APP下载

诱发道路交通事故的关键因子分析方法研究

2016-01-08韦凌翔,陈红,王龙飞

交通信息与安全 2015年1期
关键词:交通安全交通工程降维

诱发道路交通事故的关键因子分析方法研究*

韦凌翔陈红▲王龙飞赵丹婷邵海鹏

(长安大学公路学院西安 710064)

摘要为探究造成道路交通事故的关键成因,对道路交通事故的主要影响因素进行了多因致果集中分析,构建了涵盖机动车驾驶人、非机动车驾驶人、行人及乘车人、道路环境、意外的道路交通事故成因指标体系,运用因子分析法对指标体系进行降维处理,得到了造成道路交通事故的关键因子,进而提出了道路交通事故关键因子分析步骤。以我国2006~2012年全国道路交通事故统计为例,对原有38个相关联评价指标进行综合分析,结果表明:道路交通事故的关键成因是机动车非法行驶与停靠致因因子(贡献率57.34%)、交叉口与路段非法穿越道路致因因子(贡献率23.12%)和道路设施不健全与交通工具故障致因因子(贡献率12.58%)三方面。

关键词交通工程;交通事故;因子分析;交通安全;降维

中图分类号:U491.31文献标志码:A

收稿日期:2014-05-28修回日期:2014-09-26

作者简介:第一韦凌翔(1991-),硕士研究生.研究方向:交通安全.E-mail:1138707079@qq.com

通讯作者:▲陈红(1963-),博士,教授.研究方向:交通运输规划与管理.E-mail:hongchen82@126.com

Analysis of Key Factors Leading to Road Traffic Accidents

WEI LingxiangCHEN HongWANG LongfeiZHAO DantingSHAO Haipeng

(HighwayCollege,Chang′anUniversity,Xi′an710064,China)

Abstract:In order to explore the key reasons of road accidents, this paper analyzed main influence factors of road traffic accidents. It constructed an index system based on causes of road traffic accidents, includeing motor vehicle drivers, non-motor vehicle drivers, pedestrians, passengers, and road conditions. This paper used factor analysis to reduce the dimension of the index system in order to obtain the key factors lead to accidents, then presented the process to identify the key influence factors of road traffic accidents. Comprehensive analyses show that the key reasons of road traffic accidents are in three areas which are illegally parking and driving motor vehicles (57.34%), illegally crossing intersection and road section (23.12%), and road facilities limitation and transport tool failure (12.58%). This paper provide a basis for the road management department to study the characteristics of urban road traffic accidents and improve safety of urban traffic.

Key words:traffic engineering;traffic accident; factor analysis; traffic safety; dimension reduction

*国家自然科学基金资助项目(批准号:50808021)、中央高校基本科研业务费专项资金项目(批准号:CHD2011ZD014)资助

0引言

据公安部统计数据显示,2012年全国接报涉及人员伤亡的路口交通事故4.6万起,造成1.1万人死亡、5万人受伤,道路交通事故所造成的伤亡及损失列我国各类伤亡事故之首。目前我国每年的交通死亡人数高居世界首位,2001~2011年10年间全国近90万人因车祸丧生,道路交通安全问题备受社会各界的广泛关注[1-2]。因此,加强对道路交通安全的研究,探究道路交通事故的关键成因,并据此对我国道路交通系统提出有针对性的改进意见,对提升道路交通系统安全性尤为重要[3-4]。

故此,目前国内外对交通事故分析方法、特性以及规律等方面进行了相应的研究,取得了一定的研究成果:文献[1]以城市道路中9类不同的交通事故形态为因变量,从道路设施、道路环境等方面选取了9个因素作为自变量,建立事故形态与9个影响因素间的线性相关模型;文献[3]运用贝叶斯网络对交通事故进行了分类,以1 536起发生在西班牙农村公路的事故为例,推理出16个变量因素与事故严重程度的概率关系;文献[4]研究了我国高速公路的安全现状,重点对1次性死亡人数为10人以上的特大交通事故成因进行了分析,并据此提出了改善建议;文献[5]以交通事故发生的时间和空间频率基础建立交通事故相关的可靠性模型,并对其模型进行了实例验证;文献[6]依托全国公路交通事故统计数据,从宏观角度分析当前我国公路交通事故的发展形势、地区差异和事故特征;文献[7]应用数据挖掘技术研发了记录道路事故严重性的特征的分析方法,为交通机构提高道路安全性提供理论依据。上述研究成果从不同的角度对道路交通事故分类、事故特征、影响因素等研究内容进行了较为系统的分析,但是缺乏对造成道路交通事故的关键成因方面的研究。

