交通事故责任认定书的大数据分析和智能裁量

丁龙江 蒋泽人 杨昊 张旭 张颖

【摘 要】在道路交通事故处理中，交通事故认定书的特殊法律地位决定了其在道路交通事故的责任认定和民事赔偿中起着关键性的作用。在“互联网+”的大背景下，以大数据分析技术为着手点，交通事故认定书为数据源构建智能执法量罚仓库，塑造高度自主的精细化交通事故认定体系，能够促进道路交通行政执法的智能化发展。同时，对于智能裁量设计上可能出现的算法黑箱、数据失真、隐私泄露等应有及时地救济机制，并明确好法律和理论的界限。

【关键词】交通事故认定书；大数据；智能裁量；执法量罚仓库

一、交通事故认定书的分析研判

（一）交通事故认定书的作用领域

对于交通事故的研究，首要明确的应是交通事故认定书的作用领域。在整个交通事故的法律适应领域，产生了横跨民事、刑事、和行政法律责任承担的法律现象，道路交通事故的当事人责任认定应为重中之重。不同的事实认定有不同的法律适用，《道路交通安全法》《刑法》《侵权责任法》等在不同的场景下发挥着不同的作用。面对不同的法律适用，重要的法律文书“交通事故责任认定书”也会根据适用法律不同而有着不同的效力。因为交通事故法律适用的复杂性，现实中往往出现了将各法律责任等同划一的现象。所以，为还原交通事故“责任认定”的本质属性，强调交通事故发生的客观性原则，实现责任“同案同罚”，在构建智能执法量罚仓库时，我们应注重其剥离责任一体融合的现实情况，形成结构化的要素体系。

（二）交通事故责任认定争议的本质思考

在道路交通事故处理中，常常会出现当事人对交通事故责任认定结果争议的现实情况。其一，理论和实际具有差异，交通事故的总的原则理论通说缺位。交通事故责任认定理论研究起步较晚，现代交通法最早出台于1903年的美国，且随着机动车和道路交通条件不断更迭，与其他有长期发展历史的法学理论如刑法、民法难以形成承继关系，所以交通事故的总原则和总要求缺位。且交通事故责任认定往往涉及复杂因果关系，对事故中各作用的衡量也需进行更加深入研究。另一方面，人们的法律认识错误。一般来说违法与过错往往是伴生关系，如张三操作失误追尾赵四，发现赵四酒驾，就此事故而言，虽然赵四存在过错，但是与张三的违法行为无关，两者应分开处理，但是当事人甚至部分交警会将违法与过错，混为一谈；其二，交警本身存在相关问题。在交通事故处理中，部分交警没有秉持公正的执法态度，存在人情往来，自由裁量权范围较大。若在事实认定方面偏颇于某方当事人，极易导致处置不公；或是在交通事故处理的程序中，因个人执法不规范或情绪性原因懈怠工作导致的程序错误，也极易造成当事人对交通事故责任认定结果出现争议。

二、大数据分析建立智能执法量罚仓库的基本方法

（一）建构智能执法量罚仓库

建构智能执法量罚仓库的本质在于对交通事故认定书的综合处理。不应仅仅是以单一匹配数据库中的相似案例，而是对于海量交通事故认定书进行自动的挖掘与预测，形成统一的法律量罚标准，造就综合学习、不断完善、不断进步的“智能执法者”。面对以千万记的交通事故认定大数据，智能裁量需要提炼共性规则，即依据不同的执法场景，提取规则并进行数据标注，进行机器学习，最终形成类似于交警经验法则判断的能力。所以，合理、透明的算法规则，是交通事故智能裁量的基础。同时，在人工智能尚未到达强AI般高度发达的能力时，大数据分析提炼共性规则只能建立在结构化的数据样本的基础上。所以，实现智能裁量的要求就是学习交通事故认定书中结构化的逻辑规则，形成交通事故责任认定的算法。

交通事故智能裁量的具体算法建设包括但不限于如下两点：

1.进行词库建设

因为交通事故认定书的内容主要是事实认定和法律适用，最终得出承担什么样的责任的结论。无论是事实认定还是法律适用，其基本组成都是词语。词语是文本内容的最小单元，是反映文本内容的基本元素，词库的建设就是将交通事故认定书特定的关键性词或连续的字序列按照一定规范重新组合成词序列的过程。通俗的讲，词库的建设就是将交通事故责任认定进行模型化、要素化。

