蘇美玲 馮曉鋒 劉晨輝,3▲ 袁 軍

（1. 湖南大學(xué)土木工程學(xué)院 長(zhǎng)沙 410082；2. 湖南警察學(xué)院交通管理系 長(zhǎng)沙 410138；3. 長(zhǎng)沙理工大學(xué)公路工程教育部重點(diǎn)實(shí)驗(yàn)室 長(zhǎng)沙 410114；4. 長(zhǎng)沙市公安局交通警察支隊(duì) 長(zhǎng)沙 410006）

0 引 言

新能源汽車(chē)作為實(shí)現(xiàn)交通運(yùn)輸領(lǐng)域節(jié)能減排的重要手段，在近些年得到了大力發(fā)展。根據(jù)動(dòng)力來(lái)源，現(xiàn)階段新能源汽車(chē)主要分為3 類(lèi)[1]：①混合動(dòng)力汽車(chē)，主要指搭載了任何2種能源的車(chē)輛；②純電動(dòng)汽車(chē)，屬于化學(xué)電池電動(dòng)車(chē)，依靠蓄電池提供動(dòng)力；③燃料電池汽車(chē)，主要燃料為氫氣或甲醇，燃料在車(chē)輛正常運(yùn)行中進(jìn)行化學(xué)反應(yīng)轉(zhuǎn)換為電能。截至2022年6 月底[2]，我國(guó)新能源汽車(chē)保有量已達(dá)到1 001 萬(wàn)輛，其中純電動(dòng)汽車(chē)保有量810.4 萬(wàn)輛，且仍在快速增加中。與此同時(shí)，新能源汽車(chē)交通事故也在不斷增加，相關(guān)交通安全問(wèn)題日益突出。

針對(duì)機(jī)動(dòng)車(chē)交通事故，國(guó)內(nèi)外學(xué)者已經(jīng)做了大量的研究工作[3-4]。然而，這些研究多針對(duì)的是傳統(tǒng)內(nèi)燃機(jī)汽車(chē)，而新能源汽車(chē)獨(dú)特的技術(shù)特性給交通安全帶來(lái)了新的挑戰(zhàn)。

首先，新能源汽車(chē)噪聲低，這一特性在提高乘坐舒適性的同時(shí)，也給騎行者和行人帶來(lái)了更多威脅[5-6]。基于美國(guó)新能源汽車(chē)交通事故數(shù)據(jù)，Hanna[7]和Wu等[8]指出在低速運(yùn)行場(chǎng)景下，混合動(dòng)力汽車(chē)與行人/自行車(chē)發(fā)生事故的概率是傳統(tǒng)內(nèi)燃機(jī)汽車(chē)的2倍。基于挪威2011—2018年電動(dòng)汽車(chē)事故數(shù)據(jù)，Liu等[9]同樣證實(shí)電動(dòng)汽車(chē)對(duì)行人和騎行者的威脅更大。其次，電動(dòng)汽車(chē)在過(guò)熱或碰撞的情況下，易出現(xiàn)爆炸、著火、漏電等危險(xiǎn)，對(duì)事故人員造成威脅[10-11]?；诮鼛啄陣?guó)內(nèi)外電動(dòng)汽車(chē)事故數(shù)據(jù)，張康康等[12]研究認(rèn)為國(guó)內(nèi)電動(dòng)汽車(chē)主要事故成因?yàn)樽匀?，而?guó)外電動(dòng)汽車(chē)事故主要由碰撞引起，這是因?yàn)閲?guó)內(nèi)電動(dòng)汽車(chē)產(chǎn)業(yè)起步較晚，動(dòng)力電池安全性能有待進(jìn)一步提高。陳澤宇等[13]分析了2014—2019年國(guó)內(nèi)外嚴(yán)重的電動(dòng)汽車(chē)起火事件，發(fā)現(xiàn)自燃、充電起火和碰撞是引發(fā)電池起火的主要原因。姜良維等[14]分析了公安部2018—2020年新能源汽車(chē)碰撞事故統(tǒng)計(jì)數(shù)據(jù)，發(fā)現(xiàn)新能源汽車(chē)的萬(wàn)車(chē)事故率、萬(wàn)車(chē)死亡率都顯著高于傳統(tǒng)汽車(chē)。呂家慜[15]分析了NAIS 上海市松江區(qū)站點(diǎn)55例電動(dòng)汽車(chē)碰撞事故，發(fā)現(xiàn)電動(dòng)汽車(chē)事故形態(tài)主要以在交叉口的單車(chē)事故與追尾碰撞為主。

