老年驾驶人交通安全影响因素研究

巩建国, 过秀成, 綦 聪, 刘晓晨, 张一鸣

(1.东南大学交通学院, 江苏南京 211189;2.公安部道路交通安全研究中心, 北京 100062)

0 引言

随着我国经济社会水平飞速发展,居民生活水平、身体条件改善,老年人驾车出行需求呈现新趋势、新特征。 截至2021 年底,全国共有机动车驾驶人4.81 亿人,平均每2 个成年人即有1 人持有驾驶证。 老年人也享受到了机动化进程的红利,60 岁以上驾驶人近五年年均增长约150 万,全国共有60 岁以上驾驶人1 500 多万,占比达3.36%。 2020 年11月,公安部推行交管“放管服”改革新政,放开70 周岁以上老年人申领驾驶证限制,老年驾驶人数量与日剧增。 但与此同时,随着老年驾驶人身体机能的下降、交通安全防护设施不足等原因,老年驾驶人交通事故日益高发。 通过事故数据反映出老年驾驶人的事故特征和机理,将有助于制定提升老年驾驶人驾驶安全性的对策。

针对影响老年驾驶人安全因素的研究,主要基于美国、瑞典、澳大利亚等国外的交通事故统计数据[1-2],以及早期国内不同城市的交通事故统计数据,包括上海、湘潭等特定的城市[3-4],从驾驶人、车辆、道路和环境3 个方面,探究导致老年驾驶人呈现不同的事故率、事故致伤率和事故致死率的影响因素。 发现无信号交叉路口、是否佩戴安全带、车辆使用年限、左转状态、恶劣气候环境等都是导致老年驾驶人事故高发的典型影响因素[1-3]。 老年驾驶人因为感知能力受年龄的影响而下降,导致其发生交通事故时死亡和受伤的概率均高于中青年驾驶人,受伤类型主要包括颅脑损伤和胸部受伤[4-6]。 研究方法上,主要采用随机参数Logit 模型、负二项分布模型、ANOVA 相关性分析、相对危险暴露量法和系统聚类等方法从驾驶人、车辆、道路和环境4 个方面分析特定变量对老年驾驶人的事故率影响的显著性[11-14]。 也有研究采用统计分析的方法分析老年驾驶人的事故特点,并基于历史年交通事故年鉴数据总结老年驾驶人事故增长的规律,预测未来事故率的增长趋势[15-16]。 Loren 等学者通过设计老年驾驶人认知测试,从驾驶安全的生理和心理因素的角度,分析测试结果与事故率的相关性[17-20]。

国内外已有较多的老年驾驶人事故致因机理和特点的相关研究,但受制于早期驾驶证管理政策限制,老年驾驶人数量较少,交通事故特征的显著性相对较弱。 随着中国机动车增加和人口老龄化的加快,已有的研究缺少对全国范围内影响老年驾驶人驾驶安全性因素的总结,对于指导我国未来老年驾驶人安全性的研究缺少理论依据和参考。 导致老年驾驶人高事故率是多种因素综合作用的结果,因此,在不同国家、不同时期影响老年驾驶人安全性的因素会呈现不同的特点,具体表现为老年驾驶人事故致伤率和事故致死率的差异性。 鉴此,本文基于2020 年发生在我国华北、东北、西北、西南、华南、华东6 个片区各抽样1 个省,即河北、辽宁、浙江、湖南、四川、陕西省的肇事驾驶人事故数据,采用事故频数法判别显著影响我国老年驾驶人事故率的变量,并使用DBSCAN聚类的方法对显著影响老年驾驶人驾驶安全性的变量开展聚类研究,归纳总结我国典型的老年驾驶人驾驶安全性影响因素,为交通管理者制定相应措施提供理论依据和支撑。

1 数据描述

基于2020 年发生在分中坚力量位于华北、东北、西北、西南、华南、华东6 个片区的河北、辽宁、浙江、湖南、四川、陕西省的承担事故主要责任的驾驶人事故数据,事故数据记录了事故人员、事故车辆以及事故环境3 个方面的信息。 将事故率、事故致伤率和事故致死率作为因变量,事故影响变量包括驾驶人基本特征、事故主要原因、时间分布、照明条件等31 个变量,并根据变量特征划分成驾驶员、车辆、道路及环境3 个类型的变量。 本文中研究的老年驾驶人为年龄为60 岁及以上的驾驶人。

分别计算老年驾驶人在相应潜在变量下的事故频率值与临界值R对比,若事故频率值大于R,则可判断该影响变量为影响老年驾驶人驾驶安全的影响因素。 按照同样的方法计算老年人事故致伤率和事故致死率的临界值作为鉴别标准,筛选老年驾驶人事故致伤率、事故致死率高于临界值的影响变量。 最终12 个显著影响变量的描述性统计如表1 所示。

