道路环境对双责事故受伤严重程度影响分析

贾雄文，章国鹏，夏亮

（1. 苏交科集团股份有限公司 南京210000；2. 西南交通大学，交通运输与物流学院，成都610031）

0 引 言

双责事故是指双方驾驶员均有过失，均对事故有责任这种特定状态下的双车事故。与单责事故或其他类型的双车事故相比，双责事故虽然占双车事故总样本的比例较低，却往往会造成更严重的事故后果。2009年密歇根州的事故数据库中，双责事故是单责事故的二十分之一，但事故最大受伤严重程度中死亡所占比例是单责事故的9倍。因此，国内外专家学者对于双车事故进行了广泛研究，如赵晨鹰[1]研究了双车事故中青年驾驶员攻击性驾驶行为的成因与该年龄段的心理、行为特征的联系；唐友名[2]研究了汽车侧面碰撞安全性、兼容性，降低侧面碰撞事故车辆中所有乘员的损伤风险；Paul Wasielewski，Leonard Evans[3]通过建立一个统计学模型来研究单车事故和双车事故中驾驶员年龄分布对事故的影响以及双车事故中的驾驶员与单车事故的驾驶员具有类似责任的概率；Xinguo Jiang[4]研究了两车事故中除了风险驾驶行为之外，对驾驶员定责起贡献作用的因子，并应用多元逻辑回归模型来探索事故现场警方调查人员开罚单的行为；Yu-Chiun Chiou[5]利用Bivariate ordered probit（简称BOP）模型的衍生模型（Bivariate generalized ordered probit）对两车事故中的双方驾驶员同时建立受伤严重程度模型；Chris Lee[6]通过建立单车事故和不同类别双车事故的异方差有序逻辑回归模型（Heteroscedasiticity ordered logit），分析事故不同等级受伤严重程度的显著影响因素及其影响规律。

综上所述可知，目前缺乏对道路环境因素对双责事故受伤严重程度影响作用的研究。我国道路事故分析表明，驾驶员分心是引发交通事故的常见且重要原因[7]，尽管道路环境是事故的外在因素，但不同的道路环境会给驾驶员带来不同的直观感受和心理影响，从而对交通事故的发生和受伤严重程度产生重要的影响[8]。鉴于此，本文对道路环境因素对双责事故受伤严重程度的影响规律进行研究，以探寻道路环境因素对双方驾驶员受伤严重程度的显著影响因素，并根据此结果有针对性的提出建议或措施来减少事故中的人员伤亡及财产损失，为改善交通安全状况提供一定参考。

1 数据及标准

本文基于美国密歇根州交通部（Michigan Department of Transportation）记录的事故数据库进行道路环境对双责事故的影响分析，但事故数据库中并未直接给出双责事故的数据。传统的事故定责方法通常是由交警到事故现场，通过了解现场环境、人员伤亡状况、查看车辆轨迹线或采用其他技术方法来判定驾驶员是否有违规驾驶行为并为其开具罚单来判定事故责任的归属。然而，通过查阅文献资料，整理国内外相关研究成果表明，这种传统的事故定责的方法存在主观判断、定责不准确的问题[9-11]，而采用驾驶员事故贡献行为来代替交通违规行为为事故判定责任归属的定责方式更加合理[12]。因此，本文采用驾驶员事故贡献行为的定责原则。

根据双责事故的定责原则并结合既有事故数据库条件，剔除事故数据中记录不全、逃逸等事故数据，共得到5 197起两车双责事故数据。通过对既有数据库数据变量进行归纳总结，道路环境因素自变量的选取主要包含道路区域类型、道路路面状况、光线状况、交通控制方式、道路功能等级以及小时分布等因素，并将小时分布归成高峰小时时段（上午7点～9点，下午4点～6点）和非高峰小时时段两类。同时，将驾驶员的受伤严重程度分为三个等级，即仅财产损失、轻伤或中伤、死亡或重伤。

2 模 型

2.1 Bivariate ordered probit回归模型

常用的分析事故受伤严重程度的统计模型为Ordered probit模型，该模型已经在交通安全领域广泛应用，但该模型的响应变量是单项的，即只能是单个驾驶员或行人的受伤严重程度。而本文所研究的响应变量的个数为2个，即双方驾驶员的受伤严重程度，所以应选择Ordered probit模型的延伸模型——二项有序probit（BOP）模型。该模型中，响应变量为两个（二项），且可为非连续变量或有序分类变量。该性质与本文所研究的两名驾驶员受伤严重程度（两个有序分类响应变量）的数据结构相契合，表达式如下[5]：

