鄧國忠， 曹帆， 吳勇， 王琪

(廣西交通設(shè)計集團(tuán)有限公司， 廣西 南寧 530029)

1 前言

隨著山區(qū)高速公路的大量建設(shè)，受山區(qū)路線走廊、復(fù)雜地形地貌及社會經(jīng)濟(jì)條件等客觀因素的限制，出現(xiàn)了許多隧道出口與互通式立交出口間距過近(也稱為小間距路段)的工程實例。國內(nèi)外一些高速公路運(yùn)營實踐表明，這些互通式立交出口與隧道出口過近的路段普遍存在以下問題：① 指路標(biāo)志設(shè)置困難；② 隧道出口的明暗適應(yīng)問題；③ 在出口路段來不及反應(yīng)，采取突然變換車道或急剎車。這些問題常導(dǎo)致隧道出口與立交小間距路段成為一個事故易發(fā)、多發(fā)點(diǎn)。

國內(nèi)外許多學(xué)者對造成這一類事故的嚴(yán)重程度因素進(jìn)行了大量研究分析。吳勇等采用主成分分析法對快速路合流區(qū)交通事故影響因素進(jìn)行了研究，鑒別出事故各個誘因的重要性；S. Renuraj對發(fā)生在斯里蘭卡賈夫納市的一些交通事故，運(yùn)用Logistic回歸分析的方法，發(fā)現(xiàn)車輛類型和駕駛員年齡是影響事故嚴(yán)重程度的最重要變量；Ali Kemal Celik基于11 771起發(fā)生在土耳其的事故資料，運(yùn)用Logit模型，探討可能影響道路交通安全的危險因素，結(jié)果發(fā)現(xiàn)65歲以上的司機(jī)、小學(xué)教育程度駕駛員等因素會增加致死的可能性；KK Yau運(yùn)用Logistic回歸模型，研究了香港單車事故嚴(yán)重程度的影響因素，結(jié)果表明：街道燈光條件是決定傷害嚴(yán)重程度的最重要因素；馬壯林等針對公路隧道交通事故，從時間、隧道環(huán)境和交通動態(tài)因素3個方面出發(fā)，運(yùn)用Logit模型回歸分析，得到了對公路隧道事故嚴(yán)重程度具有顯著影響的4個因素；胡驥等以翻車事故為例，并運(yùn)用Ordinal Logistic模型研究駕駛員、車輛、環(huán)境因素對事故嚴(yán)重程度的影響，分析發(fā)現(xiàn)安全帶、路面狀況、道路線形對翻車事故的嚴(yán)重性具有顯著影響；王磊等運(yùn)用有序Logit和多項Logit模型對高速公路交通事故影響因素進(jìn)行了分析，發(fā)現(xiàn)道路線形、路面通行條件、事故發(fā)生時間和能見度4個自變量與交通事故嚴(yán)重程度均顯著相關(guān)。通過對類似文獻(xiàn)的檢索發(fā)現(xiàn)，由于交通事故的因變量不僅含有如時間這樣的連續(xù)變量，還有天氣、事故形態(tài)等分類變量，因此常選用Logit和Probit兩種模型進(jìn)行研究。Logit模型也譯作“評定模型”，是Luce于1959年根據(jù)IIA特性首次導(dǎo)出的，服從Logistic分布；Probit模型是一種廣義的線性模型，服從正態(tài)分布，兩個模型都是離散選擇模型的常用模型。但是Logit模型是最早的離散選擇模型，也是目前應(yīng)用最廣的模型，具有簡單直接、求解速度快、應(yīng)用方便的特點(diǎn)。JD Bennett于1985年利用91 404起事故最先應(yīng)用Logit模型研究受傷程度與地理位置、經(jīng)驗等因素之間的關(guān)系。中國近些年一些學(xué)者也開始將Logit模型廣泛地運(yùn)用到事故嚴(yán)重程度因素分析方面。

