城市道路交通違法行為影響因素分析

楊軍 郭子渝

摘要：近年來，道路交通安全問題日漸突出，交通違法行為是造成交通事故的主要原因。文章隨機選取20 000條貴陽市2019年6月的城市道路交通違法數據，運用單因素方差分析法，以罰款和記分為觀測變量，駕駛人性別、駕駛人年齡、車輛類型、違法時間為控制變量，對交通違法行為的影響因素進行研究，并根據方差分析的結果針對性地提出改善交通違法行為的措施。

關鍵詞：交通違法行為;方差分析;影響因素

0 引言

隨著經濟社會規模和體量的高速發展，道路交通安全問題也日漸突出。2018年，我國共發生交通事故24.5萬起，造成6.2萬人死亡，25.9萬人受傷，直接經濟損失高達13.8億元。有關研究表明，因機動車駕駛人交通違法行為造成的交通事故占事故總數的86.84%，造成死亡人數占死亡總數的79.22%，造成的受傷人數占受傷總人數的85.76%[1]，因此交通違法行為是造成交通事故的主要原因。本文研究了交通違法行為的影響因素，針對性地提出改善交通違法行為的措施，對降低交通事故發生率，構建“平安交通”工程有重要意義。

目前，國內學者對交通違法行為的影響因素做了許多研究。施陽[2]從博弈論的角度，對相互對立的道路交通主體和執法主體之間的互動策略進行研究，并分析博弈收益矩陣得出納什均衡的存在，以期根據均衡存在的條件對道路交通違法行為提出有效的約束和規制建議，以促使納什均衡的出現，實現道路交通主體和執法主體的雙向共贏。張光南等[3]以2010年廣州市發生的交通事故原始數據處理與分析為例，運用GIS技術和系統聚類法，對廣州市交通違法事故的時空分布特征及影響因素進行分析，并提出改進措施。付川云等[4]以2016年四川省德陽市機動車交通違法行為電子抓拍數據為基礎，從交通違法行為類型及發生次數、車輛類型、時空分布三個方面揭示交通違法行為特征，在此基礎上構建交通違法行為多項Logit模型，探究超速行駛、違法停車、不按規定導向車道行駛、違反禁止標線等高頻交通違法行為的情景影響因素，以提出相應的干預措施。

本文借鑒道路交通違法行為分析和道路交通事故分析的研究成果，隨機選取20 000條貴州市2019年6月3～9日城市道路交通違法數據，采用單因素方差分析法分析交通違法行為罰款和記分的影響因素，為建立道路安全風險評價指標、制定道路安全管理政策、降低交通事故提供決策依據。

1 貴陽市城市道路交通違法行為總體分布

本文首先對數據進行篩選，剔除存在明顯錯誤、不合理、信息缺失的數據，最終得到19 939條有效數據，數據內容包括駕駛人性別、駕駛人年齡、車輛類型、違法時間、罰款、記分等違法信息。各因素的取值及總體分析如表1所示。

從數據總體情況可以得到以下結論：（1）貴陽市城市道路違法行為以罰款和記分作為懲罰措施，罰款金額大部分為50元，其次為20元、10元;絕大部分違法行為不記分，其次為記分3分;（2）不同個人屬性的駕駛人，其違法行為差異較大，男性占絕大部分，年齡在30～40歲之間的違法行為較多，其次為40～50歲;（3）車輛類型中以貨車和電動車的違法行為最多;（4）違法行為多發生于8：00-12：00、14：00-18：00兩個時段。

2 貴陽市城市道路交通違法行為單因素方差分析 通過方差分析從對觀測變量的方差分解入手，通過推斷控制變量各水平下各觀測變量的總體均值是否存在顯著差異，分析控制變量是否給觀測變量帶來了顯著影響，進而再對控制變量各個水平對觀測變量影響的程度進行剖析。單因素方差研究的是單個控制變量的不同水平是否對觀測變量產生了顯著影響，多因素方差研究兩個及兩個以上控制變量及其相互作用是否對觀測變量產生了顯著影響。

本文采用單因素方差分析法對貴陽市城市道路交通違法行為的影響因素進行分析，觀測變量為罰款和記分，控制變量為駕駛人性別、駕駛人年齡、車輛類型、違法時間。通過單因素方差分析法，分別分析四個控制變量對罰款和記分的影響程度。

2.1 理論依據

2.2 單因素方差分析步驟

使用單因素方差分析法分析貴陽市城市道路交通違法行為。

2.2.1 數據檢驗

在進行方差分析之前，先對數據進行方差齊性檢驗，以判斷數據是否適用方差分析法。經檢驗，在不同控制變量下，罰款和記分的總體方差無顯著差異，滿足方差分析的前提要求。

2.2.2 提出零假設

方差分析問題屬于推斷統計中的假設檢驗問題，需要提出零假設，即認為控制變量的不同水平沒有對觀測變量產生顯著影響。本文提出8個零假設：（1）駕駛人性別對罰款無顯著影響;（2）駕駛人年齡對罰款無顯著影響;（3）車輛類型對罰款無顯著影響;（4）違法時間對罰款無顯著影響;（5）駕駛人性別對記分無顯著影響;（6）駕駛人年齡對記分無顯著影響;（7）車輛類型對記分無顯著影響;（8）違法時間對記分無顯著影響。

