杨春风，庄　灿，孙吉书，闫晓晨

(河北工业大学 土木与交通学院，天津 300401)

0　引　言

为更好控制交通事故发生，更深入地了解导致交通事故发生的因素以及各因素对交通事故的影响程度，从而采取更具目的性、有效性地手段对交通事故进行控制，减少交通事故发生，有必要对导致道路交通事故发生的各因素进行分析。作为由人-车-路和环境共同构成的动态复合道路交通系统，影响道路交通安全的因素有很多，包括确定的白色信息因素如道路线形指标、路侧构筑物、指示标志等，也包括不确定的灰色信息因素如驾驶员心理生理状态、气候环境条件、车辆性能等。这些因素相互作用共同对道路交通安全产生影响，而道路交通事故在上述影响因素影响下发生也是随机的、不确定的。

为能够定量地对影响道路交通安全因素进行分析评价，相关学者将灰色关联理论引入到对道路交通事故影响因素分析中，证明了采用灰色关联理论对道路交通事故影响因素进行分析的可行性，并得出了部分地区各影响因素与道路交通事故关联度[1-4]。但这些灰色关联模型只考虑了参考序列与比较序列部分性质的一致程度，无法全面对参考序列与比较序列的一致程度进行描述。曹鑫[4]在研究港口船舶交通事故因素时从多个角度入手，建立了灰色综合关联度模型，得出了港口各因素对港口船舶事故的影响程度，但该模型在确定各关联度权重值时过于主观，不能客观反映各关联度在综合模型中的重要程度。为更加客观全面地分析道路交通事故各因素与道路交通事故关联程度，笔者引入灰色绝对关联度、灰色相对关联度及灰色斜率关联度建立灰色综合关联度模型[5-7]，利用离差最大化法[8-9]确定各关联度在灰色综合关联度模型权重值。

目前，我国主要通过交通事故次数、死亡人数、受伤人数以及交通事故造成的直接经济损失这4个角度对历年道路交通安全水平进行评价。选取这4项指标分析交通事故原因及相关性，从而找出影响交通事故次数、死亡人数、受伤人数及财产损失的主要因素，对减少该项损失采取的相关措施进行指导。笔者采用皮尔逊相关系数对驾驶员各违法行为与这4项指标相关性进行分析，并验证其相关性，最后利用灰色综合关联度模型计算驾驶员各违法行为与4项指标灰色综合关联度，找出影响这4项指标各主要因素，并提出相应防治措施。

1　皮尔逊相关性分析

皮尔逊相关系数是由英国数学家、生物统计学家卡尔·皮尔逊于19世纪80年代末提出并优化而来。皮尔逊相关系数可对两个定距变量间联系的紧密程度进行描述，其计算如式(1)：

(1)

为研究机动车驾驶员各违法行为与道路交通事故这4项指标的相关性，笔者选取了2008—2012年我国道路交通事故的统计结果，如表1。机动车驾驶员各违法行为导致道路交通事故量如表2。

表1　2008—2013年我国道路交通事故4项指标统计Table 1　Four indicators of road traffic accidents of China from 2008 to 2012

利用式(1)对驾驶员各违法行为与道路交通事故4项指标相关系数进行计算，并进行显著性检验，其结果如表3。

由表3可看出：道路交通事故总数、死亡人数、受伤人数与机动车驾驶员各违法行为之间的相关系数为r≥0.8，显著性检验概率为p<α=0.05。这表明机动车驾驶员的各违法行为与交通事故总数、死亡人数、受伤人数有显著相关性。直接财产损失与机动车驾驶员各违法行为的相关系数较小，且其显著性检验概率为p>α=0.05。这表明各机动车驾驶员各违法行为对直接财产损失没有显著相关性。

表2　2008—2012年驾驶员违法行为导致的交通事故量统计Table 2　The number of traffic accidents caused by the illegal behavior of drivers from 2008 to 2013

表3　道路交通事故4项指标与驾驶员各违法行为相关性Table 3　Correlation between four indicators of road traffic accidents and driver’s illegal behaviors

