基于电子抓拍数据的交通违法行为影响因素研究*

付川云 刘 华 周 悦 王道莘 张 伟

(西南交通大学交通运输与物流学院1) 成都 611756) (西南交通大学综合交通运输智能化国家地方联合工程实验室2) 成都 611756) (西南交通大学综合交通大数据应用技术国家工程实验室3) 成都 611756) (四川省城乡规划设计研究院4) 成都 610084)

0 引 言

截至2017年底，我国机动车保有量已达3.10亿辆，机动车驾驶人数量也大幅增长，交通违法行为数量居高不下.此外，现今居民出行量大，传统的现场交通执法难以应对分布广、数量大的交通违法行为，亟待对交通违法的致因因素及干预措施进行全面研究.

目前，国内外学者对交通违法行为影响因素开展了较多的研究.Beatriz等[1]通过网络调查问卷，把男女驾驶人易被激怒的不同原因与交通违法行为相联系；Ilit等[2]使用广义线性模型，主要从驾驶人的性别角色上把对事故的研究转变为对将会成为交通违法行为的研究；Gosep等[3]应用灰色模型研究了个人特征和交通违法行为之间的关系，发现对处罚敏感度较高而对收益敏感度较低的驾驶人更倾向于遵守法律；而Cornelia等[4]则将宗教信仰作为外在因素，基于聚类分析，得出具有中等和高度外控观(外部复杂因素高度影响自身行为)和具有低水平内控观(自身活动结果是由自身所具有因素决定)的驾驶人更易违法的结论；Sophia等[5]同样基于聚类分析，将驾驶人分为三类并对其自我上报的风险行为和态度进行区分，以确定特定群体的相关危险性因素；Xu等[6]通过研究中国的新手、经验较少和经验丰富驾驶人，得出了驾驶经验越多的驾驶人对环境因素越敏感、更不易被个体因素所影响，即更不易发生交通违法行为的结论；而Millicent等[7]则研究了加纳库玛西地区的驾驶人，发现经验丰富的驾驶人更倾向于违反交通安全法规.

学者对情景因素进行了研究.Pulugurtha等[8]研究了红外摄影机对减少闯红灯违法行为的影响效果；Chien等[9]发现出租车驾驶人超速违法行为与性别和教育程度无关，而与运营方式、日行驶里程，夜间驾驶和月休息天数显著相关；裴玉龙等[10]则研究了电子执法设施和交通倒计时计数器两种设施存在下，对驾驶人闯红灯行为的影响.

为应对新形势下高频次、多种类的交通违法现象，包括交通电子执法在内的多种干预措施相继被提出，并对其效果进行了研究.Lu等[11]通过大规模随机对照试验，评估了电子监控设备对于驾驶人的违法干预效果；Jaeyeong等[12]使用比例风险模型，得知驾照累计记分对交通违法行为有较好的干预效果，且撤销相较暂停使用驾驶执照干预效果更明显；Kibrom等[13]得出罚分处罚和暂停使用驾驶执照都具有短期威慑效果，但暂停使用驾驶执照更具长期干预效果的结论；Parul等[14]利用车牌自动识别技术，将员工工号与车牌号绑定，及时通知违法者，从而在相对封闭的环境(如学校中)有效预防交通违法行为的发生.

文中以2016年四川省德阳市机动车交通违法行为电子抓拍数据为基础，从交通违法行为类型及发生次数、车辆类型、时空分布三个方面揭示交通违法行为特征，在此基础上构建交通违法行为多项Logit模型，探究超速行驶、违法停车、不按规定导向车道行驶、违反禁止标线等高频交通违法行为的情景影响因素，以提出相应的干预措施.

1 交通违法行为特征提取

1.1 交通违法抓拍数据收集及预处理

从德阳市公安局交通警察支队收集该市2016年电子抓拍数据，其包括666 961条机动车交通违法记录.电子抓拍数据包含车辆号牌种类、号牌号码、违法时间、违法地址，以及违法内容.

由号牌种类可将车辆类型划分为：小型汽车、大型汽车、教练汽车、摩托车和其他车辆(含挂车、低速车、警用汽车).交通违法内容共包含142种交通违法行为，为便于研究，将其归纳为12种.由于数据所提供的交通违法地点信息并不规范，为便于后续分析，利用百度地图拾取坐标系统处理经纬度数据，反解析得到对应的详细地址，同时得到车辆归属地信息并进行批量提取.

因德阳市本地车辆在外地的交通违法记录较为分散、杂乱，且非本文研究重点，故将其删去.经初步处理并剔除无效数据，最终得到2016年德阳市机动车交通违法记录共541 566条.

