基于多项Logit模型的山区高速公路事故致因分析

张韡, 吴晓多, 白骞, 娜仁图雅

(1.长安大学汽车运输安全保障技术交通行业重点实验室, 西安 710064; 2.西安市轨道交通集团有限公司, 西安 710064)

2019年底,全世界公路通车里程达5 803万km,其中高速公路里程突破46万km[1]。随着公路里程大幅增长,同时也伴随着严峻的交通安全问题。据2019年世界卫生组织的统计,道路交通事故死亡人数占全球死亡人数的2.4%,平均致死率为1.3%[2]。因此,降低道路交通事故的死亡人数仍是全世界极度关注的重要问题,其中探索交通事故致因是交通事故的主要研究方向,研究交通事故致因对于事故严重程度的影响,是防止同类事故重演的根本保证。

山区地形地质条件复杂,道路往往临河临崖、穿越山脉修建,山大沟深,坡陡弯急,坡长弯多,特殊路段往往也是事故多发点。其中特殊路段主要涉及隧道(群)、桥隧连接段、长大纵坡和急转弯路段等。Yeung等[3]研究新加坡山区高速公路隧道的交通事故特性,发现过渡区和进入隧道时事故率更高。国内外研究者还从组合线形、平纵面线形等方面分析山区高速特殊路段的交通安全。国内的孟祥海等[4-5]先后确定山区高速公路纵坡类型、坡度及路段长度对山区高速公路事故率的影响最大,在追尾事故中车速差和竖曲线半径是突出诱因。张韡等[6]从平纵线形对山区公路安全性影响的角度研究,得出山区公路下坡路段的安全性与其坡长、纵坡均值、平曲线半径均值和平曲线半径方差成反比;乔建刚等[7]根据心率与道路参数的关系建立了道路线形安全评价模型,并且通过实测数据对模型进行了验证。而国外的Huang等[8]从山区高速公路隧道群的几何线形和复杂驾驶环境角度出发,分析了其对交通事故严重程度的交互作用。

山区高速交通事故发生会受人-车-路(环境)-管理系统中各要素之间协调失衡的影响,所以交通事故特征分析通常会从该系统中各要素对事故严重程度及事故率的影响入手。例如,由冰玉等[9]从人的角度探究山区高速公路交通事故成因,结果表明驾驶人(驾龄、年龄、操作不当、违章驾驶)在人-车-路(环境)系统中对事故贡献率超50%,得出未保持安全车距、违法装载超限、长大下坡坡底和夜间无照明对事故发生率和严重程度影响较大;Meng等[10]从车的角度研究发现事故涉及的货车数目、超速行驶等因素都会影响山区高速公路事故严重程度;Aljanahi等[11]研究表明山区高速公路重型车辆的比例与事故率成反比;国外的Promothes等[12]从路和环境(洲际公路几何特征、天气、交通量)的角度评估美国某山区公路上货车发生事故的风险,得出天气恶劣、道路不干燥使货车发生事故的风险明显增高;国内李明等[13]研究南方山区高速公路的28个因素对死亡事故的影响,得到不良天气、超速、未保持安全车距等是影响死亡事故发生的显著因素;此外,Yu等[14]应用实时交通和天气数据对山区高速公路涉及车辆数的交通事故风险进行分类建模分析,得到季节对不同车辆数的交通事故影响不同;陈波等[15]依据事故涉及的车辆数从人、车、路(环境)方面系统性地分析了山区高速公路事故原因。