綜上所述，這些研究成果主要集中在對隧道立交小間距值的研究以及所提出的相關(guān)安全措施，而針對隧道出口與立交小間距路段事故特點(diǎn)的研究資料相對較少。鑒于此，筆者將以21條典型隧道立交小間距路段的319起事故為基礎(chǔ)，應(yīng)用有序Logit模型對此類交通事故嚴(yán)重程度的影響因素進(jìn)行分析，探究所選取的不同自變量分別為天氣、時間、隧道立交凈距、年平均日交通量等。

2 小間距路段

JTG D20-2017《公路路線設(shè)計規(guī)范》規(guī)定：條件受限制時，隧道出口與前方互通式立體交叉減速車道漸變段起點(diǎn)的距離不應(yīng)小于1 000 m；JTG/T D21-2014《公路立體交叉設(shè)計細(xì)則》中針對不同設(shè)計速度，不同主線車道數(shù)，對隧道與前方主線出口之間最小凈距進(jìn)行更為詳細(xì)的規(guī)定，如表1所示。規(guī)范中的最小凈距并沒有考慮出隧道后對于預(yù)告標(biāo)志識別等所需要的時間，在計算中也是采用設(shè)計速度，而非實際的運(yùn)行速度。其他學(xué)者對小間距值的研究也是采用汽車的實際運(yùn)行速度，最后得出的最小間距也會略大于規(guī)范要求值。故此次選取的小間距路段定義為隧道立交凈距為0～1 500 m對應(yīng)的路段。

表1 隧道與前方主線出口之間的最小凈距

3 事故特點(diǎn)及分析

事故樣本所對應(yīng)的21個互通式立交分布于浙江甬金高速、長深高速、沈海高速等，調(diào)查路段主線均為雙向四車道、立交為單車道出入口。2009年1月1日—2012年12月31日4年期間，路段共發(fā)生交通事故319起，其中傷亡事故51起，共造成64人受傷，8人死亡。

3.1 傷亡事故天氣分布特征

傷亡事故隨天氣分布的變化情況見圖1。

由圖1可知：晴天時發(fā)生的事故比例最大，但根據(jù)事故發(fā)生年份浙江的天氣統(tǒng)計，晴天絕對數(shù)所占比例為雨雪天氣的2～3倍，傷亡事故晴天占到59.25%，雨雪天占到40.75%，因此晴天相對事故率約為雨雪天相對事故率的1.45倍。死亡事故均發(fā)生在晴天，這是因為雨雪天氣雖路況較差，但駕駛?cè)艘话銜p速行駛，警惕性較高，而晴天車速一般較高，出隧道后由于受到明適應(yīng)的影響，從而導(dǎo)致死亡事故的發(fā)生。

圖1 事故天氣分布

3.2 傷亡事故時段分布特征

傷亡事故時段分布特征見圖2。

圖2 事故時段分布特征

中國交通事故高峰出現(xiàn)在09：00—11：00和14：00—16：00，事故死亡率最高的時段是凌晨03：00—06：00。隧道立交小間距路段中傷亡事故在05：00—07：00及10：00—12：00高發(fā)，05：00—07：00交通量較少，車輛易超速行駛，且早間駕駛員容易犯困，注意力不集中，反應(yīng)較慢，導(dǎo)致事故多發(fā)；10：00—12：00事故多發(fā)主要是受到出洞口明暗適應(yīng)的影響。

3.3 傷亡事故空間分布特征

由于交通環(huán)境、交通組成和交通分布不同等原因，交通事故在空間上有不同的分布特征。分析隧道出口與立交出口小間距路段的事故空間特征，可以得到該類路段交通事故發(fā)生的集中或較多區(qū)域，為以后存在的該類路段的交通安全設(shè)計提供一定的參考依據(jù)。根據(jù)隧道立交小間距路段的特性和駕駛?cè)说鸟{駛特性，將事故分布區(qū)域劃分在7個區(qū)段內(nèi)，如圖3所示。