1.2 交通违法行为特征分析

分别统计12种交通违法行为的发生次数，以确定高频交通违法行为类型，见图1.超速行驶、违法停车、不按导向车道行驶和违反禁止标线是四种高频交通违法行为.为便于分析，将交通违法次数划分为五个等级：1，2～4，5～7，8～17及≥18.分别统计交通违法次数各等级下驾驶人数，得到重复交通违法驾驶人(即发生交通违法次数大于或等于两次的驾驶人)分布，见图2.仅一次交通违法行为驾驶人最多，具有2～4次交通违法行为驾驶人数次之，而具有8次及以上交通违法行为驾驶人数仅占有较小的比例.

各类型车辆的交通违法记录，见表1.其中，小型汽车最易发生交通违法行为，且发生比例明显高于其他四类车辆.对各类型车辆交通违法行为进行百分比堆积，以得到各类型车辆易产生交通违法行为的不同，见图3.其中，超速行驶、违法停车和不按规定导向车道行驶是小型汽车发生频率较高的三种交通违法行为.同时，本地违法车辆(83.2%)较外地违法车辆(16.8%)更多.

表1 各类型车辆的交通违法记录

图3 各类型车辆交通违法行为百分比堆积分布

图4为不同时期交通违法行为发生次数.由图4a)可知，第一季度的违法行为次数最低(22.85%)，第四季度其次(24.12%)，第二季度(26.52%)和第三季度(26.52%)比较接近.第一季度和第三季度中，突出的交通违法行为依次是超速、违法停车和不按规定导向车道行驶，而第二、四季度中，违法停车最为突出.

图4 不同时期交通违法行为发生次数

由图4b)可知，周末违反禁令标志发生次数明显低于工作日，类似的还有超速行驶和违法停车.星期五不按规定导向车道行驶行为发生次数最少.剩余交通违法行为1周内无明显区别.

由图4c)可知，上午时段内，不按规定导向车道行驶发生次数最多，其次是超速和违法停车.而在下午时段，不按规定导向车道行驶的发生次数明显减少，而超速和违法停车行为明显增加.晚上时段的违法停车和超速现象较为突出.凌晨时段整体交通违法记录较少，主要违法记录由超速行驶造成.

由图4d)可知，法定假日的交通违法数量并不一定多于非法定假日期间.清明节、劳动节、端午节期间交通违法行为发生次数高于非法定假日.但其余法定假日内的交通违法行为发生次数却少于非法定假日.

图5为德阳市交通违法行为的空间分布情况，由图5可知，其主要集中于四川省的中东部地区，尤其是与德阳市相邻的成都市和绵阳市.

图5 2016年德阳市车辆交通违法行为分布

2 影响因素模型构建

2.1 多项Logit回归模型

为便于分析，将交通违法行为划分为超速行驶、违法停车、不按规定导向车道行驶、违反禁止标线和低频违法行为(仅占总体的7.2%).各类别间无明显次序，此时将交通违法行为看作一个无序的多分类变量，故可用多项Logit回归模型.假设交通违法行为这一因变量被分为G类，则可以对其中的G-1个类别，各做一个回归方程.第j类交通违法行为对应的多项Logit方程可表示为

αj+βj1x1+βj2x2+…+βjKxK,

j=1,2,…,G-1

(1)

式中：P(Y=j|X)为第j类违法行为的概率；xk为第k个自变量；αj和βjk分别为第j类交通违法行为多项Logit方程的常数项和第k个(k=1,2,…,K)影响因素的回归系数.

(3)

2.2 变量分析

以交通违法行为为因变量Y，其定义及取值说明见表2.

多项Logit模型中，默认以自变量中数值较小类别为参考类别，用其他分类依次与之对比考察不同水平的倾向,因此，令各自变量的目标参考类别取最小值.自变量的具体定义和取值见表3.

表2 响应变量定义及赋值说明

2.3 模型拟合过程及结果分析

利用似然比检验模型，得到模型放入自变量前后的-2倍对数似然值之差，其值为221 615.000，自由度为36，p值<0.001.这表明模型中至少有一个偏回归系数不为0的自变量.再者，多项Logit模型的伪决定系数(pseudoR2)为0.548.综上，该模型拟合效果较好.

表3 自变量定义及取值说明

注：*-第一季度为参照组，对剩余三个自变量做哑变量处理；**-绵竹市为参照组，对剩余五个自变量做哑变量处理.

交通违法行为多项Logit模型以低频违法行为(Y=5)为参照类别，其参数估计结果，见表4.通过模型中各参数及对应OR值，可分析各因素对交通违法行为的影响规律.