交通事故严重程度一般是分类离散的变量,代表了任何参与交通事故的车辆驾乘人员所遭受到最严重的伤害程度。由于事故的结果是多分类的,因此大多使用逻辑回归模型建模,主要包括多项Logit模型、有序Logit和Probit模型、混合Logit模型等。Usman等[16]识别二项 Logit 模型、有序 Logit 模型以及多项Logit 模型研究事故严重程度的主要差异;Fountas等[17]采用随机参数有序Logit模型,得到事故严重程度受到许多时变和时不变因素的影响;Feng等[18]应用有序Logit模型分析影响美国巴士事故严重程度的风险因素对不同驾驶人类型有不同的作用;Çelik等[19]首次应用多项Logit模型确定土耳其事故严重程度的危险因素,将事故严重程度分为3类。为了进一步更好地拟合数据,找出影响交通事故的显著因素,国内外学者运用了巢式Logit模型和混合Logit模型进行研究。例如温惠英等[20]建立了巢式Logit模型来分析路段单车碰撞的严重程度,考虑了严重程度所有可能的嵌套结构并进行拟合优度检验,结果表明非严重伤害事故的巢式Logit模型更有效;Wu等[21]建立了混合 Logit 模型以确定翻车事故中驾驶人因素对事故严重程度的异质影响;陈昭明等[22]应用混合 Logit 模型分析高速公路交通事故严重程度,用随机参数及参数间的相关性刻画了照明、驾驶人性别、驾驶人年龄因素对事故严重程度影响的异质性。大多Logit模型都是基于独立严重程度扩展的假设多项Logit模型,模型中会增加多重限制,对于数据分类、模型的拟合都比较困难,而多项Logit模型可用于响应变量为多分类且无序的情况,更适用于所研究的数据,模型可解释性更高,因此现选用多项Logit回归模型。

综上,大多学者研究山区高速公路交通安全,主要集中于特殊路段的线形、交通事故特征及事故率,目前山区高速长大下坡路段的交通事故量化分析较少,只分析了事故发生率。现对典型山区高速公路长大下坡路段交通事故严重程度的影响因素进行研究,通过对陕西省、云南省和广西壮族自治区的典型山区高速公路交通事故的数据和交通量调研,根据其交通事故直接致因数据,构建多项Logit事故严重程度模型,量化分析了交通事故直接致因对事故严重程度的影响,并根据致因的本质深度讨论其加重事故影响程度的原因,以期为山区高速交通事故致因的联动找到新的突破口,以便从根本上寻求已建成山区高速公路事故频发的有效办法。

1 数据调研

1.1 事故严重程度及致因类别

《道路交通事故处理程序规定》(公安部令第146号)第一章第三条规定:道路交通事故分为财产损失事故、伤人事故和死亡事故。

因此,以规定分类作为标准,依据损害后果,结合山区高速公路事故数据的实际情况,故选取事故严重程度为:仅财产损失事故,受伤事故和死亡事故。

依据《道路交通事故统计年报》中机动车事故主要原因的数据统计分类,结合调研的事故数据,选取比例大于0.1%的事故直接致因类型,并对6条典型山区高速公路含有事故直接致因的2 559起交通事故依此分类,事故直接致因类别如表1所示。

表1 事故直接致因类别

1.2 事故数据来源

调研了典型山区高速公路长大下坡路段事故数据和交通量数据,并在此基础上选取山区高速公路事故建模所需的解释变量,为后续分析提供数据支持。

为了研究中国山区高速长大下坡路段交通事故频发的致因,结合固定的山区高速公路长大下坡路段线形特征,特选择云南省、陕西省、广西壮族自治区具有典型山区公路特征的6条高速公路作为深度调查对象,该6条高速公路的具体线形特征、统计时间及长度区间如表2所示。可以看出,该6条山区高速公路普遍存在坡陡坡长、弯多弯急的山区公路典型特征,通常会加重事故严重程度。

表2 典型山区高速公路线形特征

1.3 事故调研数据统计

从3个省份交管部门获取了该6条典型山区高速公路统计期内长大下坡路段的共2 559起交通事故数据,用事故起数和伤亡人数来体现交通事故严重程度,特别是伤亡事故起数,统计情况如表3所示。

表3 典型山区高速公路事故统计

表3统计期内该长度区间共2 559起事故数据,其中 2 229起仅财产损失事故、186 起受伤事故、144 起死亡事故。通过对上述6条高速公路的事故成因深度调查研究,可以反映山区高速公路事故的基本特征,具有足够的代表性。

