周清雅 侯心一 王雪松

摘 要：非机动车是城市交通系统中的重要组成部分，如何减少非机动车事故、提升其安全性，成为了社会关注的重点问题。为解决非机动车安全研究中交通暴露数据难以获取的问题，学者们开始注重探索利用更丰富多元的数据开展分析。为从规划和管理层面指导安全改善、减少事故，宏观安全研究及针对事故类型的分析受到了学者的广泛关注。旨在减轻事故后果的事故严重程度研究也是热点之一。在非机动车项目与规范方面，学者们更加注重对已有的经验进行总结、评估和更新。本文从非机动车数据采集、事故影响因素分析、事故严重程度影响因素分析、非机动车项目与规范四方面，分类总结了近两年关于非机动车安全的最新研究进展，以期为未来开展非机动车研究和进行实际安全改善提供指导。

关键词：非机动车；交通安全；数据采集；事故影响因素；事故严重程度

Recent research progress on non-motor vehicle safety

ZHOU Qingya1 ， HOU Xinyi 2 ， WANG Xuesong1

（1. Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China； 2. Shanghai Traffic Police Headquarter， Shanghai200070， China）

Abstract： Non-motor vehicles are important participants in urban traffic. How to reduce non-motor vehicle crashes as well as improving their safety is a key issue of social concern. To address the lack of traffic exposure data in non-motor vehicle safety study， scholars begin to explore the use of more diverse data when conducting analysis. In order to guide safety improvement and to reduce crashes in the aspect of planning and management， macro-level safety research and crash type analysis have been given considerable attention. Crash severity analysis aiming at mitigating the impact of crashes is also a hot topic. In terms of projects and guides involving non-motor vehicles， scholars focus more on reviewing， evaluating and updating their existing experience. This paper summarizes the latest 2-year progress on non-motor vehicle safety in terms of data collection， factors affecting crashes and crash severity， projects and industrial guides， hopefully to provide advice for future research and practical application in the field of non-motor vehicle safety.

Keywords： Non-motor vehicle； traffic safety； data collection； influencing factors of crashes； crash severity

非機动车是城市交通的重要组成部分。据国家统计局数据，2017年全年我国脚踏自行车产量达7105.24万辆；据中国自行车协会统计，到 2018年10月，我国电动自行车车保有量已达2.5亿辆。然而，在道路交通通行中的弱势交通方式，非机动车驾驶员在事故中更易受到伤害甚至死亡，其安全状况堪忧。据公安部交通管理局统计[1]，在2015年上海市死亡和受伤交通事故中，非机动车交通事故的占比高达63.9%和82.3%。面对如此严峻的形势，总结最新的非机动车安全研究经验，指导交通安全规划与管理以改善现状，势在必行。

在数据采集方面，非机动车安全研究面临的主要问题之一，是交通暴露数据难以获取。交通暴露数据是衡量非机动车交通活动强度的基础指标，与交通安全息息相关。相比于已经较为成熟的各种机动车流量统计技术，针对非机动车的流量和出行量的调查统计尚不完善。在针对事故数的影响因素分析方面，除了传统的微观安全建模以外，学者们越来越多地重视开展宏观层面的安全分析，以期从规划的更高视角理解非机动车的安全现状，并指导相关部门在区域层面开展政策和管理方面的改善。事故严重程度是安全评估的另一个常用指标，尤其针对非机动车这种交通弱势群体，如何降低事故的后果和伤害，减轻事故严重程度，也是学者们关心的热点问题之一。同时，在实际项目与政策方面，虽然以往也有较多成功的项目经验，但缺乏系统的整理和总结；且部分行业手册过于专业，难以为广泛公众提供有效指引。

针对非机动车安全研究的现状问题和热点，本文对该领域的近两年最新研究进展进行了分类总结，以期为非机动车安全研究人员和相关项目管理者、参与者提供有益的参考。

1非机动车数据采集

充足丰富的数据是开展非机动车安全研究的基础。然而，非机动车交通暴露数据获取困难，且数据源单一，往往对研究的开展造成阻碍。近年来，除了传统的事故、交通、设施等类型数据外，非机动车相关的数据类型变得更加多样，同时数据来源也更广泛，逐渐克服了数据不足的问题。众包数据如运动软件STRAVA、新闻报道等新型数据源逐渐受到研究者的关注，为非机动车研究提供了更加广阔的数据基础。同时，将多源数据进行链接分析，也成为了一种检视数据质量的有效方法。

