文摘
本研究探讨了影响骑自行车受伤严重程度的因素三种类型的十字路口:环形、十字路口、丁字路口。使用bicycle-involved崩溃数据在英国超过九年(从2009年到2017年),骑自行车受伤严重程度(有三个严重级别:致命的伤害,严重伤害,轻微损伤)估计使用广义有序分对数(高尔)模型和部分比例(PPO)概率模型。每个解释变量的边际效应计算调查对骑自行车受伤严重程度发生概率的影响。广泛的变量可能影响损伤严重程度被认为是,包括骑自行车特点、交叉特点、环境条件,自行车运动和位置之前崩溃,和类型的碰撞。我们的研究结果表明,PPO模型优于高尔模型分析影响十字路口的自行车伤害严重程度的因素。影响骑车安全的因素在不同的路口表现出巨大的差异。具体来说,九个变量对骑自行车受伤严重程度有显著的影响,这三个类型的十字路口。四个变量,只有两个变量和11个变量显著影响骑自行车受伤严重程度在环形路,十字路口,丁字路口,分别。本研究的发现可以帮助决策者更好地理解的空间异质性因素影响骑自行车受伤严重程度在不同的路口。
1。介绍
骑自行车经常被认为是一种经济、方便、健康、和可持续交通模式,特别适合短途旅行,可以提供广泛的环境和社会效益1]。最近,与超过20000公共自行车计划的实现在世界各地,自行车已成为传统旅游模式在许多城市(2]。有鉴于此,英国政府设计了一系列的政策在过去的十年中推广自行车的使用在日常的旅程,野心的自行车旅行从08亿年的2013人增加到16亿年的2025 (3]。尽管政府已投入大量增加bikeability,自行车交通方式只有约2%的股票所有旅行在英国,这是远低于荷兰、丹麦和德国(4]。在所有可能的解释,最被广泛接受的观点是,安全风险被骑自行车的人是最关键的原因阻碍自行车分享率的增加5- - - - - -10]。因此,它是重要的影响因素来分析和确定影响安全的自行车旅行,因此政府可以制定相应的对策来降低自行车风险的严重程度,增加自行车的使用水平。
一系列的研究已经进行了检查与自行车安全相关的关键因素,包括骑自行车和司机人口的影响,自行车和汽车的特点,道路和环境因素,和其他变量。Behnood和做手脚11确定了因素的种族、性别、年龄、是否骑车戴头盔,可以显著影响自行车事故的严重性。那些年轻的骑自行车的人,受教育程度较低,骑不再每周都关联到一个更高的安全风险(12]。除了,因为骑自行车65岁以上需要更多时间来感知和应对外部信息,他们更容易被卷入严重的自行车碰撞事故(13]。通过分析警方报告数据,金正日et al。14)暗示,恶劣天气,黑暗没有照明,超速,和参与的卡车可以致命的自行车伤害的概率大大增加,和骑车人的错比司机更有可能导致严重的事故。具体来说,Eluru et al。15)断言,骑车人的时代,道路的限速策略,事故发生的地点和时间是影响骑自行车受伤严重程度的关键因素。骑自行车在弯道段、乡村公路,高速公路可能增加严重伤害的风险16]。醉酒骑自行车和汽车司机,车,suv、轻型卡车,和道路等级或曲线更有可能卷入严重的碰撞事故(17]。对于自行车专用道,莫里森et al。18)坚持设立自行车专用道是解决提高骑车人的安全,这可以减少自行车和汽车之间的碰撞风险,提高自行车安全的感知,从而吸引更多的人使用自行车。然而,交通压力的水平影响了自行车道骑车安全的结果,和自行车专用道路上交通拥挤更容易卷入自行车碰撞事故(19]。此外,相邻路口的配置,自行车交通量,十字路口的交通控制策略可能会影响自行车专用道的有效性(20.]。此外,克拉森et al。21]表明,要素影响十字路口的自行车事故的严重程度和公路段是不一样的。因此,独特的治疗需要改善自行车安全这两种类型的位置。
