道路交通安全研究的现状与热点分析*

2022-05-14严利鑫

交通信息与安全 2022年2期

万明吴倩严利鑫万平

（华东交通大学交通运输工程学院南昌 330000）

0 引言

随着我国交通基础设施的不断建设，道路交通安全的形式越来越严峻，道路交通事故发生率也在逐年增加。根据《国家统计年鉴》中2000—2020年道路交通事故统计，可以看出2019年发生的交通事故次数达到2000—2020年的最高峰，为247 646起。道路交通事故造成的人员伤亡人数和直接财产损失的数量也是巨大的，2019年交通事故造成的伤亡人数为62 763人，是2011—2020年来伤亡人数最多的1年。2018年道路交通事故造成的直接财产损失也达到2011—2020年的最高峰，为138 455.9万元。因此，笔者通过文献计量学方法对国内外道路交通事故的文献进行分析，总结研究热点及发展趋势，有助于科研人员了解道路交通事故的研究现状，进一步明确该领域的研究方向，对提高道路交通安全具有重要的意义。传统的回顾性方法不能全面的展示道路交通事故的研究现状，知识图谱和文献计量学分析可以将道路交通事故研究领域进行可视化分析[1]，揭示研究领域的动态发展规律，明确研究领域的研究热点和趋势，为学科研究提供实用和有价值的参考。Zou等[2]利用MKD软件工具VOSviewer和SCI2软件，提取2000—2018年Web of Science WOS中SCIE和SSCI发表的文献，系统分析道路交通安全研究现状、研究分布和未来研究趋势。李杰等[3]以Web of Science的SCIE和SSCI为数据源，用CiteSpace和VOSviewer软件分析1996—2019年国际道路交通安全的研究现状，得出国际交通安全的主要研究方向和高被引文献。

经研究发现，大多数学者对Web of Science数据库中的文献进行整理，或者用中国知网（CNKI）的文献去分析，很少用文献计量学方法对这2个数据库的文献一起分析。鉴于此，笔者基于CiteSpace和VOSviewer软件，通过梳理2000—2020年发表在中国知网（CNKI）的道路交通事故相关的中文文献，和2005—2020年发表在Web of Science核心合集中有关道路交通事故研究的英文文献，从载文量、作者合作、期刊来源、关键词共现、关键词聚类、关键词突现等方面进行分析，总结道路交通事故分析的研究热点和趋势，为进一步开展道路交通事故研究提供参考。

1 数据与方法

1.1 数据来源

1）以中国知网（CNKI）的中文文献为数据源，对2000—2020年道路交通事故研究的相关中文核心期刊文献进行搜集和分析。中国知网（CNKI）的中文文献具体检索式：主题=（“交通事故”）和主题=（“道路”）；时间跨度：2000—2020年；期刊来源：EI来源期刊/核心期刊/CSSCI/CSCD。在CNKI平台上总共检索到1 311篇文献，随后对这些文献进行逐一分析，删除32篇无作者、会议类及其他交通运输方式造成交通事故的文献，最终筛选出1 279篇与道路交通事故研究紧密相关的期刊文献。

2）对Web of Science核心合集中与道路交通事故相关的英文文献进行精确检索，Web of Science核心合集的英文文献具体检索式：Topic=（（traffic accident*or traffic safety*or traffic crash*）and(road))；Timespan=2005—2020；Document type=article or review，删除无效文献后，共筛选出2 664篇英文文献。

1.2 研究方法

基于科学计量学，用CiteSpace和VOSviewer软件进行分析。CiteSpace是由德雷塞尔大学计算机与信息科学学院与大连理工大学WISE实验室联合开发的科学文献分析工具，用于科学地分析文献数据中包含科学知识结构、规律及分布情况。VOSviewer是1种文献计量分析软件，可以用于生成多种基于文献计量关系的图谱，针对文献进行共引关系和共现关系分析，侧重科学知识的可视化。