基于此,笔者为探究造成道路交通事故的关键成因,对道路交通事故的主要影响因素进行了多因致果集中分析,拟运用因子分析法对指标体系进行降维处理,进而得到造成道路交通事故的关键因子,从而提出道路交通事故关键因子分析步骤。

1道路交通事故关键因子确定方法

1.1多因致果致因关系分析

道路交通系统是由人、车、路、环境等组成的复杂系统,导致交通事故发生的原因也是多种多样,只要人、车、路、环境中的1个或多个因素发生变化,都有可能导致交通事故发生[8-10]。事故与事故起因之间存在着复杂的关系,按照事故和事故起因之间的关系,道路交通事故分析可以分为3类[11-12]:多因致果集中型、因果链锁型、集中连锁复合型等3种分析方法。

笔者借鉴已有的事故因果分析理论,对道路交通事故的主要影响因素进行了多因致果集中分析。人作为交通工具的使用者,机动车驾驶人、非机动车驾驶人以及行人的主观或客观的操作失误在路交通事故的致因中占有很大的比例;道路交通环境的缺陷以及意外情况的发生也是造成交通事故的不可忽略的原因之一。此外道路交通环境和突发情况制约了人的驾驶行为以及步行行为;人的驾驶行为以及步行行为对道路交通环境和突发情况具有适应性以及应变能力;道路交通环境的缺陷是意外情况的潜在隐患;意外情况对道路环境有一定的破坏性。人的因素以及道路交通环境之间也存在着相互制约与影响的关系。基于此,道路交通事故的致因可粗略的划分为人的因素、道路交通环境因素,以及意外情况因素3方面,对人为因素又可细分为机动车驾驶人、非机动车驾驶人以及行人(包括乘车人)3方面因素。通过上面的初步量化分析,笔者认为道路交通事故发生是由五方面因素共同导致的,其中包括机动车驾驶人违规操作的因素、非机动车驾驶人违规操作的因素、行人及乘车人违规行走因素、道路环境缺陷因素、意外突发因等素五大因素构成。这些原因之间是相互作用的关系,互相影响共同导致交通事故的发生。具体关系见图1。

图1 交通事故多因致果分析图

1.2道路交通事故成因指标体系建立

针对以上分析结果,对五大因素进行分析,进而构建道路交通事故成因指标体系,其中指标体系的选取是依据全国以及各省份的道路交通事故统计大数据的结果,在此基础上,按照本文建立的五大因素对选取的38个相关联评价指标进行分类如下。

1) 考虑机动车驾驶人因子的指标体系分析。机动车相对于行人等弱势群体在交通事故成因中处于主导地位,机动车驾驶人的超速行驶、酒后驾驶、逆向行驶、疲劳驾驶等交通非法驾驶行为是机动车驾驶人因子导致交通事故的主要指标,据此得到具体指标体系分类以及指标编号见表1。

2) 考虑非机动车驾驶人因子的指标体系分析。相对于其他交通工具,非机动车具备占领面积小、转弯灵活的特点,因此非机动车因子是在道路交通事故成因中主要考虑的因素之一。非机动车驾驶人超速行驶、逆向行驶、违法超车等交通非法行为是非机动车因子导致交通事故的主要指标。据此得到具体指标体系分类以及指标编号见表2。

