老年驾驶人交通事故严重程度影响因素分析

温惠英,区俊锋,宋文通

(华南理工大学 土木与交通学院,广东 广州 510641)

我国在21世纪初进入了老龄化社会,老年人占比不断提升,截止到2019年末,我国65岁及以上人口达到17 599万人,占人口总数的12.57%,我国的人口结构已经由年轻型转变为中年型,人口老龄化将进一步加剧。预计到2050年65岁及以上人口所占比重[1]将达到24%。随着老年人口的持续增加,老年人带来的社会问题将越来越突出,比如交通安全问题。

多项研究表明,65岁及以上的老年驾驶人,车祸发生的几率在上升[2-4]。研究发现面对交通突发事件时,老年驾驶人的处理能力较差,容易发生碰撞事故[4]。老年驾驶人的速度标准差较大,车头间距波动性大,其驾驶稳定性较差[5],更容易发生事故。在交叉口处进行转弯、换道等驾驶行为时,老年驾驶人发生事故的数量较高[6]。而随着收入的提高和生活方式的转变,越来越多的老年人继续保有小汽车并且偏好于驾驶小汽车出行[7]。在发达国家,尤其是美国,私人小汽车出行是老年人出行的主要方式,美国65岁以上的老年人中89.3%出行时通过小汽车来完成[8]。文献[9]采用文献调研、问卷调查和数据分析的方法,发现我国目前大部分中青年在65岁以后继续保持小汽车出行,并且高收入、拥有驾照的人群到老年后更加偏好小汽车出行。但与年轻驾驶人相比,老年驾驶人的生理、心理指标逐渐衰退,对交通状态的判别、反应能力下降,从而增加其交通风险[10]。目前对老年人的生理特性、驾驶特性有较多的研究,但分析老年驾驶人交通事故影响因素的较少。

在事故严重程度影响因素研究方法方面,大多数学者利用计量经济模型,以事故严重程度为离散因变量,研究自变量的影响程度。文献[11]基于1997—2002年美国北卡罗来纳州警方报告的事故数据,将机非交通事故的伤害严重程度划分为4个等级,并利用多项Logit模型研究事故严重程度的因素并对结果进行了预测;文献[12]以土耳其11 771起交通事故为研究对象,对伤害严重程度影响因素进行研究,将伤害严重程度分为3个类别,采用多项Logit模型分析以确定影响交通伤害严重性的风险因素,发现65岁以上的驾驶人会增加致命伤害的可能性;文献[13]引入Ordinal Logit模型和Ordinal Probit模型,研究了路面状况、道路线形等因素与翻车事故严重性的关系;文献[14]利用三元有序Logistic回归模型,发现机非交通事故的严重程度与机动车驾驶人的驾龄、驾驶人过错等7个变量显著相关。

在交通事故严重程度研究方面,采用有序Logit模型由于存在比例优势假设的局限性,导致低严重程度与高严重程度的事故概率被高估或者低估[15-16]。当因变量类别分为3种及以上的情况,多项Logit模型的应用最为广泛[17],而且多项Logit模型在研究交通事故严重程度方面比随机参数Logit模型更加适用[18],因此本文采用多项Logit模型研究老年驾驶人交通事故严重程度。

综上所述,国内外的学者对老年人的生理特性以及交通事故严重程度的分析取得了丰富的成果,但对老年驾驶人交通事故的研究较少。本文基于以上研究,结合美国德克萨斯州的交通事故数据,探究老年驾驶人交通事故严重程度的影响因素及其影响程度,构建多项Logit模型,分析各个因素的作用,并针对性地提出改善对策。

1 老年驾驶人交通事故时间特征分析

本文从美国德克萨斯州交通厅(Crash Records Information System,CRIS)选择了美国德克萨斯州(Texas,2016年人口为2 794万)2016年的交通事故数据,整理出17 819起60～80岁老年驾驶人交通事故数据作为样本,分别从事故数量以及伤亡人数的逐日变化和逐时变化研究老年驾驶人交通事故特征,具体变化情况分别如图1、图2所示。

