行人致命交通事故特征与致因机理研究——基于181例深度调查事故案例*

张诗波 刘 澜 李平飞 高文君

(1.西南交通大学交通运输与物流学院 成都 610031；2.西华大学汽车与交通学院 成都 610039； 3.四川西华交通司法鉴定中心 成都 610039)

0 引 言

世界卫生组织《道路安全全球现状报告2015》[1]显示，全球每年死于道路交通事故的125万人中行人就有27万，占22%；我国2015年交通事故死亡者中行人也占到了约25%[2]。作为一种重要的交通事故形态，造成行人死亡的致命交通事故一直是交通管理者、参与者、研究者及汽车设计者的关注重点，而通过真实事故数据反映出的事故特征和机理将有助于各方有的放矢的采取对策。

长期以来，国内外众多学者基于不同途径、不同规模的数据源对行人事故特征进行了广泛的研究，形成了各具特色的研究成果。斯里兰卡的Fernando等基于579例2007—2012年当地医院收治交通事故伤亡者的数据发现19%的死亡行人是被三轮车碰撞所致[3]。Kim研究发现2014年在韩国丽水人行横道发生事故死亡的65岁以上老年行人占所有交通事故行人死亡总人数的49.3%[4]。Lim等研究发现韩国60%的行人死亡事故发生在社区道路上[5]。Chen等通过台湾的数据研究发现顺着交通流方向行走比背向交通流方向行走安全[6]。Park等通过首尔2014年的交通事故数据研究发现车流量和行人流量大小是影响行人事故的重要因素[7]。Piotr等研究波兰2007—2012年的数据发现在波兰30%的行人事故发生在无信号交叉口斑马线上，73%的事故死亡行人为55岁以上的老年人[8]。Matsui等通过研究日本1999—2009年的行人事故数据，发现颅脑损伤虽然仍是行人死亡的最主要原因，但是由于臀部损伤而死亡的比例显著增加，并且女性的比例显著高于男性，65岁以上老人比例高于其他年龄段[9]。Carolo等通过分析以色列2003—2006年的603例行人死亡事故案例发现了以色列行人事故的5种形态[10]。Peymani等通过971例交通事故死亡行人案例探讨了伊朗法尔斯省行人死亡事故的流行病学特征[11]。Lee基于韩国2005—2008年的3853例案例探讨了老年死亡行人事故的特征[12-13]。Chinnawamy等研究了平头车碰撞行人的事故特征[14]。

Chen等基于CIDAS(China In-depth Accident Study)2011—2014年的358例事故数据提出了中国道路上常见的3种行人事故形态[15]。Zhang等通过分析广东省2006—2010年的6 967例行人事故报告，探讨了影响行人事故后果严重程度的人、车、路和环境因素[16]。谢晓莉等基于中国某三省2005—2010年的28起事故数据，探讨了二、三级公路无信号控制交叉口行人死亡事故的主要影响因素和机理[17]。Deng等基于长沙2001—2006年的497例行人事故案例，对比分析了中国和瑞典行人事故形态的异同[18]。张浩等基于固有匹配对数据对机动车乘员的致亡风险因素进行了分析[19]。王宏雁等基于上海嘉定区2007年4月的90起事故案例分析了行人事故的特征[20]。丁雨蕾将故障树理论用于重特大交通事故的致因分析[21]。王长君等利用泊松模型和负二项模型对影响事故严重程度的因素进行了分析[22]。

尽管国内外已有较多的相关研究成果，但是数据源是事故特征和机理研究的基础和关键，不同的数据源会有不同的关注角度和关注对象，其研究结论也会有异同。笔者所在团队参与建设的国家车辆事故深度调查体系(National Automobile Accident In-depth Investigation System，NAIS)自2011年以来采集了海量道路交通事故深度数据，本文基于NAIS数据库，针对行人致命的事故类型，研究探讨其基本特征和致因机理，对事故特征提供新的角度和对比，找出影响事故发生的各方面原因，进而促进有的放矢地减少行人致命事故。