式中，y*为潜在变量；qn（n=1，2）分别代表在同一事故q中的驾驶员1和驾驶员2；Xqn为自变量组成的向量；βn为Xqn的参数向量；εqn为随机扰动项，表示被模型忽略且对因变量产生影响的其他因素的总和，εqn对Xqn的条件分布假设为标准正态分布。

密歇根州的事故数据库中实际观测到的驾驶受伤严重程度是离散的有序分类变量，而潜在变量yq*n是连续的有序分类变量，故应将连续有序分类变量yq*n与数据库中的离散变量yqn进行转换结合。设k（k=1，2，…，K）、l（l=1，2，…，L）分别是yq1、yq2的顺序分类，则潜在变量y*qn与数据库中双方驾驶员受伤严重程度变量yqn间的关系式如下[5]：

式中，μn,k、μn,l为待估计的临界值（阈值），分别有K-1个和L-1个，用于驾驶员1和驾驶员2受伤严重等级的划分。

对于任何事故，双方驾驶员分别处于某个受伤严重等级的概率就由潜变量y*和y*决定，如q1q2此，可得到双方驾驶员分别处于受伤严重程度k和l时发生概率的计算方程组[5]：

式中，Φ2(.)是标准的二元正态累积分布函数，ρ是εq1和εq2间相互关系的估计参数。

2.2 边际效应计算

在BOP模型中，自变量系数βn的符号并不是都与受伤严重程度等级概率变化的方向相一致。某系数的正负值也只能反映该变量对某名驾驶员最高受伤程度等级（yq1=K或yq2=L）和最低受伤程度等级（yq1=1或yq2=1）的影响方向，而不能说明对中间其他受伤严重程度等级的影响方向。因此，变量的系数βn并不能直接解释变量对结果选择的影响。为进一步解释说明影响因素对双方驾驶员各受伤严重程度等级的影响大小和方向，还要计算自变量的边际效应[13]。在本文中，所研究的影响因素（自变量）多为离散分类变量，则其边际效应的计算原理为[13]：

该公式表示在所有其他变量都取定值时，当变量xn的取值状态从b变化到a时，对受伤等级i的影响。

3 分析与讨论

将道路、环境自变量带入BOP模型和边际效应的公式中，再采用最大似然估计的方法求解模型βn和μn,k、μn,l等参数[14]，分别计算出道路、环境影响因素模型的参数估计表和边际效应表，得到表1和表2所示结果。由于最大似然估计的计算量巨大，本文利用Stata 12.0和SPSS 19.0软件结合的方式来进行模型的参数估计。

表1 道路环境影响因素模型参数估计Tab.1 Parameter estimation of road environment related factors

表2 道路环境影响因素模型边际效应计算Tab.2 Marginal effect of the road environment related factors

续表2

根据以上BOP模型的回归结果和边际效应的计算结果，我们可以得到：

（1）道路功能等级

当道路功能等级从农村道路或无等级道路变为城市主、次干道或城市其他道路（集散道路、洲际道路或支路）时，双方驾驶员发生死亡或重伤的概率将有所下降。

（2）道路区域类型

当道路区域类型为“直线段区域”时，驾驶员1和驾驶员2发生死亡或重伤的概率分别提高了3.8%和3.5%。当道路区域类型是“交汇处相关（交汇处区域内、近交汇处附近）”时，驾驶员1和驾驶员2发生死亡或重伤的概率均提升了近5%。

（3）道路路面状况

相比于道路干燥的路面状况，当“道路湿滑（路面潮湿、结冰、或泥泞积雪）”时，两名驾驶员发生死亡或重伤的概率均略有降低，即湿滑的路面状况会降低双责事故中双方驾驶员的受伤严重性。此结论与以往单责事故中湿滑的路面状况会加重驾驶员受伤严重程度的结论截然不同。

（4）交通控制方式

相比于“无交通控制方式”，当交通控制方式为“信号控制”或“停车、让行警示控制”时，双方驾驶员发生中等程度伤害或死亡重伤的概率均有所提高。

（5）光线状况

相比于“白天、黎明以及黄昏”的状况，当光线状况变为“夜晚有照明”时，双方驾驶员受中等程度伤害的概率分别增加了3%和3.8%，受死亡或重伤的概率分别增加了2.2%和2.5%。而当光线状况变为“夜晚无照明”时，双方驾驶员受中等程度伤害的概率分别增加了4.5%和3.8%，受死亡重伤的概率则均增加了3.3%。这说明夜晚有照明和夜晚无照明比白天更易对驾驶员造成严重的伤害。

