电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。     

考虑时间稳定性的公交事故严重性影响因素分析

为了探究公交事故严重性影响因素的时间稳定性和潜在未观察到的异质性,构建了随机阈值随机参数分层有序probit模型(RTRPHOPIT),并利用2016—2019年的公交事故数据,分析了驾驶员特征、道路环境特征和事故特征变量对死亡、重伤以及轻伤事故的潜在影响.基于似然比检验对影响因素时间稳定性的判断,构建了两个不同时间段...     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015-2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制，在系统选取影响事故严重程度潜在变量的基础上，利用有序Logit模型获取影响事故严重程度的显著自变量，并运用偏比例优势模型修正变量参数，从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM)，以云南省元(谋)-双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优，更适用于研究该问题；涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应，驾驶人性别及接入口等3个变量对一般及以上事故具有负效应；就影响程度来看，接入口最大(边际效应为14.466%)，驾驶人性别次之(10.581%)，竖曲线长度最小(0.114%).     

基于二元Logit模型的直角事故受伤严重程度分析

直角事故是一种常见的交通事故类型,为探寻直角事故受伤严重程度的显著影响因素,本文运用二元Logit模型,从人、车、路和环境四个方面对美国密歇根州Wayne县的直角事故受伤严重程度进行全面分析,且采用向前似然比检验和向后似然比检验两种方法对比得到模型最优拟合优度。研究结果表明:驾驶员因素(未采取紧急措施、不遵守信号灯指示、饮酒)、道路限速、事故中包含摩托车和路面情况是直角事故的显著影响因素,并得到了计算直角事故发生人员伤亡概率的回归方程。本文得到的结论可为交通管理提供参考,以减少该类事故的受伤严重程度。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)—双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

考虑建成环境的电动自行车事故严重程度致因分析

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明：事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。     

公交停靠站延误分析及估算方法

根据公交车停靠过程对公交停靠站延误进行了定义,以公交车辆的运行状态和延误产生的原因为基础对公交停靠站延误进行了分类,按照分类分析了延误的影响因素.提出了公交负荷到达率的概念,并以此概念从公交停靠站的供需两方面描述其运营情况.以北京市典型的港湾式和非港湾式公交停靠站为研究对象,确定了公交停靠站延误与公交负荷到达率的关系,对两类公交停靠站分别给出了延误估算的经验模型.     

基于Tropos目标风险框架的公交系统事故研究 ——以重庆公交坠江事故为例

为有效探究风险因素在公交系统事故中的作用规律,将系统风险分析工具——T ropos目标风险框架引入到公交系统事故分析中,构建T ropos公交事故分析模型.模型基于目标导向,通过设置目标层、事件层及处理层的方式,层次性地完成系统建模,并通过描述参与者之间的依赖关系构建风险传递途径.以重庆市坠江事故为例对模型建立方法进行实际验证,事故分析结果显示:重庆公交坠江事故深层原因是公交系统整体偏差所致,并据此在系统整体层面上探讨公交系统安全管理策略,提出11项提升公交系统安全性的改进措施.研究结果表明:T ro po s公交事故分析模型能较好地适应公交系统事故分析,可为管理者提供合理的安全建议.     

货车重量对事故严重程度的影响研究

本研究利用新泽西的事故数据在控制其他影响因素的条件下分析货车重量与事故严重程度的关系。Logit和Probit模型被用来估计解释变量对事故严重程度的影响,比较模型的性能指标后,最终选定了Probit模型。模型研究结果表明:涉及任何重量类型货车都会加重事故严重程度。和无未涉及货车的事故相比,轻型货车、中型货车和重型货车的涉及,分别增加严重事故的概率为0.03%,0.33%,0.42%,此发现说明了事故严重程度和货车重量的正相关关系,其他变量对于事故严重程度的影响和先前的研究文献一致,且货车类型的边际效应差别说明了粗略重量等级为10 000磅是判断事故后果的重要阈值。     

山区双车道公路机动车碰撞事故严重度致因比较分析与预测

以云南山区双车道公路1740起碰撞事故数据为基础,将事故数据分为机动车与机动车、机动车与摩托车、机动车与非机动车3种类型,事故严重度划分为仅财产损失、轻伤、重伤或死亡事故3个等级,分别用部分优势比模型和有序Logit模型建立3类机动车碰撞事故严重度分析模型,对比分析不同等级事故的显著影响因素和模型的预测准确率,分析部分...     

