资源描述：
《重庆市某区交通事故流行病学分析及预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
目录英文缩写一览表..................................................................................................................1英文摘要..............................................................................................................................2中文摘要..............................................................................................................................4论文正文重庆市某区交通事故流行病学分析及预测模型研究....................................6前言......................................................................................................................6第一部分重庆市某区2000-2006年道路交通事故流行病学特征.........................9前言..............................................................................................................9材料与方法..........................................................................................................9结果.............................................................................................................13讨论.............................................................................................................21第二部分重庆市某区2000-2006年一般道路交通事故预测模型的建立及效果评价....24前言.............................................................................................................24材料与方法.........................................................................................................24结果.............................................................................................................29讨论.............................................................................................................39全文结论.............................................................................................................................42本研究创新点.....................................................................................................................43致谢.............................................................................................................................44参考文献.............................................................................................................................45文献综述中国道路交通安全情况的过去与现状..........................................................47参考文献.....................................................................................................................53学习期间发表论文情况......................................................................................................57 第三军医大学硕士学位论文英文缩写一览表缩写英文名称中文名称ACFAutocorrelationfunction自相关函数ADFAugmentedDickey-Fuller增广迪基一富勒检验ARIMAAutoregressiveIntegratedMovingAverageModel自回归滑动平均模型BICBayesianInformationCriterion贝叶斯信息准则CRTASChinaroadtrafficaccidentsstatistics中国道路交通事故统计EviewEconometricViews“计量经济学”软件包FARSFatalityAnalysisReportingSystem死亡分析报告系统GMGreyModel灰色模型Km/hKilometresperhour公里每小时MphMilesperhour英里每小时NHTSANationalHighwayTrafficSafetyAdministration美国国家公路交通安全管理局PACFPartialautocorrelationfunction偏自相关函数RTCRoadTrafficCrash道路交通事故RTIRoadTrafficInjury道路交通伤SASStatisticsAnalysisSystem“统计分析系统”软件包SPSSStatisticalProductandServiceSolutions“统计产品与服务解决方案”软件包WHOWorldHealthOrganization世界卫生组织1 第三军医大学硕士学位论文EpidemiologicalAnalysisonRoadTrafficCrashinBaNanDistrictofChongqingandApplicationofARMAModelonPredictiveIncidenceofGeneralRoadTrafficCrashAbstractDuetoIndustrializationandUrbanization,roadtrafficsafetyhasbecomeamajorpublichealthchallenge.Inthe21stCentury,roadtrafficcrash（RTC）androadtrafficinjury（RTI）inChinahavebeendescendedsince2002.ButthehugegapbetweenfastincreaseofvehiclepopulationandsloweconomicdevelopmentmakesithardtobeoptimisticaboutthefutureroadsafetytrendsinWesternRegionandfringearea.BaNandistrictisanewlydevelopedregionofChongqingwhichhasbigareaandlargepopulation.AsanearbytransporthubinfringeareaofChongqing,BaNandistricthasbecomeagoodsampleforstudyingtheroadtrafficsafetyandeffectiveinterventionsinnewlydevelopedregion.Cross-sectionalsurveyandTheoreticalEpidemiologywereusedtostudydistributionfeaturesofRTCandapplicationofpredictionmodel.Themainresultsareas:1．Duringthesevenyears,thegeneralRTCwas1881annual.Thepeakshowedin2004,2102annual.Averagely,thegeneralRTCwas1098permonth.January,July,November,Saturday,the1stand14thdaypermonth,11amwerethehighestperiodsofgeneralRTChappened.ThenumberofmajorRTCdeclinedsince2002.May,September,November,Wednesday,Thursdayand10amwerethehighestperiodsofmajorRTChappened.2．FrontalImpactCrashwasthefirstplacecrashtypeinbothgeneralandmajorRTC（24.81%,25.04%）.BothtypesofRTCweremainlycausedbymotorvehicledrivers（84.17%,95.54%）andthehighestriskcomesfromillegalovertaking（73.17%,73.63%）.Over32%ofgeneralRTCwererelatedwithminibus,followingby10.1%withtwo-wheeledmotorcycle;thesequenceofmajorRTCwasminibus（18.7%）,lighttruck（14.3%）andtwo-wheeledmotorcycle（14.1%）.Rightturn（41.35%,21.43%）andUturn（17.55%,15.98%）werethemostriskyactions.DrivingexperienceishighlyrelatedwithincidencerateofRTC.Driverswhodrove2 