總的來(lái)說(shuō)，國(guó)外方面，研究人員較早開(kāi)始利用實(shí)際交通事故數(shù)據(jù)來(lái)探究新能源汽車(chē)引發(fā)的交通安全問(wèn)題，側(cè)重于分析新能源汽車(chē)對(duì)行人和騎行者造成的威脅，最近開(kāi)始探索更廣泛的事故類(lèi)型。然而，考慮到國(guó)內(nèi)外交通環(huán)境的巨大差異，其研究發(fā)現(xiàn)是否適用于我國(guó)需要進(jìn)一步驗(yàn)證。國(guó)內(nèi)方面，研究人員仍側(cè)重于從電池?zé)崾Э亟嵌忍骄啃履茉雌?chē)安全問(wèn)題，從交通工程角度基于實(shí)際交通事故數(shù)據(jù)的相關(guān)研究有限，且現(xiàn)有研究多以對(duì)事故的描述性分析為主，缺乏基于統(tǒng)計(jì)建模的深入量化分析。因此，通過(guò)分析最新的新能源汽車(chē)交通事故數(shù)據(jù)，本文旨在明確其事故特征與發(fā)展趨勢(shì)，并利用統(tǒng)計(jì)建模來(lái)精準(zhǔn)識(shí)別影響事故嚴(yán)重程度的關(guān)鍵因素，從而為預(yù)防新能源汽車(chē)事故并制定相關(guān)監(jiān)管政策提供數(shù)據(jù)支持。

1 數(shù)據(jù)采集與描述性分析

本次研究分析的是長(zhǎng)沙市2020 年1 月1 日—2022 年6 月27 日的新能源汽車(chē)交通事故，該數(shù)據(jù)由長(zhǎng)沙市交警支隊(duì)提供。在此期間，長(zhǎng)沙市累計(jì)發(fā)生376起涉及新能源汽車(chē)的交通事故，2020年、2021年和2022 上半年分別發(fā)生了96 起、165 起和115 起交通事故（見(jiàn)表1），上升趨勢(shì)明顯。這些事故主要發(fā)生于城區(qū)，共造成348人受傷和62人死亡，平均每百起事故受傷人數(shù)和死亡人數(shù)分別為93 人和16 人?？梢?jiàn)，長(zhǎng)沙市新能源汽車(chē)交通事故雖然整體仍然較少，但增長(zhǎng)迅速，且后果嚴(yán)重，安全問(wèn)題日益突出。

表1 新能源汽車(chē)交通事故年份分布Tab.1 Distribution of new energy vehicle traffic accidents by year

為進(jìn)一步探索事故特征，表2 展示了事故發(fā)生的時(shí)間、地點(diǎn)、類(lèi)型、天氣、駕駛員年齡和性別、新能源汽車(chē)種類(lèi)等信息。為后續(xù)準(zhǔn)確識(shí)別各變量對(duì)于新能源汽車(chē)交通事故及嚴(yán)重程度的影響，首先對(duì)數(shù)據(jù)進(jìn)行處理，信息不明的數(shù)據(jù)被清除，分布不均衡的數(shù)據(jù)則被合并。在新能源汽車(chē)種類(lèi)方面，只有純電動(dòng)汽車(chē)和插電式混合動(dòng)力汽車(chē)被用于后續(xù)分析，2者是目前主要的新能源汽車(chē)類(lèi)型；在碰撞類(lèi)型中，只保留了碰撞運(yùn)動(dòng)車(chē)輛、碰撞靜止物體、碰撞行人3種主要的碰撞類(lèi)型，其中碰撞靜止物體以碰撞靜止車(chē)輛為主，占比高達(dá)84.8%；對(duì)于天氣，雨雪霧天氣被合并為惡劣天氣，而晴陰被合并為良好天氣。最后，有309起事故記錄被保留用于量化分析，占原始數(shù)據(jù)的82.2%。

