概率是其他位置的1.385倍。在分車(chē)道的情況下，機(jī)動(dòng)車(chē)間的事故要明顯嚴(yán)重很多，這和其他位置的車(chē)速較低有很大關(guān)系。

7)能見(jiàn)度在50~100m范圍類(lèi)時(shí)，發(fā)生嚴(yán)重事故的概率最高，是見(jiàn)度在200m以上情況下的2.204倍。這和駕駛員的安全意識(shí)有很大關(guān)系。8)有路側(cè)防護(hù)的情況下發(fā)生嚴(yán)重事故的概率高，是沒(méi)有路側(cè)防護(hù)的1.497倍。由Logistic回歸系數(shù)的顯著性檢驗(yàn)結(jié)果可知：當(dāng)天氣情況不佳，且能見(jiàn)度在50~100m時(shí)，發(fā)生嚴(yán)重事故的概率最高。在這種情況下，應(yīng)該及時(shí)通過(guò)電視廣播等媒體惡劣天氣注意行車(chē)安全的警示信息，以提高駕駛員的注意力。而在平原地帶、分車(chē)分向式道路橫斷面、城市公路、機(jī)動(dòng)車(chē)道位置時(shí)發(fā)生嚴(yán)重事故的概率比較高的原因是這些地方行駛條件較好，平均車(chē)速相對(duì)較高甚至出現(xiàn)超速違法駕駛行為；對(duì)于這些路段有條件應(yīng)安裝電子警察、雷達(dá)測(cè)速等設(shè)備。平直道路的發(fā)生嚴(yán)重事故的概率最低，因而在規(guī)劃設(shè)計(jì)階段應(yīng)該盡量使用平直道路線形，在線形不好的地方設(shè)置警示標(biāo)志。路側(cè)防護(hù)與事故嚴(yán)重程度也有很大的相關(guān)性，因而在必須設(shè)置路側(cè)防護(hù)的地方應(yīng)該考慮到路側(cè)防護(hù)對(duì)事故發(fā)生后的影響，在材料和路側(cè)防護(hù)的類(lèi)型方面都需要考慮。

2.2.3模型檢驗(yàn)?zāi)Ｐ驼w擬合程度。由LR、Score、Wald統(tǒng)計(jì)量值及p值可以看出在0.05的顯著性水平下模型的整體擬合效果比較好，自變量的解釋作用顯著。從表6可以看出，Deviance統(tǒng)計(jì)量、皮爾遜χ2統(tǒng)計(jì)量的p值均大于0.05，所以在顯著性水平A=0.05的條件下,χ2檢驗(yàn)不顯著,認(rèn)為模型擬合數(shù)據(jù)比較好。表7是信息測(cè)量指標(biāo)的擬合優(yōu)度檢驗(yàn)的結(jié)果。從表7可以看出，加上變量的模型較優(yōu)表8是序次相關(guān)指標(biāo)的準(zhǔn)確度檢驗(yàn)結(jié)果。從表8可以看出，本研究有71.3%的數(shù)據(jù)對(duì)為和諧的,有21.9%為不和諧的。除了Tau-a指標(biāo)外,其余3個(gè)指標(biāo)值都不小于0.5。說(shuō)明建立的Logistic模型的預(yù)測(cè)能力較好。3結(jié)論

1)交通事故的發(fā)生是人-車(chē)-路-環(huán)境相互作用的結(jié)果，但主觀因素很大程度上受到了客觀因素的影響。將事故嚴(yán)重程度分成嚴(yán)重事故和非嚴(yán)重事故，在客觀因素方面選取了是否為節(jié)假日、天氣、道路橫斷面、能見(jiàn)度、交通信號(hào)方式、照明條件、道路類(lèi)型、道路線形、路口路段類(lèi)型、道路物理隔離、路側(cè)防護(hù)設(shè)施類(lèi)型、道路橫斷面和道路橫斷面位置13個(gè)自變量，分析自變量與因變量之間的關(guān)系。Logistic模型在處理二分類(lèi)變量與其他變量之間的關(guān)系上具有很大的優(yōu)勢(shì)。

2)采用混合逐步選擇法分析候選自變量與因變量是否顯著相關(guān)。研究發(fā)現(xiàn)，天氣、道路線形、能見(jiàn)度、路側(cè)防護(hù)、道路橫斷面、地形、橫斷面位置、道路類(lèi)型與事故嚴(yán)重程度顯著相關(guān)，而是否為節(jié)假日，交通信號(hào)方式、路口路段類(lèi)型、道路物理隔離與事故嚴(yán)重程度的相關(guān)性不大。

3)采用Logistic回歸模型，分析各自變量與事故嚴(yán)重程度的影響程度并對(duì)模型進(jìn)行了檢驗(yàn)。結(jié)果表明，Logistic回歸模型的擬合效果和預(yù)測(cè)能力還是比較好的。

4)Logistic回歸模型結(jié)果表明，在不同的天氣下，晴天發(fā)生嚴(yán)重事故的概率明顯小很多，同樣，能見(jiàn)度在200m以上發(fā)生嚴(yán)重事故的概率最低，說(shuō)明事故的嚴(yán)重程度與視線有很大的關(guān)系，視線越好，發(fā)生嚴(yán)重事故的概率越低。丘陵和山區(qū)發(fā)生嚴(yán)重事故的概率非常低，分車(chē)、分向的道路橫斷面發(fā)生嚴(yán)重事故的概率反而比混合式橫斷面高，表明在駕駛條件差的地方，發(fā)生嚴(yán)重事故的可能性反而比較低，說(shuō)明這些地方駕駛員的安全意識(shí)起了主導(dǎo)作用。平直道路發(fā)生嚴(yán)重事故的概率比較低。而其他道路發(fā)生嚴(yán)重事故的概率明顯比城市快速路、主次干路高。同樣，機(jī)動(dòng)車(chē)道發(fā)生嚴(yán)重事故的概率最高，有路側(cè)防護(hù)的情況下發(fā)生嚴(yán)重事故的概率最高。研究分析結(jié)果可以為道路交通基礎(chǔ)設(shè)施規(guī)劃設(shè)計(jì)，運(yùn)營(yíng)管理和駕駛行為研究以及事故救援等提供很好的指導(dǎo)作用，并為提高城市道路交通系統(tǒng)安全性能提供決策依據(jù)。

5)筆者假設(shè)自變量對(duì)因變量是線性的、可加的，但是，很有可能存在非線性和非加性作用。鑒于調(diào)研條件所限，沒(méi)有將車(chē)速、交通流量等引入自變量，這是今后需要研究的重要方向之一。

作者：馬柱 陳雨人 張?zhí)m芳 單位：同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室