基于多项式Logit模型的道路交叉口机非事故影响因素分析

贺 昆

(上海市政工程设计研究总院(集团)有限公司, 上海 200092)

0 引言

随着人们的出行需求日渐增大,机动车以及非机动车的保有量逐年提高,机动车与非机动车在道路上的行驶状况愈加复杂,尤其是在道路交叉口处发生交通事故的概率以及事故严重程度都较高. 因此,深入研究道路交叉口处机动车与非机动车交通事故的影响因素以及事故的严重程度对于改善道路交叉口的交通安全运行状况具有重要意义.

国内外学者对于交通事故严重程度以及影响因素进行了广泛的研究. 杨洋等[1]基于改进的Apriori算法对高速公路风险因子进行识别;Osman等[2]基于Order Logit模型以及广义Order Logit模型研究了风险变量对于事故严重程度的影响;Chen H、Bagloee SA、Werneke J等[3-5]研究了发生在道路交叉口处交通事故的严重程度,结果表明交叉口是较为危险的交通事故位置;杨洋等[6]基于动态交通流数据,对不同类型高速公路进行事故风险预测建模并进行移植,结果表明：贝叶斯Logistic模型对于模型的移植具有较好的适应性;此外,其还对高速公路的事故风险动态传播进行了一定的研究[7];温惠英等[8]基于多项式Logit模型对道路交叉口单车事故严重程度进行了分析,结果表明：驾驶员性别、车辆行驶年龄等均对事故严重程度具有严重影响.

计量经济模型是广大学者研究交通事故的主要方法之一,包括Logit模型及其衍生模型、Probit模型等. 道路交通事故的严重程度是有序的,Order Logit模型对于事故的分析应该是合理的,但是其受到模型假设限制,使得事故严重程度低等级与高等级的概率估计有误(高估或者低估)[9-10];Random Parameter Logit模型对模型自变量进行异质性假设,使得模型的求解较为复杂;Wu等[11]对比了多项式Logit模型以及Random Parameter Logit模型,结果表明：多项式Logit模型更加试用分析交通事故严重程度.

综上所述,目前对于交通事故的研究多以机动车为主要研究对象,非机动车出行也是道路交通的主要出行方式之一,且道路交叉口也是事故多发地. 多项式Logit模型能有筛选出显着影响因素,且对结果能定量解释,故本文基于多项式Logit模型分析城市道路交叉口处机非交通事故的严重程度,为交通管理部门的决策提供一定的支持.

1 数据描述

本文提取了美国某州2016—2018年机动车-非机动车碰撞事故数据. 数据详细记录了事故发生的人、车、路以及环境等特征信息. 数据集将道路事故的严重程度分为无伤害事故、可能伤害事故、轻伤事故、重伤事故以及死亡事故5类,经过事故数据特征的筛选,筛选了1 222条机动车与非机动车碰撞事故数据,并选取13个变量作为研究的自变量,包括：机动车驾驶员性别、非机动车驾驶员性别、机动车驾驶员年龄、非机动车驾驶员年龄、非机动车所处位置、事故发生地点、事故发生地区域类型、光照条件、天气条件、道路表面环境、道路线型、道路铺装、以及限速条件等. 数据变量的描述性统计如表1所示.

表1 变量描述

2 模型理论及参数标定

2.1 多项式Logit模型

国内外学者对于道路事故的分析提出了多种模型,多项式Logit模型常用于分析分类变量之间的关系,因此本文基于多项式Logit模型来分析道路交叉口的事故严重程度.

将事故的严重程度分为y个等级,对于事故i,其事故严重程度为yi,

(1)

多项式Logit模型基于效应最大化理论,效应函数的公式如下：

(2)

式中,Uij为第i起事故严重程度为j的效应;xi为自变量,如事故的时间、地点等影响因素;n为事故总数;J为总的事故类别数;βj为事故严重程度类别为j时的自变量回归系数;εij为未观察到的扰动项。假设εij服从极值分布,则第i起事故严重程度为j的概率为：

(3)

将无伤害事故yi=1作为参考方案,则多项式Logit模型为：

(4)

当引入模型的自变量为多类别分类变量时(即类别数n大于等于2),需要引入n-1个哑变量,以光照条件变量为例,变量描述如表2所示.

