基于SEM的高速公路事故路段行车风险因素辨识

张文会　于秋影　沈航先

摘 要：为辨识对高速公路事故路段行车安全有影响的关键因素及其影响程度，选取4个潜变量（人、车、道路与环境、管理因素）和20个观察变量，构建其与高速公路事故路段交通安全之间的结构方程模型（SEM），将问卷调查的数据进行信度分析，并采用探索性因子分析（EFA）和验证性因子分析（CFA）2种方法进行问卷效度分析，然后将检验后的有效数据导入SEM模型，最终对SEM进行拟合检验和分析。研究结果发现，4个因素中人的因素对高速公路事故路段安全的影响最大，其次是道路与环境因素，而管理因素和车的因素对其影响相对较小。4个潜变量中对应观察变量的影响程度由大到小顺序分别为：应急操作能力、反应判断能力、疲劳程度、驾龄、超载超员;交通量、车辆速度、制动系统、货车比例;道路封闭状态、事故区通车宽度、路面状态、事故现场位置、天气状况;事故现场速度限制、事故现场处置、交通信息发布。

关键词：交通工程;高速公路;事故路段;风险因素;结构方程模型

中图分类号：U491.31    文献标识码：A   文章编号：1006-8023（2021）02-0095-09

Identification for Driving Risk Factors of Expressway

Accident Section Based on SEM

ZHANG Wenhui， YU Qiuying， SHEN Hangxian

（School of Traffic and Transportation， Northeast Forestry University， Harbin 150040， China）

Abstract：In order to identify the key factors that affect the safety of expressway accident sections and their influence degree， 4 latent variables （human， vehicle， road and environment， management factors） and 20 observation variables were selected to construct the structural equation model （SEM） between them and the traffic safety of the accident section of expressway. The reliability of the questionnaire data was analyzed. Exploratory factor analysis （EFA） and confirmatory factor analysis （CFA） were used to analyze the validity of the questionnaire. Then， the valid questionnaire data was imported into SEM model. Finally， the structural equation model was tested and analyzed. The results showed that the human factor had the greatest impact on the safety of the accident section of the expressway， followed by the road and environmental factors. However， the influence of management factors and vehicle factors was relatively small. Among the four latent variables， the order of the influence degree of the corresponding observation variables was： emergency operation ability， reaction judgment ability， fatigue degree， driving age， overload and overcrowding; traffic volume， vehicle speed， braking system， truck proportion; road closure state， traffic width of accident area， road surface state， location of accident site， weather condition; speed limit of accident site， accident site set up and release traffic information.

Keywords： Traffic engineering; expressway; accident section; influencing factors; structural equation model

收稿日期：2020-09-22

基金項目：中央高校基本科研业务费（2017YFC0803901）;国家重大科技专项计划项目（2017YFC0803901）;教育部人文社科基金（17YJCZH250）

第一作者简介：张文会，博士，副教授。研究方向为交通运输安全。E-mail： rayear@163.com

引文格式：张文会，于秋影，沈航先. 基于SEM的高速公路事故路段行车风险因素辨识[J].森林工程，2021，37（2）：95-103.

ZHANG W H， YU Q Y， SHEN H X. Identification for driving risk factors of expressway accident section based on SEM[J]. Forest Engineering，2021，37（2）：95-103.

0 引言

近年来，随着高速公路网的不断完善，物流运输业的快速发展，高速公路運输的客货运输量呈现出增长的趋势，而高速公路交通事故所造成的伤亡人数和财产损失也在同步上升[1]。据统计数据，2018年机动车事故数超过21万起，造成20万人以上的伤亡。而在发生交通事故的情况下，由于驾驶员对前后方道路情况不明确，更容易再次造成碰撞事故的发生。因此研究高速公路事故路段的安全和管理是十分必要的[2]。

高速公路事故路段的情况较为复杂，除了初次事故的影响因素，还包括事故区的状态以及事故现场管理的一些因素。国外对于高速公路事故路段安全的研究主要采用数据统计[3]，如：Logistic回归模型[4]、有序概率模型[5]、车辆动力学模型[6]等对事故路段的安全影响因素进行分析和管理[7]。国内对于交通事故路段的影响因素分析主要应用了可拓学理论[8]和DEMATEL-ISM方法[9]，并且在交通事件路段的管理[10]、仿真[11-12]和评价方面[13-14]的研究较多。此外，对于交叉口[15]和隧道路段[16-19]的风险因素研究也较多。总的来看，国内外在事故路段安全影响因素分析方面相对较少，并且大多数研究的对象都是普通道路事故路段和施工区路段[20-23]，而针对高速公路事故路段的研究也较少。

