搭载乘客对摩托车事故的影响研究*

张乾懿 王 杰 黄合来

(中南大学交通运输工程学院 长沙 410075)

0 引 言

降低事故频次、减轻事故严重程度是交通安全研究的两大核心目标，而摩托车在行驶过程中较其他机动车更容易发生严重事故，是交通事故造成死亡的重要原因之一[1-3]。由于载客现象在发达国家并不常见，摩托车载客行为对事故发生特征的影响并没有在发达国家得到系统研究[4]。然而，摩托车载客现象在发展中国家十分普遍，中国甚至衍生出“摩的”司机的职业。虽然北京、上海和广州等许多大城市实施了“禁摩令”，但摩托车在中小型城市及农村地区比如湖南、江西、广西，仍然是一种日常出行的主要交通方式，占居民总出行量的25%以上[5]，并且载客现象盛行。因此，有必要对摩托车载客行为开展研究，识别相关事故风险特征。国外学者Kashani等[6]发现，当搭载1个乘客时，会降低严重事故的发生概率，但是超载会显著增加摩托车严重事故的发生比例，当摩托车驾驶员携带2个男性乘客时，发生致命事故的风险最高；Haque等[7]发现，搭载乘客的驾驶员对事故发生承担主要责任的比例明显增多，认为搭载乘客会使驾驶员分心驾驶，增加事故风险。国内学者王宏雁等[8]对摩托车事故严重程度进行了研究，多以安全头盔使用及事故形态对事故中驾驶员的受伤严重程度的影响为主；李玲琦等[9]对摩托车事故特点展开研究，发现不同事故形态对摩托车事故严重程度的影响强于普通私家车。但是，很少有学者对载客现象展开系统研究。影响摩托车事故的因素较多且复杂，要减轻摩托车事故严重程度是个难题，相关管理部门较难提出真正有效的管理措施。因此，对国内摩托车事故特别是载客事故的定量分析和有效的管理政策成为迫切的需求。

笔者基于湖南省2014年的摩托车事故数据，运用统计建模方法分析是否载客(及乘客特征)对摩托车事故类型、事故责任以及事故严重程度的影响，提炼摩托车载客事故客观规律，为摩托车交通安全管理提供理论支持。

1 事故数据收集及描述性特征分析

本研究采用2014年湖南省摩托车相关事故数据，数据来源于湖南省公安部交通管理部门的《2014年中华人民共和国道路交通事故统计年报》。2014 年湖南摩托车注册数超过500万，占总机动车比为52%。而该省摩托车相关事故为20 027起(简易事故和一般事故)。考虑到摩托车事故严重程度的分析对象为摩托车驾驶员，从一般事故中，选择伤害主体为摩托车驾驶员的样本，排除数据缺失项，6 311 起具有完整信息记录的事故被用于该分析，其中，载客事故(1 742起)和非载客事故(4 569起)分别占28%和72%，其中涉载客2人及以上事故(353起)占载客事故的20.3%，事故档案记录了事故特征、驾驶员特征、乘客特征、环境，以及照明条件等主要风险变量。

载客与非载客2类事故中的各类风险变量占比见表1，采用卡方检验方法,发现是否搭载乘客与驾驶员年龄(青年，中年或老年)、是否佩戴安全头盔(是/否)、事故严重程度(死亡/重伤，轻伤/无伤害)、事故责任认定(主责/同责，次要/无责任)、事故发生时段(高峰/平峰)、事故类型(单车事故/多车事故)、环境条件(良好照明条件/不利照明条件)等事故风险因素显著相关。在卡方检验中，是否佩戴安全头盔(0.05

2 事故数据分析方法

本文主要目的是探寻是否搭载乘客(及乘客特征)对摩托车事故的影响。研究首先将事故数据中的载客因素与其他事故风险因素进行关联，找寻具有显著相关性和代表性的事故变量包括：是否搭载乘客(及乘客特征)，事故责任判定，事故类型以及事故严重程度。然后以事故责任判定、事故类型以及事故严重程度为目标变量，是否搭载乘客(及乘客特征)、驾驶员特征、环境特征为解释变量，构建是否载客(及乘客特征)与摩托车事故类型、事故责任及事故严重程度的关联模型。关键变量的详细描述如下所示。