2 文献分布特征

2.1 载文量分析

论文数量的变化某种程度上能够反映该研究领域的关注度和未来的发展趋势，将中国知网（CNKI）的中文期刊文献和Web of Science的英文期刊文献按照年度发文量进行分布。为了更好地分析道路交通事故研究现状，进一步划分为EI、CSSCI、CSCD、北大核心和WOS期刊，其中EI共有119篇文献、CSSCI共有260篇文献、CSCD共有493篇文献、北大核心共有1 279篇文献，WOS共有2 664篇，见图1。

图1 2000—2020年道路交通事故研究载文量分布图Fig.1 Distribution of research papers on road safety from 2000 to 2020

对中国知网（CNKI）2000—2020年整体道路交通事故研究论文发表时间进行分析发现：2000—2008年期间该方向发表的学术论文数量逐年递增，2008年达到最高为92篇；2010年的发文量是2000—2020年发文量最多的1年达到105篇，这个阶段是道路交通事故研究的热点时期，2010年之后关于道路交通事故研究呈波动式下降趋势，2018年发文量达到了2011—2020年最低仅发表了30篇；2019年发文量突增，是2011—2020年发文量最高的1年，为76篇，增量达到1.53%，可见该领域的研究又成为了研究热点。Web of Science核心合集中关于道路交通事故的文献数量逐年递增，且2018—2020年增长的幅度越来越大，说明国际上对道路交通事故的研究热度持续上升。

2.2 作者合作分析

通过CiteSpace分别生成中国知网（CNKI）和Web of Science主要研究群体共现图谱，见图2~3。1个类团表示1个合作群体，节点处姓名字号越大表示该作者与其他作者合作的次数越多。

图2 CNKI主要研究群体共现图谱Fig.2 CNKI cooccurrence map of main research groups

表1分别列出了中国知网（CNKI）中聚类程度及论文被引频次在前10名的作者。从合作群体的中心性来看：李桢和段腾龙为1个研究群体，以段腾龙等[4]为例，其从法医学角度，基于PC-Crash进行道路交通事故重建，尤其是对人-车碰撞的道路交通事故，再现车辆与行人的碰撞过程，分析成伤机制；王正国、周继红和张良为1个研究群体，以张良等[5]为例，其研究道路交通事故造成的流行病学、交通伤害，分析道路交通伤害特点，找出事故发生规律，提出降低交通事故预防的方法。从合作群体的被引频次来看：刘小明、张杰和贺玉龙为1个研究群体，以刘小明等[6]为例，其主要研究道路交通事故对路网交通状态的影响，分析事故前后，事故与交通流、平均速度、车辆转移概率的关系；高建刚和陈宏云为1个研究群体，以高建刚等[7]为例，其主要研究我国农村公路交通安全的主要影响因素与事故特征，通过收集国外乡村公路交通安全保障措施提出改善我国农村公路交通安全状况的建议；赵玲和许宏科为1个研究群体，以赵玲等[8]为例，其以道路交通事故死亡人数、受伤人数、次数为因变量，从人-车-路组成的系统选取影响道路交通事故的因素作为候选变量，采用灰色马尔科夫链模型、最优加权组合模型、新维无偏灰色马尔可夫模型、加权马尔可夫模型、灰色加权马尔可夫等模型对道路交通事故死亡人数、受伤人数、次数的影响因素进行分析。

表1 CNKI从事道路交通事故研究的代表性学者Tab.1 CNKI representative scholars engaged in road safety research

图3 Web of Science主要研究群体共现图谱Fig.3 Web of Science cooccurrence map of main research groups

