高速公路交通事故影响因素及异质性分析

doi:10.13229/j.cnki.jdxbgxb.20221036

摘要/Abstract

摘要：

本文采用随机参数logit模型，重点考虑未观察到的数据异质性，从道路线形条件、交通运行状态、气象环境条件和激进驾驶行为4个方面分析了高速公路交通事故的影响因素。结果表明，平面线形、纵面线形、拥堵指数、速度变异系数、天气条件、风力等级、急加速行为频率和急减速行为频率均对高速公路交通事故有显著影响；同时，在纵面线性、拥堵指数、急加速行为频率和急减速行为频率4个变量中发现了未观察到的异质性，且急减速行为频率与拥堵指数、急加速行为频率与急减速行为频率之间存在交互作用。本文对高速公路交通事故发生的原因做出科学合理的解释，为高速公路事故的科学治理提供理论支撑。

关键词: 交通运输规划与管理, 高速公路, 安全分析, 影响因素, 驾驶行为, 未观察到的异质性

Abstract:

In this paper， we analyze the influencing factors of highway traffic accidents from four aspects： road alignment conditions， traffic operation status， weather environment conditions and aggressive driving behavior， using a random parameter logit model and focusing on the unobserved data heterogeneity. The results showed that plane alignment， longitudinal alignment， congestion index， speed coefficient of variation， weather conditions， wind level， frequency of aggressive acceleration behavior and frequency of aggressive deceleration behavior all had significant effects on freeway traffic accidents； meanwhile， unobserved heterogeneity was found in the four variables of longitudinal alignment， congestion index， frequency of aggressive acceleration behavior and frequency of aggressive deceleration behavior， and the frequency of aggressive deceleration behavior and congestion index， frequency of aggressive There were interactions between the frequency of rapid acceleration behavior and the frequency of rapid deceleration behavior. The paper provides a scientific and reasonable explanation for the causes of highway traffic accidents and provides theoretical support for the scientific management of highway accidents.

Key words: transportation planning and management, freeway, safety analysis, influencing factor, driving behavior, unobserved heterogeneity

中图分类号:

U491.31

赵晓华,刘畅,亓航,欧居尚,姚莹,郭淼,杨海益. 高速公路交通事故影响因素及异质性分析[J]. 吉林大学学报(工学版), 2024, 54(4): 987-995.

Xiao-hua ZHAO,Chang LIU,Hang QI,Ju-shang OU,Ying YAO,Miao GUO,Hai-yi YANG. Influencing factors and heterogeneity analysis of highway traffic accidents[J]. Journal of Jilin University(Engineering and Technology Edition), 2024, 54(4): 987-995.

