裴瑩瑩 王雪松 楊敏明 高巖

摘 要：為提升城市交通安全管理水平，對我國12個典型大城市的交通事故變化趨勢以及安全影響因素進行了縱向分析和橫向?qū)Ρ?。建立了多元線性回歸模型，探討路網(wǎng)特征、出行方式結(jié)構(gòu)等重要影響因素的作用效應(yīng)。結(jié)果表明：不同城市的交通安全發(fā)展呈現(xiàn)出規(guī)律性特征，科學(xué)緊湊的交通路網(wǎng)布局有利于提升交通系統(tǒng)的安全性能；增大集約型公交出行比例和慢行交通出行比例將有效降低城市交通事故死亡率。

關(guān)鍵詞：道路交通安全；對比分析；路網(wǎng)特征；出行方式結(jié)構(gòu)

基金項目：道路交通安全“十四五”規(guī)劃（2020SJD06）；道路安全現(xiàn)狀分析與對策建議研究

Comparative analysis of traffic safety characteristics of typical metropolis in China

PEI Yingying1，WANG Xuesong1，YANG Minming2，GAO Yan3

（1.Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China；2.China Academy of Urban Planning & Design，Hhanghai Branch，Shanghai 200335，China；3.Traffic Management Research Institute of the Ministry of Public Security，Wuxi 214151，China）

Abstract： To improve the urban traffic safety management， this study conducted city-level traffic safety comparison and analysis in 12 Chinese cities. Multivariate linear regression model was used to explore the potential impacts of several key factors on traffic safety， such as the road network characteristics and different travel mode shares. Modeling results showed that the development of traffic safety in different cities have regularity characteristics. Narrow roads and dense networks have potential strength in enhancing the traffic safety performance. Higher proportion of public transport and nonmotorized traffic were associated with less traffic fatality rate.

Keywords： Road traffic safety； comparison and analysis； road network； travel mode shares

道路交通安全水平是影響居民出行和城市發(fā)展的重要因素之一。提升道路交通安全水平，不僅是經(jīng)濟社會可持續(xù)發(fā)展的基本保障，也是交通強國“安全強本”的根本要求。近年來，我國大城市交通安全發(fā)展呈現(xiàn)出差異化的特征。2019年，北京、廣州道路交通十萬人死亡率分別為5.8和7.5，約為深圳、重慶等其它超大城市的2-3倍，交通安全狀況不容樂觀。

當(dāng)前，我國城鎮(zhèn)化已由單個城市主導(dǎo)轉(zhuǎn)變?yōu)橐源蟪鞘袨楹诵?、城市網(wǎng)絡(luò)化的都市圈發(fā)展為主導(dǎo)的階段，城市群一體化成為了未來創(chuàng)新發(fā)展的驅(qū)動力。各個城市扮演的角色不再是孤立靜止的，應(yīng)積極對標(biāo)先進、互聯(lián)共通，通過將不同城市置于同一維度，分析其交通安全特征的異同點，總結(jié)先進城市交通安全管理經(jīng)驗，形成交通安全改善對策，提升精細(xì)化交通治理能力。

1交通安全特征分析基礎(chǔ)數(shù)據(jù)

相比于西方發(fā)達(dá)國家，我國現(xiàn)代化發(fā)展起步較晚。國內(nèi)城市的交通安全發(fā)展階段無法同國外城市相匹配，加之許多國外城市的人口-經(jīng)濟-社會指標(biāo)以及交通出行環(huán)境顯著與國內(nèi)城市顯著不同。因此，本文主要著眼于國內(nèi)，選取12個代表性城市進行城市整體層面的交通安全特征對比與分析。

1.1樣本城市選取

根據(jù)我國各個城市歷年發(fā)布的統(tǒng)計年鑒，選取2018年經(jīng)濟總量（GDP）排名前十五位的11個城市：上海、北京、深圳、廣州、重慶、天津、蘇州、成都、武漢、青島、寧波。考慮到這些城市均位于中東部地區(qū)，因而補充經(jīng)濟總量排位在全國第20名左右的西北部城市陜西西安，合計12個城市（見圖1）。

