王仲旭 陳澤平,2 魯譽(yù),3 劉強(qiáng),3 解孝民

（1.中山大學(xué)，廣州 510006；2.廣東省海洋工程施工與水上應(yīng)急救援工程技術(shù)中心，廣州 510006；3.中山大學(xué)-廣汽研究院智慧交通與人工智能聯(lián)合實(shí)驗(yàn)室，廣州 510006；4.廣東瑪西爾電動(dòng)科技有限公司，肇慶 523268）

主題詞：兩輪車(chē)安全 風(fēng)險(xiǎn)因素 邏輯回歸 事故重構(gòu) 損傷機(jī)理

1 前言

2019年，我國(guó)發(fā)生的道路交通事故中，涉及非機(jī)動(dòng)車(chē)（主要為兩輪車(chē)）的事故占比為11.73%，其中導(dǎo)致騎行人傷亡的最常見(jiàn)事故類(lèi)型是兩輪車(chē)-機(jī)動(dòng)車(chē)碰撞。作為道路交通中的弱勢(shì)群體，騎行人在與機(jī)動(dòng)車(chē)的碰撞事故中更容易發(fā)生致命損傷。因此，研究?jī)奢嗆?chē)-機(jī)動(dòng)車(chē)碰撞事故影響因素，探究騎行人損傷機(jī)理，對(duì)于減少兩輪車(chē)事故發(fā)生具有重要意義。

關(guān)于兩輪車(chē)交通事故嚴(yán)重程度影響因素的研究，國(guó)內(nèi)外學(xué)者大多采用離散結(jié)果模型將損傷作為名義變量或有序變量，常用的模型是邏輯回歸（Logistic Regression，LR）模型和概率單位模型（Probit Model）。徐程、周繼彪等分別以杭州和寧波涉及電動(dòng)自行車(chē)的事故數(shù)據(jù)為基礎(chǔ)，建立事故嚴(yán)重程度影響因素邏輯回歸模型和概率單位模型，探究了騎行人年齡、性別及駕駛行為等因素對(duì)騎行人損傷程度的影響。Robartes、Nenad 等分別使用有序概率單位和邏輯回歸模型分析弗吉尼亞2010～2014 年自行車(chē)碰撞數(shù)據(jù)和貝爾格萊德交通學(xué)院2001～2010 年期間發(fā)生的涉及動(dòng)力兩輪車(chē)的交通事故，探究駕駛員、車(chē)輛和道路特征對(duì)騎行人傷害嚴(yán)重程度的影響。以上研究多通過(guò)建立統(tǒng)計(jì)學(xué)模型對(duì)兩輪車(chē)事故數(shù)據(jù)進(jìn)行分析，僅得到了事故嚴(yán)重程度影響因素，并未分析騎行人的具體損傷機(jī)理。

關(guān)于兩輪車(chē)事故騎行人損傷機(jī)理的研究，有學(xué)者利用計(jì)算機(jī)數(shù)學(xué)技術(shù)，通過(guò)事故重構(gòu)方法進(jìn)行了分析。馬興會(huì)等以車(chē)速和碰撞位置為變量，分別建立了汽車(chē)-電動(dòng)兩輪車(chē)和汽車(chē)-自行車(chē)有限元碰撞模型，結(jié)果表明，反映人體損傷特性的評(píng)價(jià)指標(biāo)均與汽車(chē)車(chē)速呈正相關(guān)，與兩輪車(chē)車(chē)速相關(guān)性較弱。Huang 等運(yùn)用MADYMO 建立了兩輪車(chē)與機(jī)動(dòng)車(chē)事故的12 個(gè)碰撞場(chǎng)景，結(jié)果表明，騎行人頭部損傷風(fēng)險(xiǎn)隨機(jī)動(dòng)車(chē)速度的提高而增加，而兩輪車(chē)速度及騎行人與機(jī)動(dòng)車(chē)相對(duì)高度對(duì)運(yùn)動(dòng)響應(yīng)具有非線(xiàn)性影響。以上研究多通過(guò)事故重構(gòu)方法研究損傷機(jī)理，尚未考慮事故嚴(yán)重程度影響的關(guān)鍵因素。

