周琬琦 张 衡

（1.陕西铁路工程职业技术学院，陕西 渭南 714000；2.上海市政工程设计研究总院（集团）有限公司西安分公司，陕西 西安 710000）

0 引言

随着社会经济的快速发展及交通设施的日趋完善，我国整体交通的安全水平也在不断提高，万车死亡率和10 万人口死亡率均低于全球70%的国家和地区，但与部分发达国家相比，仍有不小差距［1］。目前，我国高速公路总里程仅占公路总里程的2.8%，但交通事故率却居高不下，因交通事故而死亡的人数占比高达13.7%［2］。因此，有必要对高速公路交通事故，尤其是与高速公路交通事故严重程度相关的因素进行分析。

近年来，对交通事故严重程度影响因素的研究主要围绕道路、环境、车辆、管理措施等方面展开。王长君等［3］以事故死亡人数为因变量，来探讨道路因素对事故严重性的影响。赵跃峰等［4］指出隧道交通事故严重程度与车辆数量、是否涉及大货车、事故发生时间和天气均显著相关。此外，还有研究表明，高速公路限速值［5］、是否系安全带［6-7］等因素与事故的严重程度也显著相关。

由于事故严重程度属离散型变量，因此，可采用统计学中的离散选择模型（Logit模型和Probit模型）对其进行研究。马壮林等［8］采用有序Logit模型和广义Logit模型来预测高速公路隧道事故的严重程度。刘海珠［9］从宏观层面出发，构建累积Logistics回归模型，对不同严重程度的事故的影响因素进行分析。Stipancic等［10］基于事故数据的时间序列性和空间相关性来分别构建有序Logit 模型和Probit 模型，分析事故严重程度与驾驶员属性间的相关关系。

有研究表明，传统的固定参数离散选择模型已无法对事故数据中普遍存在的异质性（即各因素对事故影响的随机性，如天气等因素对事故严重程度的影响在不同事故中并非是固定不变的）进行刻画［11］，可能会对模型结果的可靠性产生影响。因此，基于传统的固定参数Logit 模型来探索出能反映数据异质性的模型逐渐成为研究重点。

综上所述，本研究选取道路、环境、驾驶员及车辆等变量，综合考虑数据的异质性，构建随机参数的有序Logit 模型，从而识别出显著影响山区高速公路追尾事故严重程度的因素，为相关部门制定安全改善对策提供决策参考。

1 数据描述

本研究以汉宁高速河池至棋盘关段2012 年至2017 年共1 039 条追尾事故数据为数据源，从驾驶员、车辆、道路、环境这4 个维度出发，共收集到13 个可能影响事故严重程度的因素，而事故严重程度分为财产损失、受伤事故、致死事故等。通过对事故数据的初步统计分析后可知，相对于白天，夜晚死亡事故及受伤事故所占比重明显偏高，且夜晚事故的严重程度明显更为严重。因此，按白天和夜晚对事故发生时间进行分类，分析影响事故严重程度因素间的差异，分类统计结果见表1。

表1 变量分类统计结果

2 研究方法

以事故严重程度为研究对象，采用有序Logit模型对交通事故严重程度进行预测分析，并确定影响高速公路交通事故严重程度的显著性因素，从而建立事故严重程度和各因素间的关系，第j个等级（j=3）的有序Logit模型见式（1）。

式中：X为自变量组成的向量；β为回归系数组成的向量；αj为第j个等级的截距；K为自变量的个数；xk为第k个自变量，k=1，2，…，K；βk为第k个自变量的回归系数；P（Y≤j|X）为累积概率，且

有序Logit模型的概率模型见式（2）到式（4）。

传统的有序Logit 模型存在比例优势假设的局限，即在不同严重程度等级的事故中，自变量效应保持一致，即βk为固定参数，不会随等级的不同而发生变化，未考虑数据的异质性问题。考虑到数据的异质性，在传统的有序Logit 模型中引入随机参数，模型的表达见式（5）、式（6）。

式中：βj为第j个等级的回归系数向量，服从正态分布；αj为第j个等级的截距，且α1≤α2。

因此，随机参数有序Logit 模型的概率模型见式（7）、式（8）。

3 模型标定结果

采用逐步回归法对传统有序Logit 模型和加入随机参数的有序Logit 模型进行标定，在95%置信水平下，模型中显著变量参数的估计结果见表2、表3。

表2 白天事故模型参数标定结果

表3 夜晚事故模型参数标定结果

由表2、表3可知，在白天事故模型中，存在2个随机参数变量，分别为“weather”和“speeding”，随机参数分布如图1 所示。夜晚事故模型中不存在随机参数变量。其中，“weather”对应的随机参数服从均值为8.993、标准差为4.296 的正态分布，即对98.18%的不良天气发生更严重事故的概率要高于良好天气，只有1.82%的不良天气发生更严重事故的概率低于良好天气。“speeding”对应的随机参数服从均值为2.748、标准差为2.061 的正态分布，即对90.88%的车辆在超速时更容易发生严重的事故。

图1 模型随机参数分布

4 事故严重程度影响因素分析

由表2、表3 可知，在白天事故模型中，考虑随机参数变量有序Logit 的伪R2值为0.725、AIC 值为249.74，传统有序Logit 伪R2值为0.714、AIC 值为252.78。显然，随机参数变量有序Logit模型的拟合程度要优于传统有序Logit模型。