由于结构方程综合了多元回归分析、因子分析及路径分析，既可以分析各个潜变量之间的关系，又可以对各潜变量内部的观测变量进行更进一步的分析。因此，本文采用结构方程模型对高速公路事故路段安全的影响因素进行分析，并利用问卷调查的数据带入模型，进行模型拟合检验分析。

1 结构方程模型及其应用步骤

测量模型与结构模型是结构方程模型中的2个基本模型。测量模型描述潜变量与观测变量之间的关系，结构模型则描述潜变量与潜变量之间的关系。

建立结构方程模型，要以现有的理论和研究成果为基础，做出合理的假设，初步建立潜变量之间的路径关系图，将调查的数据导入模型中，得到运算结果，对结构方程模型的拟合指标进行检验和分析，若拟合指标符合相关的要求，则说明所建立的理论假设模型是有意义的。若拟合指标不符合标准要求，那么就需要进一步调整模型。

本文根据既往研究结果，首先筛选了24个观测变量建立模型，根据信度检验、效度检验和模型拟合检验的结果，通过多次的SEM模型修正，将观测变量（问卷）中的4个变量逐步进行了删除，其中删除的变量有人的因素中强行超车因素，车的因素中的轮胎磨损因素和车辆性能因素，道路与环境因素中能见度因素。最终建立了由20个观测变量组成的模型，其信度分析、效度分析和拟合检验结果都符合标准要求。

2 高速公路事故路段安全影响因素结构方程模型的构建

2.1 模型变量定义与研究假设

2.1.1 变量定义

通过对现有的理论知识和研究成果的深入研究，再结合实际情况，将各个变量之间的关系表现出来。本文的模型主要包含5个潜变量：环境因素、人的因素、车辆因素、管理因素和高速公路事故路段交通安全。

由于管理因素不受外界因素的变化而变化，所以将其设置为外因潜在变量F4。人的因素记为F1，车的因素记为F2，道路与环境因素记为F3，高速公路事故路段交通安全记为F5。观测变量用Xi表示，高速公路事故路段交通安全变量指标见表1。

2.1.2 研究假设

综合前人的研究成果，本文认为人、车、道路与环境、管理、高速公路事故路段交通安全5个潜变量间存在相互影响的关系，如图1所示。研究假设如下。

H1：人的因素影响高速公路事故路段交通安全。

H2：人的因素影响车的因素。

H3：车的因素影响高速公路事故路段交通安全。

H4：道路与环境因素影响高速公路事故路段交通安全。

H5：管理因素影响高速公路事故路段交通安全。

H6：管理因素影响人的因素。

H7：管理因素影响车的因素。

H8：管理因素影响道路与环境因素。

H9：道路与环境因素影响人的因素。

H10：道路与环境因素影响车的因素。

2.2 模型的构建

观察变量都会存在测量误差或残差，将残差项用e来表示。基于上文提出的假设，利用AMOS可以得到高速公路事故路段交通安全结构方程模型图，如图2所示。

3 问卷调查

3.1 问卷设计与数据收集

问卷主体包含5个部分：人的安全因素调查、车的安全因素调查、道路与环境的安全因素调查、管理的安全因素调查及事故路段交通安全的因素。调查的人员主要包含道路交通安全领域的专家学者、驾龄超3 a以上的驾驶人、经常行驶高速公路的货运司机等。调查采用网络问卷调查方式，共收回了260份调查问卷，均为有效调查问卷。

问卷采用李克特5级评分量表，将对问题的认同程度分为非常同意、同意、一般、不同意、非常不同意5个等级。

3.2 问卷信度分析

利用Cronbachs α对问卷的信度进行检验。Cronbachs α方法又简称α系数。当α系数越大，问卷的可靠性也越高，其值为0～1。既往研究认为，信度系数在大于0.7时，说明题目之间的一致性和稳定性较好。

