摘要：為了研究城市道路交通事故特性與事故嚴(yán)重程度的影響因素，對國家車輛事故深度調(diào)查體系數(shù)據(jù)庫的交通事故案例數(shù)據(jù)進行篩選得到2726例城市道路交通事故，統(tǒng)計其時間分布、地點分布、后果特性，并對事故嚴(yán)重程度影響因素進行了分析。以事故嚴(yán)重程度為因變量，從環(huán)境要素、時段氣象要素、參與者要素三個方面選取10個自變量建立二元assoLogistic回歸分析模型，得出對向車道隔離方式、道路線形、交通信號燈、除駕駛員外的其他交通參與者等因素對事故嚴(yán)重程度影響顯著。

　　關(guān)鍵詞：安全工程;事故特性;城市道路;影響因素;assoogistic回歸

　　引言

　　國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2018年全國道路交通事故萬車死亡人數(shù)1.93人，2019年全國道路交通事故萬車死亡人數(shù)1.80人[1]，死亡人數(shù)雖有所下降，仍不容小覷。全國城市道路事故數(shù)及死亡人數(shù)已分別占全部道路事故總數(shù)的二分之一和三分之一，安全風(fēng)險很大[2]。

　　城市道路交通環(huán)境復(fù)雜，車輛集中，影響因素眾多。分析城市道路交通事故的特性，有利于弄清城市道路交通事故的分布規(guī)律;研究事故嚴(yán)重程度影響因素，可獲得對事故有顯著性影響的因素，從而預(yù)防和減少交通事故的發(fā)生，對降低城市道路交通事故的危害有重要意義。國內(nèi)外學(xué)者基于道路交通事故數(shù)據(jù)進行了廣泛地研究。謝永彰等[3]在2004年最先通過上海高架快速路交通事故數(shù)據(jù)對城市快速路交通事故時間特征和地點特征進行了分析并提出了相應(yīng)的控制措施。

　　城市道路論文： 城市道路交通車輛出現(xiàn)管理措施探究

　　劉海珠、吳芮等[45]通過道路交通事故數(shù)據(jù)研究了事故的影響因素并進行了嚴(yán)重程度預(yù)測;劉慶芳、王立曉等基于事故數(shù)據(jù)對事故影響因素識別模型、事故嚴(yán)重程度預(yù)測模型進行了更深入的研究;程巧夢等通過對烏魯木齊市48條主干道進行統(tǒng)計分析得到道路交通事故的分布特性。2011年，DietmarOtte等基于德國IDAS事故數(shù)據(jù)開發(fā)了層次系統(tǒng)ACASS方法，研究了弱勢道路使用者(RU)傷亡情況的影響因素，指出了VRU的損傷頻率和嚴(yán)重程度。

　　Noureddine等10基于事故數(shù)據(jù)通過統(tǒng)計學(xué)、計量經(jīng)濟學(xué)等方法研究了致命事故中的顯著影響因素;NaYang等[1利用山東省事故數(shù)據(jù)通過主成分分析方法研究了十字路口事故中二輪電動車駕駛員致傷因素;Feng等[1基于美國20062010年涉及致命事故的公共汽車(BIFA)數(shù)據(jù)庫，利用有序ogistic模型研究了美國不同類型的司機發(fā)生致命公交事故嚴(yán)重程度的潛在影響因素。綜上，學(xué)者們基于事故數(shù)據(jù)的研究主要集中于事故的影響因素、嚴(yán)重程度預(yù)測、事故特征等方面。許多學(xué)者以某一城市的事故統(tǒng)計數(shù)據(jù)作為研究對象，難以表征城市道路交通事故的共性。

　　鑒于此，本文對國家車輛事故深度調(diào)查體系(NationalAutomobileAccidentIndepthInvestigationSystem，簡稱NAIS)的事故數(shù)據(jù)進行統(tǒng)計、分析，研究包含事故后果特性在內(nèi)的城市道路交通事故特性。并以事故嚴(yán)重程度作為因變量，從環(huán)境要素、時段氣象要素、參與者要素三個方面選取10個自變量，進行assoLogistic回歸分析，獲取事故嚴(yán)重程度的顯著影響因素。結(jié)果可為城市道路管理工作提供參考，對事故的預(yù)防和降低事故率有重要價值。

　　數(shù)據(jù)的來源

　　本文的研究數(shù)據(jù)來源于國家車輛事故深度調(diào)查體系，數(shù)據(jù)詳實、完整，對研究交通事故有很大幫助。該體系由國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心聯(lián)合全國個地區(qū)所具有較深事故研究背景的高校、事故鑒定機構(gòu)以及科研單位共同建立。各工作站采用統(tǒng)一標(biāo)準(zhǔn)對事故相關(guān)的人車路環(huán)境信息進行深入采集，并完成事故再現(xiàn)分析。所收集的事故數(shù)據(jù)覆蓋中國不同地域城市的交通事故，能在較大程度上代表中國的城市道路交通事故特性。本文的研究基礎(chǔ)是NAIS數(shù)據(jù)庫中20142018年間2726例發(fā)生在城市范圍內(nèi)的道路交通事故。文中城市道路交通事故、交通事故等均指篩選出的發(fā)生在城市范圍內(nèi)的道路交通事故。