1 数据来源

NAIS由国家市场监督管理总局(原国家质检总局)缺陷产品管理中心于2011年牵头成立，其主要目的是为了从事故中获取车辆缺陷信息，为汽车召回提供数据支撑，同时兼顾调查事故成因。NAIS数据是在交通事故处理部门(一般指交警)对交通事故现场进行一般意义勘验的基础上，由经过专门培训的交通事故现场勘验人员或专门的交通事故调查机构，从人、车、路、环境等方面细节对交通事故进行的数据采集和分析。至2017年，NAIS已经在上海、成都、昆明、广州、济南、哈尔滨、天津等地布设了8个数据采集工作站，涵盖了多种地形和多种事故形态。NAIS事故采集标准为事故参与方之一必须是汽车，并且满足以下其中一个条件：①车内人员1人(含)以上死亡；②气囊被点爆的事故；③M1类车辆，车外1人(含)以上死亡的事故；④载货汽车或大型客车造成2人(含)以上死亡的事故；⑤车辆火灾事故；⑥车辆可能存在设计制造问题的其他事故。

NAIS制定了《车辆事故深度调查采集与分析规范》和规范统一的深度调查采集表格。对于行人事故的数据采集，需用20个表格记录，每个事故案例需采集大约1 678项数据，包括行人、车辆(含驾驶员)、现场、道路、碰撞等方面见图1。每起事故数据均须经过采集-分析-录入-初审-专家审核-终审等多个环节才能最终在NAIS平台中开放，终审不通过的数据将不开放。自2011—2016年底，NAIS已经采集到各类事故样本1 879例，其中有1 411例完成终审；行人事故采集数量为295例，其中通过终审的181例即为本文的数据源，全部为行人致命事故，涵盖了大多数的道路类型，见表1。

图1 NAIS行人事故深度调查内容示意图Fig.1 Sketch map of in-depth collection category of pedestrian accidents in NAIS

道路类型样本数量占比/%道路类型样本数量占比/%城市快速路179.4高速公路5128.2城市主干路3217.7一级公路158.3城市次干路2614.4二级公路2614.4城市支路95.0其他公路52.8

2 事故特征分析

2.1 事故地点

事故地点信息包含事故路段类型、事故碰撞车道位置、事故路段中央分隔类型等方面。

1)路段类型方面(见表2)，81.2%的行人致命事故发生在没有设置行人过街设施的普通路段，在路段人行横道上的事故也占到5.5%，而发生在路口的事故不到8%。这种特征一方面表明行人在禁止横穿的普通路段横穿道路发生事故的几率和伤害程度都很高，另一方面也表明目前我国行人违章横穿道路的交通不安全现象比较严重。在146例(占80.7%)行人穿越道路事故中，有49.8%的事故行人穿越的是绿化带或隔离栏，有24.3%穿越的是道路中央黄色分隔线，在人行横道上发生的行人致命事故只占12.7%。

表2 事故路段类型分布Tab.2 Location types of sampled accidents

2)事故碰撞车道位置方面(见表3)，发生在最左侧车道的事故占比达到了58.0%，发生在中间车道和右侧车道的事故比例为34.8%。特别需要指出的是，181例样本中，没有1起是车辆在交叉口右转过程中造成行人致命的事故。

表3 事故碰撞车道位置分布Tab.3 Collision positions of sampled accidents

2.2 事故时间与天气特征

事故的月份特征、时间特征、天气特征是事故特征的重要组成部分。181例样本中，各月的事故比例差别不明显，没有特别明显的月份见表4。事故发生时段方面见表5，20：00—21：00时之间发生的事故比例最高，并且城市道路和公路上都具有这个特征，都占近1/5；随后依次是19：00—20：00，21：00—22：00，22：00-23：00，08：00—09：00，07：00—08：00；事故发生比例最低的时间段为04：00—05：00，03：00—04：00；19：00—21：00是明显的行人致命事故多发时段，占样本总数的29.2%。天气方面(见表6)，近九成的行人严重事故发生在晴阴天气，雨天的事故比例占到11.6%，其他天气状况的事故采集的较少。

2.3 驾驶员、车辆及行人特征

1)驾驶员方面，男性驾驶员占91.2%，女性驾驶员占8.8%；18～50岁年龄段的中青年驾驶员占92.8%；60岁以上的老年驾驶员占比较低；没有未成年驾驶员；这个分布特征与交通流中驾车人年龄构成基本一致,见表7。驾驶员驾龄方面(表8)，1～5年驾龄的驾驶员发生行人致命事故的比率较高(25.4%)；其次是5～10年驾龄，占26.5%；实习期内发生事故的比率占3.3%；驾龄超过20年的事故比率不高。