表2 新能源汽車(chē)交通事故特征匯總Tab.2 Statistics of new energy vehicle traffic accident

基于嚴(yán)重程度，本文中交通事故被劃分為財(cái)產(chǎn)損失事故、傷人事故和死亡事故3 類(lèi)。新能源汽車(chē)交通事故以傷人事故為主，占比達(dá)61.5%；死亡事故比例為17.2%。也就是說(shuō)，接近1/5的新能源汽車(chē)交通事故造成了人員死亡，證實(shí)了新能源汽車(chē)事故的嚴(yán)重性。

1.1 碰撞特性

從碰撞類(lèi)型來(lái)看，新能源汽車(chē)交通事故以碰撞運(yùn)動(dòng)車(chē)輛和碰撞行人為主，分別占比65.0%和24.3%。進(jìn)一步分析可以發(fā)現(xiàn)：碰撞行人事故中死亡事故比例接近50%，見(jiàn)圖1。此外，從2020—2022年，碰撞行人事故比例由20.0%上升到25.8%，而死亡人數(shù)占比由57.1%上升到71.4%。可見(jiàn)，新能源汽車(chē)對(duì)行人交通安全構(gòu)成了嚴(yán)重威脅。

圖1 不同碰撞類(lèi)型新能源汽車(chē)事故的嚴(yán)重程度分布Fig.1 Distribution of new energy vehicle accidents by severity under different collision types

1.2 車(chē)輛及駕駛員特性

從新能源汽車(chē)種類(lèi)來(lái)看，事故涉及的新能源汽車(chē)以純電動(dòng)汽車(chē)為主，占比高達(dá)93.5%，與國(guó)家2022年6月底公布的新能源汽車(chē)中純電動(dòng)汽車(chē)的絕對(duì)優(yōu)勢(shì)地位（80.9%）一致[2]。相比之下，插電式混合動(dòng)力汽車(chē)占比較小?？梢?jiàn)，純電動(dòng)汽車(chē)已經(jīng)成為長(zhǎng)沙的主流新能源汽車(chē)類(lèi)型。

車(chē)輛使用性質(zhì)方面，出租客運(yùn)和公交客運(yùn)車(chē)輛占比分別達(dá)到39.2%和12.0%。雖然二者絕對(duì)數(shù)量要遠(yuǎn)少于私家車(chē)，但在政策的扶持下，2者電動(dòng)化比例遠(yuǎn)高于私家車(chē)。目前，長(zhǎng)沙市公交車(chē)已經(jīng)完全淘汰燃?xì)廛?chē)，而出租客運(yùn)車(chē)輛中的燃?xì)廛?chē)也在逐步淘汰中。此外，11.3%的交通事故涉及貨運(yùn)車(chē)輛。隨著城市物流車(chē)輛電動(dòng)化的推進(jìn)，可以預(yù)測(cè)未來(lái)電動(dòng)貨運(yùn)車(chē)輛會(huì)進(jìn)一步增加。值得注意的是，由于客貨營(yíng)運(yùn)車(chē)輛駕駛員均可以認(rèn)為是職業(yè)駕駛員，其交通事故特征可能與私家車(chē)駕駛員有較大差異。