本文基于廣東省涉及兩輪車(chē)的交通事故數(shù)據(jù)，建立事故嚴(yán)重程度邏輯回歸模型，確定對(duì)事故嚴(yán)重程度有顯著影響的因素，并設(shè)置兩輪車(chē)-機(jī)動(dòng)車(chē)碰撞事故仿真參數(shù)，探究這些風(fēng)險(xiǎn)因素對(duì)騎行人損傷程度的影響。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于廣東省交通事故數(shù)據(jù)庫(kù)，選取2006～2018 年廣東省發(fā)生的30 925 起涉及兩輪車(chē)的事故。每一條事故記錄包括人員信息、車(chē)輛特征、道路條件、事故發(fā)生時(shí)間、環(huán)境條件和傷害嚴(yán)重程度等信息。為保證分析的準(zhǔn)確性，數(shù)據(jù)記錄中的空白和不確定信息均刪除。

2.2 變量選取

2.2.1 因變量

為了確定與兩輪車(chē)事故相關(guān)的風(fēng)險(xiǎn)因素，設(shè)定事故嚴(yán)重程度為因變量：“1”=財(cái)產(chǎn)損失；“2”=受傷；“3”=死亡。

2.2.2 自變量

交通系統(tǒng)由人、車(chē)、路和環(huán)境等多個(gè)因素組成，是一個(gè)動(dòng)態(tài)系統(tǒng)，任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題，都可能導(dǎo)致交通事故。因此，從事故數(shù)據(jù)中初步選取騎行人、駕駛員屬性，以及車(chē)輛、道路和環(huán)境等因素中的33個(gè)變量作為候選自變量，變量賦值如表1所示。

表1 自變量賦值及含義

2.3 研究方法

邏輯回歸是研究分類(lèi)觀(guān)測(cè)值（因變量）與影響因素（自變量）之間關(guān)系的一種多變量分析方法，該自變量應(yīng)為分類(lèi)變量（兩類(lèi)或多類(lèi)），當(dāng)該自變量有2個(gè)以上分類(lèi)時(shí)，稱(chēng)為多元邏輯回歸模型。本文采用有序多元邏輯回歸模型，建立事故嚴(yán)重程度與各因素之間的關(guān)系，從而識(shí)別出各因素對(duì)交通事故嚴(yán)重程度的影響。有序多元邏輯回歸可以看作是將因變量分割為多個(gè)二元邏輯回歸的擬合，在二元邏輯回歸模型中，發(fā)生嚴(yán)重事故的概率可以表示為：

式中，,,...,x為選擇的影響因素；為常數(shù)項(xiàng)；,,...,β為影響因素,,...,x的回歸系數(shù)，表示自變量與因變量之間的相關(guān)性。

則發(fā)生嚴(yán)重事故的概率與不發(fā)生嚴(yán)重事故概率的比值可以表示為：

3 分析結(jié)果與討論

采用SPSS軟件建立有序多元邏輯回歸模型分析兩輪車(chē)事故嚴(yán)重程度的顯著影響因素。參考Kim 等的研究，模型中保留了顯著性水平為0.05的自變量，從模型估計(jì)結(jié)果中，可以篩選出一些對(duì)兩輪車(chē)事故嚴(yán)重程度有顯著影響的因素。

3.1 駕駛員與騎行人因素

表2 所示為通過(guò)邏輯回歸模型篩選出的與駕駛員和騎行人相關(guān)的影響因素，以及這些因素的顯著性水平及優(yōu)勢(shì)比（Odds Ratio，OR）。

