韦瑜佳 陈梦甜

摘 要：我国是世界上交通事故死亡人数最多的国家之一，为提高驾驶人安全意识及实施相关措施以预防或减少道路交通事故的发生，文章运用Pajek软件，以我国东西中部地区的事故调查直接原因作为案例数据构建赋权网络，首先判断其是否符合小世界网络，后分析事故主要影响因素并给出相应建议。结果显示：道路交通事故网络符合小世界网络特征；超速行驶、操作不当、违法超载、操作不当和驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车是较大及以上道路安全事故的主要影响因素；最后根据分析结果提出了相关建议。

关键词：道路交通事故；赋权网络；小世界网络；主成分分析

中图分类号：U492.8 文献标志码：A 文章编号：2095-2945（2019）21-0044-04

Abstract： China is one of the countries with the largest number of traffic accident deaths in the world. In order to improve the safety awareness of drivers and implement relevant measures， so as to prevent or reduce the occurrence of road traffic accidents， this paper uses Pajek software， and with the direct cause of the accident investigation in the east-west central region of China as the case data， constructs the empowerment network， firstly judges whether it is in line with the small-world network， and then analyzes the main influencing factors of the accident， and gives the corresponding suggestions. The results show that the road traffic accident network accords with the characteristics of small world network. Motor vehicles with hidden safety risks， such as speeding， improper operation， illegal overloading and improper operation， incomplete driving safety facilities or substandard parts， are the main influencing factors of large-and above-road safety accidents. Finally， some suggestions are put forward according to the results of the analysis.

Keywords： road traffic accident； weighting network； small world network； principal component analysis

引言

隨着全球机动化水平的不断提高，道路交通事故（RTA）正成为威胁人类生命安全的主要伤害因素，各国政府和社会已高度关注这一世界性公害。据官方数据统计，中国每年交通事故50万起，因交通事故死亡人数均超过10万人，稳居世界第一，以世界3%的汽车保有量，达到了全球16%的死亡人数。数据表明，每5分钟就有一人丧身车轮，每1分钟都会有一人因为交通事故而伤残。每年因交通事故所造成的经济损失达数百亿元。

作为政府的关注焦点，很多学者针对道路交通事故的影响因素，通过不同视角进行相关分析，根据不同视角，所得出结论也有所不同，且我国对于交通事故影响因素的研究，大多以高速公路、隧道等为研究对象，对特大城市道路交通事故的分析相对较少。由此本文从机动车驾驶员违法行为因素出发，以东西中部地区为区分，基于赋权网络重要节点相关特征，对全国各省较大及以上道路交通安全事故（我国《生产安全事故报告和调查处理条例》规定：较大事故，是指造成3人以上10人以下死亡，或者10人以上50人以下重伤，或者1000万元以上5000万元以下直接经济损失的事故）影响因素进行分析，并根据分析结果判断是否与地区因素有关。

1 道路交通事故网络特征分析

1.1 致因选取

本文分析所用的原始数据来自于各省市应急管理厅，对信息公示中特大及以上道路交通安全事故调查报告中事故直接因素进行整理。以我国东西中部地区为区分，分别收集了28组、29组和36组数据。根据相关事故调查报告，本文选取的因素共33个，如表1。

1.2 构建无向赋权网络

本文以选取的致因作为节点，收集到的案例作为数据，分别构建了我国东部、西部及中部地区特大及以上交通安全事故的网络无向赋权图，本文给出一个示例图，见图1。

其中，西部地区的致因导致事故发生的情况较为相似且集中，有很多致因与案例数据无关联。东部与中部地区的拓扑结构较相似，可以初步判断在不考虑地区的情况下，超速驾驶、违法超载驾驶与发生事故操作不当是比较主要的几个影响因素。

1.3 小世界网络特征判断

小世界网络最早由邓肯·瓦茨（Duncan Watts）和斯蒂文·斯特罗加茨（Steven Strogatz）提出，小世界网络就是相对于同等规模节点的随机网络，具有较短的平均路径长度和较大的聚类系数特征的网络模型。

为判断所构建网络是否符合小世界特征，需与同一规模节点的随机网络进行对比，由于随机性的不可把握，本文采取对模型不断随机断边重连的方法，产生一个同样有22个节点的无向网络，计算该网络与上述生成的赋权网络的聚类系数与平均最小路径，进行比较观察道路交通事故网络是否符合小世界网络特征。