表1 老年驾驶人交通安全影响因素

2 模型方法

常用的聚类算法包括基于划分、层次、密度、网格和模型的聚类方法,本研究对象为老年人事故数据,目的为提取典型影响老年驾驶人安全性的变量并归类总结特性。 因此选用基于密度的DBSCAN(Density-Based Spatial Clustering of Application with Noise) 聚类算法,根据空间点的距离将高密度点所在的区域划分同一类型的簇。 其基本定义如下:(1)核心对象是指对于邻域半径ε和簇最小点数MinPts,对象p的ε邻域包含至少MinPts数目的对象;(2)在点集D下,对象q位于对象p的ε邻域内,而p是核心对象,则称对象p到对象q直接密度可达;(3)对象链p1,p2,…,pn;p1=p,pn=q,对于1≤i≤n,称对象p1到对象pn密度可达;(4)点O∈D,使对象p和对象q从O关于ε和MinPts密度可达,称对象p和对象q密度相连。

本空间聚类算法的流程为:以点集D中某一个对象p出发,如果以对象p为中心的ε邻域内包含的其他对象数量大于MinPts,标定对象p为核心对象,创建以p为核心的簇,将其ε邻域中的直接密度可达的对象加入该簇中,循环直至所有与对象p密度相连的对象都加入簇中时结束。 选定尚未被加入任意簇的另一个对象出发,重复上述过程,直至所有的对象完成遍历算法结束,未被加入任何簇的点被统一标定为单独一个簇,即数据噪声点,算法参数包括簇最小点数MinPts和邻域半径ε。

选取老年驾驶人事故率与全体驾驶人事故率λi、事故致伤率ηi和事故致死率μi的比值作为刻画不同影响变量对于老年驾驶人安全性的严重程度进行聚类,(公式4 ～10)揭示不同影响因素对老年驾驶人的影响严重程度和影响机理。

3 结果分析

本文使用Python 语言编程实现老年驾驶人事故影响变量聚类算法,考虑聚类结果中最低的老年驾驶人事故影响变量数量,设置簇内最小点个数为3;由于聚类变量的取值范围为[0,30],邻域半径设置为0.5,提取对影响老年驾驶人安全结果相近的变量,分析老年驾驶人事故的影响机理,并制定相应的治理措施。 基于上述根据各影响变量下驾驶人事故率与全体驾驶人事故率、事故致伤率和事故致死率的比值3 个参数进行聚类,识别出3 个集群(簇),以及4 个噪声点,详细结果见表2。 将超过全体驾驶人平均值5 倍以上的概率定义为高,3 ～5 倍定义为中,低于3 倍定义为低。

表2 老年驾驶人驾驶安全影响变量聚类结果

3.1 高事故、中受伤、中死亡

聚类结果(图1)表明老年驾驶人在超车、水泥路面、未打开闪光灯、汽车渗漏油/液/气这4 个影响变量下的事故率、事故致伤率和事故致死率均高于全体驾驶人。 其中老年驾驶人的事故率约为全体驾驶人事故率的5 倍,老年驾驶人事故致伤率约为全体驾驶人3.46 倍,事故致死率约为全体驾驶人的3.97 倍,聚类群集一呈现高事故率、中事故致伤率、中事故致死率的特征。

图1 集群一概率比折线图

3.2 高事故、高受伤、低死亡

聚类结果(图2)表明老年驾驶人在变道向左、无气囊、无防护、未使用安全带/头盔这4 个影响变量下的事故率、事故致伤率和事故致死率均高于全体驾驶人。 其中老年驾驶人的事故率和事故致伤率均超过全体驾驶人事故率的5 倍,老年驾驶人事故率约为全体驾驶人6.47 倍,事故致伤率约为全体驾驶人5.17 倍,事故致死率约为全体驾驶人的2.95倍,聚类群集二呈现高事故率、高事故致伤率、低事故致死率的特征。

图2 集群二概率比折线图

3.3 中事故、低受伤、高死亡

聚类结果(图3)表明老年驾驶人在沙石路面、隧道、急弯、窄路、C4 驾照这5 个影响变量下的事故率、事故致伤率和事故致死率均高于全体驾驶人。其中老年驾驶人的事故致死率超过全体驾驶人事故率的6.5 倍,老年驾驶人事故率约为全体驾驶人4.69 倍,事故致伤率约为全体驾驶人3.21 倍,聚类群集三呈现中事故率、中事故致伤率、高事故致死率的特征。

图3 集群三概率比折线图

3.4 噪声点

噪声点是聚类无法识别的数据,图4 展示了噪声点的数据特点,在老年驾驶人的驾驶车辆类型是轻便摩托车(F 型),事故率、事故致伤率和事故致死率均超过全体驾驶人均值的20 倍;而在无信号交叉口、车辆制动失效、驾龄超过21 年的老年驾驶人,事故率、事故致伤率和事故致死率均超过全体驾驶人均值的5 倍,其中事故率为全体驾驶人事故率均值的6.66 倍,事故致伤率约为全体驾驶人6.5 倍,事故致死率约为全体驾驶人的6.34 倍,呈现高事故率、事故致伤率和事故致死率的特征。