第三军医大学硕士学位论文lessthan5years（especiallylessthan1year）caused55.51%ofgeneralRTCand58.74%ofmajorRTC.Thetrafficcontrolin63.94%ofgeneralRTCcrashsiteand61.17%ofmajorRTCcrashsitewereconductedonlybyRoadtrafficsignsandmarkings.Somecrashsiteevenhadnocontrolatall（28.44%,32.97%）.BothtypesofRTCmostlyoccurredonhybridlane（59.28%,70.36%）,andmostcrashsite（84.43%,78.01%）donothaveSidewalkseparation.3．ARMAmodel’spredictionaccuracymaintainsabout80%,andGM（1,1）model’spredictiondoesnotfitinanalyzingthedynamictrendofgeneralRTCdata.Basedontheresultsabove,theconclusionsweremadeasfollowing:1．ThegeneralRTCinBaNandistrictincreasedannually,whilethemajorRTCdeclinedannuallyduringthesevenyears.Timedistributionwassignificant.ThefundamentalreasonleadtoRTCwastheinadequatecapabilityofvehicledrivers.ThelackofRoadtrafficsignsandeffectivemanagementalsoplayedanimportantrole.2．TheARMAmodelismoreefficientthantheGM（1,1）modelinpredictingthefrequencyofgeneralRTC.Ithashighaccuracyandshort-termpredictionisbetterthanlong-termprediction.Keywords:Fringearea;roadtrafficcrash;epidemiology;timeseries;predictivemodel3 第三军医大学硕士学位论文重庆市某区交通事故流行病学分析及预测模型研究摘要随着社会工业化、城市化发展，道路交通安全成为社会政治、经济和公共卫生领域倍受关注的问题。据我国道路交通管理部门的年报数据显示，进入21世纪以后，我国道路交通事故总发生例数和交通伤亡人数在2002年出现峰值后呈现下降的趋势，但由于交通的迅猛发展和经济发展的不平衡，不同地区的差异很大，西部地区和城乡结合部地区道路交通事故发生情况有逐年加重的趋势。巴南区是重庆的发展新区，属于重庆主城九区之一，辖区地域面积广，人口多，是重要的交通枢纽。近年来，为适应社会和经济的发展，该区交通实现了大跨越。为观察和评价新兴城区的交通安全现状，探索区域性有效的交通安全干预措施，本课题采用现况调查和理论流行病学的方法对该区道路交通事故的分布特征和事故预测模型进行了研究。相关内容及结果如下：1．时间分布特征看，该区一般道路交通事故年均发生1881起，2004年达到高峰（2102起）；1月、7月和11月为事故的高发期；每月下旬事故有下降趋势；每周六发生事故最多，周三最低；单日事故发生最高分别是每月的1号和14号；24小时内事故发生自早上7点逐渐上升，11点达高峰，随后逐渐下降；白天的事故发生案例明显高于晚上。该区重大事故发生数量自2002年后开始下降；每年5月、9月和11月以及每周的周三和周四为高发时间；每日以上午10点为峰值，下午4点次高。2．事故特征，一般事故以及重大事故中正面相撞均占首位（24.81%，25.04%）。两类事故的主要责任原因均为机动车驾驶人因素（84.17%，95.54%）；机动车驾驶人责任原因分布也一致，非法超车比例最高（73.17%，73.63%）。一般事故肇事车辆类型中，小型客车超过32%；重大事故肇事车辆类型中，中型货车占14.3%，仅次于小型客车18.7%。两类事故中，两轮摩托车肇事分列第二、三位，比例为一般事故10.1%，重大事故14.1%。肇事车辆行为在两类事故中均以右转（41.35%，21.43%）和掉头（17.55%，15.98%）为主。两类事故肇事率与驾龄存在着一致的高峰分布特点，驾龄为1-5年时肇事率随驾龄增大而上升；1年及以下驾龄的肇事率最高；大于5年时事故数量随着驾龄增大出现下降趋势。55.51%的一般事故和58.74%的重大事故是1-5年驾龄的驾驶员造成的。肇事地点的交通控制方式以“仅有交通标志及标线”（63.94%，61.17%）和“无任何4 第三军医大学硕士学位论文控制方式”（28.44%，32.97%）为多。肇事主要发生在混合式车道上（59.28%，70.36%），且大部分肇事地点未安装人行道分隔设施（84.43%，78.01%）。3．依据7年来该区一般交通事故月发生数量生成时间序列，建立ARMA模型和GM（1，1）模型，同时进行回顾性和前瞻性预测，并对比预测结果的精度。研究显示，建立的以月为单位的一般交通事故发生频数的ARMA预测模型预测值与实际值的符合率基本稳定在80%以上，其短期预测的精度优于长期预测，比GM（1，1）预测模型更适合于研究对象。根据以上研究结果，本研究获得结论如下：1．