图1 老年驾驶人交通事故逐日变化情况

图2 老年驾驶人交通事故逐时变化情况

从图1可以看出,老年驾驶人交通事故的数量和伤亡人数在日分布上有差异性,工作日比周末有更多的交通事故以及死亡人数。事故数量以及伤亡人数比例在周一至周四的情况大致相同,占比都在15%左右;在周五事故数量以及伤亡人数比例最高均超过18%;周末时这种情况有所好转,周六、周日交通事故比例以及死亡人数相比于工作日显著下降,其中周日情况最好,事故数量比例降到了9.09%,死亡人数比例降到了8.28%。

由图2可知,老年驾驶人交通事故的数量和伤亡人数在小时分布上有差异性,每天的中午和下午的交通事故以及伤亡人数更多。事故数量以及伤亡人数的占比在12:00～17:00明显高于其他时间段,其所占的事故数量与伤亡人数分别占全日的49.11%与58.97%,其中最大值出现在16:00～17:00,事故数量达到9.36%,死亡人数占比达到10.23%。在早高峰以及夜间并没有发生较多的交通事故，因此老年驾驶人更容易在中午和下午发生交通事故。

因此,在工作日、每天中午和下午时段是老年驾驶人交通事故的高发时间段。潜在原因可能是老年人的私人出行集中在此时间段,同时部分老年人仍从事工作或劳动,用餐后中午和下午人体较为困乏,增加了疲劳驾驶的概率,导致事故发生。因此,该时段老年驾驶人更加需要注意安全驾驶,或者选择其他交通方式出行。而交通管理部门可以针对性地强化老年驾驶人在工作日、每天中午和下午的安全驾驶意识,加强疲劳驾驶的检查,发送安全驾驶提醒信息。

2 数据概述及变量说明

在上节1 7819起60～80岁老年驾驶人交通事故数据的基础上,经过筛选,剔除记录不完整的事故个案,最终得到16 634起60～80岁老年驾驶人交通事故数据作为老年驾驶人交通事故严重程度影响因素分析的研究样本。

本文选择事故严重程度作为因变量,将原数据5种严重程度合并为3种,分别为死亡事故、重伤事故与轻微事故(非致残伤害、可能造成伤害、未造成伤害)。重伤事故的定义为造成残疾等永久性伤害的交通事故。死亡、重伤与轻微事故的占比分别为3.01%、30.98%、66.02%。

本文根据事故数据记录,从人、车、路、环境4个影响因素中共选择了17个自变量进行分析,分别有驾驶人属性(性别、年龄、是否佩戴安全带)、车辆属性(车辆类型、车辆使用年龄)、道路属性(路口路段、路面条件、限速、车道数、平面线形、纵断面线形、交通控制方式)、环境属性(是否周末、是否高峰期、天气、照明条件、发生在城区/郊区)。交通事故因变量和自变量的描述与赋值,见表1所列。

表1 变量的描述及赋值

3 多项Logit模型的构建

本文以事故严重程度作为因变量y,公式为:

设Uij为第i起交通事故的严重程度为j的效用,则多项Logit模型的效用函数为:

(1)

假设εij独立且服从Gumbel分布,则有第i起交通事故严重程度为j的概率为:

(2)

在多项Logit模型中,本文选择第1个类别作为参照,即本文的轻微事故(j=1)。当自变量的分类>2时,即j>2,需要进行哑变量转换,以路面条件自变量为例,共有3个分类,需要设置2个哑变量w1、w2,即

当w1=w2=0,表示路面条件为冰雪。

4 影响因素的多项Logit回归分析

4.1 多重共线性检验

以事故严重程度为因变量,选取表1中的17个变量为自变量,采用回归系数方差分解法(regression coefficient variance decomposition,RCVD)检验变量之间是否存在多重共线性。检验结果显示,方差膨胀因子(variance inflation factor,VIF)均小于10(最大值为1.934),说明所需要分析的17个自变量之间不存在显著的共线性关系,可以作为独立变量进行下一步的多项Logit回归分析。

构建事故严重程度的多项Logit模型,以事故严重程度为因变量,以17个变量为自变量,在显著性水平为0.05的情况下,发现性别、是否佩戴安全带、车辆类型、车辆使用年龄、路口路段、限速、车道数、纵断面线形、是否高峰期、光照条件、发生在郊区/城区共11个自变量与事故严重程度显著相关,可对该11个变量进行分析。