2 模型方法

2.1 变量的选取

按照规定分类,结合山区高速公路事故数据的实际情况,选取事故严重程度为模型的响应变量,分别为:仅财产损失事故(Y=1),受伤事故(Y=2)和死亡事故(Y=3)。

根据2019年道路交通事故统计年报,确定了11个直接致因变量,分别为:超速行驶(x1)、违法装载超限(x2)、是否制动失效(x3)、是否疲劳驾驶(x4)、是否操作不当(x5)、是否未保持安全车距(x6)、是否违法变更车道(x7)、路面湿润状态(x8)、是否违法停车(x9)、是否违法超车(x10)、其他直接致因(x11),其中,每个变量均用0表示没有此类致因,1表示存在此类致因(例如:x2=1,表示事故发生时车辆处于违法装载超限状态)。解释变量均为定性的二分类变量,可以直接作为自变量引入模型。

2.2 多项Logit事故严重程度模型构建

将交通事故严重程度分为仅财产损失、受伤、死亡事故3类,即j=1,2,3,对于有j=1,2,3类的非序次响应变量,以第1类为参照类,多项Logit事故严重程度模型可以描述为

(1)

式(1)中:aj为第j类别的截距;xk为第k个直接致因变量,k=1,2,…,11;bk为第k个直接致因变量的回归系数;X为自变量组成的向量;β为回归系数组成的向量。

仅财产损失事故的概率公式可以表示为

(2)

受伤事故的概率公式可以表示为

(3)

死亡事故的概率公式可以表示为

(4)

2.3 模型的检验

2.3.1 拟合优度检验

似然比检验:在显著性水平α=0.05的条件下,对模型进行χ2检验:LR chi2(22)= 398.484,(Prob>chi2)<0.001,即与仅包含截距项的零模型相比,该模型从整体而言具有更好的拟合优度。

拟合优度指标:似然比指数McFadden’sR2=0.190,则该多项 Logit 事故严重程度模型预测变量相对于零模型,解释力度提高了19.0%,说明该多项Logit事故严重程度模型有效且拟合度较高。

2.3.2 预测精度检验

对模型进行预测精度检验,结果如表4所示。

表4 多项 Logit 事故严重程度模型预测精度

由表4可得,共有2 201个样本的预测值与实际值相等,预测精度达到了90.06%,表明该多项Logit事故严重程度模型对样本的拟合具有较高的精度。

3 模型结果分析

3.1 模型参数估计

利用stata统计分析软件,对事故数据进行分析,即可得到受伤和死亡事故分别相对于仅财产损失事故的多项Logit事故严重程度模型参数估计,如表5所示。

表5 多项 Logit 事故严重程度模型参数估计

3.2 自变量的筛选

由于选取的可能造成事故的直接致因数量较多,为了选取最优的回归子集,选用反向逐步选择法进行筛选自变量。步骤如下。

步骤1用全部11个自变量构建一个回归方程。

步骤2对11个自变量的回归系数进行F检验,得出的F值记为{F1,F2,…,F11},并且选出其中最小的F检验值,记为

Fm=min{F1,F2,…,F11}

给定显著水平a条件下,若Fm≤Fα(1,n-10)临界值,则将xm从回归方程中删除。

步骤4重复上述过程,直到回归方程中剩余的i个自变量的F>Fα(1,n-i-1),不用删除自变量。此时,得到最终的回归方程,保证了最后得到的回归子集是最优的。

取显著性水平为0.05,筛选后自变量参数如表6所示。

表6 多项 Logit 事故严重程度模型相对风险比模型

通过表4、表5的参数估计结果,可以得到受伤、死亡事故对仅财产损失事故的多项Logit事故严重程度回归方程为

(5)

(6)

由式(5)、式(6)可得,在给定0.05的显著性水平上,并保持其他变量不变时,超速行驶、违法装载超限、制动失效是导致受伤事故甚至死亡事故的主要原因,此外,违法停车、疲劳驾驶和操作不当也会导致受伤事故增加。