目标变量包括

1)Y1事故责任判定：主责或同等责任(=1)，次要或无责任(=0)。

2)Y2事故类型：单车事故(=1)，多车事故(=0)。

3)Y3驾驶员事故严重程度：死亡/重伤(=1)，轻伤/无伤害(=0)。

4)Y4乘客事故严重程度：死亡/重伤(=1)，轻伤/无伤害(=0)。

关键自变量包括

1)X1是否搭载乘客：搭载乘客(=1)，未搭载乘客(=0)。

2)X2照明条件：良好照明(=1)，不良照明(=0)。

3)X3驾驶员年龄：16～24(=1)，其他(=0)。

4)X4驾驶员性别：男性(=1)，女性(=0)。

5)X5事故时段：高峰(=1)，平峰(=0)。

6)X6是否佩戴安全头盔：佩戴安全头盔(=1)，未佩戴安全头盔(=0)。

7)X7事故责任认定：主责/同等责任(=1)，次要/无责任(=0)。

8)X8驾驶员事故严重程度：死亡/重伤(=1)，轻伤/无伤害(=0)。

9)X9乘客性别：男性(=1)，女性(=0)。

10)X10乘客年龄小于16岁或者大于60岁(=1)，其他(=0)。

表1 事故描述性统计Tab.1 Descriptive statistics of motorcycle crashes

由于本研究中的目标变量(事故责任判定、事故类型、事故严重程度)均为二元离散变量，因此选择采用在道路交通安全研究中广泛运用[10]的二元Logit回归模型进行建模。定义事件X，假设事件发生的概率为P(x)，定义影响事件发生的变量包括驾驶员和乘客特征，环境因素，以及其他事故风险因素，表示为X1，X2,…，Xm等等。假设函数形式为线性，此时二元Logit回归模型可以表达为

(1)

由此可以推导出Logit模型的表达形式为

(2)

(3)

模型中回归系数βm所度量的是在控制其他解释变量不变的条件下，该解释变量m1个单位的变化对目标变量的对数发生比的影响。由于对数发生比较难理解，往往转换为发生比的形式。这样，发生比的变化就可以用eβm来衡量。当βm为正值时，则eβm大于1，说明xm每增加1个单位时发生比会相应增加；反之，当βm为负值时，则eβm小于1，说明xm每增加一单位时发生比会相应减少。

3 模型结果分析和讨论

基于极大似然估计法，分别对摩托车事故责任认定、事故类型以及事故伤害严重程度模型进行参数估计。为保证模型的简洁性，采用向后逐步回归的方法进行变量筛选，最终模型只保留对事故责任认定、事故类型以及事故伤害严重程度有显著影响(P<0.1)的变量，对摩托车载客问题进行深度分析讨论。

3.1 事故责任认定模型

此模型探究了是否载客与事故责任认定之间的关联，本模型中因变量为事故责任认定，自变量为是否载客、照明条件以及驾驶员年龄。表2结果显示：事故发生后，搭载乘客的驾驶员对事故发生承担主要责任的比例比未载客驾驶员低48%，该结论与Haque等[7]的发现并不一致，他们的结论是载客事故中驾驶员承担主要责任的比例更高。卡方检验结果显示，载客事故中的驾驶员佩戴安全头盔的比例显著低于未载客事故，这一定程度上说明搭载乘客的驾驶员安全意识低于未搭载乘客的驾驶员。但是，载客行为却使驾驶员对事故的发生承担主要责任的比例下降，说明载客行为一定程度上提升了驾驶员的安全意识。在照明条件良好的情况下，驾驶员处于主要责任方的比例下降26%。青年驾驶员处在主要责任方的比例比其他年龄段的驾驶员更高，一定程度上说明，青年驾驶员群体相较于其他年龄段的驾驶员更容易发生风险驾驶行为[11]。

