建成环境对老年人交通事故严重程度异质性影响

潘义勇，吴静婷，施颖，缪炫烨

(南京林业大学，汽车与交通工程学院，南京 210037)

0 引言

人口老龄化是当今世界各国面临的问题。随着老年人口的增加，老年人交通事故频发，在发生交通事故时容易造成较为严重的伤害，因此有必要对老年人交通事故发生的原因及事故伤害严重程度进行探究。

传统的交通事故伤害严重程度研究多从驾驶员特性、车辆特性、道路特性、道路环境特性这4个方面进行影响因素分析。温惠英等[1]运用多项式Logit 模型识别出路段类型、光线条件等19 个影响因素与道路交叉口单车事故伤害严重程度显著相关。Liu等[2]发现，车辆类型、驾驶员性别、光照条件等影响因素显著影响正面碰撞事故伤害严重程度。但上述研究忽略了建成环境相关因素对交通事故伤害严重程度的影响。Moudon等[3]发现，行人和驾驶员在参与交通时会受到周围建成环境的影响。Xin 等[4]采用随机参数广义有序Logit 模型发现，事故发生地500 m缓冲区内存在学校显著影响失能性伤害事故。因此，有必要分析建成环境对老年人交通事故伤害严重程度的影响。

国内外学者多使用离散选择模型对事故严重程度进行分析。传统离散选择模型(Logistic模型、多项式Logit 模型等)将各模型的参数设置为固定参数，具体表现为影响因素在不同交通事故中对严重程度的影响效果是恒定不变的。林庆丰等[5]运用Logistic 模型探究城市公交车事故伤害严重程度。Chen 等[6]采用多项式Logit 模型对行人-车辆交通事故伤害严重程度的诱因进行研究。由于数据间存在异质性，因此该假设会引起模型产生有偏差的参数估计结果[7]。为解决该问题，部分学者运用随机参数Logit模型解释交通事故数据中未观测到的异质性。施颖等[8]基于混合Logit 模型提出校车事故伤害严重程度影响因素辨识方法。宋栋栋等[9]采用考虑均值异质性的随机参数Logit模型对城市道路驾驶员事故伤害严重程度进行异质性分析。但上述模型并未全面探究影响随机参数变化的原因，即考虑可能的均值和方差异质性。因此，研究人员提出考虑均值和方差异质性的随机参数Logit模型捕捉随机参数变化规律，Yu等[10]通过该模型探究了工作区追尾事故伤害严重程度问题，而追尾事故与老年人交通事故的影响因素存在一定的差异，因此有必要采用均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度影响因素进行异质性分析。

综上所述，在传统影响因素的基础上增加建成环境因素，基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行分析。通过对2019年美国某州的老年人交通事故数据进行筛选和统计性分析，并对模型进行参数估计及模型对比。从老年人特性、道路特性、车辆特性、道路环境特性、建成环境特性这5个方面对老年人交通事故伤害严重影响程度进行异质性分析，研究结果为降低老年人交通事故伤害严重程度提供理论依据。

1 研究方法

1.1 考虑均值和方差异质性的随机参数Logit模型

考虑均值和方差异质性的随机参数Logit模型设定随机参数的均值和方差中存在未观察到的异质性。为构建考虑均值和方差异质性的随机参数Logit模型，首先引入模型的效用函数，即

式中：Skn为事故n中老年人事故伤害严重程度为k的效用函数；βk为待估参数向量；Xkn为事故n中老年人事故伤害严重程度为k的解释变量向量；εkn为误差项。

当εkn服从广义极值分布时，则形成标准的多项式Logit模型，即

式中：Pn(k)为事故n中老年人事故伤害严重程度为k的概率；K为所有老年人事故伤害严重程度的集合。

由于传统多项式Logit 模型假设βk为固定向量，即假设各影响因素在不同事故中对老年人事故伤害严重程度的影响相同，该假设与事实相悖。为解释数据间存在未观测到的异质性问题，基于均值和方差异质性的随机参数Logit 模型将βk设置为随机向量，并在其中引入均值异质性向量和方差异质性向量，即