表2分别列出了Web of Science中聚类程度及论文被引频次在前10名的作者。从合作群体的中心性来看：Negishi和Yamamoto为1个研究群体，以Yamamoto等[9]为例，其确定了1种新的传感方法，研究高龄驾驶人导致的致命交通事故，根据车辆行为评估健康老年人的道路驾驶能力；Hotta和Makizako为1个研究群体，以Hotta等[10]为例，其主要研究年龄与不安全驾驶行为的关系，通过分析人口特征、视觉条件以及认知功能（注意力、执行能力和反应速度）分析不同年龄段驾驶员的驾驶特征，其中反应速度与不安全驾驶行为次数有着显著的相关性。从合作群体的被引频次来看：Laumon和Hours为1个研究群体，以HourS等[11]为例，其使用了Esparr（一系列道路交通事故受害者）数据，采用问卷调查和随访对受害者在道路交通受伤后的生活质量进行评估，结果表明社会人口学因素、事故前心理史、创伤后应激障碍是影响生活质量的主要因素；Xing和Lu为1个研究群体，以Xing等[12]为例，其建立Probit模型分析影响因素中隐藏的异质性，探索危险因素与道路交通事故严重程度的关系，结果表明危险品种类、危险品运输重量、路面干燥度、驾驶员错误操作等因素显著增加了危险品运输中道路交通事故的严重程度。

表2 Web of Science从事道路交通事故研究的代表性学者Tab.2 Web of Science representative scholars engaged in road safety research

2.3 主要期刊来源分析

对中国知网（CNKI）1 279篇道路交通事故文献的期刊来源进行分析发现：这些文献来源于327种期刊，见表3，其中载文量5篇及以上的期刊有58种，共载文708篇，占比55.4%。《公路》是载文量最多的期刊（82篇），《公路交通科技》《中国安全科学学报》并列为载文量第2位的期刊（58篇），载文量第4~5位分别为《中华创伤杂志》（43篇）、《中国公路学报》（30篇）。

表3 CNKI期刊载文量分布Tab.3 CNKI distribution of journal articles单位：篇

对Web of science道路交通事故的2 664篇文献的用CiteSpace进行期刊共被引分析，分别得到期刊被引频次和中心性表，见表4。其中，被引频次最多的期刊是Accident Analysis&Prevention，达到924次，其次是Journal of Orthopaedic Trauma（526次）、International Journal of The Care of Injured（396次）、The Lancet（365次）、Traffic Injury Prevention（363次）。从中心性来看，Acta Otorhinolaryngologica、American Journal of Psychiatry和Journal of Neurotrau⁃ma这3个期刊的中心性较高，均在10以上，说明这些期刊在道路交通事故研究中具有一定的权威性。

表4 Web of Science期刊共被引分析Tab.4 Web of Science analysis of journal co-citation

2.4 关键词共现分析

通过CiteSpace进行关键词共现分析，采用Top5%算法，得到CNKI关键词共现知识图谱见图4，该共现网络共有363个节点，658条连线。从统计结果来看，其中关键词出现频率最高的为道路交通事故和交通安全，分为是303次和168次，排名第3~5名的分别是交通工程82次、高速公路49次、事故45次。可见交通安全、交通工程、高速公路和事故是2000—2020年的研究热点。

图4 CNKI关键词共现知识图谱Fig.4 CNKI keywords co-occurrence knowledge map

用CiteSpace对Web of science核心合集的英文文献进行关键词共现分析，见图5，出现的高频关键词有“road traffic accident”“crash”“motor vehicle accident”“alcohol”和“risk”，可见与中文文献期刊研究热点基本一致。

图5 Web of Science关键词共现知识图谱Fig.5 Web of Science keywords co-occurrence knowledge map

关键词共现中心性的大小表示道路交通事故研究领域中各研究内容的重要程度，中心性越高，表示其在该研究领域的研究过程中的影响较大[13]。统计结果见表5，CNKI的中文文献关键词中心性最高为道路交通事故，其次为交通安全、交通工程和高速公路，这代表交通安全、交通工程、高速公路等在道路交通事故研究中被广泛讨论。Web of Science中关键词共现中心性较高的为“risk factor”“safety”“motor vehicle accident”和“crash”。通过对CNKI与Web of Science期刊中的关键词共现分析，发现在较高中心性的关键词中如“影响因素”“impact factor”，都是研究道路交通事故影响因素；交通安全法、交强险与“management”一致，都与道路交通安全管理相关。

表5 CNKI与Web of Science关键词共现中心性表Tab.5 CNKI and Web of Science keywords co-occurrence frequency and centrality table