Scott Kelley[2]等基于STRAVA 软件平台提供的自行车出行数据，分析了前往位于里诺中心区的内华达大学里诺校区的自行车通勤活动的特征。STRAVA是一款针对自行车骑行者和跑步爱好者开发的手机应用，其主要功能是使用GPS记录和追踪运动轨迹，兼具社交功能；用户超过9000万人。研究对比分析了STRAVA上的实际出行轨迹与当地地形、城市自行车道设置情况、推荐的校内自行车路径，以期为未来的设施建设提供建议。结果表明，大部分（78%）校内通勤均遵从了推荐路径，然而大部分（75%）校外通勤均未发生在城市自行车道上。这表明城市的自行车道网络建设还需进一步完善，以真正符合市民的实际出行需求。

针对现有自行车安全研究均面临交通暴露指标难以获得的问题，Moatz Saad等人[3]使用2013～2016四年美国Orange County的STRAVA 软件众包数据获得交通暴露指标，对交叉口处自行车事故进行建模。研究用四种方式对采集的STRAVA数据进行了处理，即：1）无校核； 2） 人口代表性校核，即依据当地人口实际的性别、年龄分布，按照一定公式计算校正系数；3）实地数据校核，即随机抽取171个交叉口，从交通部获取观测的自行车出行量，与STRAVA数据进行相关分析、回归分析，得到校正系数；4）结合前两种校核方法。该研究基于上述四类处理后的STRAVA数据作为交通暴露变量，结合道路设施数据构建安全分析模型，发现结合了两种校核方法的STRAVA数据可以有效地应用于安全分析。

Calvin Thigpen[4]等基于bikemaps.org平台，收集调查报告数据，以期探索发生事故或未遂事故的经历对当事人未来骑行意愿的影响。该平台旨在通过市民的众包自我报告收集自行车事故和未遂事故（near miss）数据。基于收集的数据，研究构建了贝叶斯有序逻辑模型，发现就诊类型的影响呈现出有趣的模式：严重但表皮的擦伤可能导致急诊室就诊，但愈合较快，因此导致未来骑行行为改变较少，看家庭医生也是类似情况；相反，最终需要住院治疗的损伤可能在事故现场并未表现，但可能需要长期治疗才能康复，因此住院对未来骑行影响最大。另外，相對于男性，经历过交通事故的女性更有可能改变自己未来的行为。

Julie Bond[5]等人将社会新闻报道数据应用于非机动车安全研究。研究者收集了Hillsborough县近9年间关于自行车死亡的新闻报道，并对其文字表达进行提取和编码，通过CDA方法进行分析。研究发现，新闻报道中的词汇、语法结构和叙事框架在很大程度上有助于消除机动车驾驶员的事故责任，而突出骑车人的行为。这些语言策略暗含了一个假设，即安全责任由自行车骑行人承担，而这很有可能使公众注意力集中于具体的人和事由，反而忽视了更宏观的社会政策改革对于改善自行车安全的重要性。

针对交警报告中行人和非机动车事故漏报现象，Sarah Doggett[6]等人回顾了十项研究，这些研究使用数据链接对方法来探讨该问题。由于报告水平定义、研究时间和研究地点不同，很难直接比较研究。在与医院数据链接的六项研究中，行人事故的报告水平估计值为44%～75%，自行车事故的报告水平估计值更低，为7%～46%，这表明存在严重的报告不足问题。

2事故影响因素分析

事故影响因素分析是交通安全领域的常用研究方法之一。非机动车事故的热点研究集中于宏观安全建模，从规划层面探讨合适的安全分析模型形式，分析安全影响因素并进而提出相应改善措施。也有部分研究人员创新性地在模型中引入了新的变量进行探索。

不同于针对设施的微观安全建模，近年来，宏观安全分析逐渐成为关注热点。宏观安全建模可针对特定区域单元开展分析，探索区域内的社会经济、交通特征、土地利用、基础设施等特征与交通安全的关系，其结论有助于从规划层面为安全改善提供启示。Md Sharikur Rahman[7]等应用数据挖掘技术，在州级交通分析小区（STAZ）层面探索行人和自行车事故的影响因素。在该研究中，首次将决策树回归（DTR）应用于宏观安全建模。为提高模型的预测精度，该研究引入了相邻STAZ的空间预测变量，发现其明显优于不考虑空间变量的模型。最后，研究对比了随机森林、梯度增强等算法在提高预测精度方面的效果，发现梯度增强算法最佳。