基于累积Logistic模型的交通事故严重程度预测模型

为了分析交叉口交通事故严重程度的影响因素,在对北京周边无信号三路交叉口交通事故数据调查的基础上,建立的累积Logistic模型,可为我国交叉口严重交通事故的预防提供科学依据。模型分析结果表明,交叉口转弯车辆比例、控制方式和土地开发强度对无信号三路交叉口交通事故的严重程度有显著影响。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据，本文以建成环境“5D”要素为基础，围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系，基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型，探究城市建成环境对行人交通事故严重程度的影响机制，结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系，并以深圳市为例进行实证分析。结果表明：建成环境对行人交通事故的影响效应存在显著的时段异质性；昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响；夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时，地铁站可达性小于1km时，对行人事故严重程度有较大抬升作用；夜间时段娱乐POI可达性小于0.5km时，对行人事故严重程度有抬升作用；不论昼夜，人行道可达性对行人事故严重程度均有压降作用，且临街院门密度低的区域行人事故严重程度较 高。昼-夜间模型均表现出优秀的效果，分类准确率分别为96.38%和92.08%。     

海事事故严重性影响因素及影响程度识别

以上海、浙江、江苏海事局发布的海事事故调查报告为基础,通过建立有序概率模型(包括有序Logit模型和有序Probit模型),对海事事故严重性影响因素及影响程度进行识别.结果表明:有序概率模型适于研究该问题,且有序Logit模型优于有序Probit模型;季节、时段、天气、通航水域、船型、船长、船舶所有权等对较大及以上事故具有正向影响,能见度对较大及以上事故具有负向影响.其中,船长200 m影响最大(边际效应为0.378 3),夏季影响次之(0.282 2);能见度不良影响最小(-0.108 0),个体所有船舶影响次之(0.109 5).研究结果可为海事安全部门开展安全监管工作提供决策参考.     

考虑潜在类别的老年行人交通事故严重程度致因分析

人口老龄化问题日益突出，老年行人的出行安全同样引起各界重视。本文基于潜在类别聚类分析和随机参数Logit模型相结合的两步法深入探究影响老年行人交通事故严重程度的诱因。对北卡罗来纳州2007—2019年65岁及以上老年行人与机动车的碰撞数据进行清洗。为消除碰撞数据中固有的未观察到的异质性，首先进行潜在类别聚类分析，依据拟合优度指标确定最佳聚类数，将数据分成3个集群，分别对每个集群进行特征描述。然后，分别对每个集群建立随机参数Logit模型，以进一步探索集群内部未观察到的异质性，同时计算各显著变量的边际效应，量化其对事故严重程度概率的影响。结果显示，随机参数Logit模型具有更好的拟合优度；不同集群参数估计结果有所差异，一些变量只在特定集群内是显著的；集群1中，“救护车援助”为随机变量，集群2中“事故发生在城市”为随机变量，集群3中未发现随机变量，退化为多项Logit模型。本文研究结果可为交通工程师和政策制定者提供更可靠准确的老年行人交通事故严重程度诱因信息，为老年行人出行安全改善方案的制定提供理论支撑和技术支持。     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．     

建成环境对老年人交通事故严重程度异质性影响

为量化建成环境因素对事故伤害严重程度的影响,本文构建基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行异质性分析。采用2019年美国某州老年人交通事故数据,从老年人特性、车辆特性、道路特性、道路环境特性、建成环境特性这5个方面选取17个影响因素,利用平均弹性系数捕捉各因素对事故伤害严重程度的影响。结果表明：基于均值和方差异质性随机参数Logit模型的拟合优度更高;建成环境因素中事故发生地300 m缓冲区 内存在购物中心为随机变量,其均值与男性老年人、车道数为3显著相关,方差与道路控制方式为未控制显著相关;摩托车、直线、湿润等因素显著增加了老年人交通事故伤害严重程度。研究结果有助于交通管理者采取适当的策略降低老年人交通事故伤害严重程度。