基于二元Logit模型的直角事故受伤严重程度分析

石小林，李 涵，黄子富

基于二元Logit模型的直角事故受伤严重程度分析

石小林，李 涵，黄子富

（重庆市交通规划研究院，重庆 401147）

直角事故是一种常见的交通事故类型, 为探寻直角事故受伤严重程度的显著影响因素, 本文运用二元Logit模型, 从人、车、路和环境四个方面对美国密歇根州Wayne县的直角事故受伤严重程度进行全面分析, 且采用向前似然比检验和向后似然比检验两种方法对比得到模型最优拟合优度。研究结果表明: 驾驶员因素 (未采取紧急措施、不遵守信号灯指示、饮酒) 、道路限速、事故中包含摩托车和路面情况是直角事故的显著影响因素, 并得到了计算直角事故发生人员伤亡概率的回归方程。本文得到的结论可为交通管理提供参考, 以减少该类事故的受伤严重程度。

直角事故；人员伤亡；二元Logit模型；似然比检验

0 引 言

伴随着社会的发展，道路交通需求显著增加，减少交通事故显得很重要，道路交通事故不仅会造成巨大的经济损失，消耗社会财产，而且严重威胁人们的生命健康。直角事故是一种常见的两车碰撞事故类型，在发生事故时两车成直角形状相撞，具有较大的冲击力，易导致人员伤亡。国内外专家学者对直角事故进行了研究，Hauer等[1]根据事故前的两车状态，将事故分为15种类型，直角事故属于第四种事故类型，并利用多伦多都市三年（1982—1984）145个四条腿固定周期交叉口数据建立四个直角事故模型，此后直角事故研究开始受到广大学者的重视。其中主要包括：Jin Yu等[2]利用佛罗里达州Hillsborough县的197个十字信号交叉口数据，分析了直角事故受伤严重程度的影响因素（机非隔离带的设置、黄灯时间、碰撞点、酒驾与否、药物使用和驾驶人年龄是影响直角事故受伤严重程度的重要因素）；Affum等[3]利用南澳澳大利亚港市114个信号交叉口4年（1988—1991）的数据（包括交通流量、线性设计元素和信号设置等方面），采用多线性模型对直角事故进行建模；Wang Xuesong[4]利用带负二项线形方程的广义评估方程模型，得到直角事故与交叉口线形设计、交通信号控制、交通运营参数和交通流量的关系；Pai Chih-Wei等[5]建立二元logit模型，得出当摩托车在主干道直行时，撞上右转车辆的直角事故严重程度最大；杨兆等[6]利用计算机仿真对直角侧面碰撞事故进行分析，通过得到的速度和位移变化曲线来鉴定事故因素；刘占峰[7]介绍了直角碰撞过程中的车速计算办法，为道路交通事故评定提供重要依据。

尽管国内外专家学者对于直角事故的研究取得了一定的成果，但现有的研究未从人、车、路和环境等方面对直角事故进行全面研究分析。基于此，本文以美国密歇根州Wayne县的交通事故数据[2]为基础，运用二元Logit模型从人、车、路和环境多方面对直角事故受伤严重程度的影响进行全面分析，并得到直角事故人员伤亡的回归计算方程，为直角事故的预防提供一定的参考。

1 数 据

1.1 数据来源

本文基于美国密歇根州交通部记录的Wayne县事故数据库（2009年）[8]进行直角事故的安全分析。事故数据库包含了事故严重程度、驾驶员特征、车辆特征、道路条件、环境条件等信息，其中驾驶员特征中详细记录了事故中每位驾驶员是否存在危险驾驶行为以及危险驾驶行为类型。为了确保分析结果的准确性，本文剔除了存在干扰信息（涉及行人、动物、自行车和列车的事故）、肇事逃逸、危险行为不明确、驾驶行为记录有误的事故样本，最终筛选出4 035起直角事故用于本文研究。

1.2 变量定义

数据库中记录的事故共分为死亡、重伤、中伤、轻伤和无伤亡5种严重等级。由于直角事故中若有人员伤亡时，受伤严重程度往往较严重，因此本文将因变量事故严重程度分为无人员伤亡事故和伤亡事故。