圖3 事故分布地點(diǎn)示意圖

隧道出口與互通式立交出口小間距路段交通事故的空間分布狀況見圖4。

圖4 事故空間分布

從圖4中可以發(fā)現(xiàn)：隧道出口與互通式立交出口小間距路段的傷亡事故主要發(fā)生在隧道出口與漸變段起點(diǎn)之間及出口三角端部，分別占到39.18%和27.27%。隧道出口與漸變段起點(diǎn)之間的事故多與進(jìn)出隧道明暗適應(yīng)有關(guān)，出口三角端部的事故主要是車輛沒有提前變換車道，因此在出口附近強(qiáng)行變換車道導(dǎo)致碰撞固定物事故多發(fā)，當(dāng)前車減速變換車道時，后車容易與前車發(fā)生追尾事故。

3.4 傷亡事故形態(tài)分布特征

傷亡事故形態(tài)分布特征見圖5。

圖5 傷亡事故形態(tài)分布

由圖5可知：尾隨相撞事故總體上占總事故數(shù)的47.96%，甚至在個別路段已經(jīng)超過了50%。尾隨相撞事故是車輛未與前車保持安全的行駛距離，當(dāng)前車突然剎車或減速時，后車駕駛?cè)藖聿患白龀龇磻?yīng)而與前車碰撞，從而發(fā)生追尾事故。尾隨相撞事故主要發(fā)生在出口匝道端部附近，其次是隧道出口路段。統(tǒng)計的樣本路段交通事故中，未保持安全距離是尾隨相撞事故的主要原因，占總數(shù)的75%。撞固定物事故主要集中在出口匝道端部位置，當(dāng)車輛制動不當(dāng)或轉(zhuǎn)向不當(dāng)時容易撞路側(cè)護(hù)欄或出口三角端護(hù)欄。撞固定物事故的主要原因是操作不當(dāng)和超速行駛。

4 事故模型

4.1 有序Logit模型

有序Logit模型主要用于研究因變量為有序分類的情況，第K個等級的有序Logit模型為：

(1)

式中：X為自變量組成的集合；β為自變量的個數(shù)；χj為第j個自變量，j=1,2,3，…，j;αk為第k個等級的常數(shù)項，k=1,2,3,…,k-1；βj為第j個自變量的回歸系數(shù)；P(Y≤k|X)為累積概率，其定義為：

(2)

有序Logit模型其概率模型如下：

(3)

P(Y=K|X)=1-P(Y≤K-1|X)

(4)

4.2 變量選取

根據(jù)選取的5條高速公路上共21處隧道與立交間距過近路段2009—2012年間319起事故資料，所收集到的事故數(shù)據(jù)信息主要包括：① 事故發(fā)生的具體時間；② 事故類型：包括財產(chǎn)損失、傷人事故、死亡事故；③ 事故形態(tài)：尾隨相撞、撞固定物、同向刮擦、側(cè)面相撞、翻車和其他形態(tài)；④ 天氣狀況：晴、雨、雪、陰、霧；⑤ 事故發(fā)生地點(diǎn)；⑥ 事故原因：超速行駛、妨礙安全行車行為、機(jī)件故障、疲勞駕車、違章變更車道、違章倒車、違章停車、未保持安全距離和其他。各路段的交通量及隧道立交位置信息均為相關(guān)部門提供。

交通事故調(diào)查的21處路段，共發(fā)生319起交通事故，隧道出口至立交減速車道漸變段起點(diǎn)的距離有8處為500 m以內(nèi)，10處為500～1 000 m，3處略大于1 000 m。