1.3.1 平均路径长度

在网络中，任选两个节点，连通这两个节点的最少边数，定义为这两个节点的路径长度，网络中所有节点对的路径长度的平均值，定义为网络的特征路径长度。由于上述对数据的处理，本文所建网络为赋权网络，任意两因素间权重为共同导致交通安全事故的数量。因此与网络路径长度的计算定义有出入，考虑到计算目的为比较，本文对原始数据矩阵进行求倒数处理进行计算。

分别根据东、西、中原数据进行44000次断边重连得到的零模型结构计算倒数平均路径强度结果为：针对道路交通事故网络，东部地区平均路径强度为0.7352，西部地区0.7089，中部地区0.7307；针对零模型网络，道路交通网络与对应零模型网络权重倒数平均路径强度几乎相等且都较小。

1.3.2 聚类系数

聚集系数是表示一个图形中节点聚集程度的系数，本文研究网络为无向赋权网络，聚类系数计算公式为：

其中，？棕ij表示节点i与节点j相邻边的权重，Ci表示节点i的赋权聚类系数。

对所得每一节点的聚类系数求平均，得到整个网络的聚类系数。计算结果为：针对道路交通事故网络，东部地区1.6231，西部地区1.4330，中部地区2.4929；针对零模型网络，东部地区0.2895，西部地区0.1169，中部地区0.2045。

可以看出道路交通事故网络的聚类系数明显大于零模型网络的聚类系数，结合倒数平均路径强度的对比结果，可以判断该网络符合小世界网络特征。在这样的系统里，信息传递速度快，并且少量改变几个连接，就可以剧烈地改变网络的性能。可以对于本文的赋权网络，改变少数的几个影响因素就有可能对道路交通事故的发生有明显的改善。

2 网络节点重要性排序

2.1 中心度计算

2.1.1 度中心度

度中心度是在網络分析中刻画节点中心度的最直接度量指标。一个节点的节点度越大就意味着这个节点的度中心性越高，该节点在网络中就越重要。在无向图中，度中心度测量网络中一个节点与所有其它节点相联系的程度，在赋权图中，度中心度与某节点的度及权重都有关系。

运用Pajek软件得出三大地区的计算结果及排序如表2所示。

2.1.2 相对紧密中心度

紧密中心度是依据网络中各节点之间的紧密性或距离而测量的中心度，指某节点不被其他节点控制的程度计算结果如表2。

2.1.3 间距中心度

间距中心度是指网络图中某一结点与其他各点之间相隔的程度，表示一个点在多大程度上是图中其他点的“中介”。处于中间位置的结点对其他结点更有影响力。部分计算结果见表2。

根据以上三组计算结果发现，v2、v3、v6、v10，即超速行驶，操作不当，驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车及违法超载为交通事故重要影响因素。

2.2 聚类系数计算

聚类系数可以用来量化节点间建立的高密度连接紧密关系，整个网络的聚类系数是对节点聚类系数的平均。因此为更加客观的判断致因在网络中的重要程度，本文也对节点聚类系数进行了计算，结果如表3，计算公式为：

其中，？棕ij表示节点i与节点j相邻边的权重。

但紧密联系性质是指若节点i与节点m、节点n相连，那么很有可能节点m与节点n也相连。在一个网络中，这样的结构会冲散节点的重要程度，与本文所需数据概念相反，因此本文对所求聚类系数求倒数进行排序，部分结果如表3。

计算结果显示，v2、v3、v4为重要性较高的三个致因，分别是超速行驶、操作不当和路面环境影响。

2.3 综合得分计算

节点的度中心度、相对紧密中心度、间距中心度及聚类系数四项指标分别对影响因素在网络中的重要性程度做出了分析和排序，排序大致相同，说明构建的道路交通事故网络有较好的内部一致性。但并不能确定出哪项指标最客观最有说服力，因此针对各指标计算出的数据，采用主成分分析法计算每项影响因素的得分并进行排序，作为综合排序。主成分分析的主要步骤为：（1）对原始数据进行标准化处理，去除量纲量级的影响；（2）计算样本相关系数矩阵；（3）计算相关系数矩阵的特征值和相应的特征向量，本文选择主成分个数时规定累计贡献率需达到85%以上；（4）选择重要的主成分并写出主成分表达式；（5）计算中主成分得分，进行排序。