可以看出，除了少數(shù)內(nèi)陸省會城市，我國經(jīng)濟發(fā)達(dá)的城市大多位于東部沿海地區(qū)。這些城市人口數(shù)量較多，經(jīng)濟生產(chǎn)活躍，交通出行需求大。研究這些體量龐大的城市，能夠反映出我國城市現(xiàn)代化進程中存在的主要矛盾與問題，有利于科學(xué)把握城市交通安全變化規(guī)律和階段特征；并且，相關(guān)結(jié)論對中小城市未來的建設(shè)發(fā)展具有積極意義。

1.2交通事故數(shù)據(jù)對比

城市交通安全核心指標(biāo)是交通事故的發(fā)生數(shù)以及由此造成的人員傷亡。由于統(tǒng)計口徑的變更，以及部分城市事故數(shù)據(jù)記錄缺失、漏報、誤報情況嚴(yán)重，各城市統(tǒng)計年鑒中的事故總數(shù)和受傷人數(shù)波動較大、且真實性難以保證。相比之下，交通事故死亡人數(shù)更能反映城市交通安全狀況。不同城市人口、汽車保有量差異較大，僅用絕對指標(biāo)死亡人數(shù)進行比較顯然是不全面的，因而選取相對指標(biāo)交通事故十萬人死亡率和萬車死亡率表征各城市的安全性。

1.2.1十萬人死亡率

圖1是12個城市2010—2018年交通事故十萬人死亡率的趨勢對比情況，幾乎所有城市事故十萬人死亡率均呈現(xiàn)穩(wěn)定下降的趨勢。12個城市中，廣州降幅最大，重慶、武漢相對穩(wěn)定。截至2018年底，深圳是所有城市十萬人死亡率最低的，僅為2.19；北京、寧波依然處于高位，超過6.0。

1.2.2萬車死亡率

圖2是12個城市2010—2018年交通事故萬車死亡率的趨勢對比情況。12個城市中，深圳、青島、西安等下降幅度較大；北京、成都總體相對穩(wěn)定。截至2018年底，深圳依然是表現(xiàn)最佳的城市，萬車死亡率僅為0.85；北京、廣州、天津依然處于高位，萬車死亡率在2.0以上。

1.3交通安全影響因素統(tǒng)計

城市交通安全影響因素眾多，難以全面覆蓋。并且，時間序列數(shù)據(jù)有時比較稀缺。例如，城市交通出行方式結(jié)構(gòu)數(shù)據(jù)僅在少數(shù)年份調(diào)查采集。因此，僅使用2017年和2018年兩年的數(shù)據(jù)，對城市形態(tài)、路網(wǎng)特征、交通出行方式結(jié)構(gòu)、交通運行（擁堵）狀況等重要影響因素進行解析，其描述性統(tǒng)計結(jié)果如表1所示。

之所以選取這些自變量，是因為它們能夠反映城市交通系統(tǒng)最核心的運作機理。例如，路網(wǎng)特征決定了城市交通的出行路徑和安全風(fēng)險，不同類別的城市路網(wǎng)可能對應(yīng)著不同的安全表現(xiàn)；又如，交通出行方式結(jié)構(gòu)（集約型公交、個體機動、慢行交通）的安全表現(xiàn)也可能具有顯著差異，城市可以根據(jù)自身特點倡導(dǎo)合理的交通出行方式結(jié)構(gòu)。

2多元線性回歸模型構(gòu)建

本文利用Stata 13.0？軟件進行多元線性模型參數(shù)估計。采用的估計方法為逐步回歸法[1]（Stepwise Regression Method），即把可選擇的解釋變量逐個引入模型，每引入一個變量后進行F檢驗判別模型顯著性，同時對已選入的解釋變量逐個進行t檢驗，當(dāng)原解釋變量因新變量引入而變得不再顯著時，則將其刪除，確保每次引入新變量之前回歸方程中只包含顯著性變量。依照上述思想，最終模型中解釋變量既是重要的，又不存在嚴(yán)重多重共線性?？紤]到三類交通出行方式比例加起來等于100%，存在共線性問題，因此模型中僅納入集約型公交和慢行交通出行比例兩個變量。