另一项非机动车宏观安全研究的动机来源于纽约Vision Zero零死亡愿景，Omar Abou Kasm等人[8]力图弥补现有的现有事故模型中未考虑骑自行车者行为的文献空白。该项研究针对曼哈顿地区，基于事故、区位、头盔使用等数据，建立了三个宏观安全模型分别研究骑行行为与事故数、事故率和当量死亡人数之间的关系。结果表明，在自行车道上逆行是造成事故的最大原因，而在非自车道或相邻车道上骑行是造成死亡的最大原因。针对头盔使用的敏感性分析表明，使用头盔可降低高达60%的现状当量死亡人数。该研究的结论对于当地的交通管理者提供了极大启示，具有较大的现实意义。

Dibakar Saha[9]等以人口普查街区组为研究单元构建宏观安全模型，针对总体自行车事故和死亡/重伤自行车事故，分别分析了事故影响因素。值得一提的是，研究中用于计算自行车出行里程和自行车出行强度的数据，均来自于上文提到的Strava软件。考虑到宏观分析单元之间事故的空间相关性，研究者在分层贝叶斯框架中采用条件自回归模型，并对比了两种贝叶斯模型（Besag模型和Leroux模型）的数据拟合效果。结果表明，Besag模型的效果更佳。对事故影响因素的分析结果表明，不论是对总体事故还是死亡/重伤事故，人口、日均车辆行驶里程（VMT）、年龄段、家庭汽车保有量、城市道路密度、自行车出行里程和自行车出行强度都与事故呈正相关；而教育程度、卡车率和农村道路密度则与事故呈现负相关。

事故类型的分析有助于让研究者快速了解整体安全概况，从而采取主动的安全改善对策。Libby Thomas[10]等对美国自行车事故开展了详尽统计分析。结果表明：大部分自行车事故发生于城市地区，且死亡率也高于乡村；尽管大多数事故发生在交叉口，但大多数死亡和致残事故都发生在非交叉口；机动车超越自行车是最常见的自行车死亡事故类型，占比达28%。该研究结论有利于指导交通管理部门开展针对性执法和教育。Timothy J. Wright[11]对加州、佛罗里达等6个州的交警事故报告开展分析，并与一项20年前的早期研究[12]结论进行对比，以期探索自行车事故的分布和特征是否发生了变化。研究者未发现超出现有模式的新的事故类型；此外，当前研究的事故类型分布与早期样本之间存在良好对应。但与早期样本相比，当前样本的分类准确度更高，这可能是由于近年来计算机事故分类工具的应用以及执法意识的提高，使得事故信息采集更加细化。

Greg P. Griffin[13]等首次创新性将街道噪音纳入非机动车事故分析中。研究在奥斯汀和华盛顿特区进行，在自行车上搭载智能手机上，使用手机软件记录周围街道噪声和骑行轨迹，并结合过去5～7年的历史事故数据分析。研究采用普通最小二乘回归模型，结果表明，在控制了其他因素后，街道噪音与标准化处理后的事故风险之间没有显著关系。然而，该研究只是一个良好的创新，其结论并不是是决定性的，有待未来基于更高质量的数据进一步探索和证实。

3非机动车事故严重程度

非机动车事故严重程度的影响因素多样，包括驾驶员特征、骑行者特征、道路几何设计、环境、时间、光照等。该领域的研究可从车辆制造、道路设计、交通管理、执法等多方面提供建议，以有效减轻事故造成的危害和损失。

Dibakar Saha[14]采集了美国佛罗里达州4年的自行车事故数据，并按照骑行者年龄将其分为四组：非常年轻（6～19岁）、年轻（20～44岁）、中年（45～64岁）和老年（65岁及以上）。研究者构建了多项逻辑回归模型，结果表明，不同年龄组自行车骑行者受伤严重程度的显著变量其影响均不同。研究发现，事故类型、照明條件、车辆类型、机动车驾驶员不当行为、酒精和药物影响以及安全装置的使用等变量对不同年龄组的受伤严重程度有不同的影响。据此，研究者进一步提供了具体建议用于改善特定年龄段人群的骑行安全。