几项研究已经证实,十字路口尤其危险地区由于十字路口交通流。十字路口的自行车事故的概率会增加严重的伤害和死亡22- - - - - -26]。摩尔et al。27)表示,有一些因素影响的本质区别十字路口的自行车伤害严重程度和non-intersections和有必要开发独立的模型来评估各种因素的影响在骑自行车受伤严重,分别。王等人。28]认为交通减速方法的实现,提高街道照明,停止控制策略可以提高自行车安全nonsignalized十字路口。此外,提供预警信息接近路口时边拐司机可以减少冲突边拐车辆和自行车在自行车道,可有效提高十字路口的自行车安全(29日]。小王和Akar30.)得出结论,提供自行车框,自行车穿越的迹象,和交叉十字路口的标记可以改善自行车安全,安全观念的变化取决于骑车人的类型学。总之,尽管增加研究人员开始探索十字路口的自行车安全,我们所知,有一些详细的分析影响因素的差异骑自行车受伤严重程度在不同的路口。
鉴于上述,本研究的目的是分析和比较不同交叉口的影响特性在骑自行车受伤严重崩溃。在这项研究中使用的自行车事故数据是警方报告,发生在不同的路口在英国,和统计周期是9年从1月1日,2009年,2017年12月31日。具体来说,我们主要关注研究影响因素在环形路骑自行车骑自行车受伤严重崩溃,十字路口、丁字路口。主要原因是自行车事故发生在这三个路口的概率高于其他在英国,根据自行车事故数据。本文的其余部分组织如下。部分2总结和描述方法应用于分析骑自行车受伤严重程度以及比较模型的方法。部分3礼物自行车环形路,发生的事故中,数据的十字路口和丁字路口。部分4论述了模型估计的结果和边际效应,最后,给出一个结论5。
2。方法
警方报告自行车撞车的自行车严重程度通常是记录使用顺序分类,分为致命伤害,严重伤害和轻微的损伤。命令logit模型用于分析自行车事故,需要遵守平行线或成比例的可能性(PO)的假设,和估计的参数是相同的累积水平(31日,32]。然而,一些变量影响自行车事故水平在各个路口可能是不同的。在最近的研究如Marcoux et al。33),广义下令logit模型(高尔),可以放松PO假设所有变量,选择在这个研究。实际上,在这项研究中,我们不相信我们是否需要放松的阿宝约束或一些特定的变量。理性,部分比例优势模型(PPO)也被选中,只有局部变量可以违反了阿宝的假设。此外,使用相同的自行车事故数据,比较分析高尔和PPO的模型是进行这项研究。简要的信息两个模型(高尔和PPO)描述如下。
2.1。广义有序分对数(高尔)模型
摘要自行车伤害了三个离散程度水平根据警方报告自行车事故;因此,我们编码1 =轻微受伤,2 =重伤,3 =致命伤害。和司机的贡献特征,司机的行为,碰撞类型,基础设施特点,车辆类型和环境条件由碰撞损伤严重程度评估模型。在威廉姆斯的研究(34),我们定义了骑自行车受伤严重程度的函数基于潜在的回归: 在哪里是骑自行车受伤严重程度的分类,是一个 向量,其中包含所有解释变量的值的自行车事故 , 回归系数是一个矢量,物流配送后残余项,是一个潜在的偏好变量。观察到的与是 ,和事故的严重程度的崩溃定义如下: 在哪里 是骑自行车严重水平之间的界限崩溃 。随着残余项物流配送,高尔模型可以写成 在哪里代表一个截止点的累积分对数类别 。从上面的,可以确定的概率将每个值1、2和3等于多少
2.2。部分比例(PPO)模型
正如上面提到的,与高尔模型,PPO模型允许一些独立变量违反PO的假设,和其他独立变量可以为每个碰撞损伤严重性级别保持不变。基于方程3假设只有变量服从PO的假设,高尔模型可以写成 在哪里是一个向量的解释变量的自行车事故满足PO的假设,是一个向量的回归系数是相同的所有值的 , 是一个向量的变量的自行车事故免费PO的假设是一个向量的回归系数是不同的不同的价值观 。
进行黑雁测试所有的独立变量,我们可以确定变量满足PO的假设。特别是当自变量通过黑雁测试时,可以认为这些变量满足PO的假设;否则,这些变量需要放松。一个详细的讨论,请参阅威廉姆斯(34]。
2.3。模型比较
在这项研究中,我们使用相同的数据集符合高尔模型和PPO模型并选择完整的对数似模型(噢f),Akaike信息准则(AIC)和贝叶斯信息准则(BIC)来比较这两个模型的性能。
在之前的研究中,研究人员证明,AIC和BIC实用的评估标准来评估不同的统计模型的质量35,36]。综合考虑惩罚项的数量的对数似值预测变量和这两个模型,AIC和BIC考虑不仅模型拟合的效果,而且该模型的复杂性。AIC和BIC的值越小,模型适合效果就越好。AIC和BIC可以计算如下: 在哪里是模型和参数估计的数量吗是观测的数量。
