新能源汽车与行人交通事故严重程度分析

为探究影响新能源汽车与行人交通事故严重程度的诱因,基于英国近4 a发生的1 819条新能源汽车与行人交通事故数据,从驾驶员、行人、新能源车辆、道路、时空和环境5个方面选择了19个影响因素作为协变量,并根据数据特征将因变量分为轻伤和严重伤害两类。考虑到数据异质性,首先通过因子分析法与k-means聚类进行聚类分析,然后采用Logistic模型对聚类分析得到的两类集群进一步分析,从预测准确率和协变量共线性指标两个方面确认了模型的适用度。结果表明：基于聚类分析构建的Logistic模型预测准确率均达到80%以上;变道或超车、车龄、支路及环形交叉口、双幅路(有中央分隔带)对事故伤害严重程度有异质性影响;行人年龄大于46岁和夜间行车会明显增加事故严重程度;其中,变道或超车和行人年龄对新能源汽车事故严重程度的影响比传统人-车事故更加显著。     

考虑因素属性及层级关系的十字路口汽车事故致因分析

为了从层次划分的角度分析十字路口汽车交通事故发生的深层原因，引入解释结构模型和交叉影响矩阵相乘法模型并加以改进，利用国家车辆事故深度调查体系中4个省份共290起十字路口汽车交通事故数据，建立事故致因体系。通过构建改进灰色关联度矩阵与解释结构模型并进行混合建模，揭示各因素间的层级作用关系。同时，采用交叉影响矩阵相乘法构建驱动力-依赖性坐标图以进一步分析各致因因素间的相互作用关系。结果显示：十字路口汽车交通事故致因可划分为6级3阶的递阶结构，其中道路状况和交通管理因素是最根本因素，道路设施因素是最关键的间接因素，人的影响是最直接因素。这表明优先解决不良道路状况和其他驱动力因素会明显减少汽车事故发生，提高道路交通安全水平。