3 道路交通事故研究热点与前沿分析

3.1 关键词聚类分析

在关键词共现的基础上，进一步对关键词进行聚类，从而得到该研究领域的知识结构关系和该研究领域的热点主题。图谱信息模块Q值越大，表示聚类效果越好；图谱轮廓系数S越大表示聚类的有效性越高。通过CiteSpace软件进行聚类，得到CNKI关键词聚类图谱见图6，其中Q=0.900 5，S=0.984 7；Web of Science关键词聚类图谱见图7，Q=0.746 5，S=0.945 7。Q值和S值均大于0.5，表明聚类结果较好。1个图块表示1个热点话题，按照聚类大小[14]，取排名在前9名的聚类，其数字越小表示该热点话题在研究领域的重要程度越高。CNKI中道路交通事故研究领域排名在前9位的热点话题分别为：#0交通事故、#1交通安全、#2交通工程、#3交通安全法、#4事故、#5交强险、#6影响因素、#7道路交通伤害、#8人工智能。Web of Science中道路交通事故研究领域排名在前9位的热点话题分别为：#0 risk factor、#1 safety、#2 motor vehicle accident、#3 epidemiology、#4 impact、#5 road accident、#6 management、#7 rural india、#8 shoulder septic arthritis。

图6 CNKI关键词共现网络聚类图谱Fig.6 CNKI keyword co-occurrence network cluster map

图7 Web of Science关键词共现网络聚类图谱Fig.7 Web of Science keyword co-occurrence network cluster map

为了进一步将CiteSpace聚类的13个关键词类团和9个关键词类团进行归类，将CNKI下载的1 279篇文献和Web of Science下载的2 664篇文献分别用VOSviewer软件进行聚类分析，见图8~9。

图8 CNKI关键词聚类图Fig.8 CNKI keyword cluster diagram

图9 Web of science关键词聚类图Fig.9 Web of science keyword cluster diagram

通过对CiteSpace关键词共现网络聚类图6~7和VOSviewer关键词聚类图8~9进行分析，可将当前道路交通事故研究热点大致归为5类，分别为：事故黑点鉴别与影响因素分析、事故安全评价与事故预测、事故伤害（RTI）的流行病学研究和预防、事故处理与安全管理、事故仿真与驾驶行为分析。

1）事故黑点鉴别与影响因素分析。在道路交通事故黑点鉴别方面，根据道路交通事故黑点原因的不确定性和模糊性特征，采用经验贝叶斯[15]、累计频率法根据事故率、事故频次识别道路交通事故黑点，揭示事故多发点分布规律。如耿超等[16]基于动态分段和DBSCAN算法寻求长度较短且事故集中的事故黑点，采用事故数-累计频率法鉴别出事故多发路段。在道路交通事故机理分析方面，建立各成因耦合作用的机理模型，或者开展交通事故驱动机理研究，认识事故发生机理，预防交通事故[17]。在道路交通事故影响因素分析方面，从人-车-路-环境4个方面细化变量，标定各因素与事故频次[18]、事故严重程度[19]的关系，找出交通事故的影响因素，根据影响程度对事故进行防控。

2）事故安全评价与事故预测。交通安全评价是改善道路交通安全的理论依据，从定性和定量的视角构建交通安全评价指标体系[20]，对交通安全的状况进行客观评价，可以调整道路交通安全状况[21]，减少交通事故，为道路安全管理部门提供理论依据[22]。在道路交通事故预测方面，主要分为事故率、事故风险和事故严重程度预测。为了提高道路交通事故率预测的准确率，采用深度学习[23]、机器学习组合模型[24]对交通事故进行预测，减少事故预测误差[25]。对道路交通事故后的交通运行风险进行预测也是事故预测的热点，通过提取事故发生前及非事故状况下的交通流特征数据作为自变量[26]，预测道路交通事故风险，可以为偶发性事故提供科学的应急处置方案与高效的应急救援[27]，保障道路通行能力。