4.2 拟合优度检验

对多项Logit模型整体进行检验,模型卡方值为627.169,自由度为34,显著性值为0.000,小于0.05,模型具有统计意义。

模型的拟合优度结果见表2所列,皮尔逊统计量与偏差统计量的显著性均大于0.05,卡方检验均不显著,说明模型拟合效果较好。

表2 拟合优度检验

4.3 多项Logit回归分析

以4.2节中的11个自变量构建老年驾驶人交通事故严重程度的多项Logit回归模型,结果见表3所列。

表3 参数估计结果

(1) 驾驶人性别方面,女性老年驾驶人比男性更容易发生重伤事故。男性老年驾驶人发生重伤事故的概率是女性的0.849倍。潜在原因是男性驾驶人识别危险的意识更强[19],而女性老年驾驶人在反应速度、熟练程度比男性要差,导致发生重伤事故的概率更大。

(2) 是否佩戴安全带方面,不佩戴安全带更容易发生死亡事故。佩戴安全带发生死亡事故的概率仅是不佩戴的0.064倍。潜在原因是安全带可以固定老年驾驶人的位置,避免驾驶人与车辆内部发生二次碰撞以及飞出车外的情况[20]。

(3) 车辆类型方面,老年驾驶人驾驶小轿车发生重伤事故的概率比客车、货车更高。老年驾驶人驾驶客车、货车发生重伤事故的概率分别是小轿车的0.692倍与0.916倍。潜在原因是客车货车驾驶执照等级较高,老年驾驶人的驾驶水平高,并且客车货车质量大,驾驶人谨慎,行驶速度比小轿车慢。

(4) 车辆使用年龄方面,老年驾驶人驾驶老年车辆更加容易发生重伤事故与死亡事故。老年驾驶人驾驶10～15年以及15年以上的老旧车辆发生重伤事故的概率是5年以下车龄车辆的1.314倍与1.243倍,驾驶10～15年车辆发生死亡事故的概率是5年以下车龄车辆的1.327倍。潜在原因是老龄车辆的功能老化严重,车辆稳定性差,导致事故严重程度更大。

(5) 路口路段方面,相比于路段,老年驾驶人更容易在交叉口发生重伤以及死亡事故。老年驾驶人在路口发生重伤以及死亡事故的概率是路段的1.411倍与1.285倍。潜在原因是路口的交通组织复杂,存在较多的冲突点,老年驾驶人反应迟钝,更容易发生交通事故。

(6) 限速方面,相比于低于30 km/h的低限速,老年驾驶人在大于30 km/h限速的情况下更容易发生重伤事故与死亡事故,尤其是大于60 km/h的限速。老年驾驶人在30～60 km/h甚至更高的情况下,发生重伤事故的概率是低于30 km/h低限速的1.468倍与1.840倍,发生死亡事故的概率是其1.699倍与3.452倍。潜在原因是限速定得越高,车速一般也会越高,而老年驾驶人的反应速度偏慢,有更长的反应距离,加大了事故的严重程度。

(7) 车道数方面,老年驾驶人在双车道与四车道及以上的公路驾驶比单车道公路更容易发生重伤事故和死亡事故。双车道公路发生重伤事故的概率是单车道的1.192倍,四车道及以上与双车道公路发生死亡事故的概率是单车道公路的2.259倍与1.265倍。潜在原因是单车道公路路面较窄,导致车速较低,而双车道或更宽的公路,车速较快,而且交织更多[21],老年驾驶人更容易发生严重事故。

(8) 纵断面线形方面,相比于水平公路,老年驾驶人在上下坡更容易发生死亡事故。老年驾驶人在上下坡发生死亡事故的概率是水平公路的1.814倍。潜在原因是上坡视野受阻,下坡车速较快,长时间制动导致制动性能下降,老年驾驶人应对不及时导致死亡事故发生[22]。

(9) 是否高峰期方面,老年驾驶人在高峰期更不容易发生死亡事故。高峰期发生死亡事故的概率是非高峰期的0.706倍。潜在原因是高峰期车流量大,车速较低,降低了事故的严重程度。

(10) 照明条件方面,相比于白昼,老年驾驶人在夜间行驶更容易发生死亡事故,尤其是夜间无照明的情况。他们在夜间有照明与夜间无照明情况下发生死亡事故的概率是白昼的1.333倍与1.555倍。潜在原因是老年人视觉功能衰退,夜视能力差,在夜间行车容易发生事故[23]。