近7年来，以城市发展新区为特色的巴南区一般道路交通事故发生有总体上升趋势；重大事故发生有降低趋势。事故有明显的时间分布特征。机动车驾驶人的不良素质和道路标志与管理的不规范与事故频率分布一致。因此应当有针对性地开展干预，以预防和控制交通事故。2．ARMA模型的预测效率较好，与GM（1，1）模型相比，更适合用于一般交通事故发生频数的时间序列指标预测。关键词：城乡结合部；道路交通事故；流行病学；时间序列；预测模型5 第三军医大学硕士学位论文重庆市某区交通事故流行病学分析及预测模型研究前言二十世纪以来，道路交通极大地推动了人类文明的发展，成为现代人生活的重要部分，以及国民生产的主要工具。随着我国经济发展水平的提高，道路里程大大延伸，机动车进入普通家庭的趋势日益明显，交通流量也面临大幅度地膨胀。在随之而来的负面效应中，最主要的就是道路交通事故。目前，交通肇事所致的意外伤亡在全球范围内居高不下，根据世界卫生组织（WHO）的统计，道路交通事故所导致的死亡排在心脑血管疾病、癌症之后，已成为现代人死亡的第三位原因，更是青壮年伤亡的第一[1]位原因。我国作为全球最大的发展中国家，道路交通安全情况也不容乐观，2002年[2]我国交通肇事受伤人员突破50万人，死亡突破10万人，而近年来实际每年死亡人数可能更多，Lancet近期相关文献认为每年死于道路交通事故的人数已经超过27.39[3]万。图11997年-2006年我国交通事故死亡人数图1展示了今年来我国道路交通事故死亡人数的变化过程。2002年以后我国道路交通事故死亡人数呈逐年下降的态势，但在绝对数量上仍然是世界第一，远远高于西[4、5]方发达国家。我国人口基数十分庞大，人口死亡率数值因此显得较低；同时，我国的人均机动车保有量相对发达国家也较少。此外，我国道路交通事故纳入安全生产控制考核指标体系，各级行政部门对道路交通事故数量，特别是事故致死数量进行严格的控制，导致公开的年报数据低于实际事故数据。综合这些因素考虑，我们应该清6 第三军医大学硕士学位论文醒地认识到，我国的道路交通安全形势实际上比表面数字更为严峻。重庆市是我国最年轻的直辖市，是西南地区和长江上游最大的经济中心，但同时辖区内又有大量的农村区县，是集大城市和大农村特点于一体的地域，其道路设施硬件、交通环境和管理水平等事故主要影响因素在中西部欠发达地区具有极好的代表性，研究其道路交通事故特征有利于帮助我们认识了解我国其他经济欠发达地区的道路交通事故现状。利用计算机信息技术建立的重庆地区区域性道路交通事故数据库，大大提高了数据信息收集和处理的效率，有效利用这个平台，将有利于进行交通安全现状和预防的深入研究。由于在目前乃至今后相当长的时间内，交通事故给我们带来的经济负担和社会负担都将长期存在，建立灵活、准确、适用性广泛的交通事故预测模型已在世界范围内成为相关研究关注的焦点。交通事故预测常用的方法通常有三类：定性预测法、回归预测法和时间序列预测法。1．定性预测法。是预测者利用经验，根据历史资料和直观材料，凭借个人分析判断做出的预感和猜测。多用于事物发展性质方面的预测，优点是具有较大的灵活性，易于充分发挥人的主观能动作用，且简单的迅速，省时省费用。缺点是易受主观因素的影响，易受个人的知识、经验和能力的多少大小的束缚和限制，尤其是缺乏对事物发展作数量上的精确描述。2．回归预测法。回归分析可以从一个或几个自变量的值来预测应变量将取得的值，应用十分广泛，尤其对长期大量数据分析效果良好。在这类方法中，因变量的预测值由并进的自变量的值来旁推，因此，需要事先明确所有影响因素（自变量）并获得所有自变量的历史数据，当预测对象的影响因素难以掌握或数据资料不易获得时，就无法进行回归预测。3．时间序列预测法。将某种统计指标的数值，按时间先后顺序排到所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。时间序列预测法的各种模型均有不同的适用情况及最佳预测时间范围，其中ARIMA模型法是一种适用于任何时间序列的发展型态的高级预测方法，该方法借助于计算机，操作简便，因此应用非常广泛。尽管交通事故的发生受到各种因素的影响，大量的统计资料却表明，交通事故发生状况及其影响因素是一个密切联系的整体，并且这个整体具有相对的稳定性和持续7 第三军医大学硕士学位论文性，我们可以在统计资料的基础上从整体上预测交通事故发生情况的变化趋势。同时也由于我国经济欠发达的西部地区道路（尤其是城乡结合部道路）交通事故主要影响因素并不明确，因此将时间序列模型用于所研究地域显然较其他方法更为适合。本研究将针对重庆市某城乡结合部发展新区的道路交通安全状况开展研究。一个目的是初步调查该区道路交通事故现状的流行病学特征，另一个目的是有针对性地建立道路交通事故发生数量的预测模型，为提高其道路交通安全提供线索。8 第三军医大学硕士学位论文第一部分重庆市某区2000-2006年道路交通事故流行病学特征前言本研究所选地域紧邻主城区，既有主城区特点又有部分农村地区特点，是具有代表性的城市发展新区。城市发展新区道路交通行车环境变化大，冲突点多，且由于道路建设发展较快，相应的交通安全控制、监管措施滞后，交通流无序，行人随意性大，这一切都使得此类地区道路交通事故发生十分频繁。此类发展新区道路交通伤流行病学资料较少，本文对该地区7年间的交通事故进行分析研究，为探索我国城乡结合部发展新区的道路交通肇事情况提供了部分线索，也为建立相应的事故预测模型打下基础。通过本文可使人们进一步认识地处城乡结合部的发展新区道路交通事故的特点，掌握其的特点，从而减少交通肇事，减少人员伤亡。材料与方法一、资料来源查阅重庆市某近郊交警支队辖区作为本次道路交通事故数据采集源，查阅2000-2006年事故档案，以照片形式采集一般以上道路交通事故数据。二、道路交通事故案例采集范围道路交通事故是指车辆在道路上因过错或意外造成的人身伤亡或者财产损失的事件。