图/表 7

图1

表1

表2

表3

表4

图2

表5

参考文献 20

1	杨洋. 考虑区域类型差异的高速公路事故风险识别与交通安全评价研究[D]. 北京:北京交通大学交通运输学院, 2020.
	Yang Yang, Research on the method of freeway crash risk identification and comprehensive traffic safety evaluation considering the regional type difference[D]. Beijing: School of Traffic and Transportation, Beijing JiaotongUniversity, 2020.
2	Ye X, Pendyala R M, Shankar V, Konduri K C. A simultaneous equations model of crash frequency by severity level for freeway sections[J]. Accident Analysis & Prevention, 2013, 57: 140-149.
3	温惠英,张璇,曾强.高速公路单车事故等级的影响因素分析[J].华南理工大学学报:自然科学版,2021,49(8):12-18.
	Wen Hui-ying, Zhang Xuan, Zeng Qiang. Influence factor analysis of freeway single-vehicle crash severity[J]. Journal of South China University of Technology(Natural Science), 2021, 49(8): 12-18.
4	曾强,王雪松,张璇,等.基于时空交互模型的高速公路季节事故频次影响因素分析[J].中国公路学报,2020,33(11):255-263.
	Zeng Qiang, Wang Xue-song, Zhang Xuan, et al. Seasonal analysis of contributing factors to freeway crash frequency using a spatio-temporal interaction model[J]. China Journal of Highway and Transport, 2020, 33(11): 255-263.
5	陈昭明,徐文远,曲悠扬,陈伟.基于混合Logit模型的高速公路交通事故严重程度分析[J].交通信息与安全,2019,37(3):42-50.
	Chen Zhao-ming, Xu Wen-yuan, Qu You-yang, et al.Severity of traffic crashes on freeways based on mixed Logit model[J]. Journal of Transport Information and Safety, 2019, 37(3), 42-50.
6	冯忠祥,雷叶维,张卫华,等. 道路环境对绕城高速公路交通事故严重程度影响分析[J].中国公路学报,2016,29(5):116-123.
	Feng Zhong-xiang, Lei Ye-wei, Zhang Wei-hua, et al. Analysis on traffic accident severity influenced by road environment on circular highway[J]. China Journal of Highway and Transport, 2016, 29(5): 116-123.
7	National Highway Traffic Safety Administration. Aggressive drivers view traffic differently: capital beltway focus groups find[J]. Traffic Tech, 1998,175:1-8.
8	Islam M, Mannering F. A temporal analysis of driver-injury severities in crashes involving aggressive and non-aggressive driving[J]. Analytic Methods in Accident Research, 2020, 27: No.100128.
9	Guo M, Zhao X, Yao Y, et al. A study of freeway crash risk prediction and interpretation based on risky driving behavior and traffic flow data[J]. Accident Analysis & Prevention, 2021, 160: No.106328.
10	Shankar V, Mannering F, Barfield W. Effect of roadway geometrics and environmental factors on rural freeway accident frequencies[J]. Accident Analysis & Prevention, 1995, 27(3): 371-389.
11	Miaou, Pin Shaw, Lord, et al. Modeling traffic crash-flow relationships for intersections: Dispersion parameter, functional form, and Bayes versus empirical Bayes methods[J]. Transportation Research Record Journal of the Transportation Research Board, 2003, 1840:31-40.
12	Feng C, Chen S, Ma X. Analysis of hourly crash likelihood using unbalanced panel data mixed logit model and real-time driving environmental big data[J]. Journal of Safety Research, 2018, 65(6):153-159.
13	宋栋栋,杨小宝,祖兴水,等.基于均值异质性随机参数Logit模型的城市道路事故驾驶人受伤严重程度研究[J].交通运输系统工程与信息,2021,21(3):214-220.
	Song Dong-dong, Yang Xiao-bao, Zu Xing-shui, et al. Examination of driver injury severity in urban crashes: a random parameters logit model with heterogeneity in means approach[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(3): 214-220.
14	Federal Highway Administration. travel time reliability: making it there on time, all the time [R/OL]. [2006-12-10] .
15	赵晓华,亓航,姚莹,等. 基于可解释机器学习框架的快速路立交出口风险预测及致因解析[J].东南大学学报:自然科学版,2022,52(1):152-161.
	Zhao Xiao-hua, Qi Hang, Yao Ying, et al. Risk prediction and causation analysis of expressway interchange exits based on interpretable machine learning framework[J]. Journal of Southeast University(Natural Science Edition), 2022, 52(1): 152-161.
16	Xiong Y, Tobias J L, Mannering F L. The analysis of vehicle crash injury-severity data: a Markov switching approach with road-segment heterogeneity[J]. Transportation Research Part B: Methodological, 2014, 67: 109-128.
17	Buka S L, Viscidi E W, Susser E S. Handbook of Epidemiology[M]. New Yor: Elsiver, 2014.
18	Behnood A, Al-Bdairi N. Determinant of injury severities in large truck crashes: a weekly instability analysis[J]. Safety Science, 2020, 131: No.104911.
19	Islam M, Alnawmasi N, Mannering F. Unobserved heterogeneity and temporal instability in the analysis of work-zone crash-injury severities[J]. Analytic Methods in Accident Research, 2020, 28: No.100130.
20	Hou Q, Tarko A P, Meng X. Investigating factors of crash frequency with random effects and random parameters models: new insights from Chinese freeway study[J]. Accident Analysis & Prevention, 2018, 120(11):1-12.

相关文章 15

[1]	陈仁祥,胡超超,胡小林,杨黎霞,张军,何家乐. 基于改进YOLOv5的驾驶员分心驾驶检测[J]. 吉林大学学报(工学版), 2024, 54(4): 959-968.
[2]	杨秀建,贾晓寒,张生斌. 考虑汽车队列动态特性的混合交通流特性[J]. 吉林大学学报(工学版), 2024, 54(4): 947-958.
[3]	邬岚,赵乐,李根. 基于方差异质性随机参数模型的汇合行为分析[J]. 吉林大学学报(工学版), 2024, 54(4): 883-889.
[4]	范博松,邵春福. 城市轨道交通突发事件风险等级判别方法[J]. 吉林大学学报(工学版), 2024, 54(2): 427-435.
[5]	高海龙,徐一博,刘坤,李春阳,卢晓煜. 基于多源数据融合的高速公路路网短时交通流参数实时预测[J]. 吉林大学学报(工学版), 2024, 54(1): 155-161.
[6]	张健,李青扬,李丹,姜夏,雷艳红,季亚平. 基于深度强化学习的自动驾驶车辆专用道汇入引导[J]. 吉林大学学报(工学版), 2023, 53(9): 2508-2518.
[7]	赵胜前,丛卓红,游庆龙,李源. 沥青-集料黏附和剥落研究进展[J]. 吉林大学学报(工学版), 2023, 53(9): 2437-2464.
[8]	郑长江,胡欢,杜牧青. 考虑枢纽失效的多式联运快递网络结构设计[J]. 吉林大学学报(工学版), 2023, 53(8): 2304-2311.
[9]	张雅丽,付锐,袁伟,郭应时. 考虑能耗的进出站驾驶风格分类及识别模型[J]. 吉林大学学报(工学版), 2023, 53(7): 2029-2042.
[10]	何永明,陈世升,冯佳,万亚楠. 基于高精地图的超高速公路虚拟轨道系统[J]. 吉林大学学报(工学版), 2023, 53(7): 2016-2028.
[11]	杨柳,王创业,王梦言,程阳. 设置自动驾驶小客车专用车道的六车道高速公路交通流特性[J]. 吉林大学学报(工学版), 2023, 53(7): 2043-2052.
[12]	王殿海,胡佑薇,蔡正义,曾佳棋,姚文彬. 基于BPR函数的城市道路间断流动态路阻模型[J]. 吉林大学学报(工学版), 2023, 53(7): 1951-1961.
[13]	李艳波,柳柏松,姚博彬,陈俊硕,渠开发,武奇生,曹洁宁. 考虑路网随机特性的高速公路换电站选址[J]. 吉林大学学报(工学版), 2023, 53(5): 1364-1371.
[14]	宋灿灿,荆迪菲,谢俊峰,康可心. 设置广告牌的高速公路平曲线路段驾驶行为分析[J]. 吉林大学学报(工学版), 2023, 53(5): 1345-1354.
[15]	胡莹,邵春福,王书灵,蒋熙,孙海瑞. 基于共享单车骑行轨迹的骑行质量识别方法[J]. 吉林大学学报(工学版), 2023, 53(4): 1040-1046.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