结合密歇根州交通部记录的事故数据，通过相关性分析，从驾驶员、车辆、道路和环境方面共筛选出11个直角事故的相关因素。其中驾驶员因素4个：驾驶员年龄、饮酒、驾驶员危险动作、驾驶员违反交通指示；车辆因素2个：车辆数、摩托车；道路因素3个：交通控制方式、路面条件、限速；环境因素2个：天气情况、照明情况。将自变量中驾驶员危险动作、路面条件、交通控制方式、天气、照明等相关影响因素重新进行定义，如表1所示。

表1 直角事故受伤严重程度影响因素

Tab.1 Factors influencing the seriousness of accident injury

2 二元Logit模型建立

Logit模型的应用广泛性主要是因为其概率表达式的显性特点，模型的求解速度快，应用方便，被广泛应用到交通事故分析中。当被解释变量为二分类变量时，如事故发生与否（发生为1，未发生为0）或者两类事故严重程度时（重伤及以上、轻伤及以下），可以使用logit分布作为二分类被解释变量的分布函数。Logit函数和logit回归模型分别如下所示[9]：

由于logit回归是非线性模型，因此一般选用极大似然估计法作为模型参数的计算方法。在应用极大似然估计法之前，需要建立以事故观测数据的概率表述为未知模型参数的似然函数，而模型参数的极大似然估计是选择能够使这一函数值达到最大的参数估计值。具体推导计算如下：

由于各起事故样本间相互独立，因此起事故的似然函数为[10]：

3 分析与讨论

将事故严重程度设为因变量，11个影响因素设为自变量，同时将驾驶员危险动作以无危险动作作为参照水平，设置为哑变量。利用SPSS软件进行二元Logit回归建模分析，并分别采用向前似然比检验和向后似然比检验两种方法对比得到模型拟合度和预测准确率。

3.1 向前似然比检验法

如表2所示，SPSS软件输出了每一步时的-2log（），可用于进行似然比检验。同时，还输出了Cox & Snell2和Nagelkerke2两种伪决定系数，伪决定系数越大，表示模型拟合程度越高。从表格中可见，在拟合的6个模型中，-2log（）是在逐步减小的，且伪决定系数也在逐步增大，其预测准确率为69.4%。

表2 向前似然比检验法模型汇总

Tab.2 Forward likelihood ratio test model summary

如表3所示，在回归过程中，由于驾驶员年龄、是否违反指示、是否信号控制、天气、照明因素的显著性水平均大于0.05，对直角事故无显著影响，故将其排除。同时根据表3中参数估计值可以得到，驾驶员危险动作、饮酒、摩托车、事故包含车辆数、限速等6个因素是其危险因素，路面情况是一个保护因素。

表3 向前似然比检验法回归结果

Tab.3 Forward likelihood ratio test regression results

3.2 向后似然比检验法

如表4所示，软件输出了每一步时的-2log（），可用于进行似然比检验，还输出了Cox & Snell2和Nagelkerke2两种伪决定系数，可见在拟合的4个模型中，-2log（）是在逐步减小的，且伪决定系数也在逐步增大，预测准确率为67.1%。但是伪决定系数偏小，模型的拟合程度较差。表5为向后似然比检检回归结果。

表4 向后似然比检验法模型汇总

Tab.4 Backward likelihood ratio test model summary

表5 向后似然比检验法回归结果

Tab.5 Backward likelihood ratio test regression results

相比于向后似然比检验法，向前似然比检验法的-2log（）值更小，伪决定系数更大，表明模型的预测准确率更高，模型拟合程度更好。因此选用向前似然比检验法作为直角事故二元Logit模型似然比检验的方法，可以得到驾驶员未采取紧急措施、不遵守信号灯指示、饮酒、事故包含的车辆总数、路面情况和事故包含摩托车对直角事故受伤严重程度有显著影响。其中驾驶员因素（未采取紧急措施、不遵守信号灯指示、饮酒）、道路限速和事故中包含摩托车会显著增加直角事故的人员伤亡。而道路路面条件是一个保护因素，即在路面条件较差的情况下，将增加发生人员伤亡直角事故的概率。产生该现象的原因可以解释为[11]：在路面状况不好的条件下，驾驶员往往会集中注意力，谨慎驾驶，降低车辆行驶速度。