表2 事故责任认定模型参数估计Tab.2 Estimated parameters of driver citation model

3.2 事故类型模型

此模型研究载客与否和单车事故发生比例的关联。单车事故指在车辆发生交通事故中，事故当事人仅车辆一方，无其他事故当事方的交通事故，多为车辆与路侧设施发生碰撞或者机动车发生自燃、颠覆、解体、车零件掉落造成。多车事故指在车辆发生交通事故中，存在2辆及以上事故车辆。对比多车事故，单车事故多出现在并不拥堵的道路环境中，常由于驾驶员分心驾驶和过失驾驶导致，其事故严重程度等级往往也更高[11]。由于建模目的是为了研究在驾驶员过失条件下，单车或多车事故的发生比例区别，所以我们仅将驾驶员处在同等责任/主要责任的事故数据用于分析。本模型中因变量为事故类型，显著自变量为是否载客、驾驶员年龄、性别及照明条件。表3结果显示：搭载乘客与单车事故呈现显著负相关。青年驾驶员和男性驾驶员相较于其他驾驶员，单车事故发生比例更高，原因可能是青年、男性驾驶员在行驶过程中风险驾驶行为偏多。良好的照明条件能降低单车事故发生比例。分析得出，在不拥堵的道路环境下，搭载乘客能一定程度上减少由于驾驶员分心导致的单车事故的比例。例如搭载乘客会影响驾驶员心理特征，使驾驶行为更谨慎，并且乘客可以提醒驾驶员注意行驶过程中的障碍物，以此来解释摩托车乘客对驾驶行为的影响。这一结果与Lee等[12]对机动车乘客对驾驶员影响的研究存在差异，Lee等认为搭载乘客会使驾驶员在非拥堵路段分心驾驶，增加单车事故风险。

表3 事故类型模型参数估计Tab.3 Estimated parameters of crash type model

3.3 是否载客与事故严重程度联合模型

事故严重程度一直是交通安全领域研究的重点，本模型研究是否载客与驾驶员事故严重程度的关联。在中国，交警部门将交通事故伤害严重程度分为4个等级：仅财产损失(无伤害)、轻伤(非致残伤害)、重伤(致残伤害)和死亡(事故发生7 d内由于事故伤害死亡)[11]。这4个等级事故在本文统计分析中被合并为严重事故(重伤和死亡)和非严重事故(轻伤害和无伤害)。相关性检验发现乘客与驾驶员的事故严重程度之间具有显著正相关性。由于摩托车搭载乘客方式的特殊性，使驾驶员和乘客可被看作1个整体，所以在发生事故时事故严重等级具有一致性。模型中，因变量为驾驶员事故严重程度，显著自变量为是否载客、照明条件、驾驶员年龄、事故时段、是否佩戴安全头盔以及事故责任认定。表4模型结果显示：搭载乘客的驾驶员发生严重事故的比例比未搭载乘客的驾驶员低20%，说明载客行为一定程度上减少了严重事故的发生比例；佩戴安全头盔的驾驶员遭受严重事故的比例比未佩戴安全头盔的驾驶员低33%[13]。在高峰时段和良好照明条件下，驾驶员发生严重事故的比例更少，低速行驶和良好的视野条件可以减少严重事故发生[14]。责任认定为主要/同等责任的驾驶员遭受严重事故比例比其他驾驶员高27.5%，过失方驾驶员在事故中常遭受更严重的事故伤害[15]。

3.4 乘客特征与事故严重程度模型

将载客事故数据(1 742起)从事故档案中提取出来，分析乘客特征对事故严重程度的影响。首先对超载事故与非超载事故进行区分，定义搭载乘客超过1人为超载。载客事故中，超载事故353起，非超载事故1 389起，卡方检验显示：是否超载对事故严重程度影响不显著，可能原因在于摩托车超载会产生“风险补偿效应”，即在搭载多个乘客的情况下，驾驶员驾驶行为更为谨慎、精神更集中，弥补因超载(驾驶难度增加)而增加的事故风险。