3模型結(jié)果

3.1模型參數(shù)估計結(jié)果

運行Stata程序，將自變量剔除的顯著性閾值設(shè)定為0.1，得到兩個模型的參數(shù)估計結(jié)果如表2所示。

依據(jù)方差膨脹因子[1]（Variance Inflation Factor，VIF），對模型結(jié)果包含的變量進行多重共線性檢驗。VIF是將存在多重共線性時回歸系數(shù)估計量的方差與不存在多重共線性時回歸系數(shù)估計量的方差對比而得出的比值。當(dāng)VIF<3，認(rèn)為不存在多重共線性。計算結(jié)果顯示，在因變量為十萬人死亡率的模型中，三個自變量的VIF依次為1.62，1.60，1.05；在因變量為萬車死亡率的模型中，兩個自變量的VIF依次為1.59，1.59，可見上述兩個模型均不存在多重共線性問題。

3.2模型結(jié)果分析

城市建成區(qū)路網(wǎng)密度、集約型公交出行比例、慢行交通出行比例為顯著變量。其中，建成區(qū)路網(wǎng)密度在十萬人死亡率模型中表現(xiàn)顯著，而集約型公交出行比例和慢行交通出行比例在兩個模型中均為顯著變量。

3.2.1路網(wǎng)密度

路網(wǎng)密度的系數(shù)為負(fù)（β2=-0.3523），表明隨著城市建成區(qū)路網(wǎng)密度的增大，交通事故十萬人死亡率將有所下降。道路網(wǎng)密度是反映城市交通網(wǎng)絡(luò)十分重要的特征。既有研究表明，路網(wǎng)密度的增加有利于提高交通效率[2]，優(yōu)化城市交通系統(tǒng)運行[3]。從交通安全角度考慮，高密度路網(wǎng)往往具有更高的通達(dá)性[4]，增加了交通組織的多樣性，大量交通流需要在交叉口完成路徑再選擇，這在很大程度上降低了交通流的運行速度，削弱了交通事故發(fā)生時的嚴(yán)重程度，從而減少事故死亡人數(shù)。此外，路網(wǎng)密度高的城市，其主、次干路和支路的級配通常更為合理，提升了道路系統(tǒng)的靈活性和友好性，有利于減少道路總體風(fēng)險[5]。

3.2.2交通出行方式結(jié)構(gòu)

集約型公交出行比例、慢行交通出行比例在兩個模型中的系數(shù)均為負(fù)（β3=-0.1973和-0.0590，β5=-0.2110和-0.0854），表明集約型公交出行比例和慢行交通出行比例的增大將有效減少降低城市交通事故死亡率。模型結(jié)果與當(dāng)下倡導(dǎo)“公交優(yōu)先”“綠色出行”的理念是相符的。城市居民選擇公交、非機動車、步行方式出行，可以有效減少路網(wǎng)機動車流量以及小汽車交通周轉(zhuǎn)量，降低了個體機動化出行強度[6]。對整個交通系統(tǒng)層面而言，個體機動化出行比例的降低，不僅可以減少機動化交通工具與弱勢道路使用者（行人、非機動車騎行者等）的碰撞風(fēng)險，還可以鼓勵更多出行者選擇非機動化出行方式，促進交通系統(tǒng)功能運轉(zhuǎn)的良性循環(huán)[7]。

3.3各城市交通安全特征討論

多元線性回歸結(jié)果表明，科學(xué)緊湊的交通路網(wǎng)布局和良好的交通出行方式結(jié)構(gòu)有利于提升交通系統(tǒng)的安全性能。結(jié)合樣本城市自身特點，對比各個城市的安全表現(xiàn)，可以挖掘出更多的信息。

圖3顯示了各個城市2019年中心城區(qū)建成區(qū)路網(wǎng)密度?？梢钥吹剑钲谑新肪W(wǎng)密度最高，位列12個樣本城市之首。與之相對應(yīng)的是，以十萬人死亡率為標(biāo)準(zhǔn)進行安全表現(xiàn)排名，深圳也是位列第一。與深圳類似，上海、重慶等城市的安全表現(xiàn)與路網(wǎng)密度也有較大的正相關(guān)性。相反地，北京、蘇州等城市路網(wǎng)密度較低，交通安全總體表現(xiàn)也比較一般。