式中：β为βk的均值；σkn为βk的标准差；Zkn为与影响因素相关的均值异质性向量，用以捕捉均值异质性；θkn为Zkn的待估参数向量；Wkn为与影响因素相关的方差异质性向量，用以捕捉标准差σkn的异质性；φkn为Wkn的待估参数向量；vkn为均值为0，标准差为1的随机项。此时有

基于均值和方差异质性的随机参数Logit模型运用极大似然估计法进行参数估计，由于式(4)中积分无法求出闭式解析解，故采用蒙特卡洛法仿真求近似解。Halton序列抽样具有抽样点分布均匀、效率高等优势，故本文运用Halton 序列抽样，抽样次数取值为500次，其中对数似然函数为

式中：N为研究对象总数；δnk为指示变量，当事故n中老年人交通事故伤害严重程度为k时δnk=1，否则为0。

1.2 平均弹性系数

由于考虑均值和方差异质性的随机参数Logit模型的估计系数无法捕捉各因素对事故伤害严重程度的影响程度，采用平均弹性系数评价其对事故伤害严重程度的影响，对于离散变量的平均弹性系数计算公式为

2 数据描述

采用2019年美国某州的交通事故数据库，初步筛选年龄大于60岁的老年人交通事故数据8320起，剔除空值数据和异常值数据，最终得到4300起涉及老年人交通事故数据，其中包括老年行人和老年驾驶员，分别占比17.02%、82.98%。将事故伤害严重程度作为因变量并分为重伤事故(死亡事故和失能性伤害事故)、轻伤事故(非失能性伤害事故和可能受伤事故)和仅财产损失事故这3个等级，其分别占比1.7%，11.7%，86.6%。

老年人交通事故影响因素主要从老年人、车辆、道路、道路环境和建成环境这5 个方面共选择17 个影响因素进行分析。包括老年人特性(性别、是否逃逸)，车辆特性(车速、车辆类型)，道路特性(道路线形、、纵断面线形、路肩类型)，道路环境特性(天气状况、光照条件、道路表面环境、车道数、道路分隔形式、交通控制方式)，建成环境特性(事故发生地300 m缓冲区内是否存在银行、医院、公园、购物中心)[11]。详细信息如表1和图1所示。

图1 部分建成环境因素分布Fig.1 Distribution of built environment factors

表1 影响因素的描述性统计Table 1 Descriptive statistics of influencing factors

3 参数标定

采用回归系数方差分解法进行多重共线性诊断，建成环境类4 个指标中300 m 缓冲区内存在医院、银行、公园、购物中心这4个影响因素的方差膨胀因子均小于10，即4个建成环境特性指标之间不存在显著的共线性。利用逐步回归法在95%置信水平下挑选出13个对事故伤害严重程度有显著影响的因素，包括男性老年人、摩托车、越野车、硬路肩，以及建成环境因素中缓冲区300 m内存在购物中心等。基于Nlogit软件，采用混合Logit模型、考虑均值异质性的随机参数Logit 模型，以及考虑均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行参数估计，模型计算结果如表2所示。根据模型的拟合指标：最小信息准则AIC(越小越好)、对数似然值(越大越好)以及Mc Fadden伪R2值，均表明基于均值和方差异质性的随机参数Logit模型拟合能力最好。故在量化自变量对事故伤害严重程度的影响时，只计算考虑均值和方差异质性的随机参数Logit模型中显著自变量的边际效应值并对其进行分析，各影响因素的边际效应值如表3所示。

表2 模型参数估计结果Table 2 Model parameter estimation results

表3 各影响因素的平均弹性系数Table 3 Average elastic coefficients of various influencing factors

4 结果分析

4.1 随机参数

通过混合Logit模型可以识别出硬路肩和事故发生地300 m 缓冲区内存在购物中心为随机变量。硬路肩服从N(3.676,5.0282)的正态分布，即相比其他类型路肩，23.24%的老年人群体在当路肩类型为硬路肩时更不容易发生仅财产损失事故，76.76%的老年人群体在当路肩类型为硬路肩时更容易发生仅财产损失事故。事故发生地300 m 缓冲区内存在购物中心服从N(4.214,4.9992)的正态分布，即相比在事故发生地300 m缓冲区内不存在购物中心，19.96%的老年人群体在事故发生地300 m缓冲区内存在购物中心时更不容易发生仅财产损失事故，80.04%的老年人群体在事故发生地300 m缓冲区内存在购物中心时由于购物中心车辆较多交通状况复杂更容易发生仅财产损失事故。

