不同性別駕駛員小轎車交通事故的影響因素分析

張 圓，鄧院昌，林慶豐，史晨軍

(中山大學(xué)智能工程學(xué)院廣東省智能交通系統(tǒng)重點實驗室，廣東 廣州 510006)

近年來，在各類媒體的報道中，女司機(jī)儼然成為“馬路殺手”的代名詞。2018年10月28日發(fā)生的重慶市萬州公交墜河事故，從小轎車逆行與大巴車發(fā)生碰撞，逆轉(zhuǎn)為公交車逆行與小轎車發(fā)生碰撞。其中爭論的關(guān)鍵問題之一是性別與交通事故之間是否具有相關(guān)性。探究不同性別駕駛員與交通事故之間的關(guān)系，可為交通事故預(yù)防提供相關(guān)理論依據(jù)和數(shù)據(jù)支持，對交通安全管理工作也具有重要的意義。

關(guān)于不同性別駕駛員與交通事故之間的關(guān)系，國外學(xué)者大多關(guān)注于駕駛員的性別與交通事故頻次及嚴(yán)重程度的相關(guān)性。如Mcguire[1]通過總結(jié)多項研究成果得出性別變量與事故發(fā)生率沒有顯著的關(guān)系；Attewell[2]研究指出女性駕駛員的交通事故死亡率低于男性，但交通事故受傷率高于男性；Claret等[3]研究發(fā)現(xiàn)25～44歲之間的女性駕駛員交通事故率最低；Murat等[4]研究發(fā)現(xiàn)駕駛員的性別及年齡均與交通事故類型及嚴(yán)重程度顯著相關(guān)，21～30歲的男性駕駛員發(fā)生交通事故的頻次最高且嚴(yán)重程度最大；Eladio等[5]以格拉納達(dá)大學(xué)本科生為研究對象，通過問卷調(diào)查發(fā)現(xiàn)男性駕駛員自稱比女性開得更好更快，男性駕駛員使用所有安全設(shè)備的頻率比女性低，而且更容易發(fā)生危險駕駛行為。

國內(nèi)關(guān)于駕駛員性別與交通事故之間關(guān)系的研究較少，部分學(xué)者基于女性駕駛員的生理、心理與其駕駛行為特征的關(guān)系進(jìn)行分析。如陳穎等[6]通過女性駕駛員應(yīng)激反應(yīng)能力仿真實驗，得出前方視距不良、前車緊急制動應(yīng)激能力無性別差異；馮忠祥等[7]研究認(rèn)為導(dǎo)致女性駕駛員交通事故的因素主要包括人格、認(rèn)知等心理特征和視覺能力、應(yīng)激反應(yīng)等生理特征；沈瑋等[8]研究得出女性事故組駕駛員與安全組駕駛員在人格特征上表現(xiàn)出顯著的差異。此外，部分學(xué)者對道路交通事故嚴(yán)重程度進(jìn)行了預(yù)測研究。如沈坤[9]從宏觀角度選取了GDP、機(jī)動車保有量、公路通車?yán)锍?、機(jī)動車駕駛員人數(shù)及年末總?cè)丝跀?shù)5要素，運(yùn)用多元線性回歸建立了交通事故回歸預(yù)測模型；李奇等[10]從模型優(yōu)化角度建立了道路交通事故灰色組合預(yù)測模型，對我國道路交通安全事故進(jìn)行了預(yù)測。

但是，目前的研究尚缺乏對不同性別駕駛員交通事故影響因素的全面分析。為了系統(tǒng)地分析不同性別駕駛員交通事故的影響因素，本文首先通過數(shù)據(jù)統(tǒng)計，對比分析不同性別駕駛員的交通事故特征；其次運(yùn)用相關(guān)性分析篩選出對不同性別駕駛員交通安全有顯著影響的特征因素；最后采用Logit模型建立不同性別駕駛員交通事故嚴(yán)重程度的預(yù)測模型，對不同性別駕駛員發(fā)生交通事故的嚴(yán)重程度進(jìn)行估計。