同时，得到了预测人员伤亡直角事故的二元Logit回归方程：

0.6572+0.0183+0.8084+

0.8045+1.2656-0.2847

式中：为发生人员伤亡直角事故的概率；1表示驾驶员未采取紧急措施；2表示驾驶员不遵守信号灯指示；3表示限速；4表示事故涉及车辆总数；5表示驾驶员饮酒；6表示涉及摩托车的事故；7表示道路路面情况。

4 总 结

本文基于美国密西根州Wayne县直角事故的记录数据，从人、车、道路、环境各个方面，利用二元Logit模型对直角事故受伤严重程度的影响因素进行研究，同时采用向前和向后似然比检验两种方法对比模型拟合度得到最优模型，得到了发生直角事故时增加人员伤亡的影响因素。为了尽量减少人员伤亡事故的发生，减少人员伤亡，应该从交通控制中建立信号控制交叉口、注意对摩托车的管理以及规范驾驶员行为等多方面入手，并建立了用于预测发生人员伤亡直角事故的概率模型，为交通管理提供一定的借鉴和参考。

[1] HAUER E, NG J, LOVELL J. Estimation of safety at signalized intersections.[J] Transportation Research Record, 1988: 48-61.

[2] JIN Yu, WANG Xue song, CHEN Xiao hong. Right- angle crash injury severity analysis using ordered probability models[J]. International Conference on Intelligent Computation Technology and Automation, 2010: 206-209.

[3] AFFUM J, Taylor M. Predictive models for road accidents at signalized intersection[J]. International Association of Traffic and Safety Sciences, 1996, 20(2): 15-21.

[4] WANG Xue song, MOHAMED Abdel-Aty. Investigation of right-angle crash occurrence at signalized intersections. transportation research record[J]. Journal of the Transportation Research Board, 2007, 2019: 156-168

[5] PAI Chih-Wei. Motorcyclist injury severity in angle crashes at T-junctions: Identifying significant factors and analysing what made motorists fail to yield to motorcycles[J]. Safety Science, 2009, 47(8): 1097-1106.

[6] 杨兆, 赵旭宏. 直角侧面碰撞交通事故再现仿真[J]. 交通科技与经济, 2007, 43(5): 49-5.

[7] 刘占峰, 张永青, 孙莎莎. 两车直角碰撞车速计算方法及应用[J]. 警察技术, 2015(6): 86-88.

[8] KEY C. Michigan department of transportation[D]. Alphascript Publishing, 2010.

[9] 王济川, 郭志刚. Logistic回归模型: 方法与应用[M]. 北京: 高等教育出版社, 2001.

[10] AA, Eliason S R . Maximum likelihood estimation: logic and practice[J]. Journal of the American Statistical Association, 1994, 89(427): 1150.

[11] 贾雄文, 章国鹏, 夏亮. 道路环境对双责事故受伤严重程度影响分析[J]. 交通运输工程与信息学报, 2018, 16(01): 100-105.

Analysis of the Severity of Right-angle Accident Injury Based on a Dual Logit Model

SHI Xiao-lin，LI Han，HUANG Zi-fu

(Chongqing Transport Planning and Research Institute, Chongqing 401147, China)

Right-angle accidents are a common type of traffic accident. To determine the significant influencing factors of the seriousness of injury in such accidents, this study uses the binary logit model to simulate a right-angle accident in Wayne County, Michigan, USA based on four aspects: human, vehicle, road, and environment. The severity of the injury was comprehensively analyzed and the optimal fitness of the model was obtained by comparing the forward and backward likelihood ratio tests. The research results indicate that driver-related factors (not taking emergency measures, not complying with the signal indication, drinking alcohol) , road speed limit, accidents including motorcycles, and road conditions are significant factors. The obtained regression equation was used to calculate the probability of non-property damage only (non-PDO) of right-angle accidents. The conclusions obtained herein can be used as a reference for traffic management to reduce the severity of injuries in such accidents.

right-angle accident; Non-PDO; binary logit model; likelihood ratio test

U12

A

10.3969/j.issn.1672-4747.2020.01.014

1672-4747（2020）01-0106-05

2019-03-01

石小林（1992—），男，助理工程师，研究方向为交通规划设计，E-mail：1435795713@qq.com

石小林，李涵，黄子富. 基于二元Logit模型的直角事故受伤严重程度分析[J]. 交通运输工程与信息学报，2020，18（1）：106-110.

（责任编辑：刘娉婷）