表1 考虑机动车驾驶人因子的指标体系

表2 考虑非机动车驾驶人因子的指标体系

3)考虑行人及乘车人因子的指标体系分析。行人以及乘车人在道路交通系统中属于受保护的对象,也在主要的弱势群体,由于其主观意识的非法穿越道路等行为是道路交通事故成因需考虑的因素之一。据此得到考虑行人及乘车人因子的指标体系主要包括:违法穿行车行道(x29)、违法跨越隔离设施(x30)、违法上下车(x31)、违反交通信号(x32)。

4)考虑道路环境因子的指标体系分析。不健全的道路交通安全设施以及道路设计缺陷等方面的因素是导致交通事故不可忽视的成因。据此考虑道路环境因子的指标体系主要包括:未设置道路安全设施(x33)、安全设施损坏(x34)、道路缺陷(x35)。

5)考虑意外因子的指标体系分析。意外的自然灾害以及交通工具的机件故障等意外因素在交通事故成因中占有一定的分量。据此得到考虑意外因子的指标体系主要包括:自然灾害(x36)、机件故障(x37)、爆胎(x38)。

1.3关键因子的确定方法

综合运用因子分析法对本文选定的道路安全评价指标进行降维处理,其降维思想为:通过对大量的道路交通事故数据的分析处理,把原有众多的、具有一定相关性的评价指标(38个评价指标),转换为较少的几个新的综合评价指标,从而得到所需的关键因子,进而构建道路交通事故的关键因子分析数学模型。

假设由某1个地区某段时间内发生的道路交通事故构成1个样本,观察38个指标,n个样本的数据资料矩阵为

(1)

(2)

道路交通事故关键因子分析就是将38个观测指标综合成为m(m<38)个新的综合指标(关键因子),即

(3)

要求满足:①Fi,Fj互补相关(i≠j),且方差都为1,m≤p;②F与ε互不相关;③ε1,ε2,…,εp,互不相关且方差不同。

式中:F称为交通事故指标(X)的关键因子,ε为交通事故指标(X)的特殊因子,aij为因子载荷,由aij构成的矩阵称为交通事故因子载荷矩阵。其中,交通事故因子载荷的统计意义是第i个交通事故指标与第j个交通事故关键因子的相关系数,即表示交通事故指标xi依赖于Fj的份量(比重),也称为交通事故的载荷。

1.4道路交通事故关键因子分析步骤

对道路交通事故关键因子分析的主要步骤设计如下。

1) 选取原始的道路交通事故的38个指标数据,进行标准化处理,转换为所需的数据类型。

2) 建立由38个指标数据构成变量的相关系数矩阵。

3) 求相关系数矩阵的特征根及相应的单位特征向量,并依据累计贡献率的大小,选取前k个特征根及相应的特征向量写出因子载荷阵。

4) 对因子载荷阵施行方差最大正交旋转。

5) 计算道路交通事故因子得分,输出因子成分得分系数矩阵,建立道路交通事故关键因子模型。

6) 依据道路交通事故因子得分的计算数据,并由选定的道路交通事故关键因子对问题进行分析。

假设经过因子分析后,将原来的38个因子指标转化得到k个道路交通事故成因的关键因子,则这k个关键因子的表达式为

(4)

式中:F为交通事故指标(X)的关键因子,uij称为因子成分得分系数。

2实例分析

应用我国2006~2012年连续7年统计的全国道路交通事故数,按照以上道路交通事故成因指标分为38类具体指标体系。运用因子分析法对选定的道路安全评价指标进行降维处理,把原有的38个具有一定相关性的评价指标,转换为较少的几个新的综合评价指标,从而得到所需的关键因子;进而对得到的道路交通事故关键成因的关键因子进行命名;最后计算其关键因子的得分。

2.1道路交通事故关键因子的提取

按照所选定的38个指标的要求将2006~2012年连续7年统计的全国道路交通事故数的数据预处理并转换为所需的数据类型;其次,运用SPSS17.0软件对预处理后的数据按照上述道路交通事故关键因子分析步骤进行分析。为了达到降维的目的,绘制道路交通事故因子分析的碎石图见图2。碎石图的Y轴为特征值,X轴为特征值的序号(5大因素的38个指标),特征值按大小进行排序。典型的碎石图有一明显的拐点,在拐点之前是与关键因子连接的陡峭折线,之后是与非关键因子连接的缓坡折线。