1 不同性別駕駛員的交通事故特征

本文以廣東省2018年1～8月發(fā)生的9 886條小型轎車交通事故數(shù)據(jù)為基礎(chǔ)，選取小型轎車駕駛員為研究對象，其中包括女性駕駛員1 395人，男性駕駛員8 491人。通過數(shù)據(jù)統(tǒng)計，從事故類型、事故責(zé)任類型、駕駛員在交通事故中的碰撞角色和事故原因類型4個角度，對比分析了不同性別駕駛員的交通事故特征，詳見表1至表3和圖1。

表1 不同性別駕駛員的事故類型統(tǒng)計結(jié)果

表2 不同性別駕駛員的事故責(zé)任類型統(tǒng)計結(jié)果

表3 不同性別駕駛員在交通事故中的碰撞角色統(tǒng)計結(jié)果

圖1 不同性別駕駛員的事故原因類型Fig.1 Accident causes of drivers of different genders

由表1至表4和圖1可以看出：

(1) 事故類型在廣東省道路交通事故數(shù)據(jù)庫中，按照事故的嚴(yán)重程度分為死亡事故、受傷事故和財產(chǎn)損失事故3類。數(shù)據(jù)統(tǒng)計結(jié)果表明：女性駕駛員發(fā)生死亡事故和財產(chǎn)損失事故的百分比均低于男性駕駛員，而發(fā)生受傷事故的百分比則較高。

(2) 事故責(zé)任類型在廣東省道路交通事故數(shù)據(jù)庫中，按照駕駛?cè)嗽诮煌ㄊ鹿手兴璩袚?dān)的責(zé)任大小分為全責(zé)、主要責(zé)任、同等責(zé)任、次要責(zé)任、無責(zé)和無法認(rèn)定6類。數(shù)據(jù)統(tǒng)計結(jié)果表明：男、女駕駛員負(fù)主要及以上責(zé)任的事故約各占一半，且女性駕駛員負(fù)同等及以上責(zé)任的事故百分比均低于男性駕駛員。

(3) 碰撞角色在廣東省道路交通事故數(shù)據(jù)庫中，按照駕駛?cè)嗽诮煌ㄊ鹿手械呐鲎步巧譃橹鲃优鲎病⒈粍优鲎?、主動與被動碰撞都有和不明4類。數(shù)據(jù)統(tǒng)計結(jié)果表明：不同性別駕駛員在交通事故中發(fā)生主動碰撞、被動碰撞和主動與被動碰撞兩者都有的百分比基本相同，且男、女駕駛員均主要發(fā)生主動碰撞交通事故。

(4) 事故原因在廣東省道路交通事故數(shù)據(jù)庫中的種類多達(dá)50余種，本文選取比例大于1.0%的可認(rèn)定的事故原因類型來對比分析不同性別駕駛員發(fā)生交通事故的主要原因。數(shù)據(jù)統(tǒng)計結(jié)果表明：男女性駕駛員發(fā)生交通事故的原因均主要為未按規(guī)定讓行，且男性駕駛員因醉酒駕駛和酒后駕駛發(fā)生交通事故的百分比顯著高于女性駕駛員。

2 交通事故影響因素的選取與分析

2.1 因變量

廣東省道路交通事故數(shù)據(jù)庫中的事故類型分為死亡事故、受傷事故和財產(chǎn)損失事故3類,考慮到死亡事故在事故類型中的比例較小，且事故救援在事故類型中起一定作用，可將交通事故嚴(yán)重程度分為嚴(yán)重事故和非嚴(yán)重事故[11]。本文以交通事故嚴(yán)重程度為因變量，分為嚴(yán)重事故和非嚴(yán)重事故，將傷亡事故設(shè)定為嚴(yán)重事故，對僅有財產(chǎn)損失的事故設(shè)定為非嚴(yán)重事故，并分別用Y=0、Y=1表示。