(11) 发生在城区/郊区方面,相比于郊区,老年驾驶人更容易在城区发生重伤事故,更不容易发生死亡事故。老年驾驶人在城区发生重伤事故的概率是郊区的1.309倍,发生死亡事故的概率是郊区的0.649倍。潜在原因是城区人流量车流量大,交通组织更为复杂,老年驾驶人机能衰退,容易发生碰撞。但由于城区限速低,车辆行驶速度比郊区低,应急救援响应及时,不容易发生死亡事故[24]。

4.4 建议

本文分析美国德克萨斯州交通事故数据,发现老年驾驶人交通事故以及死亡人数在工作日、每天中午和下午时间段占比较大。通过构建多项Logit模型,发现老年驾驶人交通事故严重程度与性别、是否佩戴安全带、车辆类型、车辆使用年龄、路口路段、限速、车道数、纵断面线形、是否高峰期、光照条件、发生在郊区/城区11个因素显著相关。因此本文从驾驶人属性、车辆属性、道路属性及环境属性4个方面的影响因素入手给出建议和改善措施,降低老年驾驶人发生严重交通事故的概率,保护财产以及交通参与者的生命安全。

虽然我国的交通状况有其特殊性,但从发达国家的交通事故中吸取教训是有参考价值的。美国作为发达国家,经历了小汽车保有量快速增长阶段,而且美国人口老龄化超过了16%。因此基于美国老年驾驶人交通事故数据的研究结论,可为我国交通管理者的管理决策提供依据,对我国降低老年驾驶人交通事故具有一定的参考意义。

4.4.1 驾驶人属性

制定针对老年驾驶人的健康检查以及驾驶能力评估体系。健康检查方面,定期检查老年驾驶人存在的病症,并根据其健康状况,判定是否适合继续驾驶,尤其是夜间行车的视觉功能;驾驶安全方面,定期检查老年驾驶人的认知以及反应能力,判定是否适合继续驾驶,尤其是女性老年驾驶人的驾驶技能;强化老年驾驶人佩戴安全带的要求,加强检查处罚不扣安全带的行为;在工作日、每天中午和下午时间段,老年驾驶人应更加注意安全驾驶,避免疲劳驾驶,或采用公共交通方式出行。

4.4.2 车辆属性

增加针对老年驾驶人的车辆辅助驾驶系统。老年驾驶人驾驶的车辆,可更多地应用车道保持系统、自动制动辅助系统、驾驶人疲劳预警系统等,尤其是在路口、多车道公路等情况下,克服老年驾驶人认知判断以及反应能力下降的问题;加强车辆年审以及检查,及时排查车辆隐患,尤其是1 a以上的老龄车,老年驾驶人避免驾驶老龄车辆。

4.4.3 道路属性

在交叉口尽可能地布设交通控制、减速带、警示设施等;建设公路不宜太宽;在多车道公路上应划设显眼的交通标志标线,减少交织;针对老年驾驶人可考虑单独设置限速,降低车速。

4.4.4 环境属性

鼓励老年人选择公共交通方式通勤出行,尤其是工作日、每天中午和下午时段;在非高峰期期间也要强化交通管理,避免老年驾驶人出现交通事故;公路尽可能配备路灯照明,同时要求驾驶人夜间行车必须开车灯,改善老年驾驶人的夜间行车视野;除了城区,交通管理部门也要加强郊区的交通检查,打击交通违法行为。

5 结 论

本文基于美国德克萨斯州16 634起60～80岁老年驾驶人交通事故数据,选取了17个自变量构建多项Logit模型,研究了老年驾驶人交通事故严重程度的影响因素。结果表明，性别、是否佩戴安全带、车辆类型、车辆使用年龄、路口路段、限速、车道数、纵断面线形、是否高峰期、光照条件、发生在郊区/城区11个自变量在0.05显著性水平与事故严重程度相关。

多项Logit模型结果参数表明,在其他因素不变的情况下,老年驾驶人在女性、驾驶小轿车、10 a以上车龄汽车、在交叉口、公路限速在30 km/h以上、双车道公路、在城区驾驶的情况下更容易发生重伤事故;在不佩戴安全带、10 a以上车龄汽车、在交叉口、公路限速在30 km/h以上、多车道公路、上下坡、非高峰期、夜间行车、在郊区驾驶更容易发生死亡事故。受限于数据,本文未研究驾驶人年龄、天气、路面条件等变量对老年驾驶人交通事故严重程度的影响,未来需要对这些变量的影响程度进行研究。