Jun Liu[15]采用地理加权有序逻辑回归（GWOLR）研究了2007～2014年间美国北卡罗来纳州的7000多起自行车-机动车事故。在GWOLR模型中，受伤严重程度与其影响因素之间的关系是局部的。例如，与夏洛特地区的同龄人相比，三角地区的青少年和老年骑行者更容易受到严重伤害。因酒精或药物对骑行人或机动车驾驶员行为造成影响，从而加剧骑车人受伤程度的情况，在西部地区尤为明显。因此，应针对特定区域制定对应的自行车安全改善对策，而不是针对整个州制定统一的对策。该研究者的另一研究[16]应用路径分析量化了影响因素（如骑行人特征、道路类型、车辆特征等）、事故前行为和骑行人受伤严重程度三者之间的直接和间接关联。建模框架见下图。结果表明，不论事故前的行为如何，醉酒的骑车人均更容易在事故中受伤。此外，醉酒的骑车人更可能不愿意让行其他车辆，因此若与机动车相撞，这将进一步加重其受伤严重程度。同时，较高的机动车车速、车型为货车、车道数为3～4车道，均与事故和事故严重程度的增加有正向关系。

4非机动车项目与规范

随着自行车和步行越来越融入交通运输机构的规划、设计和运营过程，美国部分州、地区和地方机构建立了不同范围、不同方法的非机动交通数据采集项目，见图5。Peter B. Ohlms等人[17]总结了现有文献中的指导方案，并通过与相关工作和研究人员进行访谈，学习了其他州交通部开展非机动车数据采集项目的案例，试图确定实施此类项目的最有效方法。该论文发现，近年来非机动车出行监测方面的实践正在不断发展；目前已有许多商业上可获得的行人/非机动车计数技术，该论文进而对各技术进行了评估。该研究为正在考虑开展国家级行人、自行车数据采集项目的交通部门提供了基础资源。

Erin Robartes[18]等对弗吉尼亚州范围内镇、市、县、地区和州的交通规划人员、工程师和其他政府人员进行了网上调查，以总结他们在自行车基础设施建设方面的经验，探索阻碍此类项目落地实施的最大障碍。结果表明，弗吉尼亚州大部分地区都在积极致力于实施新的自行车基础设施，但仍有一定改善空间。调查结果显示，资金和路权获取是阻碍自行车基础设施发展的其他主要障碍。同时，由于基础设施建设的成功往往取决于公众的接受程度，公众反对也是自行车基础设施建设的主要障碍之一，许多地区应考虑在自行车基础设施决策中加大公众参与程度。

傳统的街道设计手册可为专业的交通工程师提供技术规范和案例研究信息。然而，这些专业手册对于更广泛的受众来说过于详细，且缺乏实例。为弥补这方面空白，俄勒冈大学的研究团队于2014年发布了《重新思考街道：25个街道改造的循证指南》，通过总结和记录已完成的项目，为从事街道项目的工程师、规划者、城市设计师、政府部门和公众提供了良好的参考材料。而该指南的更新版，即《为自行车重新思考街道》即将发布[19]。下图6是一个典型的4页案例分析展示。作为一个免费且公开的自行车运输项目指南，该手册总结了来自美国各地已完成的典型街道项目实例，以帮助广泛受众进行面向自行车的街道设计。

5结语

随着科技的发展，各类运动软件、社交媒体和平台的广泛使用，为研究者提供了更丰富的数据采集途径。新的数据类型和数据源的涌现，和链接多源数据的方法，使得非机动车安全研究中一些过去的“难题”有了新的解决思路。

宏观层面的建模和数据分析，以及事故严重程度分析仍然是近年来非机动车研究的热点话题。令人欣慰的是，不限于理论，更多的研究越来越重视结果对于改善安全现状的现实指导作用。

在非机动车项目与规范方面，研究者逐渐开始对以往的项目案例经验开展系统性评估和总结，以期为交通工程师们提供可靠的实例指导。

通过对非机动车安全领域的热点研究和最新研究进展进行总结，可以了解到国际先进的研究方法和关注热点，同时反思我国交通安全规划与管理的现状不足，为未来的研究和实际应用指引方向。

参考文献

[1] 公安部交通管理局.中华人民共和国道路交通事故统计年报（2015年度）[R]无锡：公安部交通管理科学研究所，2016.