2.2 自變量

道路交通系統(tǒng)是一個由人、車、路、環(huán)境構(gòu)成的動態(tài)系統(tǒng)。在道路交通事故分析中，因責(zé)任認(rèn)定問題，常將事故原因歸為人的主觀因素，而忽視了客觀因素在交通事故中的作用[12]。因此，本文從客觀因素中初步選取 14個自變量，并采用混合逐步選擇法分析其對交通事故嚴(yán)重程度的影響，取顯著性水平為0.05，當(dāng)p<0.05時，表示自變量對因變量有顯著影響。交通事故自變量及其取值見表4。

由表4可知：從肇事人、肇事車輛、道路和環(huán)境四個方面選取14個候選自變量，其中對女性駕駛員交通事故嚴(yán)重程度有顯著作用的影響因素包括駕駛員是否系安全帶、車輛有無保險、道路安全屬性、路口路段類型、地形和照明條件6個；對男性駕駛員交通事故嚴(yán)重程度有顯著作用的影響因素包括年齡、駕駛員是否系安全帶、車輛有無保險、車輛安全狀況、道路安全屬性、路口路段類型、道路線型、天氣、地形和照明條件10個。

表4 交通事故自變量及其取值

注：表中“#”、“*”分別表示對男、女性駕駛員交通事故嚴(yán)重程度具有顯著影響的特征因素。

3 交通事故嚴(yán)重程度預(yù)測模型的建立

3.1 二項Logit模型建立

本文的因變量為交通事故嚴(yán)重程度，故采用二項Logit模型。該模型可表示為

(1)

式中:P為非嚴(yán)重交通事故的條件概率；Y為因變量；xi為自變量；α和β分別為回歸截距和回歸系數(shù)。

非嚴(yán)重交通事故的發(fā)生概率P與嚴(yán)重交通事故的發(fā)生概率(1-P)之比稱為發(fā)生比。將該發(fā)生比取自然對數(shù)，可得到線性函數(shù)為

(2)

3.2 模型參數(shù)估計

本文分別建立了女性和男性駕駛員小轎車交通事故嚴(yán)重程度預(yù)測模型，將對不同性別駕駛員交通事故嚴(yán)重程度有顯著影響的自變量分別代入模型，對模型進(jìn)行參數(shù)估計，其結(jié)果見表5和表6。

表5 女性駕駛員交通事故嚴(yán)重程度預(yù)測模型的參數(shù)估計

由表5可知：根據(jù)發(fā)生比，對女性駕駛員交通事故嚴(yán)重程度影響較大的因素包括駕駛員是否系安全帶、車輛有無保險、路口路段類型中的普通路段和交叉口、地形中的丘陵地區(qū)以及照明條件中的白天和夜間有無路燈照明。

(1) 女性肇事人方面，駕駛員系安全帶的情況下，發(fā)生非嚴(yán)重交通事故的概率只有不系安全帶情況下的0.578倍。

(2) 肇事車輛方面，車輛有保險發(fā)生非嚴(yán)重交通事故的概率為無保險情況下的0.410倍。

(3) 道路方面，駕駛員在道路安全狀況下發(fā)生非嚴(yán)重交通事故的概率只有在道路存在隱患狀況下的0.399倍；普通路段發(fā)生非嚴(yán)重交通事故的概率較低，是特殊路段的0.448倍。

(4) 環(huán)境方面，平原地區(qū)發(fā)生非嚴(yán)重交通事故的概率只有山區(qū)的0.548倍，丘陵地區(qū)為山區(qū)的0.669；在照明條件上，白天發(fā)生交通事故的概率最大，為黃昏時候的4.367倍，這與駕駛員的安全意識有較大關(guān)系。

由表6可知：根據(jù)發(fā)生比，對男性駕駛員交通事故嚴(yán)重程度影響較大的因素包括駕駛員是否系安全帶、車輛有無保險、車輛安全狀況、路口路段類型中的普通路段和交叉口、地形中的丘陵地區(qū)以及照明條件中的白天、夜間有路燈照明、夜間無路燈照明和黎明。

(1) 肇事人方面，駕駛員在系安全帶的情況下發(fā)生非嚴(yán)重交通事故的概率比不系安全帶情況下稍大，這可能與駕駛員的安全意識及其駕駛技能有較大關(guān)系。