3）事故伤害（RTI）的流行病学研究和预防。对不同城市、地区、天气[28]和不同年龄、交通方式的居民交通伤害流行病学进行分析，采用描述性分析、回顾性调查等方法了解道路交通伤害病例分布特点及流行特征，探讨道路交通事故伤害发生的原因，为不同类别的交通伤害提出有针对性的预防措施。如杨嘉璐等[29]通过网络邀请、街头拦截和学校抽取，调查北上广深杭等共享单车用户的道路交通伤害、骑行体验、安全认知和骑行行为，分析共享单车道路交通伤害流行特征及危险因素。

4）事故处理与安全管理。道路交通事故处理主要包括交通归责与赔偿。在道路交通事故处理工作中，事故责任认定和赔偿是作出事故处理结论的重要环节，早些年CNKI文献主要是对《道路交通安全法》中的归责原则进行分析和解读，分析归责原则的不足，提高归责原则的合理性。Wu等[30]设计了1个用于大规模场景多视点监视的实时虚-实融合框架，融合二维全景图、卫星纹理和三维模型，用于交通事故应急处理、交通事故责任认定；在道路交通事故赔偿中，由于交通事故侵权责任类型多样化和异质性[31]，以及交强险与侵权责任在实际应用中存在的问题，需要多方面完善行业补偿制度和强制保险制度[32]，如建立动态调整机制等改善措施。

5）事故仿真与驾驶行为分析。在道路交通事故仿真方面，通过仿真软件Paramics、VISSIM、3DS Max等模拟不同参数的道路线性、弯道[33]、天气、交叉口[34]、车流、车速等交通事故影响因素下的交通运行状况，设置合理的参数，以减少道路交通事故的发生。除此以外，部分学者采用交通仿真软件模拟道路交通事故后产生的交通影响，为城市道路应急组织[35]、优化城市道路交通事故处理机制提供依据。在驾驶行为分析方面，主要探讨驾驶员生理特征、心理特征、人格类型以及职业、年龄、性别[36]等个体特征，分析驾驶员与车辆、驾驶员与道路环境、驾驶员与行人以及其他道路使用者的关系，研究不同驾驶行为[37]对行车安全、行车风险的影响。如蔡晓禹等[38]基于车辆OBD驾驶行为数据及信息熵理论，提出了城市道路交通安全风险预估方法，得出异常驾驶行为高发位置与交通事故发生位置具有一致性。Hu等[39]采用机器学习技术描述服用阿普唑仑和/或酒精后的异常驾驶行为，采用横向位置、车速和转向车速等参数标定异常驾驶行为。

3.2 关键词突现分析

将数据导入CiteSpace工具并运行Burst检测，参数设置如下：Gamma=1.0，状态数=2.0，最小持续时间=1，得到研究领域内某段时间内的突发关键词以及这些关键词持续的时间。通过这些信息，可以分析道路交通事故研究领域的突发热点和研究趋势，为后续的研究方向提供思路。图10为CNKI和Web of Science核心合集中2013—2020年道路交通事故研究关键词突发性检测图，加粗线条的2个端点表示每个突发时间的开始和结束[40]。

图10 道路交通事故研究关键词突现检测图Fig.10 Road safety research keyword burst detection chart

2013—2020年，CNKI爆发的关键词有道路交通、侵权责任、交通工程、法医病理学、交通等，其中交通工程的突现值最高为9.71。交通工程主要针对山区公路、高速公路、城市快速路、公路平面交叉口采用时空交互模型、交通波模型、交通仿真等多个模型研究道路交通事故预测、风险评估、黑点鉴别、交通安全评价、事故疏散诱导和交通设计。道路交通事故侵权责任突现持续的时间最长，从2013年持续到2020年，可见道路交通事故侵权责任一直是研究热点，尤其是“无人驾驶汽车”时代已经来临，对无人驾驶汽车碰撞民事责任分配、交通肇事罪立法等方面的研究越来越多[41]。