3所示。数据描述
本研究中使用的数据来自警方报告循环发生的事故中,在不同的路口在英国9年期间从1月1日,2009年,2017年12月31日。根据最新的人口普查,英国总人口约为6320万,是世界上人口最稠密的地区之一。
在这项研究中使用的数据都是来自英国政府的数字服务(https://data.gov.uk/dataset/)。在英国,十字路口在自行车事故分为五个类别数据集被警方报道,包括环形路,十字路口,丁字路口,超过四臂但不是迂回的,和其他人。从2009年到2018年,大约有44804警方报告在英国自行车伤害发生在各个路口(删除了所有不完整或不正确的数据观测),约95%发生在或接近环形路,十字路口、丁字路口路口,如表所示1。
根据自行车事故的统计特征的数据在不同的路口,我们主要分析骑自行车受伤严重程度三个类别,包括丁字路口,迂回,十字路口。中定义的特征数据集,包括自行车特点,交点属性,环境因素,自行车运动和位置因素,和事故特征,研究了在这个研究影响骑自行车受伤严重。
最后分析数据集包含42532崩溃,和使用的变量的描述性统计如表所示2。
4所示。结果与讨论
在这项研究中,高尔模型和PPO模型安装由用户编写的程序gologit2占据15,和这两个模型中解释变量的系数估计的最大似然估计。高尔和PPO模型的估计结果如表所示3和4,分别。指标模型的总结比较表5。值得注意的是,在决赛中排除的变量模型是那些没有统计学意义,至少在95%的水平(值小于0.05)。
4.1。模型的比较
在这项研究中,据估计高尔和PPO模型,我们采用AIC, BIC和伪R2比较这两个模型(如表所示5)。它可以得出结论,PPO的AIC和BIC值模型小于高尔的模型。这两个值意味着,考虑到相同的数据集,PPO模型产生更好的拟合结果。此外,类似的含义可以从伪R2因为PPO的价值模型比,如果模型的大。总之,PPO模型优于高尔模型拟合数据的自行车发生的事故中,在不同的路口。我们主要采用PPO模型分析自行车事故数据。
应该注意的是,估计系数的符号不能直观地解释解释变量对PPO模型结果的影响。提出有意义的解释,我们计算每个变量的边际效应评估的影响在骑自行车受伤严重发生的概率估计。特别是边际效应演示的不同结果的概率水平的自行车伤害严重程度由一个单位变化导致解释变量(如表所示6)。
4.2。骑自行车的特点
在表3,有几个因素显著影响的严重性结果bicyclist-related崩溃。具体地说,它是发现,雄性骑自行车的人更有可能参与死亡或严重伤害的十字路口和丁字路口,有轻微损伤的可能性减少,与先前的研究一致(11,14,15]。平均边际效应(如表所示5)表明,在十字路口、丁字路口,男性的指示符变量重伤的概率增加2.37%和1.24%,分别。相反,变量会增加严重伤害的可能性发生在迂回的1.45%。这一现象的主要原因可能是骑车人通常认为在环形交通冲突更严重,他们会更加小心,导致较低的严重事故(27]。
骑车人的年龄也是一个统计上显著的变量来分析损伤严重程度。尤其是年长的骑车人(55岁以上)更有可能参与严重伤害的发生。根据表的平均边际效应6,这个变量增加严重伤害的发生概率在环形路,十字路口,丁字路口,3.61%,3.72%,和3.56%,分别。先前的研究结果可以支持(11,13,14,27]。这一发现的可能原因是旧自行车慢,比其他年龄组的反应和感知时间。对年轻自行车(自行车比15年年轻),他们总是参与轻微受伤。指标增加轻微损伤的概率在环形路,十字路口,丁字路口,11.71%,4.61%,和3.92%,分别。此外,骑自行车的人生活在农村地区更有可能严重受伤在丁字路口骑自行车事故,和变量轻微损伤的发生概率增加1.4%。
4.3。相交特征