表6 男性駕駛員交通事故嚴(yán)重程度預(yù)測模型的參數(shù)估計

(2) 肇事車輛方面，車輛有保險發(fā)生非嚴(yán)重交通事故的概率為無保險情況下的0.548倍；車輛安全狀況正常情況下發(fā)生非嚴(yán)重交通事故的概率為不正常情況下的1.749倍，這與駕駛員的安全意識有很大的關(guān)系。

(3) 道路方面，與特殊路段相比，普通路段和交叉口處發(fā)生非嚴(yán)重交通事故的概率較低，分別是特殊路段的0.551倍和0.639倍。

(4) 環(huán)境方面，平原地區(qū)發(fā)生非嚴(yán)重交通事故的概率與山區(qū)相差不大，丘陵地區(qū)發(fā)生非嚴(yán)重交通事故的概率是山區(qū)的0.509倍；在照明條件上，白天發(fā)生非嚴(yán)重交通事故的概率最大，其次為夜間無路燈照明，分別為黃昏時候的5.171倍和3.243倍。

3.3 模型檢驗

本文利用Hosmer-Lemeshow(H-L)檢驗對建立的不同性別駕駛員交通事故嚴(yán)重程度預(yù)測模型的擬合度進(jìn)行檢驗，其檢驗結(jié)果見表7。

表7 不同性別駕駛員交通事故嚴(yán)重程度預(yù)測模型的H-L檢驗

由表7可知，P值均大于 0.05，故接受零假設(shè)，說明兩個預(yù)測模型均能較好地擬合數(shù)據(jù)。

本文分別利用上述建立的不同性別駕駛員交通事故嚴(yán)重程度預(yù)測模型預(yù)測交通事故的發(fā)生數(shù)，其預(yù)測的準(zhǔn)確性見表8。

表8 不同性別駕駛員交通事故嚴(yán)重程度預(yù)測準(zhǔn)確性

由表8可知：①與非嚴(yán)重交通事故預(yù)測的準(zhǔn)確率相比，兩個模型均對嚴(yán)重交通事故的預(yù)測效果較好；②從交通事故的平均預(yù)測準(zhǔn)確率來看，兩個模型的平均預(yù)測準(zhǔn)確率相差不大且均接近80%，表明兩個模型的預(yù)測效果均較好。

4 結(jié) 論

(1) 本文通過對比分析不同性別駕駛員的交通事故特征，結(jié)果發(fā)現(xiàn)：女性駕駛員發(fā)生死亡事故和財產(chǎn)損失事故的百分比低于男性；女性駕駛員負(fù)同等及以上責(zé)任的交通事故百分比低于男性；男、女性駕駛員在交通事故中發(fā)生主動碰撞、被動碰撞和兩者都有的百分比基本相同；男、女性駕駛員發(fā)生交通事故的原因均主要為未按規(guī)定讓行，且男性駕駛員因醉酒駕駛和酒后駕駛的交通事故百分比顯著高于女性。

(2) 以交通事故嚴(yán)重程度為因變量，將其分為嚴(yán)重事故和非嚴(yán)重事故，并從人、車、路和環(huán)境四個方面選取了14個候選自變量，采用混合選擇法篩選出對不同性別駕駛員交通事故嚴(yán)重程度具有顯著影響的特征因素，結(jié)果發(fā)現(xiàn)駕駛員是否系安全帶、車輛有無保險、道路安全屬性、路口路段類型以及照明條件等特征因素對其有顯著影響。

(3) 采用二項Logit模型分別建立不同性別駕駛員交通事故嚴(yán)重程度預(yù)測模型，分析自變量對交通事故嚴(yán)重程度的影響，并對模型進(jìn)行參數(shù)估計與檢驗。結(jié)果表明：兩個模型的擬合效果和平均預(yù)測能力均較好；與非嚴(yán)重交通事故相比，模型對駕駛員發(fā)生嚴(yán)重交通事故的預(yù)測準(zhǔn)確性較好。

致謝:本文特別感謝廣東省科技計劃項目的資助以及廣東省公安廳交通管理局提供的數(shù)據(jù)支撐。