Web of Science核心合集爆发的关键词有“network”“traumatic brain injury”“motor vehicle accident”“time”“classification”“fatigue”等，其中“time”突现值最高为6.37，且持续的时间最长。2017—2020年，主要研究发生道路交通事故后对通行产生的影响，Kuang等[42]提出由成本敏感贝叶斯网络和加权K-nearest构成的两级模型预测道路交通事故持续时间，提出缓解拥堵恢复道路通行的措施。除此以外，利用智能移动大数据监测疲劳驾驶[43]也是2017年以来的研究热点，Chang等[44]通过HAVS监控的车辆轨迹大数据监控道路上疲劳驾驶员，研究发现使用从出发地点到目标路段的驾驶持续时间，可以成功地调查目标路段上疲劳的驾驶员。

4 存在的问题和未来的研究方向

1）事故黑点鉴别与影响因素分析。对于交通事故黑点鉴别与影响因素分析，目前大多数研究方法都能从现有的交通事故数据进行挖掘，从不同的角度来分析事故易发点和影响因素，但在在分析时容易将一些宏观指标与事故信息忽略，使分析结果的准确性下降。因此，需要将道路交通事故所包含的信息进行充分的数据挖掘，系统地分析各个因素与事故黑点、事故频次、事故严重程度的关系。

2）事故安全评价与事故预测。传统的交通安全评价利用交通事故历史数据，采用交通事故统计指标体系或者本源性物理特性评价指标体系对道路交通安全进行评价，对于交通安全评价体系的研究还不够系统。并且交通事故数据具有小样本、长周期等特点，使得传统的统计方法不能对实时的交通安全进行评价，存在一定的局限性。在交通事故预测方面，机器学习方法和深度学习方法对于预测影响因素复杂、多尺度时空相关性、多维度的交通事故数据都较困难，提高交通事故预测准确性和提高模型的性能都值得进一步开展研究。

3）故事伤害（RTI）的流行病学研究和预防。现有的道路交通伤害研究主要基于道路交通伤害的分布特点、事故原因与预防措施进行描述性统计研究。分布特点主要分析年龄、性别、空间、时间、道路类型、伤害性质等特征。事故原因主要从驾驶员个体分析，包括疲劳驾驶、药物驾驶和酒后驾驶等。预防措施主要包括实施交通执法战略、修订交通法、增加救护车服务、完善道路交通安全监测系统等。回顾性调查方法，存在回忆偏倚，并且对道路交通伤害的数据缺乏比较深度的分析。由于道路交通伤害数据采集主要来源于医疗系统记录、交警事故处理记录、死因登记记录或者调查问卷，存在数据结构不统一的问题。对于道路交通伤害的研究应该进一步扩展到完善道路交通事故监测系统、标准化创伤救援和治疗网络等，以提高数据的完整性和统一性，同时减少应急响应、院前转运、紧急救援时间，从而降低患者伤亡率。

4）事故处理与安全管理。2017年以来，随着无人驾驶、人工智能技术的日益成熟，由于无人驾驶汽车与传统汽车不同的运行原理，应从民事法律、刑事法律、分级比例责任等方面提出渐进性、前瞻性的相关法律规制。在交通事故赔偿中，随着社会保险体制的完善和保险意识的提高，应进一步完善司法解释，实现受害人保护最大化和诉讼经济化的双赢目标。

5）事故仿真与驾驶行为分析。现有的交通仿真软件主要分为宏观交通仿真模型、中观交通仿真模型与微观交通仿真模型。宏观交通仿真与中观交通仿真主要描述路网整体的系统特性，微观交通仿真模型往往被用来进行交通系统运行状况的仿真、交通流特征的分析以及驾驶员行为特征等方面的研究。由于仿真的地区、交通状况有不同的特征，应采用不同的机器学习和启发式算法研究仿真模型的参数值标定。在驾驶行为研究方面，随着深度学习算法、图像增强技术的普及，对不同驾驶员的驾驶表现与心理状态、生理状态有了更精准的识别与描述，但目前大多数学者只针对特定场景或特定驾驶行为进行研究，对于不同驾驶行为往往需要单独训练构造新的模型，这就要求研究人员要尽可能多的切换场景和识别驾驶行为。