4.2 均值和方差异质性

考虑均值和方差异质性的随机参数Logit模型不仅能识别出具有随机效应的影响因素还能进一步探究影响随机参数变化的原因。根据表2 均值和方差异质性的结果可得：

(1)事故缓冲区300 m 存在购物中心这一随机参数变量在性别为男性的老年人和车道数为3 中存在均值异质性，且系数分别为3.044和2.315。表明在事故缓冲区300 m内存在购物中心的情况下，事故中老年人性别为男性和车道数为3 会增加事故缓冲区300 m 存在购物中心这一随机参数变量的均值，增加老年人发生仅财产损失事故的概率。

(2)事故发生地300 m 缓冲区内存在购物中心这一随机参数变量在控制方式为未控制中存在方差异质性，且系数为-0.166。表明在事故缓冲区300 m 内存在购物中心的情况下，若控制方式为未控制会使该随机参数的分布变窄，降低其离散程度，减小其随机性。

(3)硬路肩这一随机变量并未识别出对其均值和方差有影响的因素，虽然该变量具有异质性但基于本文的研究样本并不能使其异质性问题得到良好地解释，还有待进一步研究。

4.3 车辆特性分析

由表3 可知，当车辆类型为摩托车时，相比其他类型车辆，发生重伤事故的概率增加3.62%，而当车辆类型为越野车时，发生仅财产损失事故的概率增加0.50%，发生重伤事故降低3.31%。当车辆行驶速度为(30,40]km·h-1，发生仅财产损失事故和轻伤事故的概率分别增加0.02%和0.35%，而发生重伤事故概率降低5.18%。

4.4 道路特性分析

路肩为硬路肩时，根据混合Logit 模型可得76.76%的老年人会增加发生仅财产损失事故概率，23.24%的老年人会降低发生仅财产损失事故概率。且根据表3 边际效应值可得当路肩为硬路肩时，发生仅财产损失事故的概率增加2.27%。潜在原因是当老人在硬路肩上行走时，由于老年人视力、听力逐渐衰弱，容易忽视标志线而紧贴车道行走，从而发生刮擦等轻微交通事故。当道路竖曲线类型为下坡时，相比其他道路竖曲线类型，发生仅财产损失事故的概率降低0.22%，发生轻伤事故和重伤事故的概率分别增加1.35%，1.66%。当道路线形为直线时，发生仅财产损失事故和重伤事故的概率分别降低3.71%和78.95%，而发生轻伤事故的概率增加35.81%。

4.5 道路环境特性分析

当车道状态为无分离时，相比其他车道状态，发生轻伤事故和重伤事故的概率分别增加4.5%和4.38%，当车道数为3时，发生重伤事故的概率降低1.99%[12]。天气条件为晴朗时，相比其他天气条件，发生重伤事故的概率降低51.33%。道路表面环境为湿润时，相比道路表面环境为干燥时，发生轻伤事故概率增加7.79%。

5 结论

本文得到的主要结论如下：

(1)男性老年人、越野车、硬路肩、无分离道路等因素与仅财产损失老年人交通事故正相关，下坡路段与仅财产损失事故负相关；直线路段、路面湿润因素与轻伤事故正相关，未控制因素与轻伤事故负相关；摩托车因素与重伤事故正相关，晴朗天气和车道数为3因素与重伤事故负相关。

(2)硬路肩对老年人事故伤害严重程度的影响具有差异性，即23.24%的老年人群体在当路肩类型为硬路肩时更不容易发生仅财产损失事故，76.76%的老年人群体在当路肩类型为硬路肩时更容易发生仅财产损失事故。

(3)建成环境因素对老年人交通事故伤害严重程度影响显著，且存在未观察到的异质性。建成环境因素中，事故发生地300 m缓冲区内存在购物中心与老年人交通事故伤害严重程度显著相关，且存在均值和方差异质性。在事故发生地300 m 缓冲区内存在购物中心时，男性的老年人和车道数为3因素增加老年人发生仅财产损失事故的概率，交通控制方式为未控制会减小该变量的方差。