　　城市道路交通事故特性

　　事故數(shù)量在時段上呈―M‖型分布，交通事故數(shù)量最高的時段為002059，其次為:00759。:059一般為交通高峰小時，交通量大，導(dǎo)致事故數(shù)量較其他時段高。有研究表明，交通事故晚高峰小時出現(xiàn)在交通量高峰小時之后[1。這可解釋事故晚高峰出現(xiàn)于002059時段。且在002059時段內(nèi)車流量和行人相對交通高峰小時較少、車速較快，且照明條件不良、駕駛員注意力不集中，都會影響行車安全造成交通事故的發(fā)生。04000459時段事故數(shù)值最低的原因是道路上行駛的車輛最少。

　　事故嚴(yán)重程度影響因素分析

　　LassoLogistic回歸模型在傳統(tǒng)Logistic回歸模型基礎(chǔ)上加入Lasso懲罰函數(shù)對Logistic回歸進行改進，讓一些變量的系數(shù)值等于零從而實現(xiàn)壓縮估計，可避免模型估計中出現(xiàn)過擬合問題。NAIS在采集事故案例時一般將有人員死亡的事故認(rèn)定為重大事故。本文將輕微事故與一般事故定義為非嚴(yán)重事故，重大事故與特大事故定義為嚴(yán)重事故，影響因素分析方法采用二元LassoLogistic回歸分析方法。

　　交通安全策略針對城市道路交通事故特性及事故嚴(yán)重程度影響因素的分析，提出以下交通安全策略：

　　1)在條件允許的路段進行改造，機、非分道;普及交通安全知識，提高行人、非機動車騎行人的安全意識。2)將對向車道隔離方式改為固定隔離。3)規(guī)劃直線路段不可過長;在已建成長直線路段處設(shè)置限速標(biāo)志。4)在事故多發(fā)的交叉口盡可能設(shè)置多相位信號燈，降低交通沖突，減少事故的發(fā)生。

　　結(jié)論

　　1)城市道路交通事故12月、星期一至星期三和:00759時段和002059時段事故數(shù)量大;事故多發(fā)生于普通路段;車車事故數(shù)量最多;交通參與者為行人、騎車人的更易受到致命傷害。2)通過LassoLogistic回歸分析得交通信號燈、對向車道隔離方式、照明情況、交通參與者對城市道路交通事故嚴(yán)重程度的影響較為顯著。

　　3)直線路段處設(shè)置限速、事故多發(fā)交叉口設(shè)置多相位信號燈、機非分道、對交通參與者普及交通安全知識等措施能有效降低事故發(fā)生率，減輕事故嚴(yán)重程度。4)駕駛?cè)诵袨椤⒅鬈囓囁俸推渌�交通參與者的行為對事故嚴(yán)重程度影響還有待進一步研究。

　　參考文獻(xiàn)

　　[1]國家統(tǒng)計局.20182019年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報B/OL].[20208]http://www.stats.gov.cn/tjsj/ndsj/.NationalBureauofStatisticsStatisticalBulletinofNationalEconomicandSocialDevelopment20182019B/OL].[20200228]. http://www.stats.gov.cn/tjsj/ndsj/. 

　　[2]閆星培.我國城市道路交通安全形勢分析、典型經(jīng)驗措施與對策建議研究[J].汽車與安全,2020(01):7082.YANX.StudyonChina'surbanroadtrafficsafetysituation,typicalempiricalmeasuresandcountermeasures[J].AutomobileandSafety,2020(01):7082.

　　[3]謝永彰,龍科軍,余進修等.城市快速路交通事故特性研究[J].交通與運輸學(xué)術(shù)版),2005(02):9093.IEONG,Yetal.CharaeteristicofTaiffcAccidentonUrbanExPressway[J]TrafficandTransportation(AcademicEdition),2005(02):9093.

　　[4]劉慶芳成衛(wèi)雷建明基于機器學(xué)習(xí)的城市道路交通事故嚴(yán)重程度影響因素辨識研究[J].物流科技2020,43(07):8892.LIUQ,CHENGW,LEIJResearchonIdentificationInfluenceFactorsofRoadTrafficAccidentsBasedonMachineLearning[J].LogisticsScienceandTechnology,2020,43(07):8892.

　　作者：張道文，母堯堯，王朝健，劉奇，孫慶