利用SPSS得到调查问卷中统计量的Cronbachs α 值，见表2。

由表2可知，5个潜变量的α值均大于0.7，说明此量表的内部一致性是稳定的。因此，从信度检验的结果来看，问卷设计还是比较合理的。

3.3 问卷效度分析

问卷效度是对各因子之间和因子内部的有效性进行分析，一般有探索性因子分析（EFA）和验证性因子（CFA），为确保问卷的有效性，本文对这2种方法都进行了应用。

3.3.1 探索性因子分析

通过KMO和Bartlett球形检验发现KMO的值为0.875，大于0.8，并且P-value也小于0.01，因此可以利用數据进行因子分析。

（1）主成分提取结果

由表3可知，特征值大于1的成分有5个，累计方差贡献率为64.819%，大于60%，说明20个题目提取的5个因子对于数据的解释度较为理想。

根据图3可知，折线在成分6以后趋向平缓，并在之前急剧下降，说明20个题目提取5个因子较为合适。

（2）旋转成分矩阵

根据表4可以判断其各个题目的因子归属，可以发现各个题目的因子载荷几乎均大于0.7，X1—X5属于同一个因子，题目表现为F1，X6—X9属于同一个因子，题目表现为F2，X10—X14属于同一个因子，题目表现为F3，X15—X17属于同一个因子，题目表现为F4，X18—X20属于同一个因子，题目表现为F5，检验结果与题目本身的因素划分相一致，说明问卷的题目设置比较合理。

3.3.2 验证性因子分析

将问卷数据代入到结构方程模型中，可得到验证性因子分析的结果。

（1）组合信度和收敛效度

由表5可知，5个潜变量的非标准化的参数估计值都是显著的（P<0.05），标准化的因素负荷量均大于0.6，符合标准要求，SMC均大于0.36，大部分都大于0.5，说明各个潜变量对应的题目具有很高的代表性，组合信度都大于0.7，说明题目的内部一致性较好，AVE（平均方差变异抽取量）的值大部分大于0.5，只有F2的值为0.456，但也接近0.5，说明收敛效度理想。

（2）区分效度

由表6可以发现，5个潜变量之间均有一定的相关性，另外相关系数均小于其所对应的AVE的平方根，说明潜变量之间的相关性小于潜变量自身内部题目的相关性，即彼此之间存在一定的区分效度。

4 模型检验及分析

4.1 拟合检验

运用AMOS进行模型检验分析，本文采用卡方自由度比值（χ2/df）、拟合优度指数（GFI）、调整拟合优度指数（AGFI）、Bentler比较拟合指数（CFI）、近似误差均方根（RMSEA）、非规范拟合指数（TLI）、增值适配指数（IFI）。结构方程模型的拟合优度检验见表7。

由表7可知，χ2 /df的值为1.098，小于标准值3;GFI、AGFI、CFI、TLI和IFI的值也均大于0.9，符合评价标准;RMSEA为0.019，小于标准值0.05。模型整体拟合效果非常好，所以该假设模型是可以接受的。

4.2 假设检验及结果分析

（1）假设检验结果

对结构方程模型进行假设检验，检验结果见表8，除假设7未通过检验，其余所有假设均通过假设检验。

假设1的标准化路径系数为0.429，且P<0.001，因此人的因素对高速公路事故路段交通安全是显著影响的，在4个因素中对事故路段交通安全的影响最大。表明驾驶员的驾驶技能越成熟，驾驶员的应急操作能力和反应判断能力越强，生理状态和安全意识越好，高速公路事故路段安全程度越高。

假设3的标准化路径系数为0.166，P=0.008，因此车的因素对高速公路事故路段交通安全是显著影响的，相对其他3个因素的影响是最小的。

假设4的准化路径系数为0.26，P<0.001，因此道路与环境因素对高速公路事故路段交通安全是显著影响的，是在4个因素中第2影响高速公路事故路段交通安全的因素。也表明道路封闭状态、事故区通车宽度、事故现场位置、路面状态和天气状况等因素对高速公路事故路段交通安全程度是有一定影响的。

假设5的准化路径系数为0.178，P<0.001，因此管理因素对高速公路事故路段交通安全显著影响，是在4个因素中第3影响高速公路事故路段交通安全的因素。也表明事故现场处置的方式越合理，交通信息发布越及时，事故现场速度限制越合理，高速公路事故路段交通安全程度也越高。

此外，H9的标准化系数达到0.42，表明道路与环境因素对人的因素影响是较大的，而管理因素对车的影响相对来说较小。

（2）观测变量的路径系数分析

运用AMOS软件对模型进行检验和计算，得到模型的非标准化输出结果和标准化输出结果，如图4和图5所示。

由图5可知，对人的因素影响最大的观测变量是应急操作能力（X2），路径系数为0.79，反应判断能力（X3）的路径系数是0.76，是人的因素中第2影响事故路段安全的因素，驾龄（X1）、疲劳程度（X4）、超载超员（X5）是影响高速公路事故路段交通安全的第3梯队因素，路径系数分别为0.71、0.72和0.71。

对车的因素影响最大的观测变量是交通量（X6），路径系数为0.76，制动系统（X8）、车辆速度（X9）的路径系数分别是0.65、0.68，是车的因素中第2影响事故路段安全的因素，货车比例（X7）对车的影响相对最小。