图2 因子分析碎石图

由图2可见,根据点间连线坡度的陡缓程度,可以清楚看出因子的重要程度,其中因子1,2和3之间的连线比其他各点之间的连线要陡得多,说明这2条连线端点的因子1,2,3的特征值的差值比较大,进而说明前3个因子是关键因子。

根据道路交通事故因子分析的碎石图的分析结果,计算前3个关键因子方差的贡献率分别为:57.34%(关键因子1)、23.12%(关键因子2)、12.58%(关键因子3)。前3个关键因子的累计方差贡献率为93.05%,因此可以选择前3个关键因子来代替原数据中的所有变量,作为道路交通事故关键因子。

2.2道路交通事故关键因子的命名与分析

为了达到降维的目的,这里仅提取累计方差贡献率达到93%以上的前3个公因子来代替原数据中的38个变量,并对因子载荷阵施行方差最大正交旋转(varimax),得到因子成分矩阵,旋转矩阵见表3。

表3 正交因子表

在此基础上,计算因子得分,输出因子成分得分系数矩阵;根据因子得分系数矩阵,建立道路交通事故关键因子模型,写出这3个关键因子得分的计算公式。

F1=0.205x1+0.027x2+0.013x3+0.001x4+0.148x5+0.046x6+0.002x7+0.001x8+0.011x9-0.013x10-0.013x11-0.116x13-0.004x14-0.011x15+0.691x16+0.003x17+0.195x20-0.001x23+0.001x29-0.001x32-0.085x37-0.002x38

F2=-0.096x1+0.035x3-0.248x5-0.05x6+0.002x7+0.012x8+0.084x9-0.035x10-0.005x11+0.58x13+0.029x14+0.061x15+0.103x16+0.182x17-0.001x19+0.001x21+0.003x26+0.002x27+0.003x28-0.044x29+0.008x32+0.001x36+0.085x37+0.006x38

F3=0.734x1-0.067x2-0.035x3+0.025x4-0.147x5+0.033x6-0.001x7+0.005x8-0.028x9+0.246x10+0.485x11-0.001x12+0.467x13+0.002x14+0.029x15-1.717x16-0.014x17+0.003x19+0.005x23+0.005x26+0.001x27-0.004x8+0.084x29+0.001x32+0.002x36+0.457x37+0.014x38

由表3可见,3个关键因子中只有少数几个指标的因子载荷较大。第1个关键因子在指标x1,x2,x4,x5,x6,x7,x11,x12,x16,x20,x26,x34有较大的载荷,其中,x1(机动车超速行驶)、x2(机动车酒后驾驶)、x5(机动车非法变更车道)、x6(机动车非法超车)、x7(机动车非法倒车)、x12(机动车非法停车)、x16(机动车未按规定让行)的载荷在0.95以上,这反映出由于机动车在行驶和停靠的过程中发生的违规现象对交通事故成因的影响程度,因此命名为“机动车非法行驶与停靠致因因子”;第2个关键因子在指标x13(机动车非法占道行驶)、x15(机动车违反交通信号)、x30(行人及乘车人违法跨越隔离设施)、x32(行人及乘车人违反交通信号)有较大的载荷,且载荷在0.9以上,这些反映出机动车与行人在交叉口和路段违法穿越道路对交通事故成因的影响程度,因此命名为“交叉口与路段非法穿越道路致因因子”;第3个关键因子在指标x33(未设置道路安全设施)、x37(机件故障)有较大的载荷,这些反映出道路设施不健全与交通工具故障对交通事故成因的影响程度,因此命名为“道路设施不健全与交通工具故障致因因子”。

结合上述3个关键致因因子的方差贡献率可知,道路交通事故的关键成因是机动车非法行驶与停靠致因因子(贡献率57.34%)、交叉口与路段非法穿越道路致因因子(贡献率23.12%)和道路设施不健全与交通工具故障致因因子(贡献率12.58%)3方面。这3个关键致因因子在一定程度上代表了道路交通事故的关键成因,为今后道路交通事故的预防提供了理论依据。