表2 光照条件

2.2 模型参数标定

利用统计软件进行模型参数标定,以无伤害事故(Y=1)作为参考类别,分别设置各个自变量的基准边量为：机动车驾驶员性别为男,非机动车驾驶员性别为男,机动车驾驶员年龄为≤17,非机动车驾驶员年龄为≤17,非机动车所处位置为机动车道,事故发生地点为城市,事故发生地区域类型为居住区,光照条件为白天,天气条件为晴天,道路表面环境为干燥,道路线型为直线,路面铺装为光滑沥青,限速条件为≤25.选择显着性水平为p值≤0.1,当p>0.1时,说明自变量不显着,不考虑该变量.模型的参数标定结果如表3所示.

表3 参数标定结果

对模型标定结果计算边际效应,结果如表4所示.

表4 模型边际效应

3 道路交叉口机动车-非机动车事故因素分析

3.1 人的因素

1)非机动车驾驶员性别

当非机动车驾驶员的性别为女性时,可能伤害事故的发生概率提升5%,说明相对男性来讲,女性更容易发生可能伤害事故,这种现象可能与非机动车驾驶员男女性别差异带来的生理状态等原因有关,相对男性来说,女性的身体素质要弱一些,这也导致了女性相对男性非机动车驾驶员的事故严重程度为可能伤害事故的概率提高.

2)非机动车驾驶员年龄

年龄段在>45≤60的非机动车驾驶员群体发生重伤事故以及死亡事故的概率分别提高了3%以及2%. 年龄段在>60≤75的非机动车驾驶员群体更易发生轻伤以及重伤事故,概率分别提高了1%及2%. 相对17岁以下的非机动车驾驶员群体,年龄大于45岁的群体可能机体的灵活程度较弱,更易发生较为严重的事故.

3.2 路的因素

1)非机动车所处位置

非机动车处于非机动车道时,相对于无伤害事故更容易发生死亡事故,概率提高了3%,可能是因为,相对于机动车道,发生在非机动车道的事故,一般为机动车冲进非机动车道,进而导致事故的严重性升级.

非机动车处于人行道时,可能伤害事故发生的概率提高,而轻伤以及重伤事故发生的概率降低,这可能是因为人行道与机动车道之间会设置非机动车道,使得失控的机动车得以缓冲,更易造成可能伤害事故,轻伤以及重伤事故的概率降低.

2)道路线型

当道路线型为曲线时,轻伤事故的发生概率降低,这可能是因为道路交叉口位置处,弯曲路段的车行速度降低,相比于无伤害事故,轻伤事故更不容易发生.

3)限速条件

当限速条件为>25≤35时,轻伤事故的发生概率降低,原因可能是因为在该限速区间时,事故发生前的状态更容易得到控制,使得轻伤事故的发生概率降低.

3.3 环境因素

1)事故发生地区域类型

事故发生地位于商业区时,相对于居住区,道路交叉口事故发生可能伤害事故的概率提升了11%,这可能与周边的用地类型有关,商业区域的车流量以及非机动车流量均较高,可能伤害事故的发生概率也因此提高.

同时,重伤事故的概率降低了4%,可能是因为商业区域交叉口的车速受到限制,车速降低,更不容易发生重伤事故.

2)光照条件

夜间无路灯照明条件时,道路交叉口的死亡事故提升了11%,这可能与事故发生时,机动车驾驶员的视线受到限制,不能及时对紧急情况作出响应,进而导致严重的死亡事故.

4 小结

为系统研究道路交叉口处机动车与非机动车的事故发生机理,提高道路交叉口的安全水平,本文采用多项式Logit模型对发生在道路交叉口处的机非事故从人、路以及环境3个维度进行定量分析,结果表明,非机动车驾驶员的性别、年龄,非机动车所处位置,事故发生地区域类型,光照条件,道路线型以及限速条件均与道路交叉口机非事故的严重程度有关. 但限于事故的数据精度,尚有部分研究因素未能考虑进去,也是本文的不足之处,后续研究需进一步考虑相关因素.

本文对于道路交叉口的机非交通事故有初步的研究结果,能为交通管理部门的决策提供一些相应的建议. 由于本文使用的数据为美国的数据集,数据中的一些特征因素与我国存在一定的差异性,如驾驶员的种族、性格文化等,对于我国的借鉴效果存在一定局限,但是道路的基础设施、环境特点等也存在部分共性,对于该类型的事故分析研究有一定的参考价值.