机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析

为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1 357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、非机动车驾驶员属性、机动车辆、非机动车辆、道路和环境等因素与机非双方驾驶员过错和事故严重程度之间的关系。结果表明:模型拟合度良好;机动车驾驶员是否出现过错与机动车驾驶员的性别、机动车使用性质、道路类型和天气等9个变量显著相关;非机动车驾驶员是否出现过错与非机动车驾驶员的性别、非机动车类型和道路物理隔离等6个变量显著相关;机非交通事故的严重程度与机动车驾驶员的驾龄、机动车安全状况、道路线形和机动车驾驶员过错等7个变量显著相关。该研究结果可为降低机非交通事故严重程度提供参考依据。     

不同性别驾驶员小轿车交通事故的影响因素分析

为定量分析不同性别驾驶员发生交通事故的主要影响因素,以广东省9 886条小型轿车交通事故数据为基础,对比分析不同性别驾驶员的交通事故特征;以交通事故严重程度为因变量,分为严重事故和非严重事故,从14个候选自变量中筛选出对不同性别驾驶员交通安全具有显著影响的自变量因素;采用二项Logit模型分别建立男、女性驾驶员交通事故严重程度预测模型,并对模型进行参数估计与检验。结果表明:两个模型的拟合效果和平均预测能力均较好;对不同性别驾驶员交通事故严重程度均有显著作用的影响因素有驾驶员是否系安全带、车辆有无保险、道路安全属性、路口路段类型以及照明条件等。     

基于Hankel-DMD的城市交通事故风险时空预测*

为解决城市交通事故风险时空分布预测任务中时空关联性捕捉困难的问题,提出基于动态模态分解（DMD）的城市交通事故分析时空预测模型,模型利用总最小二乘法去除交通事故数据中的噪声,应用结合Hankel矩阵的动态模态分解模型（Hankel-DMD）捕捉交通事故风险的时空关联性,对交通事故风险的时空分布进行预测。研究结果表明:DMD框架能够为高维预测任务提供低秩解决方案,从高维数据中捕捉时空关联性;Hankel-DMD模型在预测评价指标平均绝对误差和均方根误差方面的表现明显优于统计学及机器学习等方法;Hankel-DMD模型产生的动态模态和特征值,对事故风险系统的时空动态特征具有一定的可解释性,同时验证Hankel-DMD模型的适用性。     

公交驾驶员驾驶愤怒量表的编制及初步应用

为探究公交驾驶员的驾驶愤怒诱因,基于原始驾驶愤怒量表和客运驾驶员驾驶愤怒量表,经过访谈设计公交驾驶员驾驶愤怒量表,并在广东省内回收210份有效数据;通过项目分析、探索性因素分析和信效度分析修订量表;通过皮尔逊相关分析和独立样本t检验初步分析调查数据。结果表明:修订后的量表有较好的信效度,由23个题项组成,包括利己行为、缓慢驾驶、交通阻碍、违规驾驶和无礼行为等5个因子,其中利己行为平均得分最高;近2年发生过交通事故与因违章被处罚过的驾驶员缓慢驾驶得分显著较高;除缓慢驾驶外的所有因子得分与公交驾龄显著正相关;利己行为和无礼行为得分两者与每天平均工作时长显著正相关。     

广州市机动车人行横道让行行为及影响因素分析

为了探索广州市机动车驾驶员人行横道处让行行为的特征与其影响因素,采用实地调查、问卷调查和卡方检验等方法,对广州市3处典型人行横道处进行现场观测,发放并收集434份有效问卷,开展机动车让行率、行人和驾驶员对于让行行为的认知及态度、驾驶员特征因素对让行行为频率的影响等方面的统计分析。研究结果显示,广州市机动车在人行横道处减速或停车让行的比例低于15%;女性驾驶员、年龄较大的驾驶员和受教育程度高的驾驶员更倾向于在人行横道处让行。     

酒驾行为心理影响因素分析

为更有效地预防和治理酒驾行为,探究驾驶员心理因素对酒驾行为的影响,分析327份问卷调查数据;在计划行为理论(TPB)中新增地域文化规范和道德规范2个解释变量,构建基于扩展计划行为理论(Ex-TPB)的酒驾行为结构方程模型(SEM);分析驾驶员酒驾行为与心理因素的关系。结果表明:Ex-TPB对酒驾行为有较好的解释和预测性能;行为意向对酒驾行为的影响较大;行为意向的影响因素中,行为态度对行为意向的影响最大,知觉行为控制其次,同时,地域文化规范和道德规范对行为意向的影响程度接近主观规范。     

疲劳驾驶交通事故的严重程度影响因素分析

为探究和定量分析疲劳驾驶交通事故严重程度的影响因素,以广东省1370条疲劳驾驶事故数据为基础,对比分析不同年份、时间段以及年龄段的疲劳驾驶交通事故特征;以交通事故严重程度为因变量,将其分为严重事故和非严重事故,从驾驶员年龄、驾龄、车辆类型等17个初步选择的自变量中筛选对疲劳驾驶交通事故严重程度具有显著影响的因素;采用二...     

基于Bayesian-SEM的酒驾意图心理因素分析

为探究酒驾意图的心理因素,在计划行为理论的基础上,新增地域文化规范和道德规范,形成扩展计划行为理论(ExTPB),构建基于Ex-TPB的酒驾意图心理因素贝叶斯结构方程模型(Bayesian-SEM),并对比传统结构方程模型(Traditional-SEM)与Bayesian-SEM的参数估计结果,分析驾驶员个人属性对模型结果的影响。研究结果表明:Ex-TPB对酒驾意图有较强的解释性能和预测性能;小样本条件下Bayesian-SEM比Traditional-SEM更容易得到较好的结果;对酒驾意图影响最大的因素为行为态度,最小的为知觉行为控制;驾驶员个人属性不同,其心理因素对酒驾意图的影响程度略有不同。     

基于贝叶斯结构方程模型的疲劳驾驶行为意图研究

为了深入探究影响驾驶员疲劳驾驶行为意图的心理因素,提高道路安全性,在计划行为理论的基础上,新增行为经验解释变量,形成扩展计划行为理论(Ex-TPB),构建了基于Ex-TPB的疲劳驾驶行为意图心理影响因素贝叶斯结构方程模型(Bayesian-SEM),并对比了传统结构方程模型(Traditional-SEM)与Bayesian-SEM的参数估计结果。最后,为有效防范疲劳驾驶行为提出了建议。结果表明:Ex-TPB可以有效解释和预测疲劳驾驶行为意图;在小样本的条件下Bayesian-SEM与Traditional-SEM相比,能得到更好的结果;对疲劳驾驶行为意图影响最大的因素为知觉行为控制,最小的是行为经验,且4种因素都显著正向影响疲劳驾驶行为意图。