关于交叉特性,在桌子上5骑自行车受伤严重,许多统计上显著的因素影响。与先前的研究一致(15),十字路口的交通控制策略执行似乎有效地降低严重和致命伤害的可能性。例如,关于战略十字路口,限速因素减少严重伤害的发生概率发生在环形路,十字路口,丁字路口,4.05%,7.06%,和5.9%,分别。然而,nonsignalized十字路口的控制策略减少严重和致命伤害,同时增加轻微损伤的可能性。这些因素增加了发生轻微损伤的概率在环形路,十字路口,丁字路口,1.61%,1%,和1.03%,分别。nonsignalized路口,行人和司机可能会有意识地放慢速度,从而有效地减少致命和严重人员伤亡的发生(28]。同样,骑车人不太可能参与致命或严重发生的事故中,由于集成在城市路口交通控制策略。
被广泛接受的观点是,道路设施的影响(例如,汽车和自行车道之间的分隔设施)可以改善安全的骑自行车的人。然而,这一研究发现,在环形分配器设施的提供和丁字路口增加致命和严重伤害的可能性。指标增加在丁字路口严重伤害的发生概率4.12%。,这主要是由于事实分配器设施更容易引起二次碰撞事故发生时,和二次碰撞将大大增加致命或严重人员伤亡的发生。值得注意的是,一致的结果在金等。14),潮湿的道路上骑自行车更容易严重或致命伤害。具体而言,指标增加严重伤害的发生概率,发生在60.92%的环形路。
4.4。环境条件
一些环境条件相关的变量被发现骑自行车受伤严重程度产生显著影响,如表所示5。与之前的研究一致,恶劣天气可能导致更危险的循环(17,19,23]。然而,环境条件的影响,在骑自行车的概率发生的事故中,在不同的路口很不同。有趣的是,雨天只影响自行车事故的可能性在圆环和十字路口,和变量减少死亡和严重伤害的可能性,同时增加轻微损伤的发生概率。特别是在雨天,应该更多考虑骑自行车安全环形路,自因素可以增加发生轻微损伤的概率在12.01%的环形路。此外,雾蒙蒙的天只在十字路口骑自行车安全产生重大影响。特别是,它显著增加严重伤害事故的可能性,和发生概率的因素可以增加严重伤害12.01%。
一般认为照明条件直接关系到骑自行车的可见性和司机,这将直接影响自行车事故的严重程度。然而,在这项研究中,我们发现照明条件只有一个显著影响严重的自行车事故的可能性在丁字路口。打开路灯晚上减少轻微损伤的可能性,以及缺乏路灯增加了严重受伤的可能性。然而,有或没有路灯,我们需要更加小心当晚上丁字路口附近骑自行车13,14]。
在以前的研究中,研究人员发现,季节和几个月的概率有显著影响骑自行车受伤严重程度(27]。此外,在这项研究中,我们发现2月和6月明显影响骑自行车受伤严重程度只有在丁字路口和环形路,分别。特别是,在5月和10月,我们需要更加注意严重的自行车事故的可能性在十字路口,和因素严重伤害的发生概率提高1.99%和2.03%,分别。
4.5。骑自行车运动和位置前崩溃
在表5广泛的刺激变量显示了显著影响骑自行车受伤严重的结果。个人,在环形路,右转,换车道左侧,超越在十字路口骑自行车受伤严重程度相关的显著因素。至于横截面,停止走后,右转后停止,超越在十字路口,进入主干道的路口,向左换车道骑自行车受伤严重程度相关的显著因素。和变量,包括停,停止走后,右转,等待和右转,超越在十字路口,进入主干道的路口,在错误的道路上骑,会影响损伤的严重程度,发生在丁字路口。
特别是,与先前的研究一致11),停或右转有一个显著的影响在自行车的安全。有趣的是,在这项研究中,这两个因素似乎只对骑自行车受伤严重程度显著影响在丁字路口,停在丁字路口的因素发生轻微损伤的概率增加18.72%而减少严重伤害的发生概率为19.45%。然而,换车道左侧没有显示任何重大影响的可能性在丁字路口骑自行车受伤严重,显示了相当大的影响严重或致命自行车撞在环形路,横截面。相应地,严重伤害的因素会增加发生概率在环形路口5.04%和12.88%,分别。此外,自行车在人行道上也可以显著影响骑自行车受伤严重程度的可能性在圆环和十字路口,和因素增加严重伤害的发生概率,发生在这两个类型的十字路口了7.33%和1.51%,分别。
4.6。类型的碰撞