從駕駛員性別來(lái)看，男性比例遠(yuǎn)高于女性。分析認(rèn)為，其中1 個(gè)重要原因是事故涉及的新能源車(chē)輛仍以客貨營(yíng)運(yùn)車(chē)輛為主，而營(yíng)運(yùn)車(chē)輛駕駛員以男性為主。從駕駛員年齡來(lái)看，30 歲以下的青年駕駛員比例較小，僅有24.6%。

1.3 環(huán)境特性

交通運(yùn)行情況會(huì)隨著環(huán)境變化呈現(xiàn)不同的特征。從時(shí)間上來(lái)看，長(zhǎng)沙市新能源汽車(chē)事故并沒(méi)有呈現(xiàn)出特別明顯的早晚高峰趨勢(shì)（見(jiàn)圖2），其在白天和晚上的比例均為50.0%左右。此外，事故在工作日和周末也并未呈現(xiàn)明顯變化，見(jiàn)圖3。這與Liu等[9]研究的挪威新能源汽車(chē)事故有明顯的早晚高峰、周末少于工作日的情況有所不同。分析認(rèn)為，其主要原因是事故涉及新能源車(chē)輛中的營(yíng)運(yùn)車(chē)輛占比巨大，而相比之下，挪威新能源汽車(chē)以私家車(chē)為主。

圖2 新能源汽車(chē)交通事故時(shí)刻分布Fig.2 Distribution of new energy vehicle accidents by time of day

圖3 新能源汽車(chē)交通事故星期分布Fig.3 Distribution of new energy vehicle accidents by day of week

從事故發(fā)生地點(diǎn)來(lái)看，新能源汽車(chē)事故主要集中在路段上，占比高達(dá)68.3%，是交叉口事故發(fā)生數(shù)的2倍還多。這與呂家慜[15]對(duì)上海市松江區(qū)55例電動(dòng)汽車(chē)交通事故的分析結(jié)果正好相反，其數(shù)據(jù)中交叉口交通事故占比67%。分析認(rèn)為，這應(yīng)該是與數(shù)據(jù)采集區(qū)域和時(shí)間段有關(guān)。呂家慜[15]使用的NAIS數(shù)據(jù)是調(diào)查區(qū)域內(nèi)滿(mǎn)足一定條件的抽樣事故數(shù)據(jù)，而本文分析的是調(diào)查區(qū)域內(nèi)所有涉及新能源汽車(chē)的事故數(shù)據(jù)，更能反應(yīng)新能源汽車(chē)事故的真實(shí)分布情況。

從天氣類(lèi)型來(lái)看，大部分事故發(fā)生在晴天或陰天等良好天氣，發(fā)生在雨雪霧天氣的事故占比為20.4%。

2 研究方法

本文中，基于嚴(yán)重程度，新能源汽車(chē)交通事故被劃分為財(cái)產(chǎn)損失、傷人與死亡3類(lèi)。因此，事故嚴(yán)重程度是1 個(gè)典型的離散有序多分類(lèi)變量，傳統(tǒng)的線(xiàn)性回歸方法無(wú)法對(duì)其進(jìn)行擬合。邏輯回歸模型是最常用的二分類(lèi)變量建模方法，而有序邏輯回歸模型（the ordered Logit model）是在其基礎(chǔ)上的擴(kuò)展，其原理是將因變量的多個(gè)分類(lèi)有序依次分割為多個(gè)二元邏輯回歸模型，分別計(jì)算因變量落入各個(gè)分類(lèi)的概率。因此，本文將采用ordered Logit 模型來(lái)識(shí)別影響新能源汽車(chē)交通事故嚴(yán)重程度的關(guān)鍵因素，模型見(jiàn)式（1）～（3）。

式中：i為事故編號(hào)，從1，2，…，309；yi為第i起事故的嚴(yán)重程度（0，1，2）；為與yi對(duì)應(yīng)的隱藏連續(xù)因變量；μ1，μ2為有序邏輯回歸模型的常數(shù)臨界值，又稱(chēng)分割點(diǎn)，其中μ1≤μ2；Xi為第i起事故的自變量集，即影響因素集；β為與Xi相對(duì)應(yīng)的回歸參數(shù)集；εi為第i起事故的隨機(jī)誤差項(xiàng)，服從Logistic分布。