注：**表示在显著性水平α=0.01水平(双侧)上显著相关；*表示在显著性水平α=0.05水平(双侧)上显著相关。

为更深入了解机动车驾驶员的违法行为对道路交通事故等4项指标影响程度大小。笔者通过道路交通事故主要影响因素，进一步利用灰色关联度分析法对道路交通事故4项指标与机动车驾驶员各违法行为的关联度进行分析。

2　基于灰色关联度的事故分析

2.1　参考序列及比较序列

灰色关联理论是邓聚龙教授在20世纪80年代创建的，旨在研究数理统计、模糊数学所不能解决的“小样本、贫信息、不确定”问题。灰色关联度分析法作为灰色理论重要组成部分，具有对样本需求量少、计算量小、分析准确、使用方便等优点，被广泛应用在各领域的因素分析和综合评价中。在文中的研究问题中，选择我国2008—2012年的交通事故起数、死亡人数、受伤人数及直接财产损这4项道路交通事故指标作为参考序列，如式(2)：

Yi=[yi(1)，yi(2)，…，yi(n)]，(i=1，2，3，4)

(2)

根据我国道路交通事故统计年报统计，与道路交通事故有关的机动车驾驶员因素主要包括超速行驶、酒后驾驶、逆向行驶等。因此，笔者选择超速行驶、酒后驾驶、逆向行驶、疲劳驾驶、违法超车、违法会车、违法变更车道、违法占道行驶、未按规定让行、无证驾驶及违反交通信号作为比较序列(表4)，如式(3)：

Xj=[xj(1)，xj(2)，…，yj(n)]，(j=1，2，…，11)

(3)

表4　道路交通事故灰色关联分析参考序列及比较序列Table 4　Reference sequences and comparison sequences of gray relational analysis of road traffic accidents

2.2　灰色绝对关联度

灰色绝对关联度是对参考序列曲线与比较序列曲线几何形状相似程度的描述，几何形状越相似，其绝对关联度越大，参考序列与比较序列相关程度越高。参考序列与比较序列的灰色绝对关联度计算过程如下。

2.2.1始点零化像

始点零化像计算如式(4)、(5)：

(4)

(5)

2.2.2灰色绝对关联度

灰色绝对关联度如式(6)～(9)：

(6)

(7)

(8)

(9)

2.2.3计算结果

根据上述公式，2008—2012年机动车驾驶员各种违法行为与道路交通事故4项指标的灰色绝对关联度εi，j计算结果如表5。

表5　驾驶员违法行为与4项指标的灰色绝对关联度εi，jTable 5　Gray absolute correlation degree εi，j between driver’s illegal behaviors and the four indicators

2.3　灰色相对关联度

灰色相对关联度是对参考序列曲线和比较序列曲线分别相对其起始点变化速率相近程度的描述。变化速率相近程度越高，其相对关联系数越大，二者的相关程度越高。

2.3.1参考序列和比较序列初值像

参考序列和比较序列的初值像计算如式(10)、(11)：

(10)

(11)

(12)

(13)

2.3.3灰色相对关联度

灰色相对关联度如式(14)～(17)：

(14)

(15)

(16)

(17)

2.3.4计算结果

根据上述公式，2008—2012年机动车驾驶员各种违法行为与道路交通事故4项指标的灰色相对关联度γi，j计算结果如表6。

表6　驾驶员违法行为与4项指标的灰色相对关联度γi，jTable 6　Gray relative correlation degree γi，j between driver’s illegal behaviors and the four indicators

2.4　灰色斜率关联度

灰色斜率关联度是参考序列曲线与比较序列曲线在整个比较区间内所有点之间变化率的平均值，对两曲线各点之间变化速率大小一致程度进行描述，两曲线各点间变化率越相近，灰色斜率关联度越大，二者相关性越大。

2.4.1序列Yi和Xj在第k项处灰色斜率关联系数

当序列Yi和Xj均为时距为1的离散序列时，其在第k项处的灰色斜率关联系数θi，j(k)如式(18)～(22)：

(18)

Δyi(k)=yi(k+1)-yi(k)

(19)

(20)

(21)

Δxj(k)=xj(k+1)-xj(k)

(22)

2.4.2序列Yi和Xj灰色斜率关联度

参考序列Yi与比较序列Xj的灰色斜率关联度计算如式(23)：

(23)