[2] Scott Kelley， Chrissy Klenke， et al. An Assessment of Bicycle Commuting Activity Using Strava and Implications for Developing Infrastructure[C]//Transportation Research Board 98th Annual Meeting. 2019.

[3] Moatz Saad， Mohamed Abdel-Aty， Jaeyoung Lee， Qing Cai. Bicycle Safety Analysis at Intersections Using Crowdsourced Data [C]//Transportation Research Board 98th Annual Meeting. 2019.

[4] Calvin Thigpen， Trisalyn Nelson， et al. The Impact of Near Misses and Collisions on Bicyclist Behavior[C]//Transportation Research Board 98th Annual Meeting. 2019.

[5] Julie Bond， Erin Scheffels， et al. Framing the Bicyclist： A Qualitative Study of Media Discourse about Fatal Bicycle Crashes[C]//Transportation Research Board 98th Annual Meeting. 2019.

[6] Sarah Doggett， David R. Ragland， Grace Felschundneff. Evaluating Research on Data Linkage to Assess Underreporting of Pedestrian and Bicyclist Injury in Police Crash Data [C]//Transportation Research Board 98th Annual Meeting. 2019.

[7] Md Sharikur Rahman， Mohamed Abdel-Aty， et al. Applying Data Mining Techniques to Analyze the Pedestrian and Bicycle Crashes at the Macroscopic Level [C]//Transportation Research Board 98th Annual Meeting. 2019.

[8] Omar Abou Kasm， Ziyi Ma， Joseph Y. J. Chow， Ali Diabat. Quantifying the Effect of Cyclist Behavior on Bicycle Crashes and Fatalities [C]//Transportation Research Board 98th Annual Meeting. 2019.

[9] Dibakar Saha， Priyanka Alluri， Albert Gan， et al. Spatial Analysis of Macro-Level Bicycle Crashes Using the Class of Conditional Autoregressive Models[J]. Accident Analysis and Prevention， 2018： S000145751830071X.

[10] Libby Thomas， Krista Nordback， et al. Bicyclist Crash Types on National， State and Local Levels： A New Look [C]//Transportation Research Board 98th Annual Meeting. 2019.

[11] Timothy J. Wright， Richard D. Blomberg， et al. Re-Examination of Bicycle/Motor Vehicle Crash Typologies [C]//Transportation Research Board 98th Annual Meeting. 2019.

[12] Hunter， W.W.， J.C. Stutts， W.E. Pein， and C.L. Cox. Pedestrian and Bicycle Crash Types of the Early 1990s. Report FHWA-RD-95-163. FHWA， Department of Transportation， 1995.

[13] Greg P. Griffin， Steve Hankey， et al. Exploring Street Noise and Bicycle Safety： Initial Evidence from Austin， TX and the Washington， DC Capital Area [C]//Transportation Research Board 98th Annual Meeting. 2019.

[14] Dibakar Saha， Priyanka Alluri， et al. An Investigation into the Varying Effects of Factors Contributing to Injury Severity of Different Bicyclist Age Groups in Bicycle-Vehicle Crashes [C]//Transportation Research Board 98th Annual Meeting. 2019.

[15] Jun Liu， Asad J. Khattak， et al. Examining nonstationary correlates of bicyclist injury severity in traffic crashes： A spatial approach for geo-referenced crash data [C]//Transportation Research Board 98th Annual Meeting. 2019.

[16] Jun Liu， Steven Jones. Behavioral pathways in bicycle-motor vehicle crashes： From contributing factors， pre-crash actions， to injury severities[C]//Transportation Research Board 98th Annual Meeting. 2019.

[17] Peter B. Ohlms， Lance E. Dougald， Hannah E. MacKnight. Bicycle and Pedestrian Count Programs： A Scan of Current U.S. Practice [C]//Transportation Research Board 98th Annual Meeting. 2019.

[18] E r i n R o b a r t e s ， E m i l y C h e n ， e t a l . Assessment of Local， State， and Federal Barriers to Implementing Bicycle Infrastructure： A Virginia Case Study [C]//Transportation Research Board 98th Annual Meeting. 2019.

[19] Dave Amos， Roger Lindgren， et al. Rethinking Streets for People on Bikes： An Evidence-Based， Visual Guide of Completed Street Retrofits [C]//Transportation Research Board 98th Annual Meeting. 2019.