表2 邏輯回歸模型涉及駕駛員與騎行人因素的估計(jì)結(jié)果

從表2中可以發(fā)現(xiàn)，女性駕駛員和女性騎行人遭受致命傷害的可能性更小，表明男性駕駛員和男性騎行人在兩輪車(chē)事故中可能面臨更大的碰撞風(fēng)險(xiǎn)。總體而言，女性比男性更謹(jǐn)慎，攻擊性更弱，因此發(fā)生致命事故的風(fēng)險(xiǎn)更低。此外，駕齡也是重要因素，以＞10 年為參考類(lèi)別，表2 揭示了駕齡為7～10 年的駕駛員發(fā)生致命事故的概率更高，對(duì)應(yīng)的優(yōu)勢(shì)比結(jié)果表明，其發(fā)生致命事故的概率比擁有10年以上駕齡的駕駛員高15.4%。

3.2 車(chē)輛因素

邏輯回歸模型關(guān)于車(chē)輛因素的估計(jì)結(jié)果如表3 所示，可見(jiàn)車(chē)輛類(lèi)型、行駛狀態(tài)、車(chē)輛安全狀態(tài)和事故形態(tài)是影響兩輪車(chē)事故的重要因素。

表3 邏輯回歸模型涉及車(chē)輛因素的估計(jì)結(jié)果

表3 結(jié)果表明：以小汽車(chē)為參考類(lèi)別，本研究選擇的3 種車(chē)輛類(lèi)型都有可能造成致命損傷。其中大貨車(chē)的損傷概率最高，是小汽車(chē)的4.104倍，這可能是由于大貨車(chē)具有更大的慣性。其次是大客車(chē)，發(fā)生致命事故的概率是小汽車(chē)的2.316 倍。此外，正面碰撞造成致命損傷的概率更高，目前考慮事故形態(tài)對(duì)事故嚴(yán)重程度影響的研究較少，尤其是涉及兩輪車(chē)的交通事故。本文采用事故重構(gòu)的方法，進(jìn)一步分析追尾、正面碰撞和側(cè)面碰撞3 種碰撞形式下不同碰撞角度對(duì)騎行人損傷的影響。

3.3 道路因素

表4 列出了與道路相關(guān)的影響因素及其顯著性水平和優(yōu)勢(shì)比。由表4 可知，在道路橫斷面位置、交通信號(hào)、路側(cè)防護(hù)措施、路表狀況和道路線(xiàn)形等因素對(duì)事故嚴(yán)重程度有顯著影響。

表4 邏輯回歸模型涉及道路因素的估計(jì)結(jié)果

根據(jù)表4結(jié)果，機(jī)動(dòng)車(chē)道比非機(jī)動(dòng)車(chē)道更容易發(fā)生致命損傷。兩輪車(chē)騎行者有時(shí)會(huì)違反交通規(guī)則在機(jī)動(dòng)車(chē)道行駛，如果與機(jī)動(dòng)車(chē)發(fā)生碰撞，由于道路上的車(chē)輛速度相對(duì)較高，騎行人發(fā)生損傷的概率更高。道路上的一些交通設(shè)施（交通信號(hào)和路側(cè)防護(hù)設(shè)施）對(duì)降低騎行人的傷害程度有一定作用。亂穿馬路的情況在國(guó)內(nèi)較常見(jiàn)，尤其是在沒(méi)有交通信號(hào)的情況下，駕駛員撞到騎行人的概率會(huì)更高，表4 顯示，交通信號(hào)可使致命事故概率降低34%。此外，在干燥路面發(fā)生致命損傷概率比其他路面高66.5%，這可能是由于駕駛員在干燥路面行駛時(shí)容易放松警惕，行駛速度過(guò)快。

3.4 環(huán)境因素

環(huán)境因素的顯著性水平與優(yōu)勢(shì)比如表5 所示：星期、季節(jié)、時(shí)段、天氣、能見(jiàn)度和照明情況與兩輪車(chē)事故相關(guān)。