2.2.3 選擇檢驗統計量

方差分析采用F統計量作為檢驗統計量，數學定義見式（4）：

計算檢驗統計量的觀測值和概率p值，即F的顯著性程度。

2.2.4 給出顯著性水平α，做出決策

給出顯著性水平α，與概率p值比較，如果αp，拒絕零假設，認為該控制變量對觀測變量的影響顯著。顯著性水平一般取0.01或0.05。

2.3 單因素方差分析結果

本文使用SPSS15.0軟件對數據進行分析，結果如表2和3所示。

2.4 單因素方差分析結果分析

2.4.1 罰款影響因素分析

（1）從表2可以看到，駕駛人性別、駕駛人年齡、車輛類型和違法時間對罰款的概率p值（F的顯著性）分別為0.001、0.009、0.000和0.028。如果顯著性水平α取0.01，則違法時間的概率p值>α，應拒絕其零假設，認為僅考慮時間單個影響，其對罰款無顯著性影響;同理，駕駛人性別、駕駛人年齡、車輛類型的概率p值<α，不應拒絕其零假設，認為駕駛人性別、駕駛人年齡、車輛類型單個因素對罰款有顯著性影響。

（2）如果顯著性水平α取0.05，駕駛人性別、駕駛人年齡、車輛類型和違法時間四個因素均對罰款有顯著性影響。

（3）各單因素對罰款的影響程度排序依次為：車輛類型>駕駛人性別>駕駛人年齡>違法時間。

2.4.2 記分影響因素分析

（1）從表3可以看到，駕駛人性別、駕駛人年齡、車輛類型和違法時間對記分的概率p值（F的顯著性）分別為0.015、0.023、0.000和0.010。如果顯著性水平α取0.01，駕駛人性別、駕駛人年齡單個因素對記分無顯著性影響;車輛類型、違法時間單個因素對記分有顯著性影響。

（2）如果顯著性水平α取0.05，駕駛人性別、駕駛人年齡、車輛類型和違法時間四個因素均對記分有顯著性影響。

（3）各單因素對記分的影響程度排序為：車輛類型>違法時間>駕駛人性別>駕駛人年齡。

3 貴陽市城市道路交通違法行為改善策略

3.1 針對車輛類型對交通違法行為的影響的改善策略

方差分析結果顯示，車輛類型對罰款和記分的影響比重均很大，其中以貨車和電動車的違法數據最多。針對貨車違法行為，應提高B2型駕駛證的準入門檻，道路運輸主管部門應加強對道路貨物運輸企業的安全管理，要求道路貨物運輸企業加強對司機的教育以及培訓，落實安全生產責任制。針對電動車違法行為，交通管理部門應加強對電動車駕駛員的安全意識教育，建立交通法規知識和駕駛技能培訓制度，以提高電動自行車駕駛者交通安全意識和駕駛技能，降低事故風險。

3.2 針對駕駛人屬性對交通違法行為的影響的改善策略

駕駛人性別和年齡對罰款和記分有一定的影響，其中以30～40歲男性駕駛的交通違法數據最多。政府部門要加大文明駕駛、安全駕駛、典型案例的宣傳力度，特別針對30～40歲男性駕駛人，提高其安全意識，幫助駕駛人形成良好的駕駛習慣。同時，可以盡可能提高違法成本，從宏觀上調控駕駛人的駕駛行為。

3.3 針對違法時間對交通違法行為的影響的改善策略

違法時間因素對記分的影響程度大于對罰款的影響程度，在8：00-12：00、14：00-18：00這兩個時段的交通違法數據較多，原因是在該時間段交通流量較大，且在下午時段，駕駛人容易出現精神疲勞，放松警惕。因此在這兩個時間段，在交通流量較大的路段、交叉道口，應加大交通執法力度，疏導交通，提醒駕駛人安全駕駛。

4 結語

交通違法行為是造成交通事故的主要原因，本文采用單因素方差分析法，對貴陽市城市道路交通違法進行分析。分析結果表明，罰款的影響因素按影響比重依次為：車輛類型>駕駛人性別>駕駛人年齡>違法時間;記分的影響因素按影響比重依次為：車輛類型>違法時間>駕駛人性別>駕駛人年齡。西南地區各城市在社會文化、經濟水平、地形地貌、氣候條件等方面有許多相似之處，本文以貴陽市城市道路交通違法行為為研究對象，研究結果可為西南地區各城市建立道路安全風險評價指標、制定道路安全管理政策、降低交通事故提供決策依據。

參考文獻：

[1]張萬安，肖躍秀. 機動車駕駛人道路交通違法行為的博弈分析[C].中國智能交通年會，2012.

[2]施 陽. 基于博弈論視角的道路交通違法行為研究[J]. 物流技術，2016，35（10）：8-11.

[3]張光南，鐘俏婷，楊清玄. 交通違法事故時空分布特征及其影響因素——以廣州市為例[J]. 交通運輸系統工程與信息，2019（3）：208-214.

[4]付川云，劉 華，周 悅，等. 基于電子抓拍數據的交通違法行為影響因素研究[J]. 武漢理工大學學報（交通科學與工程版），2019（6）：985-990.

收稿日期：2020-05-27