不同性别驾驶员小轿车交通事故的影响因素分析

张 圆，邓院昌，林庆丰，史晨军

(中山大学智能工程学院广东省智能交通系统重点实验室，广东 广州 510006)

近年来，在各类媒体的报道中，女司机俨然成为“马路杀手”的代名词。2018年10月28日发生的重庆市万州公交坠河事故，从小轿车逆行与大巴车发生碰撞，逆转为公交车逆行与小轿车发生碰撞。其中争论的关键问题之一是性别与交通事故之间是否具有相关性。探究不同性别驾驶员与交通事故之间的关系，可为交通事故预防提供相关理论依据和数据支持，对交通安全管理工作也具有重要的意义。

关于不同性别驾驶员与交通事故之间的关系，国外学者大多关注于驾驶员的性别与交通事故频次及严重程度的相关性。如Mcguire[1]通过总结多项研究成果得出性别变量与事故发生率没有显著的关系；Attewell[2]研究指出女性驾驶员的交通事故死亡率低于男性，但交通事故受伤率高于男性；Claret等[3]研究发现25～44岁之间的女性驾驶员交通事故率最低；Murat等[4]研究发现驾驶员的性别及年龄均与交通事故类型及严重程度显著相关，21～30岁的男性驾驶员发生交通事故的频次最高且严重程度最大；Eladio等[5]以格拉纳达大学本科生为研究对象，通过问卷调查发现男性驾驶员自称比女性开得更好更快，男性驾驶员使用所有安全设备的频率比女性低，而且更容易发生危险驾驶行为。

国内关于驾驶员性别与交通事故之间关系的研究较少，部分学者基于女性驾驶员的生理、心理与其驾驶行为特征的关系进行分析。如陈颖等[6]通过女性驾驶员应激反应能力仿真实验，得出前方视距不良、前车紧急制动应激能力无性别差异；冯忠祥等[7]研究认为导致女性驾驶员交通事故的因素主要包括人格、认知等心理特征和视觉能力、应激反应等生理特征；沈玮等[8]研究得出女性事故组驾驶员与安全组驾驶员在人格特征上表现出显著的差异。此外，部分学者对道路交通事故严重程度进行了预测研究。如沈坤[9]从宏观角度选取了GDP、机动车保有量、公路通车里程、机动车驾驶员人数及年末总人口数5要素，运用多元线性回归建立了交通事故回归预测模型；李奇等[10]从模型优化角度建立了道路交通事故灰色组合预测模型，对我国道路交通安全事故进行了预测。

但是，目前的研究尚缺乏对不同性别驾驶员交通事故影响因素的全面分析。为了系统地分析不同性别驾驶员交通事故的影响因素，本文首先通过数据统计，对比分析不同性别驾驶员的交通事故特征；其次运用相关性分析筛选出对不同性别驾驶员交通安全有显著影响的特征因素；最后采用Logit模型建立不同性别驾驶员交通事故严重程度的预测模型，对不同性别驾驶员发生交通事故的严重程度进行估计。

1 不同性别驾驶员的交通事故特征

本文以广东省2018年1～8月发生的9 886条小型轿车交通事故数据为基础，选取小型轿车驾驶员为研究对象，其中包括女性驾驶员1 395人，男性驾驶员8 491人。通过数据统计，从事故类型、事故责任类型、驾驶员在交通事故中的碰撞角色和事故原因类型4个角度，对比分析了不同性别驾驶员的交通事故特征，详见表1至表3和图1。

表1 不同性别驾驶员的事故类型统计结果

表2 不同性别驾驶员的事故责任类型统计结果

表3 不同性别驾驶员在交通事故中的碰撞角色统计结果

图1 不同性别驾驶员的事故原因类型Fig.1 Accident causes of drivers of different genders

由表1至表4和图1可以看出：

(1) 事故类型在广东省道路交通事故数据库中，按照事故的严重程度分为死亡事故、受伤事故和财产损失事故3类。数据统计结果表明：女性驾驶员发生死亡事故和财产损失事故的百分比均低于男性驾驶员，而发生受伤事故的百分比则较高。