本文使用SPSS对东西中部地区的四项指标结果分别进行了主成分分析，其中东部选取取一个主成分，特征值为3.477；西部选取两个主成分，特征值3.375，0.504；中部选取两个主成分，特征值为3.207，0.496。最终得到的总得分函数为：

F1=0.531x1+0.449x2+0.501x3+0.514x4

F2=0.47x1+0.488x2+0.361x3+0.429x4

F3=0.466x1+0.542x2+0.306x3+0.427x4

其中，F1、F2、F3分别表示东部、西部和中部地区的总得分，x1、x2、x3、x4分别表示度中心度、相对紧密中心度、间距中心度和节点聚类系数四个指标。

部分计算结果及排序如表4所示。

综合得分的排序结果显示，重要性排序在前三的致因，在东部和西部地区为：超速驾驶、操作不当和驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车；在中部地区为：超速驾驶、操作不当和违法超载。较重要的五个致因，东部地区为：违法超载、驾驶与驾驶证载明的准驾机型不符的机动车、非法改装车辆、道路环境不佳或基础设施不完善和违法从事道路运输经营或客运；西部地区为：违法装载、道路环境不佳或基础设施不完善、无证驾驶、违法从事道路运输经营或客运和非法改装车辆；中部地区为：道路环境不佳或基础设施不完善、驾驶安全设施不全或机件不符合标准等具有安全隐患的机动车、无证驾驶、疲劳驾驶和分心驾驶。同时可以看出，不同地区的致因排序不同，但整体位置大致相同，因此可以初步判断地区差异与道路交通事故的发生无紧密关联关系。

3 结束语

根据赋权网络节点重要性分析及排序的结果发现，诸多因素在不同程度上共同影响着道路交通安全事故的发生。其中，排名最高的致因为机动车驾驶人超速行驶，由于研究对象为特大及以上的道路交通安全事故，大多数事故都因为车辆速度过快，直接导致或严重扩大事故的伤亡结果。其次，在道路交通事故网络中占主导地位的影响因素为操作不当，操作不当包括制动不当、转向不当、油门控制不当等，在事故已经发生的情况下，对道路、驾驶操作及事故情况不清楚时易发生操作不當导致进一步的伤亡。而紧急情况下的操作不当或许与驾驶员的紧急判断能力有关，这与Vandoros等的研究结果，发现驾驶员压力和焦虑是导致机动车发生事故的直接原因有一致性。

较为重要的致因排序中，车辆自身存在隐患占大多数，可以看出，相关地方政府在生产安全宣传教育和监管不到位，机动车驾驶人安全意识淡薄。

针对以上分析结果，提出两点建议：

（1）超速行驶是指驾驶员在驾车行驶中，以超过法律、法规规定的速度进行行驶的行为。《中华人民共和国道路交通安全法实施条例》中规定“超速行驶属于违法行为。”目前我国对于超速驾驶的行为有着较严格的分档处罚制度，应保持监督与执行，另一方面，对于控制车速可以在道路或车辆上进行改善，例如在事故多发路段增加减速带的设置，在车上安装自动识别控速系统等。

（2）针对落实驾驶人遵守相关法律法规，可加大危险性违法的惩罚或监管力度，并采用奖罚共行制度，对于较好遵守相关法律法规的驾驶人予以一定的奖励。

参考文献：

[1]罗振军，佟瑞鹏.中国道路交通安全与机动车保险现状分析及对策研究[J].保险研究，2008（05）：38-43.

[2]陈艳艳，李向楠，孙智源，等.基于Logistics回归的道路交通事故影响因素辨识方法[J].交通科技与经济，2018，20（05）：1-5+11.

[3]刘杜娟，任晓斌.小世界网络的校企合作创新网络知识转移研究[J].中国高新技术企业，2015（18）：35-36.

[4]任晓龙，吕琳媛.网络重要节点排序方法综述[J].科学通报，2014，59（13）：1175-1197.

[5]孙玺菁，司守奎.复杂网络算法与应用[M].北京：国防工业出版社，2015.

[6]Opsahl T， Agneessens F， Skvoretz J. Node Centrality in Weighted Networks： Generalizing Degree and Shortest Paths[J]. Social Networks， 2010，32（3）：245-251.

[7]黄伟.西安市道路交通事故致因因素及对策研究[D].西安科技大学，2017.

[8]于会，刘尊，李勇军.基于多属性决策的复杂网络节点重要性综合评价方法[J].物理学报，2013，62（02）：54-62.