路段单元	平面线形	纵面线形	线形组合
1	直线路段	上坡路段	直线-上坡路段
2	直线路段	下坡路段	直线-下坡路段
3	直线路段	竖曲线路段	直线-竖曲线路段
4	曲线路段	上坡路段	曲线-上坡路段
5	曲线路段	下坡路段	曲线-下坡路段
6	曲线路段	竖曲线路段	曲线-竖曲线路段

变量类型	变量名称	变量类别	连续型变量				离散型变量
变量类型	变量名称	变量类别	平均值	标准差	最小值	最大值	样本量	比例/%
因变量	未发生事故						804	80.0
	发生事故						201	20.0
	路段长度		0.443	0.478	0.007	1.625
道路线形条件	平面线形	直线路段					644	64.1
	平面线形	曲线路段					361	35.9
	纵面线形	上坡路段					397	39.5
		下坡路段					295	29.4
		竖曲线路段					313	31.1
交通运行状态	拥堵指数		1.139	0.605	0.872	12.018
交通运行状态	速度变异系数		0.040	0.044	0.007	0.830
环境条件	天气	一般天气					810	80.6
	天气	小雨					32	19.4
	风力等级		0.953	0.723	0	4
激进驾驶行为	急加速行为频率		0.003	0.016	0.000	0.0257
激进驾驶行为	急减速行为频率		0.004	0.040	0.000	0.117

变量	VIF	1/VIF
纵面线形—上坡	1.686	0.593
纵面线形—竖曲线	1.589	0.629
纵面线形—下坡	1.258	0.795
路段长度	1.172	0.853
速度变异系数	1.102	0.908
拥堵指数	1.080	0.926
平面线形	1.049	0.953
风力等级	1.040	0.961
天气	1.038	0.963
急加速行为频率	1.034	0.967
急减速行为频率	1.017	0.983

变量名称		多项logit		随机参数logit		平均边际系数
变量名称		参数估计	z-stat	参数估计	z-stat	平均边际系数
	截距项	-7.153	-11.29	-7.465	-11.19	-
道路线形条件	路段长度	3.021	13.02	3.137	12.72	0.186 4
	平面线形	0.563	2.49	0.468	1.96	0.021 4
	纵面线形-下坡	-	-	-0.284	-2.25	-0.022 6
	纵面线形-竖曲线	1.427	5.54	1.099	2.82	0.059 4
	纵面线形-竖曲线的标准差	-	-	1.509	2.28	-
交通运行状态	拥堵指数	2.062	4.44	6.504	2.51	0.175 6
	拥堵指数的标准差	-	-	2.308	2.34	-
	速度变异系数	14.047	2.77	14.046	2.68	0.041 5
环境条件	天气	1.672	3.28	1.748	3.13	0.006 8
环境条件	风力等级	0.936	1.99	0.975	1.87	0.002 5
激进驾驶行为	急减速行为频率	30.696	1.85	302.262	3.12	0.001 8
	急减速行为频率的标准差	-	-	368.082	2.70	-
	急加速行为频率	315.276	4.65	690.421	3.22	0.011 1
	急加速行为频率的标准差	-	-	643.340	2.17	-
模型估计	样本量	1 005		1 005
	仅含常数的对数似然	-502.904		-502.904
	模型收敛的对数似然	-287.138		-278.793
	R-sqrd	0.429		0.600
	AIC	592.3		577.6

变量	纵面线形-竖曲线	拥堵指数	急加速行为频率	急减速行为频率
纵面线形-竖曲线	1.000	0.808	0.239	0.083
拥堵指数	0.808	1.000	0.512	0.561^*
急加速行为频率	0.239	0.512	1.000	0.334^*
急减速行为频率	0.083	0.561^*	0.334^*	1.000