2.建立以经验法则为核心的知识建模功能

交警自身的经验法则类似于人工智能算法，是解决比较交通事故认定中复杂场景的各影响因素的相互作用关系大小的问题，经验丰富的交警能在复杂事故案件中进行公平公正的事故认定，是人工智能学习的重要知识来源。所以，为了能让智能裁量完成既定的执法任务，就需进行经验法则知识建模。让工程师与资深交警进行沟通，将交通事故处理的结构、性质与关系以知识图谱的方式表达出来。常用的知识建模方式有状态空间法、问题归纳法、语义网络法等。

（二）智能执法量罚仓库的数据源

你给我多少知识，我给你多少智能。数据是智能的根本来源，没有数据，大数据分析、智能裁量也就成了无本之木。《道路交通事故处理程序规定》第六十二条第二款已明文规定：有条件的地方公安机关交通管理部門可以试行在互联网公布道路交通事故认定书。在保护公民信息和个人隐私的前提下，如何合法、合理规范获得交通事故认定书成为了重中之重。在实践操作中，可以采取“官方+市场”双重驱动方法，由官方即公安机关交管部门进行数据源的提供和监控，形成官方引导、监管，市场驱动的良性方法。目前火热的“智慧法院”建设就是采取的这种方法。

三、大数据智能裁量的要求、优点与具体限制

交通事故大数据智能裁量作为技术手段能够推动道路交通事故认定转型升级，但需认清面对不断变化的场景，智能裁量是否能具备上述全部功能还是未知数。当下需要做的是，以实证的态度深入交通事故认定的实践，关注交通事故认定书中的问题，加强理论研究，细化认定规则，积极探索中国式的道路交通事故处理法则，以及实现兼顾普遍适用与个别正义的多元化处理策略。

一方面，对大数据智能裁量的要求应严格进行把关。其一，确立以法律为中心的思想理念。在实践中常常出现重数据，轻法律。加强道路交通事故的理论研究，细化认定规则，法律法规是交通事故认定的根本。在大数据时代，坚持法律本位而非数据本位，秉持对法律的敬畏之心，让数据帮助法律说话而不是取代法律说话。

其二，大体量与精细化分析并重。大数据不应仅仅是大体量，缺乏质量的交通事故认定书没有实质价值。智能裁量的原则是对公平公正的价值追求，缺乏质量的大体量缺乏事实与结果的必然联系，必然无法达到公平公正的实体要求。其三，对智能裁量划定法律界限与道德限制。在有效的算法尚不充分的情况下，对于可能存在的量罚失衡等情况应及时介入进行拨乱反正，建设合理的救济机制。另一方面，明确大数据智能裁量的优点，树立自信心。智能裁量严肃谨慎，思考问题周密细致，不放过任何可疑的蛛丝马迹，能够补正交警处理事故中的不足，这将足以保证每一份交通事故认定书的出具有理有据，符合客观实际。于此同时，智能裁量能够排除事故当事人将无争议现象出现证据不全、不准、错误或遗漏、程序上有瑕疵、认定所依据的法律条文不当等现象。特别是智能裁量防范人本身的性格弱点，关系案、人情案。为防范故意利用自身职业权力为部分当事人谋取私利的行为，以及因情绪性原因懈怠工作导致错误性出具交通事故认定书等情形。

当然，不可否认对于少数个案，即使是经验丰富的交警也会犯难，利用自然语言处理的智能裁量更是有着先天的局限性，这也是智能裁量的薄弱环节。可是，面对机动车辆和道路条件的升级更迭，这又是对交通事故责任智能裁量最重要检测。总之，只有形成复杂交通事故认定有效的统一规范和知识学习方法，使得作为执法量罚仓库前提的算法完整，智能裁量的应用才会规范、统一。

【参考文献】

[1]邵祖峰，刘知音.公安机关交通事故认定的现状、问题与对策[J].北京警察学院学报，2017（02）：28-33.

[2]洪冬英.司法如何面向“互联网+”与人工智能等技术革新[J].法学，2018（11）：169-180.

[3]盛学军，邹越.智能机器人法官：还有多少可能和不可能[J].现代法学，2018，40（04）：74-82.

[4]汝绪华.算法政治：风险、发生逻辑与治理[J].厦门大学学报（哲学社会科学版），2018（06）：27-38.

[5]周尚君，伍茜.人工智能司法决策的可能与限度[J].华东政法大学学报，2019，22（01）：53-66.

[6]高翔.人工智能民事司法應用的法律知识图谱构建——以要件事实型民事裁判论为基础[J].法制与社会发展，2018，24（06）：66-80.

[7]钱大军.司法人工智能的中国进程：功能替代与结构强化[J].法学评论，2018，36（05）：138-152.

[8]涂永前，于涵.司法审判中人工智能的介入式演进[J].西南政法大学学报，2018，20（03）：48-55.