表5 邏輯回歸模型涉及環(huán)境因素的估計(jì)結(jié)果

由表5可以看出，兩輪車(chē)在無(wú)照明夜間發(fā)生致命損傷的概率是白天高峰時(shí)段的1.611 倍，可能是由于駕駛員在夜間行駛時(shí)視線(xiàn)受到了很大的限制。然而，當(dāng)?shù)缆分車(chē)新窡魰r(shí)，致命損傷的概率降低了27.9%。以雨雪天氣為對(duì)照組，陰天因素下的優(yōu)勢(shì)比為1.174，這意味著在陰天發(fā)生致命損傷的概率是雨雪天氣下發(fā)生致命損傷的概率的1.174 倍。能見(jiàn)度也會(huì)輕微影響騎行人發(fā)生損傷的概率，由表5可見(jiàn)，能見(jiàn)度小于50 m時(shí)，發(fā)生致命損傷的概率最高。這可能是由于此時(shí)警察執(zhí)法力度較弱，駕駛員魯莽行為較多且認(rèn)為違法被處罰的可能性較低。

4 事故重構(gòu)

本文采用事故重構(gòu)的方法進(jìn)一步分析邏輯回歸模型得到的顯著影響因素導(dǎo)致騎行人發(fā)生損傷的機(jī)理。

4.1 重構(gòu)模型

如圖1 所示，基于MADYMO 仿真軟件，建立兩輪車(chē)-小汽車(chē)的碰撞模型。圖1a中，選取4種不同碰撞角度（0°、60°、90°、120°）表示發(fā)生的3種不同事故形態(tài)（追尾、正面碰撞和側(cè)面碰撞）。根據(jù)現(xiàn)有的事故數(shù)據(jù)，選取3種不同的路表狀況，即干燥、積水以及其他狀況，其對(duì)應(yīng)的地面摩擦因數(shù)分別為0.7、0.5 和0.3。假人模型、兩輪車(chē)以及小汽車(chē)的多剛體模型如圖1b 所示。采用MADYMO 中第50百分位男性假人模型作為參考假人，該模型此前已通過(guò)人體解剖試驗(yàn)的結(jié)果進(jìn)行驗(yàn)證，并被有效地用于車(chē)輛-自行車(chē)的事故重構(gòu)研究。

圖1 重構(gòu)模型的相應(yīng)尺寸

在模型驗(yàn)證過(guò)程中，當(dāng)兩輪車(chē)與小汽車(chē)的速度分別設(shè)為15 km/h和40 km/h時(shí)，模型中假人與事故視頻中騎行人的運(yùn)動(dòng)趨勢(shì)相同（如圖2所示）：在與汽車(chē)第一次接觸后，騎行人的頭部轉(zhuǎn)向發(fā)動(dòng)機(jī)罩，在空中發(fā)生旋轉(zhuǎn)后墜落地面?；诖?，驗(yàn)證了模型具有進(jìn)一步研究的可行性。整個(gè)碰撞過(guò)程時(shí)間設(shè)置為1 500 ms，模擬騎行人從開(kāi)始與機(jī)動(dòng)車(chē)接觸到墜落到地面的全過(guò)程。采用頭部損傷標(biāo)準(zhǔn)（Head Injury Criterion，HIC）來(lái)評(píng)估騎行人頭部損傷的嚴(yán)重程度，通過(guò)比較整個(gè)碰撞過(guò)程以及分析對(duì)應(yīng)的HIC結(jié)果來(lái)確定騎行人的損傷程度：