由于随机参数有序Logit 模型的拟合效果要优于传统有序Logit 模型，且其能识别解析出各因素对事故严重程度的异质性。因此，结合随机参数有序Logit 模型中各显著变量的边际影响来分析各因素对事故严重程度产生的影响，结果见表4、表5。

表4 白天事故模型中各显著性变量的边际影响

表5 夜晚事故模型中各显著性变量的边际影响

4.1 环境因素

在白天事故模型中，节假日发生事故时的死亡概率比工作日降低26.8%，而发生事故时受伤的概率比工作日增加26.7%。说明节假日远距离旅游出行的人员数量增加，道路交通量变大，发生受伤等严重程度较低的事故概率也会变大，这是因为车速会相应较低，导致发生死亡事故的概率下降。在夜晚事故模型中，该变量不显著，这也是由节假日出行属性决定的，人员晚上出行较少，与工作日交通量变化不大。

相较于良好的天气条件，在不良天气条件下，白天和夜晚发生事故死亡的概率均有所增加，增幅分别为32.3%、37.1%；发生财产损失事故的概率均有所降低，降幅分别为32.3%、16.5%。汽车在不良天气条件下行驶时，由于能见度低和路面条件较为恶劣等原因，一旦发生交通事故，则交通事故通常较为严重，由于夜晚能见度更低，一旦发生事故，死亡的风险更高。

4.2 驾驶员因素

从性别方面来看，相较于男性驾驶员，女性驾驶员在夜间行车时发生死亡事故的概率较高。这是因为在事故发生时，女性驾驶员的处置及应变能力不如男性，从而导致女性驾驶员发生交通事故的严重程度要普遍高于男性。夜晚女性驾驶员发生死亡事故的概率要比男性驾驶员高11.7%，而在白天事故模型中，这一变量不显著。这与男女在生理及心理上存在的差异有关，通常男性驾驶员的体力及心理素质要比女性更好。

在白天事故模型和夜晚事故模型中，超速会导致发生死亡事故的概率增加，增幅分别为23.1%、15.3%，发生受伤事故的概率分别降低22.9%、6%。这是因为在高速行驶过程中，车辆的动能较大，刹车距离较长，一旦发生事故，其严重程度一般较高。显然，白天超速导致发生死亡事故的风险更大，这是因为白天道路的交通量较大，一旦超速，极易造成追尾事故的发生，而夜晚的道路交通量相较白天会变少，交通事故增幅较白天稍低。

在白天事故模型和夜晚事故模型中，因疲劳驾驶而导致死亡事故的概率分别上升24.4%、30.6%。这是因为在夜晚驾驶汽车时，驾驶员更容易疲惫，所以发生交通事故死亡的风险也更高。

在白天事故模型和夜晚事故模型中，随意变道导致发生死亡事故的概率分别上升21.6%、8.6%，显然白天随意变道导致的风险更大。这是因为白天道路的车流量更大，变道速度也较快，交通事故的影响更大。

在白天事故模型和夜晚事故模型中，因酒后驾驶而发生死亡事故的概率分别上升22.7%、22.4%，表明这一影响因素无明显差异。

在白天事故模型和夜晚事故模型中，因未保持安全车距而导致死亡事故发生概率分别增加29%、13%，这是因为白天车速较高，若跟车距离过近，造成的后果会更严重，风险也就更大。

4.3 道路因素

在道路曲线半径方面，相较于道路曲线半径≤1 000 m，当其大于2 000 m 时，白天事故模型中发生死亡事故的概率降低77%。当道路曲线半径为1 000～2 000 m、大于2 000 m 时，夜晚事故模型中发生死亡事故的概率降低15.4%、28.9%。这说明随着曲线半径的增加，能有效避免急弯这一隐患，从而提高行车安全性，且白天车速通常较高，所以曲线半径增大，事故中的死亡概率较晚上有明显降低。

在道路纵坡方面，当道路纵坡为1%～3%时，夜晚发生财产损失事故和受伤事故的概率均有所增加，增幅分别为3.5%、2.3%。同时，发生死亡事故的概率有所降低，降幅为5.8%。这是因为当高速公路的纵坡较大时，驾驶员在夜晚行车时会普遍提高警惕，并降低车速，从而降低事故的严重程度，而白天因能见度及视野情况良好，故该变量不显著。

5 结语

本研究基于汉宁高速河池至棋盘关段2012 至2017 年的1 039 条追尾事故数据，从驾驶员、车辆、道路、环境这4个维度出发，共收集了13个可能影响事故严重程度的因素，并将事故发生时间按白天和夜晚进行分类分别构建随机参数有序Logit模型，用来分析追尾事故严重程度的影响因素。研究结果表明，在夜间模型和白天模型中，影响事故严重程度的重要因素存在明显差异，相较于传统的有序Logit模型，随机参数有序Logit 模型的拟合效果更好，能更合理地揭示各因素对事故严重程度的作用效果。

由于事故严重程度的影响因素众多，除本研究所涉及的因素外，还包括其他因素，如驾驶员心理要素、行驶速度等，还有待进一步研究。