表4 事故发生月份分布Tab.4 Month distribution of sampled accidents

表5 事故发生时段分布Tab.5 Time distribution of sampled accidents

表6 事故天气分布Tab.6 Weather distribution of sampled accidents

表7 驾驶员年龄分布Tab.7 Age distribution of drivers

表8 驾驶员驾龄分布Tab.8 Driving experience distribution of drivers

2)车辆类型方面，在矮长头车、高长头车、面包车、平头车和斜头车(商务车)等5种车型中，绝大部分的涉事车型为前3种，其中矮长头车占58.6%，高长头车占19.9%，面包车占16.0%。值得注意的是，面包车与行人发生严重事故的比例应该说远高于该车型在交通流中的比例，这是具有中国特色的。大客车、货车之类的平头车发生行人致命事故的比率不高，并且以低速碾压行人为主。

3)行人性别方面，66.6%为男性行人，33.7%为女性行人。行人年龄方面(表9)，未成年人占5.0%，18～40岁的青年人占18.8%，40～60岁的中年人所占比例为35.9%，60岁以上老人所占比例最大(37.0%)，明显高于行人交通参与者中老年人的比例。

表9 事故行人年龄分布Tab.9 Age distribution of pedestrian fatalities

2.4 碰撞状态特征

涉事车辆在事故前的行驶速度值大致呈正态分布(见表10)，中间值介于60～80 km/h之间，往高和往低的占比均逐渐降低。事故车辆超速的约占43%，超过一半的车辆是在未超速的情况下与行人碰撞的；超速主要发生在城市主、次干道及二级公路等限速不高的道路上；未超速的大多发生在高速公路、一级公路及城市快速路等限速较高的道路上。另外，超过2/3的事故驾驶员在与行人碰撞前并没有提前发现行人并采取预防碰撞措施，只有接近3/10的事故驾驶员在碰撞行人之前采取了紧急制动措施。

车辆碰撞接触位置方面(见表11)，超过一半的碰撞位置位于车头正中及略偏左(右)的范围，43.6%的碰撞位于右(左)前角。车头右半部碰撞的比率高于左半部的碰撞。中部碰撞一般将行人抛向车辆前方，前角碰撞中行人会被抛向车辆的侧面。除了车辆前部与行人相撞外，车辆从侧部和尾部与行人相撞的比率较小。车辆侧部与行人相撞事故中大多数是车辆发生单车事故或多车事故后与行人发生的二次事故；车辆尾部与行人相撞的事故都是车辆在倒车过程中发生的。

表10 事故车辆事故前行驶速度分布Tab.10 Speed distribution of accident vehicles

表11 事故碰撞第一接触位置分布Tab.11 Contact position distribution of accident impact

181例样本中，68.0%的事故是在行人违章横穿道路时发生的，在路段人行横道和交叉口人行横道上发生的事故占比12.7%(见表12)；因驾驶员操作不当进入路侧人行区域或环卫/道路维护作业区域造成的事故比例达到14.3%。另外，尽管大部分的行人在事故发生前的行为状态并不是站立，但是由于在碰撞前瞬间意识到危险进而慌张，以致有37.6%的行人在碰撞瞬间是以站立状态与车辆碰撞的。

表12 行人事故前行为状态分布Tab.12 Pre-impact behavior distribution of pedestrian fatalities

行人被撞接触位置方面，82.9%的行人是从侧面(左侧或右侧)被车辆碰撞的，从其他位置被撞的比例都较小。这个分布特征表明大部分的严重行人交通事故发生时，行人处于穿越道路的状态。

2.5 事故后果特征

行人与车辆碰撞中，由于行人与车辆的质量差别巨大，并且车辆速度惯量巨大，碰撞中行人身体会与车辆外表面(保险杠蒙皮、发动机盖、挡风玻璃、翼子板等)发生直接碰撞，之后被抛向空中后落地时又与地面发生2次碰撞并在地面上滑移，至少2次的碰撞都会极大的超出行人身体的极限，从而造成行人身体的严重损伤。行人事故中行人的受伤类型主要是挫伤、骨折、穿透伤、裂伤和挤压伤等，所有致命事故中行人创伤的AIS值都达到6，大部分的严重创伤部位为头部，绝大部分的死亡原因为颅脑损伤伴随骨折。