如表所示5type-of-collision指标,包括前面的碰撞点,,,,,这过程中发生二次碰撞或关闭,可能会影响自行车撞车受伤严重,影响显著。类似于以前的研究(13,14,27),本研究还发现,自行车事故的严重程度在各个路口可以明显受到碰撞点的影响。具体来说,碰撞点在前面,只是似乎显著影响骑自行车受伤严重的十字路口和丁字路口,主要因为很少有左转交通量在环形路。碰撞点的因素在前面将会增加严重伤害的发生概率的十字路口和丁字路口6.96%和6.22%,分别。相比之下,在左边碰撞点的因素,将会减少严重伤害的发生概率的十字路口和丁字路口6.08%和8.03%,分别。有趣的是,在这项研究中,我们发现碰撞点的因素在后面,将减少严重伤害的概率消磨轻微损伤的可能性增加。最重要的是,在前面或后面的碰撞点主要是由自行车时直接造成的。由于车辆的速度越快,严重的自行车事故严重程度更有可能发生。此外,由于车辆的速度总是慢而把十字路口,轻微损伤的概率是更可能发生在左右碰撞点。
被广泛接受的观点是,二次碰撞是很危险的。然而,在这项研究中,我们发现secondary-collision-on-road仅影响的指标在丁字路口骑自行车事故的严重程度,以及因素严重伤害的发生概率增加4.45%而轻微损伤的发生概率减少了4.55%。同时,应该注意的是,secondary-collision-off-road显著增加的指标严重循环崩溃的可能性。在表6,严重伤害的因素增加了发生概率在环形路,十字路口,丁字路口10.98%,6.8%,和9.31%,分别。
5。结论
提高自行车骑车人的安全在不同的路口,在这项研究中,我们应用高尔模型和PPO模型探索可能的因素可能会导致自行车伤害的严重程度。特别是,根据数据的统计特性的自行车在英国发生的事故中,从2009年到2019年,这项研究的十字路口是分为三组,包括环形、十字路口、丁字路口。骑自行车受伤严重程度分为三类:轻微的损伤,严重伤害和致命的伤害。各种可能的影响因素骑自行车受伤的严重性,包括自行车特点、交叉特点、环境条件,自行车运动和位置之前崩溃,和类型的碰撞,被认为是。
模型的估计结果表明,PPO模型优于高尔模型分析影响自行车事故的严重程度的因素在不同的十字路口。此外,我们计算的边际影响PPO模型中的变量探讨差异的因素影响自行车的出现概率损伤严重程度在不同的路口。关于骑自行车受伤严重程度的评估结果,我们发现有巨大差异的因素影响自行车事故的严重程度在不同的路口。特别是,我们发现9个变量对骑自行车受伤严重程度有显著的影响,这三个类型的十字路口,包括男性骑车人,年龄、限速,十字路口的交通控制策略,城市路口,超越在十字路口,在自行车后面的碰撞点,右边的碰撞点的自行车,和二次碰撞发生在路边。有趣的是,有两个变量(6月在潮湿的道路和骑自行车骑自行车),只有在环形路骑自行车受伤严重程度有显著影响。和四个变量(找到天骑自行车,骑自行车在雾蒙蒙的天,骑自行车,和骑自行车)10月发现只有在十字路口骑自行车受伤严重程度产生重大影响。发现令人惊讶的是,多达11个变量只有在丁字路口骑自行车受伤严重,产生重大影响和变量包括骑自行车是一个村民,旅行目的是或下班,学生或独自从学校,骑自行车在晚高峰时段,在夜里骑车路上的光,在夜里骑车没有光在路上,自行车在二月份,停,右转,自行车在公车专用道,在路上发生了二次碰撞。
此外,在这项研究中,我们还发现,十字路口的自行车安全影响因素也可能出现在不同季节产生重大影响,这就意味着这些因素可能不是均匀的时间变化。由于PPO模型的局限性,我们不能考虑各种影响因素的时间异质性分析,我们将继续关注这类问题在后续研究。有关自行车的安全越来越重要,本文提供了一些必要的初步调查结果的数据集来自英国,还提供了一些指导循环分析来自其他国家的崩溃。无论如何,这项研究可以帮助决策者更好地理解的空间异质性因素影响骑自行车受伤严重程度在不同的路口。因此,可以提供更具体的和有效的措施来提高自行车安全在不同的路口。
数据可用性
在这项研究中使用的数据都是来自英国政府的数字服务(https://data.gov.uk/dataset/)。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家自然科学基金(51808187)、江苏省自然科学基金(BK20170879),中央大学的基础研究基金(2019 b13514),博士后研究基金和江苏省计划项目(1701086 b)。