有序邏輯回歸模型的概率分布圖見(jiàn)圖4，μ1為判斷事故是否為財(cái)產(chǎn)損失事故的分割點(diǎn)，而μ2為判斷事故是否為死亡事故的分割點(diǎn)。當(dāng)事故既不是財(cái)產(chǎn)損失事故，也不是死亡事故時(shí)，即為傷人事故。

圖4 有序邏輯回歸模型的概率分布圖Fig.4 The probability distribution of the ordered Logit model

由此，交通事故嚴(yán)重程度對(duì)應(yīng)的概率分布，計(jì)算見(jiàn)式（4）。

由式（4）可見(jiàn)：當(dāng)β為正數(shù)時(shí)，表示變量對(duì)事故有顯著的正向影響。隨著變量值增加，發(fā)生財(cái)產(chǎn)損失事故的概率會(huì)減少，發(fā)生死亡事故的概率會(huì)增大，也就是事故會(huì)更趨嚴(yán)重；當(dāng)β為負(fù)數(shù)時(shí)，表示變量對(duì)事故嚴(yán)重程度有顯著的負(fù)向影響。隨著變量值增加，發(fā)生財(cái)產(chǎn)損失事故的概率會(huì)增大，發(fā)生死亡事故的概率會(huì)減小，也就是事故會(huì)更趨輕微；當(dāng)β為零時(shí)，表明該變量對(duì)事故后果并無(wú)顯著性影響。

3 結(jié)果分析

基于表2 中展示的數(shù)據(jù)，本研究在R中采用MASS 工具包[16-17]建立了ordered Logit 模型，并估算出參數(shù)值，結(jié)果見(jiàn)表3。

表3 新能源汽車(chē)交通事故嚴(yán)重程度參數(shù)估計(jì)結(jié)果Tab.3 Results of logistic regression analysis of the degree of responsibility for the accident

碰撞類(lèi)型對(duì)于新能源汽車(chē)交通事故的嚴(yán)重程度有顯著影響。其中，碰撞靜止物體的參數(shù)估計(jì)值為-2.082，優(yōu)勢(shì)比為0.125＜1。也就是說(shuō)，碰撞靜止物體導(dǎo)致事故嚴(yán)重程度提高1級(jí)的幾率是碰撞運(yùn)動(dòng)車(chē)輛的0.125倍，即碰撞靜止物體事故后果要輕微的多。分析發(fā)現(xiàn)，本文數(shù)據(jù)中靜止物體以靜止車(chē)輛為主，可以判斷這些事故應(yīng)該多發(fā)生于擁擠狹窄的道路或停車(chē)場(chǎng)內(nèi)，車(chē)輛處于低速行駛狀態(tài)，因此碰撞后果更為輕微。這一發(fā)現(xiàn)與姜良維等[14]對(duì)2018—2020年全國(guó)新能源汽車(chē)交通事故的分析結(jié)果基本一致，其發(fā)現(xiàn)碰撞路邊靜止車(chē)輛事故占事故總數(shù)的9.08%，但造成的死亡人數(shù)只占4.78%。