3结束语

笔者以我国2006~2012年连续7年统计的全国道路交通事故数为例,综合运用了多元统计学中的因子分析法,深入分析了道路交通事故的关键因子,挖掘38个不同交通事故指标与关键因子间潜在的关系,提取3个关键因子作为道路交通事故的关键成因,并对这3个道路交通事故的关键致因因子进行命名以及计算其事故成因贡献率,对道路交通建设及安全管理决策有一定的指导意义,也为下一步道路交通系统安全性的完善与改进明确了方向。下一步的研究工作将运用建立的道路交通事故关键成因确定方法对全国各省份以及各大城市的道路交通事故的大数据进行计算分析,进而研究不同地区的事故关键成因以及地区之间的事故关键成因的差异性。

参考文献

[1] 邓瑶望,李凌宇,陈雨人.基于Logistic回归模型的三线城市道路事故数据分析[J],交通信息与安全,2014,32(2):28-33.

DENG Yaowang,LY Lingyu,CHEN Yuren.Traffic accident data of third-class urban roadways using logistic regression models[J].Journal of Transport Information and Safety,2014,32(2):28-33.(in Chinese).

[2]Zhang G,Yau K K W, Chen G. Risk factors associated with traffic violations and accident severity in China[J].Accident Analysis & Prevention, 2013(59): 18-25.

[4]陈晨,高嵩,吴超仲,等.我国高速公路交通安全现状及对策研究[J].交通信息与安全,2011,29(1): 59-63.

CHEN Chen,GAO Song,WU Chaozhong,et al.Current situation of freeway safety in China and its countermeasures[J].Journal of Transport Information and Safety,2011,29(1):59-63.(in Chinese).

[5]Jovanoviĉ D, Baĉkaliĉ T,Bašiĉ S.The application of reliability models in traffic accident frequency analysis[J]. Safety Science, 2011, 49(8): 1246-1251.

[6]王洪明.我国公路交通事故的现状及特征分析[J]. 中国安全科学学报, 2009 (10): 121-126.

WANG Hongming,Present situation of road traffic accident analysis in China and its characteristics[J].China Safety Science Journal,2009 (10):121-126.(in Chinese).

[7] Beshah T,Hill S.Mining road traffic accident Data to improve safety: Role of road-related factors on accident severity in ethiopia[C]∥Palo Alto, California:The Association for the Advancement of Artificial Intelligence,in cooperation with Stanford University′s Department of Computer Science,2010,March 22-24.

[8]Doherty S T,Andrey J C,MacGregor C. The situational risks of young drivers: The influence of passengers,time of day and day of week on accident rates[J].Accident Analysis & Prevention, 1998, 30(1): 45-52.

[9]Lloyd L K,Forster J J.Modelling trends in road accident frequency-Bayesian inference for rates with uncertain exposure[J].Computational Statistics & Data Analysis,2014,73(1):189-204.

[10] Pukar M M,Hajare A L,Krishnaprasad K, et al. Garenoxacin in skin and skin structure infections sustained due to road traffic accident[J]. Journal of Clinical and Diagnostic Research:JCDR,2014,8(6): HD01.

[11]Gobbi M,Mastinu G,Previati G.The effect of mass properties on road accident reconstruction[J].International Journal of Crashworthiness, 2014, 19(1): 71-88.

[12]Agarwal P K,Verma D V,Mehar R.Need for an effective accident data system in india to improve road safety[J].Journal of Advanced Research in Automotive Technology and Transportation System,2014(1):14-24.

猜你喜欢

交通安全交通工程降维
混动成为降维打击的实力 东风风神皓极
降维打击
乡镇道路交通安全
农村道路交通安全问题
基于交通安全的高速公路路线平纵组合设计
提高交通工程机械管理与维护工作的措施探究
抛物化Navier-Stokes方程的降维仿真模型
基于特征联合和偏最小二乘降维的手势识别