(2) 事故责任类型在广东省道路交通事故数据库中，按照驾驶人在交通事故中所需承担的责任大小分为全责、主要责任、同等责任、次要责任、无责和无法认定6类。数据统计结果表明：男、女驾驶员负主要及以上责任的事故约各占一半，且女性驾驶员负同等及以上责任的事故百分比均低于男性驾驶员。

(3) 碰撞角色在广东省道路交通事故数据库中，按照驾驶人在交通事故中的碰撞角色分为主动碰撞、被动碰撞、主动与被动碰撞都有和不明4类。数据统计结果表明：不同性别驾驶员在交通事故中发生主动碰撞、被动碰撞和主动与被动碰撞两者都有的百分比基本相同，且男、女驾驶员均主要发生主动碰撞交通事故。

(4) 事故原因在广东省道路交通事故数据库中的种类多达50余种，本文选取比例大于1.0%的可认定的事故原因类型来对比分析不同性别驾驶员发生交通事故的主要原因。数据统计结果表明：男女性驾驶员发生交通事故的原因均主要为未按规定让行，且男性驾驶员因醉酒驾驶和酒后驾驶发生交通事故的百分比显著高于女性驾驶员。

2 交通事故影响因素的选取与分析

2.1 因变量

广东省道路交通事故数据库中的事故类型分为死亡事故、受伤事故和财产损失事故3类,考虑到死亡事故在事故类型中的比例较小，且事故救援在事故类型中起一定作用，可将交通事故严重程度分为严重事故和非严重事故[11]。本文以交通事故严重程度为因变量，分为严重事故和非严重事故，将伤亡事故设定为严重事故，对仅有财产损失的事故设定为非严重事故，并分别用Y=0、Y=1表示。

2.2 自变量

道路交通系统是一个由人、车、路、环境构成的动态系统。在道路交通事故分析中，因责任认定问题，常将事故原因归为人的主观因素，而忽视了客观因素在交通事故中的作用[12]。因此，本文从客观因素中初步选取 14个自变量，并采用混合逐步选择法分析其对交通事故严重程度的影响，取显著性水平为0.05，当p<0.05时，表示自变量对因变量有显著影响。交通事故自变量及其取值见表4。

由表4可知：从肇事人、肇事车辆、道路和环境四个方面选取14个候选自变量，其中对女性驾驶员交通事故严重程度有显著作用的影响因素包括驾驶员是否系安全带、车辆有无保险、道路安全属性、路口路段类型、地形和照明条件6个；对男性驾驶员交通事故严重程度有显著作用的影响因素包括年龄、驾驶员是否系安全带、车辆有无保险、车辆安全状况、道路安全属性、路口路段类型、道路线型、天气、地形和照明条件10个。

表4 交通事故自变量及其取值

注：表中“#”、“*”分别表示对男、女性驾驶员交通事故严重程度具有显著影响的特征因素。

3 交通事故严重程度预测模型的建立

3.1 二项Logit模型建立

本文的因变量为交通事故严重程度，故采用二项Logit模型。该模型可表示为

(1)

式中:P为非严重交通事故的条件概率；Y为因变量；xi为自变量；α和β分别为回归截距和回归系数。

非严重交通事故的发生概率P与严重交通事故的发生概率(1-P)之比称为发生比。将该发生比取自然对数，可得到线性函数为

(2)

3.2 模型参数估计

本文分别建立了女性和男性驾驶员小轿车交通事故严重程度预测模型，将对不同性别驾驶员交通事故严重程度有显著影响的自变量分别代入模型，对模型进行参数估计，其结果见表5和表6。

表5 女性驾驶员交通事故严重程度预测模型的参数估计

由表5可知：根据发生比，对女性驾驶员交通事故严重程度影响较大的因素包括驾驶员是否系安全带、车辆有无保险、路口路段类型中的普通路段和交叉口、地形中的丘陵地区以及照明条件中的白天和夜间有无路灯照明。