车辆受损方面，行人事故中一般会造成车辆保险杠蒙皮和发动机盖不同程度变形，前角碰撞中会造成车辆翼子板变形或前大灯灯罩损坏。车辆受损的另一个明显特征是前风窗玻璃的网状裂纹，一般是因行人的头部碰撞造成。181例样本中，62.4%的事故中车辆前风窗玻璃出现了裂纹，另有37.6%的事故中车辆没有裂纹见表13。车辆前风窗玻璃没有裂纹一方面是车辆碰撞速度较低，行人头部在碰撞中到达不了风窗玻璃，另一方面是由于行人碰撞接触位置位于车辆边角，行人被碰撞后直接倒向后视镜处，未与风窗玻璃接触。数据显示，超过2/3的矮长头车事故中其风窗玻璃会出现裂纹，出现裂纹的最小碰撞速度为32 km/h；约1/3的高长头车事故中其风窗玻璃会出现裂纹，出现裂纹的最小碰撞速度为60 km/h；近4/5的面包车事故中其风窗玻璃会出现裂纹，23 km/h的碰撞速度就会导致裂纹出现。54.0%的裂纹位于风窗玻璃的下部，42.5%位于中部，只有3.5%位于上部，右半部明显多于左半部。

表13 车辆前风窗玻璃裂纹中心分布Tab.13 Crackle position distribution of windshield of accident vehicles

通过以上对181例案例事故的统计分析，可以总结出行人致命事故的七大特征：行人违章横穿道路现象非常突出、老年行人涉事率较高、19：00—21：00时是事故多发时段、面包车事故是中国道路特色、道路路侧作业行人危险度高、行人死亡大多为颅脑损伤、车辆前挡风玻璃大多会有网状裂纹等。

3 事故致因机理分析

常用的事故分析方法包括安全检查表法、可靠性分析法、事故树分析法等，本文选用鱼刺图法进行行人事故致因的分析。鱼刺图又称因果分析图或因果图，它运用不遗漏、不重叠的原则将问题分为更细的若干个方面，并按相互关联性整理而成层次分明、条理清楚、同时标出重要因素的图形，是一种发现问题“根本原因”的方法。鱼刺图事故分析法的基本步骤为：①确定事故的影响因素；②找出所有可能导致事故的原因；③将各原因和因素进行逐层归类，明确隶属关系；④分类填图。

3.1 行人因素

从行人的角度，超过六成的行人致命事故主要是由于行人违章横穿道路造成，不仅在没有中央隔离设施的城市道路和二级公路常见，在设置有中央分隔带禁止行人行走的高速公路及城市快速路上，行人横穿现象也非常突出。行人之所以冒险横穿道路，主要是心存侥幸心理，对危险估计不足，意识到危险之后又不知所措；另有一部分行人(特别是老年行人)交通安全意识淡薄，交通语言识别能力弱，身体反应机能弱，缺少“路权意识”，以致危险来临却还不知。此外，儿童玩耍、饮酒行走、夜间着装颜色较深、闯红灯等也是导致少部分行人死亡事故的原因。另外，致命事故中老年行人的比例较高，与老年人群体质脆弱、抵抗力差、容易有并发症等因素有关。

图2是2014年9月发生在成都市三环路上的一起行人碰撞死亡事故，是典型的行人违章横穿道路事故。事故中着白色上衣的52岁男性行人，在路边伺机等待交通流空挡后快步横穿4车道的快速路(限速100 km/h)，约5 s后在最后一个车道内被一行驶速度为75 km/h的香槟色小客车碰撞，经送医无效后死亡。

图2 行人横穿快速路事故典型案例Fig.2 Typical jaywalking case on freeways

图3是2015年11月发生在成都市经华北路的一起行人碰撞死亡事故，是典型的老年行人横穿城市道路事故。事故中着深色服装的73岁男性行人以极慢的速度横穿一双向4车道的城市主干道(限速60 km/h，中央双黄线隔离)，在快临近道路中央时，为了等待交通流空隙，直接驻足在行车道内，被正常行驶的黑色轿车(行驶速度仅25 km/h)碰撞，经送医无效后死亡。

图3 老年行人横穿城市道路典型案例Fig.3 Typical jaywalking case involving old pedestrian on urban streets

行人除了横穿道路致命危险度高之外，在道路路侧的违章作业也是行人致命事故的重要原因(占比6.6%)，包括环卫作业、道路施工作业、车辆抛锚维修作业等。发生事故的主要原因是作业人员没有严格按照规程进行操作，没有做好作业告知和分流工作，侵入了车辆行驶限界内。

