交通事故責任認定書的大數據分析和智能裁量

丁龍江 蔣澤人 楊昊 張旭 張穎

【摘 要】在道路交通事故處理中，交通事故認定書的特殊法律地位決定了其在道路交通事故的責任認定和民事賠償中起著關鍵性的作用。在“互聯網+”的大背景下，以大數據分析技術為著手點，交通事故認定書為數據源構建智能執法量罰倉庫，塑造高度自主的精細化交通事故認定體系，能夠促進道路交通行政執法的智能化發展。同時，對于智能裁量設計上可能出現的算法黑箱、數據失真、隱私泄露等應有及時地救濟機制，并明確好法律和理論的界限。

【關鍵詞】交通事故認定書；大數據；智能裁量；執法量罰倉庫

一、交通事故認定書的分析研判

（一）交通事故認定書的作用領域

對于交通事故的研究，首要明確的應是交通事故認定書的作用領域。在整個交通事故的法律適應領域，產生了橫跨民事、刑事、和行政法律責任承擔的法律現象，道路交通事故的當事人責任認定應為重中之重。不同的事實認定有不同的法律適用，《道路交通安全法》《刑法》《侵權責任法》等在不同的場景下發揮著不同的作用。面對不同的法律適用，重要的法律文書“交通事故責任認定書”也會根據適用法律不同而有著不同的效力。因為交通事故法律適用的復雜性，現實中往往出現了將各法律責任等同劃一的現象。所以，為還原交通事故“責任認定”的本質屬性，強調交通事故發生的客觀性原則，實現責任“同案同罰”，在構建智能執法量罰倉庫時，我們應注重其剝離責任一體融合的現實情況，形成結構化的要素體系。

（二）交通事故責任認定爭議的本質思考

在道路交通事故處理中，常常會出現當事人對交通事故責任認定結果爭議的現實情況。其一，理論和實際具有差異，交通事故的總的原則理論通說缺位。交通事故責任認定理論研究起步較晚，現代交通法最早出臺于1903年的美國，且隨著機動車和道路交通條件不斷更迭，與其他有長期發展歷史的法學理論如刑法、民法難以形成承繼關系，所以交通事故的總原則和總要求缺位。且交通事故責任認定往往涉及復雜因果關系，對事故中各作用的衡量也需進行更加深入研究。另一方面，人們的法律認識錯誤。一般來說違法與過錯往往是伴生關系，如張三操作失誤追尾趙四，發現趙四酒駕，就此事故而言，雖然趙四存在過錯，但是與張三的違法行為無關，兩者應分開處理，但是當事人甚至部分交警會將違法與過錯，混為一談；其二，交警本身存在相關問題。在交通事故處理中，部分交警沒有秉持公正的執法態度，存在人情往來，自由裁量權范圍較大。若在事實認定方面偏頗于某方當事人，極易導致處置不公；或是在交通事故處理的程序中，因個人執法不規范或情緒性原因懈怠工作導致的程序錯誤，也極易造成當事人對交通事故責任認定結果出現爭議。

二、大數據分析建立智能執法量罰倉庫的基本方法

（一）建構智能執法量罰倉庫

建構智能執法量罰倉庫的本質在于對交通事故認定書的綜合處理。不應僅僅是以單一匹配數據庫中的相似案例，而是對于海量交通事故認定書進行自動的挖掘與預測，形成統一的法律量罰標準，造就綜合學習、不斷完善、不斷進步的“智能執法者”。面對以千萬記的交通事故認定大數據，智能裁量需要提煉共性規則，即依據不同的執法場景，提取規則并進行數據標注，進行機器學習，最終形成類似于交警經驗法則判斷的能力。所以，合理、透明的算法規則，是交通事故智能裁量的基礎。同時，在人工智能尚未到達強AI般高度發達的能力時，大數據分析提煉共性規則只能建立在結構化的數據樣本的基礎上。所以，實現智能裁量的要求就是學習交通事故認定書中結構化的邏輯規則，形成交通事故責任認定的算法。

交通事故智能裁量的具體算法建設包括但不限于如下兩點：

1.進行詞庫建設

因為交通事故認定書的內容主要是事實認定和法律適用，最終得出承擔什么樣的責任的結論。無論是事實認定還是法律適用，其基本組成都是詞語。詞語是文本內容的最小單元，是反映文本內容的基本元素，詞庫的建設就是將交通事故認定書特定的關鍵性詞或連續的字序列按照一定規范重新組合成詞序列的過程。通俗的講，詞庫的建設就是將交通事故責任認定進行模型化、要素化。