图4 噪声点概率比柱状图

4 事故影响因素分析

4.1 驾驶人因素

老年驾驶人驾驶三轮汽车(C4)、轻便摩托车(F)事故率、事故致伤率和事故致死率均明显超过全体驾驶人均值,潜在原因是三轮汽车和轻便摩托车作为老年驾驶人的典型出行工具,在没有车辆的环境下,很多老年驾驶人会违章横穿道路或交叉口,心存侥幸心理并对危险估计不足,意识到危险之后又不知所措,交通安全意识淡薄、身体反应机能弱、缺少“路权意识”;同时,轻便摩托车和三轮汽车车辆稳定性和对驾驶人安全保护性较差,且很少有老年驾驶人使用头盔、安全气囊等防护设备,这也是导致老年驾驶人事故伤亡情况较高的重要原因,老年驾驶人的事故、受伤和事故致死率均高于全体驾驶人5 倍及以上。 相关研究验证了随着年龄的增加,老年驾驶人驾驶的操作稳定性和认知能力均会下降,驾龄超过21 年的老年驾驶人也是交通事故高发的群体,因体质脆弱、抵抗力差、容易有并发症等因素,导致事故致伤率和事故致死率同样高于全体驾驶人6.5 倍以上。 在变道向左转向和超车的行驶状态下,相较于起步、直行、向右变道、左转弯、右转弯、掉头等驾驶任务,左侧车道作为快速车道,向左变道或超车需更快的判断和驾驶操作,驾驶难度更大,老年驾驶人可能因观察不到位、判断偏差、注意力不集中等原因,造成更为多发和严重的交通事故,呈现高事故率的典型特征。

4.2 车辆因素

显著影响老年驾驶人驾驶安全的车辆因素包括车辆制动失效、渗漏油/液/气、转向灯未打开、未使用安全带/头盔、车辆无安全气囊。 车辆制动失效是显著导致老年驾驶人事故率、事故致伤率和事故致死率的因素,尤其是在高速行驶的条件下,当汽车制动失效,老年驾驶人对于特殊条件下的车辆控制能力和判断能力欠佳,导致无法正确进行车辆的紧急避险,也是事故发生的重要原因之一。 未使用安全带/头盔和车辆无安全气囊,导致老年驾驶人在汽车发生碰撞的时候,即便碰撞速度不高,头部很容易直接与前挡风玻璃相撞,由于没有安全气囊的保护,导致驾驶人颅脑损伤,事故致伤率约为全体驾驶人的5 倍。 未开转向灯相比于开启转向灯更加容易增加老年驾驶人的事故率,高于全体驾驶人事故率的6.42 倍,老年驾驶人在变道的过程中,需要观察前后车辆行驶的状态,注意力集中在对变道时机进行判断,忘记开启,转向灯,也易导致发生事故。 汽车渗漏油/液/气也是显著增加老年驾驶人高事故率的影响因素。

4.3 道路因素

显著影响老年驾驶人驾驶安全的道路因素包括急弯道路、水泥路面、砂石路面、无信号灯交叉口、窄路、隧道和路侧无防护道路。 由于无信号灯交叉口没有特定管控设施提示指挥,老年人容易对左右两侧来往的车辆忽略,或者无法把握准确的可穿越时间间隙,进而导致事故的发生,老年驾驶人在无交通信号灯交叉路口的事故致伤率和事故致死率均高于全体驾驶人5 倍以上。 相比于沥青道路,道路路面为砂石路面和水泥路面的事故率均显著增加,且在沙石道路上驾驶机动车的老年驾驶人事故致死率高于在水泥道路上驾驶。 在窄路、隧道和急弯的道路环境,老年驾驶人的事故率和事故致伤率高于全体驾驶人3 倍以上,但是事故致死率平均高于全体驾驶人6.5 倍以上,主要由于在隧道、窄路和急弯发生事故形态普遍伴随着车辆侧滑侧翻,且此类路况下设施环境复杂、救援条件差,导致老年驾驶人的事故致死率显著增加。 路侧设置防护设施相比于路侧无防护,老年驾驶人发生事故的致伤率和致死率会明显降低。

5 结语

本文基于DBSCAN 聚类从驾驶人、车辆和道路3 个方面研究了影响老年驾驶人事故的因素,得出以下主要结论:①在驾驶因素方面,老年驾驶人在驾驶三轮汽车(C4)、轻便摩托车(F)、驾龄超过21 年以及在超车或变道向左的行驶状态下具有高事故率;②车辆方面,在车辆制动失效、渗漏油/液/气、转向灯未打开、未使用安全带/头盔、车辆无气囊的影响下会导致老年驾驶人的事故率、事故致伤率和事故致死率明显高于全体驾驶人;③道路设施方面,在面临复杂的道路条件,例如急弯道路、水泥道路、砂石道路、无信号交叉口、窄路、隧道和路侧无防护道路,同样会增加老年驾驶人的事故率、事故致伤率和事故致死率。 目前,该研究的部分成果已经作为支撑老年人申请驾驶证政策的制定依据,纳入《机动车驾驶证申领和使用规定》(公安部令第162 号)中予以实施;未来将开展老年驾驶人交通影响因素的深度和广度拓展分析,从道路设施设置、车辆安全设计、驾驶安全教育等方面提出针对性对策建议,支撑制定相关标准规范,为提升老年驾驶人交通安全水平提供科学依据。