基于Logistic的不同车型碰撞行人事故严重程度致因分析*

段雨阳，何雅琴

(武汉科技大学 汽车与交通工程学院，湖北 武汉 430065)

0 引言

与其他运输实体相比，行人是最脆弱的交通参与者。《道路交通运输安全发展报告》指出全球每年死于道路交通事故的人群中，行人占总死亡人数的22%[1]。交通事故具有随机性，但从统计角度可知，1个地区在较长时域内发生的交通事故特征存在一定潜在规律[2]，部分交通事故中的行人伤害并非巧合。因此，开发有效的建模方法以分析行人伤害严重程度的致因机理是交通安全领域的重点。

通过对人车碰撞事故严重程度致因进行分析发现，主要影响因素包括车速、碰撞角度和车身结构[3]。现有研究大多利用仿真平台或逻辑回归分析探究交通参与者状态或碰撞速度对事故伤害风险的影响：Kong等[4]以行人年龄和碰撞速度为变量，建立行人伤害风险的多元逻辑回归模型；Hussain等[5]运用多元回归模型探究车辆撞击速度与行人死亡风险间的关系；董傲然等[6]采用部分优势比模型和弹性分析探究人车碰撞中行人受伤严重程度的相关因素；蒋阳等[7]搭建人车碰撞仿真平台，计算不同多元关联因素影响下的行人运动学响应及损伤程度；李丹等[8]建立人车正面碰撞仿真模型，研究行人不同运动状态和车辆不同碰撞速度下行人动力学响应情况。

一般不同车型安全性差距很大，因此，明确不同车型在道路交通事故中的风险差异，对于调整交通管理策略和设施设计标准十分必要。牛世峰等[9]引入车辆保护性和攻击性指标，基于多分类有序Logit模型构建城乡结合地区7种主要车型安全性分析方法；李华等[10]以车速为变量设计仿真试验，探究行人与轿车、SUV及客车3种不同车型碰撞事故中头部损伤来源；聂进等[11]建立各类乘用车碰撞速度与行人伤亡风险的逻辑回归模型，比较不同类型乘用车造成的事故伤亡风险；林庆丰等[12]基于Logistic模型对比分析，探究车辆间事故、人车事故和单车事故3类不同形态的公交事故严重程度影响因素间的异同性；杨文臣等[13]基于部分优势比模型和有序Logit模型，建立机动车之间、机动车与摩托车、机动车与非机动车3类交通事故严重度分析模型，发现不同交通方式下机动车碰撞事故严重度的影响因素存在明显差异。

目前，针对不同车辆类型碰撞行人事故伤害性方面的研究，从人、车、路和环境等方面对不同车型碰撞行人事故严重程度影响因素的对比分析较少。因此，本文拟构建小轿车、SUV、货车3种车型的人车事故严重程度logistic模型，探究交通参与者属性、道路因素、环境条件和事故特征对人车事故严重程度的影响及3种车型的人车事故显著因素间的异同点，为交管部门制定人车碰撞事故防治措施，针对不同车型实施交通环境改善政策提供依据。

1 数据分析及处理

1.1 数据描述

数据来源于美国高速公路安全信息系统(HSIS)中公开的北卡罗来纳州发生于2007—2016年的人车碰撞事故数据统计，共23 691起[14]，剔除无效信息，最终保留21 348起人车碰撞事故，其中小轿车行人事故、SUV行人事故以及货车行人事故分别为12 196，4 070，5 082起。解释变量类别包括事故类型、伤害严重等级、交通参与者的属性特征、道路特征、车辆类型及环境特征等，其中，伤害严重等级按照事故记录记为无伤害、轻伤、中伤、致残伤害和致命伤害5类，3种车型事故在不同严重等级中的占比见表1。

由表1可得，货车行人事故在致命伤害中的占比高于全体货车事故在事故总数中的比例，表明货车会增加人车事故致命伤害风险；小轿车会增加人车事故中轻伤的风险；SUV会增大致残及致命伤害的风险。不同车型造成的伤害严重程度不同，因此，针对不同车型碰撞行人交通事故分别建模分析，有利于降低人车碰撞事故数据的异质性，有效挖掘数据信息，为提高行人交通安全和降低事故严重性提供依据。