盡管一些城市的路網(wǎng)密度與交通安全表現(xiàn)并沒有很強的相關(guān)性，但尺度適宜、級配合理的高密度依然是值得推崇的。根據(jù)2016年國務(wù)院發(fā)布的《關(guān)于進一步加強城市規(guī)劃建設(shè)管理工作的若干意見》，到2020年，我國城市建成區(qū)平均道路網(wǎng)密度要提高到8公里/平方公里。然而，至2019年底，樣本城市中僅深圳、成都兩個達(dá)到這一指標(biāo)，大部分城市距離達(dá)標(biāo)還有較大差距。因此，我國城市必須加強街區(qū)規(guī)劃和建設(shè)，努力解決交通路網(wǎng)布局問題，盡快實現(xiàn)“窄馬路、密路網(wǎng)”的要求。

圖4顯示了各個城市2019年三類交通出行方式占比情況。深圳市慢行交通出行比例最高，以十萬人死亡率和萬車死亡率為指標(biāo)的平均安全排名也最好。相比較而言，諸如北京、寧波、廣州等城市，個體機動化出行比例較高，總體交通安全情況也不容樂觀。

公共交通和慢行交通是現(xiàn)代城市交通倡導(dǎo)的出行方式。公共交通可以節(jié)約道路交通資源，緩解交通擁堵局面，為交通安全提升創(chuàng)造了十分有利的條件；而慢行交通強調(diào)了各類出行方式的公平性，是城市建設(shè)“以人為本”的良好體現(xiàn)，保障了弱勢道路使用者的安全性，對降低交通事故死亡有著直接效益。如果城市形成了“以人為本、公交優(yōu)先保障”的交通出行方式結(jié)構(gòu)，那么不同交通方式之間的協(xié)調(diào)銜接性將有效增強，而城市交通系統(tǒng)調(diào)度調(diào)控的靈活性和魯棒性也將有所提升。較高且適宜的公共交通和慢行交通出行比例，正是保持交通系統(tǒng)高效、安全運行的穩(wěn)定劑。

4結(jié)語

本文選取了12個中國典型大城市，進行交通安全特征對比與分析。采用交通事故十萬人死亡率和萬車死亡率兩個指標(biāo)，探究樣本城市近年來的交通安全狀況。利用12個城市2年的橫截面數(shù)據(jù)，建立了多元線性回歸模型，分析了路網(wǎng)特征和交通出行方式結(jié)構(gòu)等因素的作用效應(yīng)。建模結(jié)果同近年來各地倡導(dǎo)的“窄馬路、密路網(wǎng)”“公交優(yōu)先”和“綠色出行”等交通發(fā)展內(nèi)涵相吻合。城市應(yīng)該繼續(xù)秉持這些科學(xué)合理的交通建設(shè)理念，不斷提升交通安全水平。

參考文獻

[1] 冷建飛，高旭，朱嘉平. 多元線性回歸統(tǒng)計預(yù)測模型的應(yīng)用 [J]. 統(tǒng)計與決策，2016（07）： 82-85.

[2] WANG X， ZHOU Q， YANG J， et al. Macro-level traffic safety analysis in Shanghai， China [J]. Accident Analysis & Prevention， 2019（125）： 249-256.

[3] MOHAN D， BANGDIWALA S I， VILLAVECES A. Urban street structure and traffic safety [J]. Journal of Safety Research. 2017（62）：63-71.

[4] WANG X， YUAN J， SCHULTZ G G. Investigating the safety impact of roadway network features of suburban arterials in Shanghai [J]. Accident Analysis& Prevention. 2018（113）： 137-148.

[ 5 ] W A N G X ， W U X ， T R E M O N T P ， e t a l . Investigation of Road Network Features and Safety Performance [J]. Accident Analysis & Prevention， 2013（56）： 22-31.

[6] 卓健. 城鄉(xiāng)交通與市政基礎(chǔ)設(shè)施 [J]. 城市規(guī)劃學(xué)刊，2020（04）： 120-121.

[7] TIWARI G， JAIN D， RAO K R. Impact of public transport and non-motorized transport infrastructure on travel mode shares， energy， emissions and safety： case of Indian cities [J]. Transportation Research Part D： Transport and Environment. 2015（44）： 277-291.