圖2 重構(gòu)模型與真實(shí)事故的運(yùn)動(dòng)學(xué)對(duì)比驗(yàn)證

式中，()為頭部中心的合成加速度；、分別為HIC 值達(dá)到最大值時(shí)的起始時(shí)刻和結(jié)束時(shí)刻。

4.2 碰撞角度對(duì)頭部損傷的影響

圖3展示了4種不同碰撞角度下兩輪車(chē)-小汽車(chē)碰撞的運(yùn)動(dòng)學(xué)過(guò)程。

圖3 運(yùn)動(dòng)學(xué)過(guò)程

由圖3可知，整個(gè)運(yùn)動(dòng)學(xué)過(guò)程可以分為3個(gè)階段：當(dāng)碰撞角度為60°和90°時(shí)，在階段Ⅰ，假人或兩輪車(chē)首先與小汽車(chē)接觸，并在階段Ⅱ開(kāi)始向發(fā)動(dòng)機(jī)罩、前風(fēng)窗玻璃翻轉(zhuǎn)，在階段Ⅲ，假人開(kāi)始沿著前風(fēng)窗玻璃、發(fā)動(dòng)機(jī)罩向下滑動(dòng)，最終落到地面并停止；當(dāng)碰撞角度為0°和120°時(shí)，與其他2 個(gè)碰撞角度不同，兩輪車(chē)與小汽車(chē)接觸后，在水平和垂直方向上都發(fā)生了較大位移，然后開(kāi)始失去平衡，最終假人頭部著地。

本文根據(jù)設(shè)定的仿真條件進(jìn)行了多組試驗(yàn)，通過(guò)對(duì)試驗(yàn)數(shù)據(jù)的整理和分析，得到了4種不同碰撞角度對(duì)騎行人損傷的影響，如圖4所示。設(shè)置碰撞時(shí)間=1 500 ms模擬整個(gè)碰撞過(guò)程，設(shè)置=300 ms模擬接觸的瞬間并記錄HIC。從圖4a 中可以看出，當(dāng)碰撞角度為90°時(shí)HIC相對(duì)較高，說(shuō)明此碰撞角度對(duì)騎行人的沖擊較大，這一結(jié)果與3.2節(jié)邏輯回歸模型得到的結(jié)論一致：正面碰撞（即碰撞角度為90°）造成致命損傷的概率最高。通過(guò)分析圖3 兩輪車(chē)-小汽車(chē)碰撞過(guò)程，90°的碰撞角度下，發(fā)生碰撞后，騎行人頭部撞擊機(jī)動(dòng)車(chē)發(fā)動(dòng)機(jī)罩而后發(fā)生扭轉(zhuǎn)造成嚴(yán)重?fù)p傷。圖4b 表明，在接觸瞬間，60°的碰撞角度下，騎行人頭部損傷值相對(duì)較大。分析圖3碰撞過(guò)程，可能是因?yàn)樵?0°的碰撞角度下，騎行人失去重心后頭部撞向前風(fēng)窗玻璃，短時(shí)間內(nèi)頭部受到的沖擊力較大，造成嚴(yán)重?fù)p傷。

圖4 3種不同摩擦因數(shù)下不同碰撞角度的HIC

此外，比較2 種類(lèi)型的側(cè)面碰撞，分析整個(gè)碰撞過(guò)程，兩輪車(chē)與小汽車(chē)在相反方向（碰撞角度為120°）行駛時(shí)比同向（碰撞角度為60°）行駛時(shí)更容易發(fā)生嚴(yán)重的頭部損傷。分析圖3 可以發(fā)現(xiàn)，在120°碰撞角度下，騎行人傾向于頭部直接著地而不接觸車(chē)輛，因此與60°的碰撞角度相比，120°的碰撞角度下更容易在短時(shí)間內(nèi)對(duì)騎行人頭部造成嚴(yán)重?fù)p傷。

4.3 路面情況對(duì)頭部損傷的影響

如圖4a所示，分析整個(gè)碰撞過(guò)程，當(dāng)碰撞角度和速度恒定時(shí)，隨著路面摩擦因數(shù)增加，騎行人頭部損傷值相應(yīng)增加，這表明摩擦因數(shù)越大，對(duì)騎行人頭部造成的損傷越嚴(yán)重。該結(jié)果與3.3節(jié)邏輯回歸模型結(jié)論一致：在干燥路面發(fā)生致命損傷的概率比其他情況的路面提高66.5%。