相比之下，碰撞行人的參數(shù)估計(jì)值為2.513，優(yōu)勢(shì)比為12.342＞1。也就是說(shuō)，碰撞行人導(dǎo)致事故嚴(yán)重程度提高1 級(jí)的幾率是碰撞運(yùn)動(dòng)車(chē)輛的12.342倍，即碰撞行人事故后果要嚴(yán)重的多。這一發(fā)現(xiàn)與姜良維等[14]的研究結(jié)果也基本一致，其發(fā)現(xiàn)刮撞行人事故占事故總數(shù)的18.30%，但造成的死亡人數(shù)占比高達(dá)30.75%。分析認(rèn)為，這主要是由于行人缺乏防護(hù)，即使輕微的碰撞也有可能造成嚴(yán)重后果。可見(jiàn)，如何保護(hù)行人的交通安全是發(fā)展新能源汽車(chē)所必須考慮的1個(gè)問(wèn)題。進(jìn)一步分析發(fā)現(xiàn)：高達(dá)88.0%的碰撞行人事故中，新能源汽車(chē)駕駛員要負(fù)同等及以上責(zé)任，主要原因是駕駛員操作不當(dāng)和未按規(guī)定讓行，也就是駕駛員一方有過(guò)錯(cuò)。鑒于新能源汽車(chē)對(duì)行人的威脅主要是因?yàn)槠涞驮肼曁匦訹5-6]，因此，除加強(qiáng)對(duì)新能源汽車(chē)駕駛員和行人的交通安全教育，也應(yīng)該考慮完善相關(guān)監(jiān)管法規(guī)，改進(jìn)新能源車(chē)輛在低速運(yùn)行時(shí)的相關(guān)噪聲標(biāo)準(zhǔn)。值得注意的是，在Liu等[9]對(duì)挪威電動(dòng)車(chē)的研究中，碰撞行人/騎行者事故與碰撞車(chē)輛事故在嚴(yán)重程度方面并沒(méi)有呈現(xiàn)顯著差異。分析認(rèn)為，這可能是因?yàn)槠洳](méi)有將車(chē)輛劃分為運(yùn)動(dòng)車(chē)輛和靜止車(chē)輛，從而導(dǎo)致二者在一定程度上有所抵消。

駕駛?cè)耸怯绊懡煌ㄊ鹿侍卣鞯闹饕蛩刂唬欢F(xiàn)有電動(dòng)車(chē)交通事故研究大多并沒(méi)有考慮駕駛員特性[9,14-15]。本研究中，駕駛員年齡與性別對(duì)交通事故后果均沒(méi)有顯著影響。如前面所述，本文中涉及的新能源車(chē)輛以公交、出租、貨運(yùn)等營(yíng)運(yùn)車(chē)輛為主，超過(guò)70%的駕駛員以30多歲的男性為主。分析認(rèn)為，與私家車(chē)駕駛員相比，營(yíng)運(yùn)車(chē)輛駕駛員需要接受更為專(zhuān)業(yè)的駕駛培訓(xùn)與考核，駕駛經(jīng)驗(yàn)也更為豐富。對(duì)于營(yíng)運(yùn)車(chē)輛駕駛員來(lái)說(shuō)，駕駛技術(shù)與經(jīng)驗(yàn)對(duì)其駕駛行為的影響可能比年齡與性別更為顯著。

車(chē)輛特性是影響交通事故特征的另外1個(gè)重要因素。從動(dòng)力裝置來(lái)說(shuō)，新能源汽車(chē)主要包括插電式混合動(dòng)力汽車(chē)和純電動(dòng)汽車(chē)2類(lèi)?，F(xiàn)有相關(guān)研究多將二者合并分析[9,14-15]，但卻并未證明這種做法是否合適[18]。本文建模結(jié)果顯示，插電式混合動(dòng)力汽車(chē)與純電動(dòng)汽車(chē)在交通事故嚴(yán)重程度方面并沒(méi)有呈現(xiàn)顯著差異。值得注意的是，本文事故數(shù)據(jù)中插電式混合動(dòng)力汽車(chē)占比僅為6.5%，這在一定程度上可能會(huì)影響建模結(jié)果。未來(lái)，有必要采用更多的插電式混合動(dòng)力汽車(chē)事故數(shù)據(jù)來(lái)進(jìn)一步驗(yàn)證二者是否存在顯著差異。