2.4.3计算结果

根据上述公式，2008—2012年机动车驾驶员各种违法行为与道路交通事故4项指标的灰色斜率关联度θi，j计算结果如表7。

表7　驾驶员违法行为与4项指标的灰色斜率关联度θi，jTable 7　Gray slope correlation degree θi，j between driver’s illegal behavior and the four indicators

2.5　灰色综合关联度

灰色综合关联度一般包括灰色绝对关联度和灰色相对关联度。笔者分别对二者进行加权得到灰色综合关联度，并综合了参考序列与比较序列的几何相似程度和相对于各自起始点变化速率相似程度，与从一方面对参考序列及比较序列相似程度进行评价比较，能全面地从综合角度对相似程度进行评价。灰色绝对关联度和灰色相对关联度均未充分考虑在整个比较区间内各点变化率一致程度，为避免只考虑相对于起始点变化快慢一致性所带来的局限性，笔者引入了灰色斜率关联度，弥补灰色绝对关联度和灰色相对关联度不足，能更全面准确地评价参考序列及比较序列的相似程度。

灰色综合关联度ρi，j计算如式(24)：

ρi，j=λi，jεi，j+ηi，jγi，j+μi，jθi，j

(24)

式中：λi，j、ηi，j、μi，j分别为灰色绝对关联度、灰色相对关联度及灰色斜率关联度所占权重。

传统灰色综合关联度在确定各部分所占权重时较随意。为此笔者引入离差最大化法确定灰色绝对关联度、灰色相对关联度及灰色斜率关联度在灰色综合关联度模型中的权重。

当样本属性值相对于其他所有样本属性值都没有差别时，那么该样本属性值对重要性排序没有影响，其权重值可设为0；若该样本属性值相对于其他样本属性值有较大差异，则其对重要性排序影响也越大，这时应给予该指标值较大权重。基于该原理，得到各部分权重值计算如式(25)、(26)：

(25)

(26)

将表5～表7中参考序列与比较序列的灰色绝对关联度εi，j、灰色相对关联度γi，j及灰色斜率关联度θi，j值代入式(26)，可计算得出Bεi，j、Bγi，j、Bθi，j的值，如表8。

表8　Bεi，j、 Bγi，j、 Bθi，j计算值Table 8　Calculated values of Bεi，j、 Bγi，j、 Bθi，j

将表8中Bεi，j、Bγi，j、Bθi，j各值代入式(25)，计算可得灰色绝对关联度εi，j、灰色相对关联度γi，j及灰色斜率关联度θi，j在灰色综合关联度计算模型中所占权重值，如表9。

表9　灰色综合关联度权重Table 9　Weight of gray comprehensive correlation degree

将2008—2012年驾驶员违法行为与4项指标的灰色绝对关联度、灰色相对关联度、灰色斜率关联度及其对应权重值代入灰色综合关联度计算公式，得到各违法行为与4项指标间的灰色综合关联度，如表10。

表10　2008—2012年驾驶员违法行为与4项指标的灰色综合关联度Table 10　Gray comprehensive correlation degree between driver’s illegal behaviors and the four indicators from 2008 to 2012

2.6　结果分析

由计算结果可得出驾驶员各违法行为分别与道路交通安全4项指标灰色关联度大小顺序。

驾驶员各种违法行为与道路交通事故总数的灰色综合关联度大小顺序为：ρ1，10>ρ1，3>ρ1，5>ρ1，1>ρ1，2>ρ1，7>ρ1，6>ρ1，8>ρ1，4>ρ1，11>ρ1，9。可以看出：在驾驶员各种违法行为中，无证驾驶与道路交通事故总数相关性最高，其次是逆向行车、违法超车和超速行驶等驾驶员违法行为。

驾驶员各违法行为与道路交通事故死亡人数灰色综合关联度大小顺序为：ρ2，9>ρ2，1>ρ2，10>ρ2，3>ρ2，8>ρ2，6>ρ2，11>ρ2，2>ρ2，5>ρ2，7>ρ2，4。可以看出：在各种驾驶员违法行为中，未按规定让行与交通事故中死亡人数的相关性最高，其次是超速行驶、无证驾驶、逆向行驶等违法行为。