对道路与环境因素影响最大的是道路封闭状态（X10），路径系数达到0.8，事故区通车宽度（X11）、事故现场位置（X12）、路面状态（X13）、天气状况（X14）对道路与环境的影响次之，路径系数分别是0.52、0.51、0.52、0.51。

事故現场速度限制（X17）对管理因素的影响最大，事故现场处置（X15）的影响次之，路径系数是0.73，交通信息发布（X16）对管理因素影响相对较小。

5 结论

通过结构方程模型对人、车、道路与环境、管理因素与高速公路事故路段安全之间的关系进行了研究，通过问卷调查获取数据，对数据进行信度和效度检验，最终对模型运算结果进行分析。得到以下主要结论。

（1）根据路径影响系数，人、车、道路与环境、管理4个因素对高速公路事故路段安全的影响程度由大到小顺序为：人的因素（0.429）、道路与环境因素（0.26）、管理因素（0.178）、车的因素（0.166）。

（2）根据路径影响系数，人的因素中各个因素的影响程度由大到小顺序为：应急操作能力、反应判断能力、疲劳程度、驾龄、超载超员;车的因素中各个因素的影响程度由大到小顺序为：交通量、车辆速度、制动系统、货车比例;道路与环境因素中各个因素的影响程度由大到小顺序为：道路封闭状态、事故区通车宽度（路面状态）、事故现场位置、天气状况;管理因素中各个因素的影响程度由大到小顺序为：事故现场速度限制、事故现场处置、交通信息发布。

（3）本文对高速公路事故路段影响因素的影响程度进行了较为全面的分析，可为交通管理部门提供一定的管理依据，同时也为行驶高速事故路段的驾驶人提供安全驾驶的依据。

（4）未来，可进一步增加观察变量的数量，进行更全面、范围更大的调查和研究;也可进一步考虑更多影响因素，对模型进行改进分析以及深入分析观测变量间的相互影响。

【参考文献】

[1]陈春.道路交通事故的影响因素研究：基于结构方程模型的实证研究[J].中国安全生产科学技术，2014，10（5）：110-116.

CHEN C. Research on influencing factors of road traffic accidents： empirical study based on structural equation model[J]. Journal of Safety Science and Technology， 2014， 10（5）：110-116.

[2]马柱，陈雨人，张兰芳.城市道路交通事故严重程度影响因素分析[J].重庆交通大学学报（自然科学版），2014，33（1）：111-114.

MA Z， CHEN Y R， ZHANT L F. Influence factors of accident severity for urban road[J]. Journal of Chongqing Jiaotong University （Natural Sciences）， 2014， 33（1）：111-114.

[3]Federal Transit Administration， Federal Highway Administration. Regional traffic incident management program： Implementation guide[R]. Transportation Research Board， 2001.

[4]FARADYNE P B. Traffic incident management handbook[R]. Federal Highway Administration Office of Travel Management， 2000.

[5]YUN， DUKGEUN. Analysis of road cross section component affecting[J]. Traffic Accident Severity on National Highway， 2017， 32（6）： 143-149.

[6]ZHENG H R， QIN Y Q， GUO F X. Speed and reaction behavior in different highway landscapes： A driving simulator study[J]. Traffic Injury Prevention， 2018， 19（8）： 880-884.

[7]MONACHE M L D， PICCOLI B， ROSSI F. Traffic regulation via controlled speed limit[J]. Siam Journal on Control and Optimization， 2017， 55（5）： 2936-2958.

[8]张文会，马俊，罗文文，等.基于可拓学的事故路段风险等级识别模型[J].重庆交通大学学报（自然科学版），2016，35（1）：107-110.

ZHANG W H， MA J， LUO W W， et al. Risk grade identification model of accident section based on extension theory[J]. Journal of Chongqing Jiaotong University （Natural Science Edition）， 2016， 35（1）： 107-110.

[9]张文会，赵军芳，罗文文，等.基于DEMATEL-ISM事故路段行车风险因素辨识模型[J].交通运输工程与信息学报，2015，13（1）：13-17.

ZHANG W H， ZHAO J F， LUO W W， et al. Traffic risk factor identification model of accident section based on DEMATEL-ISM[J]. Journal of Transportation Engineering and Information， 2015，13（1）： 13-17.

[10]于仁杰，馬荣国，王俊凌，等.高速公路施工区层级限速问题研究[J].中国公路学报，2013，26（6）：150-156.

YU R J， MA R G， WANG J L， et al. Research on hierarchical speed limit in expressway construction area[J]. China Journal of Highway and Transport， 2013， 26（6）： 150-156.