車(chē)輛使用性質(zhì)也沒(méi)有展示出顯著影響，即私家車(chē)與出租、公交、貨運(yùn)等營(yíng)運(yùn)車(chē)輛在事故嚴(yán)重程度上并無(wú)顯著差異。分析認(rèn)為，雖然出租客運(yùn)占比更大，但其駕駛員均為職業(yè)司機(jī)，有理由相信其有豐富的經(jīng)驗(yàn)和技術(shù)避免嚴(yán)重事故的發(fā)生；公交客運(yùn)車(chē)輛雖然更大，但是其運(yùn)行速度較低，所以造成嚴(yán)重事故的概率也較??；占雋均等[18]和胥川等[19]認(rèn)為貨運(yùn)車(chē)輛普遍更容易導(dǎo)致嚴(yán)重的碰撞后果，但其一般指的是在公路運(yùn)行的重型貨車(chē)，而本文中涉及到的新能源貨運(yùn)車(chē)輛以在市區(qū)道路運(yùn)行的輕型貨車(chē)為主，載重量與尺寸均較小，與重型貨車(chē)有顯著不同。

環(huán)境因素中，只有時(shí)間對(duì)事故嚴(yán)重程度呈現(xiàn)顯著的正向影響，其參數(shù)估計(jì)值為0.857，優(yōu)勢(shì)比為2.356＞1。也就是說(shuō)，發(fā)生在白天的新能源汽車(chē)事故，其嚴(yán)重程度提高1 級(jí)的幾率是晚上的2.356 倍，即發(fā)生在白天的新能源汽車(chē)交通事故后果更為嚴(yán)重。分析認(rèn)為，這可能是因?yàn)榘滋燔?chē)速較高，而晚上由于視野較差，駕駛員駕車(chē)更為謹(jǐn)慎，減少了嚴(yán)重事故的發(fā)生。進(jìn)一步分析可以發(fā)現(xiàn)，見(jiàn)圖5，夜間幾乎每個(gè)時(shí)段的傷亡事故比例都明顯較低，其中凌晨01：00—02：00 尤其偏低。相比之下，白天各時(shí)段的傷亡事故比例都明顯較高，在早晚高峰時(shí)段幾乎都達(dá)到了100%。Liu 等[9]對(duì)挪威電動(dòng)車(chē)交通事故的分析中，白天（07：00—18：00）和晚上（18：00—07：00）的事故嚴(yán)重程度并無(wú)顯著差異。由于靠近北極圈，挪威存在明顯的極晝極夜情況。分析認(rèn)為，雖然時(shí)間劃分方式相近，但挪威的白天黑夜與我國(guó)的白天黑夜在能見(jiàn)度等方面存在較大差異，從而產(chǎn)生不同的影響。

圖5 新能源汽車(chē)交通事故的傷亡事故比例時(shí)刻分布Fig.5 Distribution of the injury-or-fatality proportion of new energy vehicle accidents by time of day

其他環(huán)境因素，包括事故是否發(fā)生在周末、是否發(fā)生在交叉口、是否發(fā)生在雨雪霧天氣均未呈現(xiàn)顯著影響，這與Liu等[9]對(duì)挪威電動(dòng)車(chē)交通事故的研究結(jié)果基本一致。雖然雨雪霧可能會(huì)加大事故發(fā)生的概率，但駕駛員本身也會(huì)更為專(zhuān)心謹(jǐn)慎，從而減少?lài)?yán)重事故的發(fā)生。

與現(xiàn)有研究相比，本文綜合考慮了人-車(chē)-路-環(huán)境-碰撞等各種可能的影響因素，并利用有序邏輯回歸模型量化識(shí)別了各因素對(duì)電動(dòng)車(chē)交通事故嚴(yán)重程度的影響。雖然這些因素在針對(duì)傳統(tǒng)燃油車(chē)事故的研究中已經(jīng)被廣泛使用，但現(xiàn)有針對(duì)電動(dòng)車(chē)事故的研究大多只考慮環(huán)境、道路和碰撞等因素，而較少考慮駕駛?cè)撕蛙?chē)輛因素。本研究的相關(guān)研究結(jié)果有助于更全面地認(rèn)識(shí)新能源汽車(chē)的交通事故特征。此外，本研究眾多發(fā)現(xiàn)與國(guó)內(nèi)外現(xiàn)有相關(guān)研究結(jié)論基本一致，這從另外1個(gè)方面證明了本研究的可靠性。

