總第 201 期32公路 與 汽運 N ns電動自行車道路交通安全事故嚴重性影響因素分析肖向良（ 湖南省交通科學研究院有限公司 ! 湖南長沙 ）摘要 ： 電動自行車已成為中國居民重要的代步工具 ， 但其帶來的交通安全問題也非常突出 & 文中基于電動自行車事故歷史數據 ， 采用決策樹方法構建電動自行車事故嚴重程度模型 ， 分析傷 害嚴重程度與騎行者 、 違法行為 、 道路 、 天氣環境等的交互效應 & 結果表明 ，影響事故傷害嚴重程 度最重要的因素是騎行者年齡與違法行為電動自行車交通事故原因分析， 年齡超過 55 歲和在沒有非機動車道的道路上非機動 車不靠車行道右側行駛 、 非機動車逆向行駛 、 非機動車超速 、 橫過機動車道時不下車推行等違法行 為事故更易導致嚴重傷害 ； 容易導致高傷害嚴重程度的交通情境有 5 種 ， 并提出相關改善建議 &關鍵詞 ： 交通安全 ； 電動自行車 ； 交通事故 ； 決策樹 ； 傷害嚴重性中圖分類號: U491.3 文獻標志碼: A 文章編號 ： ： 1671 ― 2668 （ 2020 ） 06 ― 0032 ― 05電動自行車作為一種介于人力自行車和摩托車 之間的交通工具 ，具有價格低廉 、 行駛速度較快 、 便 捷 、 環保 、 可達性高等優點電動自行車交通事故原因分析，深受中國居民喜愛 ％ 但 電動自行車速度快 、 安全防護能力弱 、 穩定性差等特 點導致其較易發生交通事故電動自行車交通事故原因分析， 且一旦發生事故 ， 相比 自行車 ， 其事故傷害嚴重程度更大 ％ 目前關于摩托 車和非機動車的安全研究多針對傳統自行車和摩托 車 ， 而電動自行車在駕駛群體 、 運行速度 、 行駛距離 等方面均不同于傳統自行車及摩托車 ， 其交通安全 特征屬性及相應的安全管理政策應具有自身特性 ％ 對交叉口處電動自行車與傳統自行車闖紅燈行為的 調查結果表明 ， 電動自行車用戶闖紅燈的概率顯著 高于傳統自行車 ; 對合肥 2009 — 2011 年 205 名傳統 自行車及電動自行車用戶的住院記錄的分析發現 ， 電動自行車用戶受重傷的比例達 1/3, 而傳統自行 車用戶僅 17% % 而目前少有對電動自行車安全問 題的研究 ， 尤其缺少對電動自行車事故傷害嚴重程 度影響因素的研究 ％交通事故傷害嚴重性通常劃分為離散的等級程 度 ， 常采用統計回歸模型進行傷害嚴重程度建模 ％ 而統計回歸模型都有其模型假設和因變量與自變量 間既定的函數關系 ， 同時自變量間的相互關聯也困 擾統計回歸模型的應用 ％ 事故傷害嚴重程度是由人 — 車 一 路 一 環境多種因素共同導致 ， 傷害致因錯綜 復雜 ， 與統計回歸模型的假設不符 ％ 決策樹方法可 在不給出事故嚴重程度和影響因素間函數關系及不 考慮自變量間相互關聯的情況下 ， 清晰 、 高效地發掘 二者間的內在關聯 ， 還能處理變量的交互作用 ， 分析 多種因素組合對事故傷害嚴重性的共同影響 。

該文 基于 2014 — 2016 年湖南省電動自行車交通事故記 錄 ， 基于決策樹方法構建電動自行車事故傷害嚴重 程度模型 ， 分析事故傷害嚴重程度與騎行者 、 違法行 為 、 道路及天氣環境等之間的交互效應 ， 識別易導致 高傷害嚴重程度的交通情境 ， 為降低電動自行車事 故傷害嚴重程度措施制定提供依據 ％1 數據準備道路交通事故數據來自公安部 “ 六合一 ” 交通管 理綜合應用平臺 ， 交通事故信息涵蓋事故特征 、 駕駛 員特征 、 車輛特征 、 事故發生時間及環境特征 ％ 篩選 2014 — 2016 年湖南電動自行車與機動車碰撞事故數 據 （ 不含簡易事故 ， 因其信息記錄項少 ） 共 2 484 起 ， 事 故信息記錄包括騎行者事故傷害嚴重程度 、 性別 、 年 齡 、 職業 、 戶口性質 、 事故發生時間 、 星期 、 季節 、 天氣 、 照明 、 路口 、 道路類型及違法行為 13 類 ％從不同角度對交通事故進行分析 ， 結果 （ 見表 1 ） 顯示 ： 1 ） 事故傷害嚴重程度 ％ 騎行者受重傷與死 亡事故的比重達 15.34% % 2 ） 受傷人群特征 ％ 男性 比例 （ 57.69% ） 略高于女性 （ 42.31% ） ; 老年人群 （ 大 于 55 歲 ） 占比較大 ， 達 35.1% ; 受傷人員戶口性質多 為 非 農 業 （ 8615% ） % 3 ） 事 故 發 生 位 置 % 事 故 多 發 生于一般城市道路 ， 占比為 56.28% ; 發生在路段的 * 基金項目 ： 湖南省交通運輸廳科技與創新項目 （ ； ）

免責聲明：本文系轉載，版權歸原作者所有；旨在傳遞信息，不代表本站的觀點和立場和對其真實性負責。如需轉載，請聯系原作者。如果來源標注有誤或侵犯了您的合法權益或者其他問題不想在本站發布，來信即刪。