表1 3种车型事故在不同严重程度等级中的占比情况Table 1 Proportions of accidents with three types of vehicle in different severity levels %

1.2 变量选取

将上述5个事故严重等级作为因变量，其中无伤害、轻伤、中伤、致残伤害、致命伤害分别取Y=1，2，3，4，5。根据事故记录，从人、车、路、环境及事故特征5方面最终选取25个影响因素作为自变量。由于事故形式及事故时段分类较多，采用压缩聚类法分别压缩为5类和4类，详细变量描述及赋值见表2。

表2 变量编码及赋值Table 2 Coding and assignment of variables

2 人车碰撞事故严重程度logistic模型

2.1 累计logistic模型

设有序变量Y有J个等级，按顺序Y取1，2，…，j，则累积logistic模型[15]如式(1)所示：

(1)

式中：Pj表示当有序变量Y的等级为j时的概率；X

注：*为变量对照组。

则累积logistic概率模型如式(2)所示：

(2)

2.2 模型构建

利用数据分析软件SAS对小轿车、SUV和货车3种车型人车碰撞事故分别构建累计logistic模型，采用逐步回归法，取显著性水平0.05，模型标定结果见表3。

表3 模型标定结果Table 3 Model calibration results

依据模型标定常数项和回归系数，将数值代入式(2)得到不同事故严重程度等级下的累积概率：如P(Y≤1|X)表示严重程度为无伤害的人车碰撞事故发生概率。在P值<0.000 1的显著性水平下，SUV行人无伤害事故预测模型如式(3)所示，其余模型同理可得。因此，无伤害事故概率预测值为P1=P(Y≤1|X)；轻伤事故概率预测值为P2=P(Y≤2|X)-P(Y≤1|X)；中伤事故概率预测值为P3=P(Y≤3|X)-P(Y≤2|X)；致残事故概率预测值为P4=P(Y≤4|X)-P(Y≤3|X)；致命事故概率预测值为P5=1-P(Y≤4|X)。

表3(续)

注：P值<0.05时表明该变量在95%的置信度下表现显著，P值<0.1时表明该变量在90%的置信度下表现显著。

(3)

2.3 模型检验

对3种不同车型的人车碰撞事故严重程度模型进行检验，其中，参数估计结果符合似然比检验和Wald检验，且P值均<0.000 1，说明拟合3种车型的模型整体通过检验；拟合优度检验显示模型拟合良好(pearson检验，P值均>0.05)；准确度检验显示预测准确性较好(序次相关指标检验，小轿车、SUV和货车3种模型c值分别为0.729 0、0.727 0、0.733 0，均>0.7)。

3 结果分析

由参数标定结果可得，对小轿车、SUV和货车3种车型的人车碰撞事故严重程度均影响显著的因素包括：是否有救援、事故形式、事故时段、道路限速、是否超速、道路等级、车道数量、行人年龄段和行人饮酒情况。其中，参数估计为负值，表明该情况下严重程度更高的事故发生概率会升高；参数估计为正值，表明对照组情况下事故更为严重。即事故后无及时救援、行人横穿高速公路、道路限速值>55 km/h、超速驾驶、行人饮酒、行人年龄超过60岁时易发生更严重的人车事故。

3.1 事故特征显著因素分析

3个模型中，行人横穿高速公路、行人横穿马路时车辆直行、行人路况不明这3种情况会增加事故严重性，而行人乱窜、有特殊的中央分隔的情况仅会导致货车行人事故中更为严重的伤害后果。研究显示，超速驾驶会显著增加3种车型碰撞行人事故严重性，其中超速驾驶与SUV事故严重程度相关性相对最大，超速驾驶发生的事故严重程度高出1个等级的可能性是未超速情形下的2.70倍(exp|0.994 9|)，故应加强对车辆尤其是SUV超速驾驶的监控与管理。