根據(jù)統(tǒng)計所得交通事故數(shù)據(jù)，以交通事故嚴(yán)重程度為因變量，受到事故特點(diǎn)制約，死亡和受傷事故占比較少，因此將因變量分為僅財產(chǎn)損失和傷亡事故兩類，并分別用Y=1和Y=2表示，以事故發(fā)生天氣、事故發(fā)生日期、事故發(fā)生時段、事故發(fā)生地點(diǎn)、隧道長度、隧道與立交凈距、事故類型、涉及車輛數(shù)、年平均日交通量為自變量，變量的具體描述見表2。

表2 變量的描述

當(dāng)自變量的類別m大于2時，就需要引入(m-1)個虛擬變量，以事故發(fā)生天氣(x1)為例說明：以晴天為參照，引入兩個虛擬變量。見表3。

表3 事故發(fā)生天氣虛擬變量

5 實例分析

根據(jù)2009—2012年間浙江省21處典型路段的319起事故統(tǒng)計數(shù)據(jù)，采用有序Logit模型建立隧道立交小間距事故嚴(yán)重程度的預(yù)估模型，其中將2009—2011年間共231起事故用于建立模型，2012年88起事故用于驗證模型的準(zhǔn)確性。

5.1 有序Logit模型分析結(jié)果

采用混合逐步選擇法，取顯著性水平為0.05，當(dāng)p<0.05時，表明該自變量對因變量有顯著影響，保留該自變量。經(jīng)由Stata12.0軟件進(jìn)行分析得到天氣、事故發(fā)生時段、隧道立交凈距等自變量對事故嚴(yán)重程度有顯著影響，詳見表4。

表4 有序Logit模型的參數(shù)估計結(jié)果

模型最終選取3個自變量，即自由度為2，經(jīng)查卡方檢驗臨界值表，α=0.05時，模型似然比檢驗值為0.021 4，表示模型擬合優(yōu)度較好，模型有效性較強(qiáng)。

由表4可知：

(1) 晴天發(fā)生嚴(yán)重事故的概率大于雨、雪等不良天氣；0:00—08:00發(fā)生嚴(yán)重事故的概率大于其他兩個時段；隧道與立交間距越小越易發(fā)生嚴(yán)重的事故。

(2) 事故發(fā)生天氣(x1)、事故發(fā)生時段(x3)及隧道與立交凈距(x6)這3個自變量對因變量有顯著影響，事故嚴(yán)重程度的影響大小排序為隧道與立交凈距、事故發(fā)生天氣、事故發(fā)生時段。

5.2 有序Logit模型結(jié)果檢驗

Logit模型檢驗結(jié)果見表5。

由表5可知：有序Logit模型對傷亡事故的預(yù)測準(zhǔn)確率為83.3%；財產(chǎn)損失的預(yù)測準(zhǔn)確率為88.2%；總體的預(yù)測準(zhǔn)確率為85.75%。

6 結(jié)論

(1) 晴天時發(fā)生的事故絕對數(shù)最多，雨雪天氣的事故相對數(shù)低于晴天；隧道立交小間距路段中傷亡事故在05:00—07:00及10:00—12:00高發(fā)；傷亡事故主要發(fā)生在隧道出口與漸變段起點(diǎn)之間及出口三角端部；尾隨相撞和撞固定物是最主要的兩種事故形態(tài)。

(2) 有序Logit模型結(jié)果顯示：事故發(fā)生天氣、事故發(fā)生時段、隧道立交凈距3個自變量與隧道立交小間距事故的嚴(yán)重程度顯著相關(guān)，且影響因素大小排序為隧道立交凈距、事故發(fā)生天氣、事故發(fā)生時段。

(3) 根據(jù)回歸模型的結(jié)果，分析了事故發(fā)生天氣、事故發(fā)生時段、隧道立交凈距對事故嚴(yán)重程度的影響程度，并對模型的估計結(jié)果進(jìn)行了驗證。

(4) 根據(jù)回歸模型的檢驗，結(jié)果顯示擬合效果良好，但此樣本中傷亡事故還是偏少，下一步的研究中需要增加樣本量，進(jìn)行進(jìn)一步研究，以驗證所得結(jié)論的普適性。