3.3 模型结果分析与讨论

3.3.1 超速行驶

超速行驶发生受伤事故的相对风险是没有超速行驶的6.18倍,发生死亡事故的相对风险是没有超速行驶的2.53倍。根据能量意外释放理论,大多数伤亡事故都是因为能量过剩,或干扰人体与外界正常能量交换的危险物质意外释放引起的。从动量定理角度理解,能量与车速平方成正比,速度越快,动能越大。山区高速公路超速行驶的汽车速度快,动能大,若发生碰撞,会在瞬间释放出大量的能量,安全气囊可以吸收一部分能量,但人体仍无法承受剩余的能量,此外,车辆行驶速度越大,即有效碰撞速度越大,会导致车辆产生严重的塑形变形,减少车内乘员的活动空间;车辆若长时间处在高速高档状态下行驶,会使得制动效力变弱,增加制动距离,甚至导致制动失效;山区长大下坡路段普遍存在陡坡急弯,超速行驶的车辆在转弯时离心力较大,易发生侧翻;此外,超速行驶会使得事故发生的概率变大。这些因素会导致车辆一旦超速行驶时发生事故会引起车辆受损、人身伤害甚至死亡的严重后果。

3.3.2 违法装载超限

违法装载超限发生受伤事故的相对风险是没有违法装载超限的15.96倍,发生死亡事故的相对风险是没有违法装载超限 174.26倍。超载增加了车辆各总成或部件的负担,增加发动机的负荷,易使钢板弹簧等安全部件受到大冲击而折断或使车架发生严重变形;此外,超载会加大紧急制动时的制动距离,而行驶在山区长大下坡路段往往会导致驾驶员频繁制动,能量转换过大,制动器温度上升,摩擦力矩会有显著下降,这种制动器的热衰退现象易导致制动失效发生;超载还会使得车辆转向沉重,在紧急情况下不能及时按照驾驶人的主观意愿进行方向控制,易造成伤亡事故。

3.3.3 制动失效

制动失效发生受伤事故的相对风险是没有制动失效的9.99倍,发生死亡事故的相对风险是车辆没有制动失效的30.07倍。车辆制动的原理是将车辆动能转化为热能散逸出去。车辆在山区长大下坡路段行驶时,势能减少,转换成一部分动能及热能,车辆速度会不断变大,驾驶员需要增加制动次数控制速度,频繁制动会使制动器无法及时散热温度升高,导致出现严重热衰退现象,制动器提供的制动力矩小于车辆下坡产生的动能,车辆动能持续增大,车速不降反升,在碰撞到障碍物或冲出路面时,车辆的有效碰撞速度较大,车体产生严重的变形,释放出的能量人体无法承受,更容易酿成重大交通事故。

4 结论

以云南省、广西壮族自治区和陕西省的多条典型山区高速公路的事故严重程度为研究对象,根据交通事故直接致因数据,构建多项Logit事故严重程度模型,分析交通事故直接致因对事故严重程度的影响,分析结果表明:超速行驶、违法装载超限、制动失效、疲劳驾驶、操作不当和违法停车对交通事故的严重程度有显著影响,尤其违法装载超限、制动失效和超速行驶是导致典型山区高速公路长大下坡路段死亡事故发生的主要直接致因,上述显著直接致因对仅财产损失事故影响不大,一旦存在可能会导致伤亡事故的发生。

因此,整体来说,为改善山区公路的运营安全性,就必须有效防止超速、违法装载超限以及制动失效现象的发生,建立货物道路运输数字化与智能化监管体系。山区高速公路交通事故致因是一个自身因素、社会环境因素以及管理因素综合影响的复杂性问题,该研究对事故致因研究的指标有限,仍需要增加刻画每起山区高速公路交通事故的具体致因,打破研究的局限性。

此外,由于所调研的事故数据年份跨度大,包含违法装载超限情况较多的年份,而目前高速公路上违法装载超限的情况已经较少,所以需要进一步深入调研数据。