2.建立以經驗法則為核心的知識建模功能

交警自身的經驗法則類似于人工智能算法，是解決比較交通事故認定中復雜場景的各影響因素的相互作用關系大小的問題，經驗豐富的交警能在復雜事故案件中進行公平公正的事故認定，是人工智能學習的重要知識來源。所以，為了能讓智能裁量完成既定的執法任務，就需進行經驗法則知識建模。讓工程師與資深交警進行溝通，將交通事故處理的結構、性質與關系以知識圖譜的方式表達出來。常用的知識建模方式有狀態空間法、問題歸納法、語義網絡法等。

（二）智能執法量罰倉庫的數據源

你給我多少知識，我給你多少智能。數據是智能的根本來源，沒有數據，大數據分析、智能裁量也就成了無本之木。《道路交通事故處理程序規定》第六十二條第二款已明文規定：有條件的地方公安機關交通管理部門可以試行在互聯網公布道路交通事故認定書。在保護公民信息和個人隱私的前提下，如何合法、合理規范獲得交通事故認定書成為了重中之重。在實踐操作中，可以采取“官方+市場”雙重驅動方法，由官方即公安機關交管部門進行數據源的提供和監控，形成官方引導、監管，市場驅動的良性方法。目前火熱的“智慧法院”建設就是采取的這種方法。

三、大數據智能裁量的要求、優點與具體限制

交通事故大數據智能裁量作為技術手段能夠推動道路交通事故認定轉型升級，但需認清面對不斷變化的場景，智能裁量是否能具備上述全部功能還是未知數。當下需要做的是，以實證的態度深入交通事故認定的實踐，關注交通事故認定書中的問題，加強理論研究，細化認定規則，積極探索中國式的道路交通事故處理法則，以及實現兼顧普遍適用與個別正義的多元化處理策略。

一方面，對大數據智能裁量的要求應嚴格進行把關。其一，確立以法律為中心的思想理念。在實踐中常常出現重數據，輕法律。加強道路交通事故的理論研究，細化認定規則，法律法規是交通事故認定的根本。在大數據時代，堅持法律本位而非數據本位，秉持對法律的敬畏之心，讓數據幫助法律說話而不是取代法律說話。

其二，大體量與精細化分析并重。大數據不應僅僅是大體量，缺乏質量的交通事故認定書沒有實質價值。智能裁量的原則是對公平公正的價值追求，缺乏質量的大體量缺乏事實與結果的必然聯系，必然無法達到公平公正的實體要求。其三，對智能裁量劃定法律界限與道德限制。在有效的算法尚不充分的情況下，對于可能存在的量罰失衡等情況應及時介入進行撥亂反正，建設合理的救濟機制。另一方面，明確大數據智能裁量的優點，樹立自信心。智能裁量嚴肅謹慎，思考問題周密細致，不放過任何可疑的蛛絲馬跡，能夠補正交警處理事故中的不足，這將足以保證每一份交通事故認定書的出具有理有據，符合客觀實際。于此同時，智能裁量能夠排除事故當事人將無爭議現象出現證據不全、不準、錯誤或遺漏、程序上有瑕疵、認定所依據的法律條文不當等現象。特別是智能裁量防范人本身的性格弱點，關系案、人情案。為防范故意利用自身職業權力為部分當事人謀取私利的行為，以及因情緒性原因懈怠工作導致錯誤性出具交通事故認定書等情形。

當然，不可否認對于少數個案，即使是經驗豐富的交警也會犯難，利用自然語言處理的智能裁量更是有著先天的局限性，這也是智能裁量的薄弱環節。可是，面對機動車輛和道路條件的升級更迭，這又是對交通事故責任智能裁量最重要檢測。總之，只有形成復雜交通事故認定有效的統一規范和知識學習方法，使得作為執法量罰倉庫前提的算法完整，智能裁量的應用才會規范、統一。

【參考文獻】

[1]邵祖峰，劉知音.公安機關交通事故認定的現狀、問題與對策[J].北京警察學院學報，2017（02）：28-33.

[2]洪冬英.司法如何面向“互聯網+”與人工智能等技術革新[J].法學，2018（11）：169-180.

[3]盛學軍，鄒越.智能機器人法官：還有多少可能和不可能[J].現代法學，2018，40（04）：74-82.

[4]汝緒華.算法政治：風險、發生邏輯與治理[J].廈門大學學報（哲學社會科學版），2018（06）：27-38.

[5]周尚君，伍茜.人工智能司法決策的可能與限度[J].華東政法大學學報，2019，22（01）：53-66.

[6]高翔.人工智能民事司法應用的法律知識圖譜構建——以要件事實型民事裁判論為基礎[J].法制與社會發展，2018，24（06）：66-80.

[7]錢大軍.司法人工智能的中國進程：功能替代與結構強化[J].法學評論，2018，36（05）：138-152.

[8]涂永前，于涵.司法審判中人工智能的介入式演進[J].西南政法大學學報，2018，20（03）：48-55.