(1) 女性肇事人方面，驾驶员系安全带的情况下，发生非严重交通事故的概率只有不系安全带情况下的0.578倍。

(2) 肇事车辆方面，车辆有保险发生非严重交通事故的概率为无保险情况下的0.410倍。

(3) 道路方面，驾驶员在道路安全状况下发生非严重交通事故的概率只有在道路存在隐患状况下的0.399倍；普通路段发生非严重交通事故的概率较低，是特殊路段的0.448倍。

(4) 环境方面，平原地区发生非严重交通事故的概率只有山区的0.548倍，丘陵地区为山区的0.669；在照明条件上，白天发生交通事故的概率最大，为黄昏时候的4.367倍，这与驾驶员的安全意识有较大关系。

由表6可知：根据发生比，对男性驾驶员交通事故严重程度影响较大的因素包括驾驶员是否系安全带、车辆有无保险、车辆安全状况、路口路段类型中的普通路段和交叉口、地形中的丘陵地区以及照明条件中的白天、夜间有路灯照明、夜间无路灯照明和黎明。

(1) 肇事人方面，驾驶员在系安全带的情况下发生非严重交通事故的概率比不系安全带情况下稍大，这可能与驾驶员的安全意识及其驾驶技能有较大关系。

表6 男性驾驶员交通事故严重程度预测模型的参数估计

(2) 肇事车辆方面，车辆有保险发生非严重交通事故的概率为无保险情况下的0.548倍；车辆安全状况正常情况下发生非严重交通事故的概率为不正常情况下的1.749倍，这与驾驶员的安全意识有很大的关系。

(3) 道路方面，与特殊路段相比，普通路段和交叉口处发生非严重交通事故的概率较低，分别是特殊路段的0.551倍和0.639倍。

(4) 环境方面，平原地区发生非严重交通事故的概率与山区相差不大，丘陵地区发生非严重交通事故的概率是山区的0.509倍；在照明条件上，白天发生非严重交通事故的概率最大，其次为夜间无路灯照明，分别为黄昏时候的5.171倍和3.243倍。

3.3 模型检验

本文利用Hosmer-Lemeshow(H-L)检验对建立的不同性别驾驶员交通事故严重程度预测模型的拟合度进行检验，其检验结果见表7。

表7 不同性别驾驶员交通事故严重程度预测模型的H-L检验

由表7可知，P值均大于 0.05，故接受零假设，说明两个预测模型均能较好地拟合数据。

本文分别利用上述建立的不同性别驾驶员交通事故严重程度预测模型预测交通事故的发生数，其预测的准确性见表8。

表8 不同性别驾驶员交通事故严重程度预测准确性

由表8可知：①与非严重交通事故预测的准确率相比，两个模型均对严重交通事故的预测效果较好；②从交通事故的平均预测准确率来看，两个模型的平均预测准确率相差不大且均接近80%，表明两个模型的预测效果均较好。

4 结 论

(1) 本文通过对比分析不同性别驾驶员的交通事故特征，结果发现：女性驾驶员发生死亡事故和财产损失事故的百分比低于男性；女性驾驶员负同等及以上责任的交通事故百分比低于男性；男、女性驾驶员在交通事故中发生主动碰撞、被动碰撞和两者都有的百分比基本相同；男、女性驾驶员发生交通事故的原因均主要为未按规定让行，且男性驾驶员因醉酒驾驶和酒后驾驶的交通事故百分比显著高于女性。

(2) 以交通事故严重程度为因变量，将其分为严重事故和非严重事故，并从人、车、路和环境四个方面选取了14个候选自变量，采用混合选择法筛选出对不同性别驾驶员交通事故严重程度具有显著影响的特征因素，结果发现驾驶员是否系安全带、车辆有无保险、道路安全属性、路口路段类型以及照明条件等特征因素对其有显著影响。

(3) 采用二项Logit模型分别建立不同性别驾驶员交通事故严重程度预测模型，分析自变量对交通事故严重程度的影响，并对模型进行参数估计与检验。结果表明：两个模型的拟合效果和平均预测能力均较好；与非严重交通事故相比，模型对驾驶员发生严重交通事故的预测准确性较好。

致谢:本文特别感谢广东省科技计划项目的资助以及广东省公安厅交通管理局提供的数据支撑。