表4 是否载客与事故严重程度模型Tab.4 Estimated parameters of carrying passenger and injury severity model

表5驾驶员事故严重程度模型结果表明：乘客性别是男性时，严重事故的发生比例比乘客性别为女时高46.6%，说明乘客性别特征对驾驶行为产生影响。乘客年龄处在0～16岁或60岁以上时，严重事故发生比例更低，事故严重程度也更轻，说明当乘客年龄偏小或偏大时，驾驶员规避风险的“本质动机”增强，驾驶更加谨慎，发生严重事故的风险降低。研究发现，不同性别和年龄段的乘客在生理上存在较大区别，对驾驶行为以及驾驶员心理特征有着不同影响[16-19]。

表5乘客事故严重程度模型结果表明：在事故发生时，驾驶员在发生严重事故时，乘客遭受到致命伤害的比例更高。同时还发现，乘客性别对乘客的事故严重程度并没有显著影响，但是0～16岁和60岁以上的乘客相较于其他年龄段的乘客遭受严重事故的比例更高，相比于其他年龄段的乘客，他们在事故发生时自我保护能力更弱[13]。

3.5 相关安全改善建议

1)模型结果表明,16～24岁的驾驶员发生事故时，处在主要责任方比例高、事故严重程度重、发生单车事故概率大。建议针对新手驾驶员增设摩托车安全教育与技能培训课程，以减少风险驾驶行为。

表5 乘客特征与事故严重程度参数估计Tab. 5 Estimated parameters of passenger characteristics and driver injury

2)佩戴安全头盔可以减少严重事故发生概率。目前我国摩托车驾驶员头盔佩戴率仍然较低在43.2%，乘客的头盔佩戴率更低，据统计仅有20.9%的乘客正确佩戴安全头盔[20-22]。因此有必要加大头盔保护作用的宣传教育力度，提高驾驶员和乘客头盔佩戴率。

3)在照明良好的条件下，驾驶员与乘客造成严重事故伤害的概率低。为保障夜间摩托车行驶安全，交通管理部门应加强对夜间酒驾、逆向行驶、超速超载等违法行为的检查力度，严格执行对严重违法行为的处罚。此外应增加或完善道路夜间照明设施并对其进行定期检查与维护，改善夜间行驶环境。

4)摩托车与其他机动车在运行速度、车辆质量与体积方面差异巨大，两者碰撞时容易导致严重事故。因此，建议摩托车流量较大且条件允许的路段设置摩托车专用道，将摩托车与非摩机动车隔离。

4 结束语

1)16～24岁的驾驶员搭载乘客倾向性比其他年龄段的驾驶员更强，平峰时段和良好的照明等条件会增加载客现象的发生。搭载乘客的驾驶员佩戴安全头盔的比例更低，一定程度说明发生载客行为的驾驶员安全意识低于不载客的驾驶员。

2)良好的照明条件会降低驾驶员行驶过程中犯错的概率；16～24岁的驾驶员与其他年龄段的驾驶员相比，在事故发生后处在主要责任方的比例更高；载客事故驾驶员相比非载客事故驾驶员处在主要责任方的比例更低。

3)青年驾驶员和男性驾驶员发生单车事故的比例高，良好的照明条件能减少单车事故的发生比例；搭载乘客的驾驶员发生单车事故的比例往往较低。

4)高峰时段，良好的照明等因素能降低严重事故的发生概率，佩戴安全头盔的驾驶员发生严重事故的比例比未佩戴安全头盔的驾驶员更低，搭载乘客的驾驶员发生严重或死亡事故的比例比非载客事故低。女性、幼年以及老年乘客搭乘摩托车时，驾驶员发生严重事故的比例比搭载其它乘客时低，事故严重程度更低。