事故主体的一方必须为车辆，即事故或者是车-车、或者是人-车之间发生的直接影响形成。事故的地域范围是道路，发生在道路以外的事故不属于道路交通事故。道路交通事故的主观因素不能是蓄意，应为过错或者意外。在数据采集中排除非已有定论的道路交通事故、蓄意导致的事故、自然灾害所致事故以及其他不符合《中华人民共和国道路交通安全法》规定范畴的事故。三、数据录入方法数据录入选取由第三军医大学野战外科研究所交通医学研究所设计的《道路交通事故个案表》。录入界面具体见图1.1-图1.6。对照事故档案照片逐项进行电子录入。《道路交通事故个案表》中的字段符合原始档案记录数据项目，以每一起事故为对象设置记录（该数据的篇幅较长，全部数据存储在光盘上）。9 第三军医大学硕士学位论文图1.1《道路交通事故个案表》初始界面图1.2《道路交通事故个案表》一般情况录入界面10 第三军医大学硕士学位论文图1.3《道路交通事故个案表》事故原因录入界面图1.4《道路交通事故个案表》伤亡人员情况录入界面11 第三军医大学硕士学位论文图1.5《道路交通事故个案表》车辆情况录入界面12 第三军医大学硕士学位论文图1.6《道路交通事故个案表》尸检情况录入界面四、录入人员的培训与选择选择医学相关专业人员（来自第三军医大学和重庆医科大学）参与此次数据录入工作。在录入前对相关人员进行培训、培训的内容包括：1．了解本研究的目的、方法、步骤，特别是《道路交通事故个案表》记录的相关数据项2．对事故及数据的相关术语、概念进行统一解释和认定3．对录入项目中的数据判定标准进行界定和规范4．统一数据来源及数据标记方式五、统计分析所有录入数据利用数据库管理软件MicroSoftAccess进行整理并整合，而后利用MicroSoftExcel与SAS共同完成使用进行描述性分析。结果一、道路交通事故时间分布情况重庆市某区在2000～2006年间共发生事故13685起，其中一般及轻微事故1317013 第三军医大学硕士学位论文起，重大事故515起。7年间，一般及轻微事故年平均发生1881起，重大事故发生年平均发生74例。1．年分布在2000-2006年中，一般及轻微事故的发生2000年、2001年和2005年均在1600例以下，2003年、2004年和2006年均超过2000例，2004年最高，为2102起,占总数的15.96%；从总趋势看有逐年升高趋势（见图1.7）。7年中，重大事故的发生有下降趋势。从2002年后发生数开始下降，至2006年一直稳定在年60例左右（见图1.7）。图1.7某区交通事故年分布特征2．月分布分析数据显示，7年期间，一般及轻微事故月平均发生1098例，其中1月、7月和11月为事故的高发期（见图1.8）；重大事故在5月、9月和11月为多发期，单月的发生数高于双月的发生数（见图1.8）。图1.8某区交通事故月分布特征14 第三军医大学硕士学位论文3．一周分布从图1.9可见，一般及轻微事故中，每周星期六发生事故次数最多，周三最低，周六和周日事故发生次数明显高于平时；重大事故则以周三和周四为高发时间。图1.9某区交通事故周分布特征4．日、时分布在一般及轻微事故中，单日事故发生率最高分别是每月的1号和14号，每月的下旬事故有下降趋势，最低为31日。重大事故单日分布无明显规律，但每月的下旬事故有下降趋势。（见图1.10）。每日24小时事故分布中，一般及轻微事故从早上7点开始逐渐上升，11点达高峰，以后逐渐下降；白天的事故发生案例明显高于晚上。重大事故每日以上午10点左右最高，下午在4点左右次高（见图1.11）。图1.10某区交通事故日分布特征15 第三军医大学硕士学位论文图1.11某区交通事故小时分布特征二、道路交通事故形态与原因1．事故形态一般事故形态处于前三位的依次是：正面相撞（24.81%）、尾随相撞（14.03%）、其他（11.78%）。重大事故形态前三位依次是：正面相撞（25.04%）、其他（20.21%）、直角相撞（13.42%）。一般重大100%0.004.471.250.723.222.504.8380%25.0411.092.3313.4220.212.862.5060%5.550.0140%14.034.582.377.224.909.1424.819.502.1120%7.1111.781.171.010.260%擦擦压车车火物刮刮碾翻坠失定其他向他固正面相撞侧面相撞尾随相撞直角相撞对向刮擦同其撞二次碰撞撞静止车辆百分比（%）图1.12事故形态构成2．事故主要责任原因一般事故和重大事故主要责任原因均来自机动车驾驶人，所占比例分别为84.17%16 第三军医大学硕士学位论文和95.54%。重大事故主要责任原因中，行人、乘车人、非机动车驾驶人、车故障所占比例均高于一般事故。1.58乘车人0.06行人8.44重大1.83一般2.90非机动车驾驶人1.1984.17机动车驾驶人95.542.90车故障1.38020406080100120百分比（%）图1.13事故主要责任原因构成3．驾驶员责任原因一般事故驾驶员责任原因顺位前三原因：非法超车（73.17%）、其他（10.19%）、经验不足（4.80%）。重大事故前三类原因：非法超车（73.63%）、其他（7.16%）、经验不足/骑车带人（4.71%）。一般重大100%0.000.0090%0.1980%2.074.710.1973.631.510.560.380.947.1670%3.390.564.7160%50%0.040.0140%0.5030%3.054.800.3273.171.900.780.601.2010.1920%1.180.202.0610%0%号劳辆超速疲失控占线其他无责任经验不足距离太近未给信非法超车非法转弯用灯不当攀附车骑车带人注意力分散百分比（%）图1.14驾驶员责任原因构成4．