探秘中國交通事故發生時空規律

研究背景介紹

1

傳統的交通事故建模方法都是基於變數是隨機的和擾動項互不相關的假設。然而道路網路相互連接，相鄰的空間單元共享共同的基礎設施，這會導致相鄰空間單元具有相似交通規則和道路使用者的行為習慣。忽略交通事故建模中的空間依賴性建模肯定會產生偏差。起初，一些研究發現空間位置是道路交通事故分析的關鍵因素。後來，一些研究認為每個研究單元的交通事故率顯著受影響於與鄰近單元相似的一些因素，事故之間具有高度的空間相關性。但是，現有的研究大都忽略動態變化性和空間異質性，分析結果存在局限性。東南大學交通學院Wonmongo Lacina Soroa等人通過利用空間面板方法分析，克服了這些局限性。

研究模型簡介

1

空間單元之間的道路網路是相互關聯的，相鄰單元的道路使用者可能會有相似的行為習慣。因此，不同的空間單位會直接或通過不可觀測到的因素間接相互影響。假定空間滯後和誤差滯後存在模型中。空間計量經濟學存在三種空間效應：解釋變數之間的內生交互效應，回歸因子之間的外生交互作用以及誤差項之間的相互作用效應。模型如下：

其中i和t分別表示空間單元和年份，Y是觀測到的內生變數的N × 1矩陣，X是觀測到的外生變數的N × k矩陣，W和M是N × N空間權重矩陣定義了空間單元間的依賴關係，α是單個固定效應的N × 1矩陣，β是回歸參數，λ和 ρ分別是空間自回歸和空間自相關參數，u是擾動項，和ε是innovation誤差項。WY和Mu分別定義為空間和誤差滯後。這些表示了空間單元i受傷率對鄰近空間單元受傷率的可觀測效應和未觀測效應的影響。

這些滯後係數的正（負）符號意味著給定區域的較高受傷率對應於鄰近區域較高（較低）的傷害率。因此，這個正（負）符號表示相鄰空間單元之間事故發生率的相似性/不相似性。

研究結果分析

1

圖1，2004-2013年平均交通事故受傷率分布圖。圖例顏色越深數值越大，平均交通事故發生率空間分布與此圖相似。

1、空間滯後的係數是正值，表明鄰近地區在事故和傷害率方面具有相似的模式。擬合方程中的誤差滯後係數也為正值，表明存在影響相鄰區域事故和傷害率的未觀測到的因素。這些發現與以前的研究一致。

2、地區生產總值和城市失業率都與較低的交通事故發生率有關。這很直觀，因為收入較高的地區更有可能擁有更多資源用於道路安全投資，以獲得優質道路，更安全的車輛，有效的監管機構和緊急醫療設施等設施。在城市中有大量的就業聚集，從而產生更多的出行，所以失業率高導致出行次數減少。

3、與貨運量不同，客運量與較低的交通事故發生率相關。公共汽車是用於客運的最常見的模式。與其他客運模式相比，涉及的事故較少。但是，由於其容量大，公共汽車在發生事故時會帶來大量的傷害和損失。就貨運量而言，目前商用貨車車仍然占車禍的肇事者很大比例，大多數受害者是弱勢道路使用者（行人，騎自行車者和摩托車手）。

4、鋪設道路的長度與較高的事故發生率相關。這可以歸因於良好的基礎設施促進了更快的駕駛並因此增加了更多撞車和受傷的可能性。與這個結果一致的是，統計顯示，中國車禍的主要原因是超速。

5、0至14歲之間的人口佔比與較低事故發生率相關，而65歲及以上人口佔比卻與較高事故發生率相關。雖然老年人群意外事故的增加是意料之外的，但由於這些人群的脆弱性，事故發生可能導致更多的傷害。人口在15-64歲之間與較低的事故發生率相關。這個結果也是出人意料的，因為這個年齡組的人口由於他們高度參與經濟和社會活動而最容易遭受交通風險。他們暴露為行人，騎自行車者，摩托車手，乘客，司機的道路使用者。例如，年齡在40-49歲之間的人由於他們擁有較高的汽車保有率而容易發生事故，而與16-25 歲的摩托車手相比應該面臨更高事故的風險。根據性別和（或）至少4個標準類別（例如15-24,25-34,35-44和45以及更高等級）進行分組，可以更仔細地檢查每個分組的特徵。

文章出處

Wonmongo Lacina Soroa,Yiwei Zhou,Didier Wayoro.Crash rates analysis in China using a spatial panel model. IATSS Research 41(2017) 123–128.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！