4 結(jié)束語(yǔ)

隨著我國(guó)新能源汽車(chē)保有量的不斷增加，相關(guān)交通事故快速上升，新能源汽車(chē)交通安全問(wèn)題日益凸顯。利用長(zhǎng)沙市2020年1月—2022年6月的新能源汽車(chē)交通事故數(shù)據(jù)，本研究旨在從人-車(chē)-路-環(huán)境-碰撞等方面全面了解新能源汽車(chē)交通事故的特征，并利用ordered Logit 模型識(shí)別影響其嚴(yán)重程度的關(guān)鍵因素，為在新形勢(shì)下如何加強(qiáng)新能源汽車(chē)安全監(jiān)管提供參考。

研究發(fā)現(xiàn)，長(zhǎng)沙新能源汽車(chē)已經(jīng)全面轉(zhuǎn)向純電動(dòng)汽車(chē)，新能源汽車(chē)交通事故正在急劇上升。從嚴(yán)重程度來(lái)看，新能源汽車(chē)交通事故中，傷亡事故比例高達(dá)78.7%，其中死亡事故比例接近1/5，遠(yuǎn)高于普通燃油車(chē)。其中，碰撞行人事故占比接近1/4，均造成人員傷亡。然而，新能源汽車(chē)交通事故并沒(méi)有隨星期、時(shí)間、天氣呈現(xiàn)出顯著的變化趨勢(shì)。分析認(rèn)為，這應(yīng)該與新能源汽車(chē)的使用性質(zhì)有關(guān)。本研究中涉及事故的新能源汽車(chē)以出租客運(yùn)、公交客運(yùn)、貨運(yùn)等營(yíng)運(yùn)車(chē)輛為主，其使用特征與私家用車(chē)存在較大差異。對(duì)新能源汽車(chē)交通事故嚴(yán)重程度的建模結(jié)果顯示，駕駛?cè)?、?chē)輛、道路和環(huán)境等要素均未呈現(xiàn)顯著影響。各因素中，只有碰撞類(lèi)型和時(shí)間（是否發(fā)生在白天）呈現(xiàn)顯著影響。與碰撞運(yùn)動(dòng)車(chē)輛相比，碰撞靜止車(chē)輛/固定物的事故后果更為輕微，而碰撞行人的事故后果更為嚴(yán)重。考慮到碰撞行人事故占比近1/4，如何減少該類(lèi)事故應(yīng)是新能源汽車(chē)安全管理的重點(diǎn)。從碰撞時(shí)間來(lái)看，發(fā)生在白天的事故后果比晚上更為嚴(yán)重，其中早晚高峰時(shí)段傷亡事故比例接近100%。

受客觀條件和數(shù)據(jù)采集條件所限，本研究所采用的數(shù)據(jù)樣本量較少。未來(lái)隨著新能源汽車(chē)交通事故數(shù)據(jù)的不斷積累，希望能獲取更多、更詳細(xì)的數(shù)據(jù)，從而展開(kāi)更加精細(xì)的研究。此外，借鑒現(xiàn)有的自然駕駛行為研究技術(shù)，未來(lái)可以結(jié)合新能源汽車(chē)的速度、加速度、軌跡等運(yùn)行數(shù)據(jù)[20]，分析事故發(fā)生前后新能源汽車(chē)的運(yùn)行特征變化，以更加精準(zhǔn)的識(shí)別事故發(fā)生的原因，從而為未來(lái)制定更有針對(duì)性的改進(jìn)措施提供技術(shù)支持。