3.2 驾驶员因素

从驾驶员的角度，观察不到位、注意力不集中、应急处置不当是许多行人致命事故未能避免的主要原因。在多起有监控视频或行车记录视频的NAIS事故案例中，可以明显的看出驾驶员应该有条件主动避免事故碰撞的发生或降低事故后果的严重程度。图2和图3所示的2起典型事故中，事故车辆在接近事故碰撞点前其前方视野均较为开阔，也有足够的距离发现违章行人并采取紧急措施，但是2车均是在非常接近行人时才有减速行为。此外，有少量行人致命事故涉及到驾驶员的疲劳驾驶、酒后驾驶、肇事逃逸行为等。另外，涉事驾驶员中超过九成为男性，男司机才是“可怕的”。

3.3 车辆因素

从车辆的角度，超速行驶是行人致命事故最主要的原因。181例样本数据显示，超过四成的事故涉及车辆超速，速度越高，行人致命的可能性越大。大型车辆视野欠佳，在碰撞中容易对行人造成碾压，形成致命损伤。受到其他车辆远光灯的照射以致驾驶员无法及时看清前方行人也是行人事故发生的重要原因之一，图3中的事故明显也与对向车道中的车辆开远光灯有一定的关系。此外，车头形状与行人的碰撞损伤程度有较大关系，特别是面包车车头接近垂直，即使碰撞速度不高，行人一旦碰撞其头部也很容易直接与前风窗玻璃碰撞，导致行人颅脑损伤，致死率很高。另外，闯红灯、未保持安全车距、逆向行驶、倒车、机械故障等也是少部分行人致命事故的原因。

3.4 道路因素

从道路的角度，主要的原因是相关安全设施的缺失或不完善，包括未按规范设置隔离设施、隔离设施损坏没有及时修复、信号灯设置缺陷、标志标线不完善等。从图3所示事故的监控中可以看到，事故发生前已有多名行人违章横穿道路，可见此处行人横穿道路几乎是常态，有必要设置物理隔离栏。另外，虽然数据表明，大部分的行人致命事故发生在不允许行人横穿或行走的路段上，但是从以人为本的理念出发，道路设计应给行人的合理过街(路)需求提供适合的响应方式。此外，道路视距不良、路面潮湿等也容易导致事故的发生。

3.5 环境因素分析

从环境的角度，数据表明晚19：00—21：00时行人致命事故特别突出。不管是城市道路还是公路，19：00—21：00时发生的行人致命事故都占全天的近三成，大大高于其他时段。虽然晚上19：00—21：00时一般不是全天的车流、人流最高峰时间，但是由于该时段晚高峰已逐渐消散、城市昏黄照明与车辆照明映衬、饭后驾驶员和行人安全意识放松等因素的影响，以致该时段行人致命事故发生频率较高。此外，道路景观和天气对事故也有间接影响。

3.6 总体因素鱼刺图

基于以上分析，结合NAIS数据库中的181例行人致命事故特征，采用鱼刺图分析方法，得出行人致命事故致因机理的总体因素鱼刺图，见图4。行人致命事故的影响因素包括行人、驾驶员、车辆、道路和环境等5个方面。总体来看，五大因素对行人致命事故的发生影响程度的排序为行人、驾驶员、车辆、道路、环境；对行人事故后果影响程度的排序为车辆、行人、驾驶员、道路、环境。从行人致命事故预防的角度，加强行人和驾驶员的交通安全教育和管理是首要的关键，其次是完善和规范道路设施，再次是加强车辆运行秩序的管理，最后是完善道路环境。

图4 行人致命事故致因机理鱼刺图Fig.4 Fishbone diagram of cause mechanism of fatal pedestrian accidents

4 结束语

行人致命事故是一种重要的交通事故类型，社会各方都不愿看到这类事故的频繁发生。基于NAIS深度数据库181例事故样本的统计分析和致因机理分析均表明，行人违章横穿道路是行人致命事故最主要的原因，应从交通安全教育、完善交通安全设施、车辆速度管理等方面加以预防；同时，老年行人在事故中的致命率较高，老人也是致命交通违章行为的重要群体，应加以重视。此外，虽然NAIS在事故深度数据库建设方面取得了良好的开端，但是数据样本量和覆盖面也还需要进一步加大，包括行人事故在内的各类事故的特征和致因机理也还需要持续的研究。