表4 多项Logit模型参数的估计结果

注：***和**分别表示在1%和5%的显著性水平上显著.

对于时段(07:00-19:59)，模型中其参数均为正且OR值均大于1.这表明，相对于低频交通违法行为，超速行驶、违法停车、不按规定导向车道行驶和违反禁止标线在07:00-19:59时段内发生的概率更高，尤其是不按规定导向车道行驶和违反禁止标线.

类似地，超速行驶、违法停车、不按规定导向车道行驶和违反禁止标线在第二、三季度中较低频交通违法行为更容易发生.违法停车、不按规定导向车道行驶和违反禁止标线在第四季度中的发生概率显著大于低频交通违法行为，但超速行驶则相反.

工作日期间，超速行驶、不按规定导向车道行驶和违反禁止标线的发生概率小于低频交通违法行为，但违法停车的发生概率是低频交通违法行为的1.156倍.法定假日期间，易发生违反禁止标线行为，但超速行驶、违法停车和不按规定导向车道行驶较低频交通违法行为却更不易发生.

德阳市域范围内交通违法行为分布具有明显的地域特征.相对于低频交通违法行为，超速行驶行为主要发生在旌阳区和罗江区；违法停车行为主要发生在什邡市和旌阳区；不按规定导向车道行驶主要发生在广汉市和罗江区；违反禁止标线行为主要发生在罗江区.

相对于其他类型车辆而言，小型汽车更容易发生超速行驶、违法停车、不按规定导向车道行驶和违反禁止标线的交通违法行为.另外，本地车发生超速行驶、不按规定导向车道行驶和违反禁止标线行为的概率较低频交通违法行为更低，但发生违法停车行为的概率却更高.

3 交通违法行为干预措施

1) 强化重点时段执法 根据前文分析，针对时间因素，对德阳市交通违法行为提出如下干预措施：在07:00～19:59时间段内，重点控制不按规定导向车道行驶和违反禁止标线两类违法行为.例如，增加警力在道路交叉口进行监控和干预；在周一至周五的工作日中，应着重关注违法停车现象，可增加巡逻警力或增设监控处罚标志等以引起驾驶人注意；由于每年的第三季度是超速行驶违法行为发生最为严重时期，此时应加大干预，对超速常发路段进行重点监控，以避免交通违法行为及其相关交通事故的发生；此外，法定节假日期间可考虑增设交警巡逻和交通引导人员，以提高管控水平，有效控制违反禁止标线行为.

2) 调整不同区域监控方案 对于德阳市而言，不按规定导向车道行驶是最易发生的交通违法行为，但在其下属的不同地区，需要进行干预的具体违法行为也不相同，因而需要不同的管控策略.旌阳区应注意超速和违法停车两类违法行为；而什邡市则最应关注违法停车行为；需要控制违反禁止标线行为的则是罗江区、广汉市，同时，对罗江区还应注重违法停车和超速行为的出现；而低频交通违法行为主要集中于中江县.

3) 加强小型汽车和外地车辆驾驶人管理 相比于其他类型汽车而言，小型汽车最易发生超速行驶、违法停车、不按规定导向车道行驶、违反禁止标线的交通违法行为，且小型汽车驾驶人的人员构成较为复杂，亟待从社会角度入手，对各类小型汽车驾驶人进行有效的安全宣传和培训；而超速、不按规定导向车道行驶和违反禁止标线是外地车辆容易产生的违法行为，交管部门可在城市进出口地点对外地驶入驾驶人进行道路执法宣传，以提示驾驶人预防这些交通违法行为.

4 结 论

1) 超速行驶、违法停车、不按规定导向车道行驶和违反禁止标线四类交通违法行为是最为普遍的城市道路交通违法行为，占德阳市机动车交通违法行为总数的90%以上.

2) 车辆归属地、车辆类型、工作日、高峰时段、法定节假日、地区等因素对四类高频交通违法行为产生不同程度的影响.其中，时空情景因素是影响四类高频交通违法行为发生的关键因素，直接影响其发生的频率和类型，需重点关注及应对.

3) 提出强化重点时段执法、调整不同区域监控方案、加强小型汽车和外地车辆驾驶人管理三种干预措施，以遏制交通违法行为.

受电子抓拍数据的限制，一些重要的情景因素(如道路几何条件、交通条件、天气条件等)对交通违法行为的影响有待进一步研究.此外，交通违法行为空间分布规律(如空间聚集性和自相关等)和重复交通违法行为特征及其影响因素是值得后续研究的方向.