圖5 對(duì)比了不同摩擦因數(shù)下發(fā)生碰撞后騎行人運(yùn)動(dòng)過(guò)程的3個(gè)階段。如圖5a 所示，當(dāng)碰撞角度為0°時(shí)，不同摩擦因數(shù)下騎行人的運(yùn)動(dòng)學(xué)過(guò)程相似，也驗(yàn)證了圖4b 中得到的3 種不同摩擦因數(shù)下HIC 相差不大的結(jié)果。但在干燥路面（摩擦因數(shù)=0.7）下，發(fā)生碰撞后響應(yīng)時(shí)間較短，受到的損傷也較嚴(yán)重，這可能是由于地面摩擦因數(shù)較?。?.3和0.5）時(shí)，兩輪車(chē)由于慣性作用在向前運(yùn)動(dòng)一段時(shí)間后再發(fā)生側(cè)翻，因此在短時(shí)間內(nèi)受到的損傷相對(duì)較小。

圖5 不同摩擦因數(shù)下碰撞過(guò)程對(duì)比

如圖5b 所示，當(dāng)碰撞角度為90°時(shí)，在摩擦因數(shù)為0.3 和0.5 的路面上，騎行人發(fā)生碰撞后的運(yùn)動(dòng)過(guò)程相似。比較此碰撞角度下3 種不同摩擦因數(shù)路面上騎行人的運(yùn)動(dòng)學(xué)過(guò)程可以發(fā)現(xiàn)，騎行人在與小汽車(chē)接觸后，都是向發(fā)動(dòng)機(jī)罩一側(cè)翻轉(zhuǎn)，隨后騎行人頭部撞擊發(fā)動(dòng)機(jī)罩，造成嚴(yán)重?fù)p傷。圖4b 也揭示了此碰撞角度下，3 種不同地面摩擦因數(shù)對(duì)應(yīng)的騎行人頭部損傷值近似相等。而比較120°的碰撞角度下HIC可以發(fā)現(xiàn)，無(wú)論設(shè)置碰撞時(shí)間為300 ms模擬接觸瞬間，還是1 500 ms模擬整個(gè)碰撞過(guò)程，3 種地面摩擦因數(shù)對(duì)應(yīng)的HIC 均相差不大，表明此角度發(fā)生碰撞時(shí)，騎行人頭部損傷值與路面狀況相關(guān)性較小。

5 結(jié)束語(yǔ)

本文基于廣東省2006～2018 年兩輪車(chē)與機(jī)動(dòng)車(chē)碰撞數(shù)據(jù)，確定了對(duì)兩輪車(chē)騎行人損傷程度有顯著影響的因素。采用邏輯回歸模型建立了騎行人損傷程度與各維度影響因素之間的相關(guān)模型，并利用事故重構(gòu)的方法進(jìn)一步分析其損傷機(jī)理，得到以下結(jié)論：

a.兩輪車(chē)事故邏輯回歸模型顯示，貨車(chē)、客車(chē)、干燥路面、夜間行駛和正面碰撞等因素更容易給騎行人造成嚴(yán)重的損傷。

b.根據(jù)邏輯回歸模型結(jié)果設(shè)置仿真參數(shù)，建立兩輪車(chē)事故重構(gòu)模型，揭示了兩輪車(chē)與機(jī)動(dòng)車(chē)之間碰撞角度為90°時(shí)，騎行人受到的損傷較為嚴(yán)重。

c.分析路面狀況的影響得出，當(dāng)碰撞角度為0°和120°時(shí)，騎行人頭部損傷值與路面狀況相關(guān)性較小，當(dāng)碰撞角度為90°時(shí)，隨著路面摩擦因數(shù)增大，HIC也相應(yīng)增大，更容易在短時(shí)間內(nèi)對(duì)騎行人造成嚴(yán)重?fù)p傷。

本文建立的事故重構(gòu)模型結(jié)果與邏輯回歸模型結(jié)論一致，驗(yàn)證了所選因素對(duì)兩輪車(chē)事故嚴(yán)重程度的顯著影響，有助于進(jìn)一步了解騎行人的損傷機(jī)理。