4 结 论

本文利用BOP回归模型，结合边际效应，分析了道路环境因素对双责事故受伤严重程度的影响作用，得到以下结论，并提出相应建议及措施：

（1）道路等级的提高将降低双方驾驶员的受伤严重性。因此，道路因素改善的重点应放在农村道路以及无等级道路上。

（2）当车辆行驶在直线段区域和交汇处相关区域时，会加重了双方驾驶员的受伤严重程度。因此，应该在道路线型设计的时候应避免过长距离的直线段出现，同时在道路交汇处相关区域设置提醒标志，对于视距三角形内有障碍物的要及时进行清理以改善驾驶员视距。

（3）湿滑的道路虽然能减轻双方驾驶员的受伤严重程度，但却增加了财产损失，同样需要引起重视。

（4）发生在信号控制以及停车、让行警示控制条件下的双责事故均加重了驾驶员的受伤严重程度。对于此，可采取蒋贤才[15]等人的研究结论进行改善，即在交通控制条件下的交叉口，当有电子执法系统并配合齐全的交叉口标线或导流线时，能最大程度地减少交叉口的交通违法行为，降低发生严重事故的概率。

（5）较差的光线状况，如夜晚有照明和夜晚无照明对双方驾驶员的受伤严重程度造成了较大的影响，对于此，应改善夜间照明条件以扩大驾驶员的视距范围，缩短其躲避事故的反应时间，降低其碰撞速度，避免驾驶员受重伤。

[1] 赵晨鹰. 青年攻击性驾驶行为的成因研究[J]. 青年研究，2003（12）：27-31.

[2] 唐友名. 乘用车两车侧面碰撞的兼容性研究[D]. 长沙：湖南大学，2010.

[3] WASIELEWSKI P，EVANS L. A statistical approach to estimating driver responsibility in two-car crashes[J].Journal of Safety Research，1985，16（1）：37-48.

[4] JIANG X，QIU Y，LYLES R W，et al. Issues with using police citations to assign responsibility in quasi-induced exposure[J]. Safety Science，2012，50（4）：1133-1140.

[5] CHIOU Y C，HWANG C C，CHANG C C，et al. Modeling two-vehicle crash severity by a bivariate generalized ordered probit approach[J]. Accident Analysis &Prevention，2013，51：175-184.

[6] LEE C，LI X. Analysis of injury severity of drivers involved in single-and two-vehicle crashes on highways in Ontario[J]. Accident Analysis & Prevention，2014，71：286-295.

[7] 唐智慧，党珊，郑伟皓. 打车软件的使用对驾驶安全的影响[J]. 交通运输工程与信息学报，2017，15（1）：22-27.

[8] 刘昕宇. 基于数据挖掘的道路交通事故序列模式与严重程度预测研究[D]. 北京：北京交通大学，2016.

[9] KEALL M，NEWSTEAD S. Selection of comparison crash types for quasi-induced exposure risk estimation[J].Traffic Injury Prevention，2009，10（1）：23-29.

[10] KEALL M，NEWSTEAD S. Induced exposure estimates of rollover risk for different types of passenger vehicles[J]. Traffic Injury Prevention，2009，10（1）：30-36.

[11] YAN X，RADWAN E，ABDEL-ATY M. Characteristics of rear-end accidents at signalized intersections using multiple logistic regression model[J]. Accident Analysis& Prevention，2005，37（6）：983-995.

[12] ALDRIDGE B，HIMMLER M，AULTMAN-HALL L，et al. Impact of passengers on young driver safety[J].Transportation Research Record：Journal of the Transportation Research Board，1999（1693）：25-30.

[13] 章国鹏. 信号交叉口左弯待转区的安全研究[D]. 成都：西南交通大学，2015.

[14] GREENE W H. Econometric analysis[J]. Contributions to Management Science，2000，89（89）：182-197.

[15] 蒋贤才，黄科，汪贝，等. 电子执法环境下交通违法行为影响因素分析[J]. 哈尔滨工业大学学报，2013，45（8）：84-89.