3.2 交通参与者属性显著因素分析

小轿车和SUV造成的事故严重程度与驾驶员属性显著相关，参数估计结果显示，25岁以下的年轻驾驶员和驾驶员饮酒会增加小轿车和SUV事故的伤害严重性。此外，男性驾驶小轿车造成的人车碰撞事故中，伤害严重程度高1个等级的概率是女性驾驶员导致的事故的1.13倍；驾驶员属性对货车事故严重性无明显影响，可能因为货车驾驶员一般驾驶经验比较丰富，且其酒后驾驶的情况相对较少；但只有货车事故中的驾驶员是否逃逸显著影响事故伤害严重性，因此，交管部门和货运公司应协同加强货车驾驶员的责任意识。

3.3 道路显著因素分析

对于小轿车和SUV模型，限速值过高(≥55 km/h)或过低(<35 km/h)均会导致事故严重程度升高，故限速控制在35～55 km/h对于降低事故严重程度比较有利。货车模型中限速值过高会加重货车事故的严重性，因此，对于货车的限速管理应控制在较低速度水平。

道路等级对事故严重程度也有一定影响。小轿车在私人车道上更易发生严重性较高的事故，SUV在州际公路上有较大风险遭受更严重的人车碰撞事故。对于发生在不同等级道路上的货车行人事故，国道、2级公路和地方街道上的事故严重性较低，州际公路和私人车道上发生的事故严重性较高(相对于公共车辆区域)。

道路分隔情况仅对小轿车事故严重性影响显著，单向无分隔比双向无分隔的事故严重程度低，而双向有中央隔离带的道路上发生严重事故的概率比双向无分隔的情况下高1.12倍。说明行人翻越中央分隔带的违章行为会增加小轿车事故的伤害严重性。

路面材料和道路线形仅显著影响货车事故严重性，在沙土或碎石路面上发生的事故严重程度高出1个等级的可能性是在沥青路上的1.29倍；在弯曲路段上严重程度高出1个等级的概率是平直路段情形下的1.39倍。

交通管控情况是小轿车和货车模型中的显著因素，信号灯控制会显著降低小轿车事故严重性，而双黄线无行人通过区情况下小轿车、货车事故严重程度高出1个等级的概率分别是无交通管控情形下的1.33，1.36倍。由此可见，在设有双黄线的道路上应根据实际需求增设人行过街设施，以此降低行人过街受伤风险。

3.4 环境条件显著因素分析

事故时段对3个模型均显著，相对于在9～16点发生的人车碰撞事故，1点、3～5点发生的事故严重性更高。且1点、3～5点事故时段在货车模型中最显著，这是缘于凌晨时段多为货车通勤，1点和3～5点时发生的事故严重程度高出1个等级的可能性是9～16点时段下的1.97倍。

地形因素仅影响小轿车和SUV碰撞行人事故严重性，小轿车在山麓地区发生严重事故的风险将增大；小轿车和SUV在沿海地区发生的行人碰撞事故严重程度均较低，这与当地沿海区域较高道路等级和较优驾驶环境相关。

事故发生区仅在货车模型中表现显著，在居民区、商业区、工业区发生的货车碰撞行人事故严重程度依次升高，这可能因为货车在商业区和工业区出现频次较高，且其在工业区车速会更高。

4 结论

1)基于累计logistic模型得出小轿车、SUV和货车3种车型的人车碰撞事故严重程度显著因素，通过对比分析发现涉及不同车型的人车碰撞事故严重程度影响因素之间存在异同性。检验结果显示，累计logistic模型可有效进行不同车型的人车碰撞事故严重程度分析。

2)对3种类型事故严重程度均影响显著的因素包括：是否有救援、事故形式、事故时段、道路限速、是否超速、道路等级、车道数量、行人年龄段和行人饮酒情况；驾驶员年龄段、性别和饮酒情况仅对小轿车和SUV造成的人车事故严重程度有影响；货车碰撞行人的事故更易受到外界因素影响，如照明条件、路面材料等。

3)本文研究受事故数据限制，未考虑驾驶员是否疲劳驾驶、交通参与者中的过错方等因素影响，后续将采集更为全面的交通事故信息做进一步研究。