驾驶员各违法行为与道路交通事故受伤人数的灰色综合关联度大小顺序为：ρ3，10>ρ3，3>ρ3，5>ρ3，1>ρ3，7>ρ3，6>ρ3，2>ρ3，8>ρ3，11>ρ3，4>ρ3，9。可以看出：在各种驾驶员违法行为中，无证驾驶与交通事故中受伤人数的相关性最高，其次是逆向行驶、违法超车、超速行驶等违法行为。

驾驶员各违法行为与道路交通事故造成的直接经济损失灰色综合关联度大小顺序为：ρ4，10>ρ4，11>ρ4，3>ρ4，1>ρ4，5>ρ4，9>ρ4，7>ρ4，6>ρ4，4>ρ4，2>ρ4，8。可以看出：在各种驾驶员违法行为中，无证驾驶与道路交通事故造成的直接经济损失的相关性程度最高，其次是违反交通信号、逆向行驶、超速行驶等违法行为。

在驾驶员各种违法行为中，无证驾驶与道路交通事故总数、受伤人数及直接经济损失的相关性最高，未按规定让行与道路交通事故死亡人数相关性最高。其次，逆向行驶、违法超车、超速行驶的驾驶员违法行为与4项指标相关性都很高。

3　道路交通事故防治措施

根据皮尔逊相关性分析可知，机动车驾驶员违法行为与道路交通事故总数、死亡人数及受伤人数都显著相关。而灰色综合关联度计算结果进一步表明在众多机动车驾驶员违法行为中，无证驾驶、未按规定让行、逆向行驶、违法超车和超速行驶是与道路交通事故4项指标相关性最高的5个影响因素。因此，在进行道路交通事故防治时，应加强对机动车驾驶员违法行为管控，尤其是对与道路交通事故相关性最高的5个机动车驾驶员违法行为进行管控。针对笔者分析结果，对道路交通事故的防治提出如下建议：

1) 加强执法力度、监管强度。机动车驾驶员无证驾驶、不按规定让行、逆向行驶、违法超车和超速行驶违法行为与道路交通事故4项指标相关性最高，因此应加强对这5种机动车驾驶员违法行为监控和管理。一方面，要完善相关法律、条例，并做到“有法可依，有法必依，执法必严”，尤其对以上5种机动车驾驶员违法行为，在责任判罚、事故处理及处罚力度上要有所侧重，通过加大相应违法行为产生的法律责任，加强机动车驾驶员对该项违法行为的重视程度。约束驾驶人驾驶行为，减少相应机动车驾驶人违法行为的发生。另一方面，要加强对这些违法行为的监管力度，减少机动车驾驶员侥幸心理，减少这些违法行为发生。

2) 加强对驾驶人的素质教育与法律教育，进一步完善驾驶员考核制度。机动车驾驶员出现不按规定让行、逆向行驶、违法超车和超速行驶等违法行为与机动车驾驶员行车素质低下、法律意识淡薄有关。出于赶时间、寻方便、开赌气车等各方面原因会使机动车驾驶员产生以上违法行为的心理动机，并促使驾驶员违法行车。因此，在对机动车驾驶员进行培训和考核时除了要对其驾驶技术进行教学和考查外，还要加强对机动车驾驶员行车素质和法律意识教育，定期对机动车驾驶员进行素质、法律教育，增强机动车驾驶员行车素质和法律意识，减少相关机动车驾驶员违法行为。完善机动车驾驶员考核制度，减少不合格驾驶员上路可能性。

3) 针对不同机动车驾驶员违法行为进一步深入研究导致驾驶员产生该种违法行为的主观、客观原因，如对于超速驾驶违法行为应进一步对驾驶员心理、道路条件、环境条件等因素进行研究，找到影响机动车驾驶员超速行驶的主要因素，采取相应措施进行控制，从根源上找到解决办法，减少机动车驾驶员超速行驶的违法行为。

4　结　语

笔者就影响道路交通事故的机动车驾驶员各种违法行为因素与道路交通事故的4项指标相关度进行了研究。结果表明：机动车驾驶员违法行为与道路交通事故总数、死亡人数及受伤人数都具有显著的相关性。进一步用灰色综合关联度对机动车驾驶员各违法行为与道路交通事故4项指标灰色关联度进行了计算和分析，找到了与道路交通事故4项指标相关性较高的5项机动车驾驶员违法行为，并提出了道路交通事故防治的相关措施，对减少我国道路交通事故发生具有一定的经济意义和实用价值。

参考文献(References)：

[1]倪四红，马社强.河南省地级区域道路交通安全状况评价[J].黑龙江交通科技，2014(2)：2-4.