[11]黄青霞，贾斌，强生杰，等.基于元胞自动机的高速公路施工区交通影响分析[J].长安大学学报（自然科学版），2015，35（S1）：254-258.

HUANG Q X， JIA B， QIANG S J， et al. Traffic impact analysis of expressway construction area based on cellular automata[J]. Journal of Chang'an University （Natural Science Edition）， 2015， 35（S1）： 254-258.

[12]潘立，霍文星.大交通量下高速公路施工区交通组织仿真优化方法[J].公路交通科技（应用技术版），2017，13（2）：265-270.

PAN L， HUO W X. Simulation and optimization method of traffic organization in expressway construction area under large traffic volume[J]. Journal of Highway and Transportation Research and Development （Application Technology Edition）， 2017， 13（2）： 265-270.

[13]蒋若曦，朱顺应，王磊，等.基于交通冲突的高速公路施工区安全评价[J].中国安全科学学报，2019，29（6）：116-121.

JIANG R X， ZHU C Y， WANG L， et al. Safety evaluation of expressway construction area based on traffic conflict[J]. China Safety Science Journal， 2019， 29（6）：116-121.

[14]彭余华，王晓玉，吕纪娜，等.基于服务水平的高速公路养护作业工作区长度确定方法[J].中国公路学报，2016，29（5）：130-136.

PENG Y H， WANG X Y， LV J N， et al. Determination method of expressway maintenance work area length based on service level[J]. China Journal of Highway and Transport， 2016， 29（5）：130-136.

[15]丁柏群，宋子龙.基于交通冲突的城市交叉口风险影响因素分析[J].森林工程，2019，35（5）：98-105.

DING B Q， SONG Z L. Analysis on risk factors of urban intersection based on traffic conflict[J]. Forest Engineering， 2019， 35（5）：98-105.

[16]刘明秀，林丽.城市隧道入口自然光对驾驶人视觉影响分析[J].森林工程，2018，34（4）：102-107.

LIU M X， LIN L. Analysis of the influence of natural light at the entrance of urban tunnel on driver's vision[J]. Forest Engineering， 2018， 34（4）：102-107.

[17]方松，马健霄.城市隧道路段驾驶行为综合风险研究[J].森林工程，2019，35（6）：67-71.

FANG S， MA J X. Study on comprehensive risk of driving behavior in urban tunnel section[J]. Forest Engineering， 2019， 35（6）： 67-71.

[18]马明明，姬永生.新建隧道下穿施工对既有高速公路的影响及工法优化研究[J].公路工程，2020，45（1）：140-145.

MA M M， JI Y S. Influences of new tunnel underpass construction on existing expressway and study on construction method optimization[J]. Highway Engineering， 2020， 45（1）：140-145.

[19]王海龙，张治，刘畅，等.侧风环境高速公路隧道口防风栅优化设计[J].公路工程，2019，44（5）：99-104.

WANG H L， ZHANG Z， LIU C， et al. Research on wind tunnel of tunnel portal based on strong crosswind environment[J]. Highway Engineering， 2019， 44（5）：99-104.

[20]刘学强，吕路，樊祥喜，等.高速公路施工导行区上游过渡区长度设置研究[J].华东交通大学学报，2020，37（4）：75-81.

LIU X Q， LV L， FAN X X， et al. Study on length setting of upstream transition zone of expressway construction guide area[J]. Journal of East China Jiaotong University， 2020， 37（4）：75-81.

[21]朱顺应，邹禾，蒋若曦，等.高速公路施工区合流路段交通冲突模型[J].哈尔滨工业大学学报，2020，52（9）：70-76.

ZHU S Y， ZOU H， JIANG R X， et al. Traffic conflict model of confluence section in expressway construction area[J]. Journal of Harbin Institute of Technology， 2020， 52（9）：70-76.

[22]徐靜，张志文.基于云模型的高速公路改扩建施工区交通组织方案评价模型[J].公路交通科技（应用技术版），2019，15（10）：256-259.

XU J， ZHANG Z W. Evaluation model of traffic organization scheme in expressway reconstruction and expansion construction area based on cloud model[J]. Journal of Highway and Transportation Research and Development （Application Technology Edition）， 2019， 15（10）：256-259.

[23]冯玉龙，林政园，王雪锋，等.高速公路改扩建工程中拼宽桥梁的设计与施工关键技术分析[J].公路工程，2020，45（2）：137-142.

FENG Y L， LIN Z Y， WANG X F， et al. Key technology analysis of design and construction of widening bridges in highway reconstruction and expansion project[J]. Highway Engineering， 2020， 45（2）：137-142.