NI Sihong，MA Sheqiang.Evaluation of traffic safety of Henan Province regional road[J].CommunicationsScienceandTechnologyHeilongjiang，2014(2)：2-4.

[2]敖谷昌，杨利.机动车驾驶员人为因素与交通事故危害性关联分析[J].重庆交通大学学报(自然科学版)，2010，29(1)：121-124.

AO Guchang，YANG Li.Correlation analysis on driver’s human factors and accident hazard in road traffic accidents[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2010，29(1)：121-124.

[3]李嘉，朱顺应，张启明，等.用改进的灰色关联度分析交通事故成因[J].公路交通技术，2006(1)：114-116.

LI Jia，ZHU Shunying，ZHANG Qiming，et al.Traffic accidents reasons analyzed with innovated gray association degree[J].TechnologyofHighwayandTransport，2006(1)：114-116.

[4]苏梁，邵东，唐伯明，等.灰色理论在交通事故预测的应用[J].重庆交通大学学报(自然科学版)，2008，27(3)：446-448.

SU Liang，SHAO Dong，TANG Boming，et al.Application of gray theory in road accident forecast[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2008，27(3)：446-448.

[4]曹鑫.基于改进型灰色关联度的港口船舶交通事故因素分析[J].广州航海高等专科学校学报，2009，17(3)：11-13.

CAO Xin.The analysis of factors leading to ship accidents in port based on improved gray relevance theory[J].JournalofGuangzhouMaritimeCollege，2009，17(3)：11-13.

[5]郝庆龙，戴冉，梁凯琳，等.基于加权灰色系统的宁波水上交通事故致因和预测[J].大连海事大学学报，2013，39(4)：35-37.

HAO Qinglong，DAI Ran，LIANG Kailin，et al.Maritime accident cause and prediction based on the weighted grey system in Ningbo waters[J].JournalofDalianMaritimeUniversity，2013，39(4)：35-37.

[6]孙友良，闫滨，赵波，等.基于改进广义灰色关联分析法的水闸安全评价指标的选取[J].水电能源科学，2014，32(4)：102-105.

SUN Youliang，YAN Bin，ZHAO Bo，et al.Index selection of sluice safety assessment based on improved generalized grey correlation analysis[J].WaterResourcesandPower，2014，32(4)：102-105.

[7]左大杰，唐建桥，张瑞婷，等.基于一种灰色综合关联模型的区域客运结构优化研究[J].数学的实践与认识，2016，46(9)：7-14.

ZUO Dajie，TANG Jianqiao，ZHANG Ruiting，et al.Study on optimization of regional passenger transportation structure based on an model of synthetic degree of grey incidence[J].MathematicsinPracticeandTheory，2016，46(9)：7-14.

[8]张桂江，叶玉清，崔铁军，等.改进广义灰色关联故障树的矿车坠落故障模式分析[J].数学的实践与认识，2015，45(23)：169-178.

ZHANG Guijiang，YE Yuqing，CUI Tiejun，et al.Failure mode analysis of tramcar crashes based on fault tree and improved generalized gray correlation degree[J].MathematicsinPracticeandTheory，2015，45(23)：169-178.

[9]马永红，周荣喜，李振光.基于离差最大化的决策者权重的确定方法[J].北京化工大学学报，2007，34(2)：177-180.

MA Yonghong，ZHOU Rongxi，LI Zhenguang.The method of determining the weights of decision-makers based on the maximizing deviation[J].JournalofBeijingUniversityofChemicalTechnology，2007，34(2)：177-180.

[10]刘思峰，杨英杰，吴利丰.灰色系统理论及其应用[M].北京：科学出版社，2014.

LIU Sifeng，YANG Yingjie，WU Lifeng.GraySystemTheoryandItsApplication[M].Beijing：Science Press，2014.