驾驶员驾驶年限一般及重大交通事故驾驶员驾驶年限构成比。5年及以下驾龄的驾驶员所占比例最高，分别达55.51%和58.74%。17 第三军医大学硕士学位论文20年以上2.80重大2.802.33一般16-20年3.279.3211-15年9.1026.816-10年29.318.395年8.9012.594年9.3311.423年8.5110.262年10.2816.081年及以下18.49百分比（%）图1.15驾驶员驾驶年限构成5．肇事车辆行为一般事故车辆行为前三类为：右转（41.35%）、其他（24.21%）、掉头（17.55%）。重大事故车辆行为依次为：其他（40.23%）、右转（21.43%）、掉头（15.98%）。一般重大100%0.000.0080%21.431.1315.981.138.834.320.754.3240.2360%1.130.380.381.200.0640%41.352.1917.551.2120%5.573.190.552.3324.210.410.120.070%头右转左转掉汇流分流超车直行倒车其他内停车横穿抢行突然启动突然停止路躲避路障百分比（%）图1.16肇事车辆行为构成6．肇事车辆类型事故肇事车辆类型构成比。一般事故车辆类型顺位：小型客车（32.75%）、两轮摩托车（10.1%）、大型客车（9.7%）。重大事故依次为：小型客车（18.7%）、中型货车（14.3%）、两轮摩托车（14.1%）。18 第三军医大学硕士学位论文一般重大100%0.00.00.00.00.00.00.00.00.00.00.00.00.00.080%0.20.318.74.15.71.60.20.20.21.80.710.63.310.214.31.00.84.94.714.11.660%1.10.10.10.10.00.00.10.10.00.00.00.00.00.00.040%0.50.69.73.532.75.49.67.92.50.20.20.23.310.11.320%1.00.57.80.30.41.90%0.1车车车车车车车车机机机车车车车客车货车挂车自行车三轮车手推车专用畜力车自行车自行车拖拉拖拉运输摩托车摩托全挂车全挂车半半挂车半挂车动大型客车中型客车小型客车微型重型货车中型货车轻型货车微型项作业无轨电助电动轮式拖拉手扶三轮两轮轻便摩托车重型中型重型中型轻型残疾人型半挂牵引型专项作业重中型半挂牵引大型专项作业中型专小微型专项作业重型专项作业大型轮式小型三轮农用运输四轮农用百分比（%）图1.17肇事车辆类型构成三、事故地点道路交通条件1．事故发生时照明条件事故发生照明条件分布情况。14.18夜间无路灯9.64夜间有路灯12.23重大11.60一般8.33拂晓/黄昏无路灯3.773.01拂晓/黄昏有路灯4.2362.23白天70.7601020304050607080百分比（%）图1.18事故发生照明条件构成2．事故地点交通控制方式事故地点交通控制方式构成情况。仅有标志标线所占比例最高，无控制其次。19 第三军医大学硕士学位论文无控制32.9728.440.73其他安全设施2.63重大信号灯及标志标线4.033.62一般民警及信号灯0.730.19标志标线61.1763.940.18信号灯1.110.18民警指挥0.06010203040506070百分比（%）图1.19事故地点交通控制方式构成3．事故地点车道横断面据图可以看出，两类事故地点车道横断面均以混合式为主。2.36分车分向式2.93重大0.55分车式一般2.1626.73分向式35.6370.36混合式59.2801020304050607080百分比（%）图1.20事故地点车道横断面构成4．人行道分隔两类事故的发生绝大部分情况下位于无人行道分隔地段。20 第三军医大学硕士学位论文图1.21事故地点人行道分隔情况讨论一、时间分布特点1．年分布特点某区统计期内交通肇事的一般事故次数逐年上升，仅2005年出现减少现象。事故次数7年间增长较快，平均年增长率为25.7%。数据表明，某区道路交通事故在统计期内总体是呈上升趋势的，并且7年来上升幅度较大。发生在同一行政区划道路内的交通事故的上升趋势并不一定说明该路的交通安全情况不断恶化，事故发生量与沿线的经济、社会的不断发展有一定关系，地区发展越快，车流量就越大，事故绝对数量也会相应增加。而此类城市发展新区显然属于发展快速的地区，社会经济的发展使得道路车流量在过去的7年里也不断提高，所以交通事故的发生数量和绝对伤亡人数也会随之增加。好在由于经济的进步，通信畅通的保持在事故发生后能够使伤员得到快速的救治；交通伤的院前急救和院后医疗水平不断提高，汽车的人身保护措施如安全带、安全气囊的普及率不断提高，这些因素可能致使重大交通事故的发生呈现逐年下降的态势。2．月分布特点月份汇总的事故次数在1-12月的分布有一定的差异。一般交通事故发生次数在12个月份中，5月数值较低，1、7-11月数值较高，或者说春季事故发生率较低；夏秋冬季节事故发生率均较高。7年来，7月份累计事故次数最多，为1168次，比最少的5月份949次增加23%。这种季节性差异可能与气候因素有关，该区地处重庆东南21 第三军医大学硕士学位论文部，夏秋季节的高温易导致机动车驾驶人情绪烦躁；冬季则多阴雨天气和雾天，易导致路面湿滑和能见度下降。重大事故以5、9、11月高发，且单数月发生次数高于双数月。重大车祸的次数相对较少，其月分布特征更近似于服从泊松分布。3．一周分布特点分析一般事故每周星期六发生次数最多，周三最低，周末事故发生次数明显高于工作日；重大事故则以周三和周四为高发时间，周日最低。据心理学介绍：周一及周末的[6]驾驶员心理特征是处于易发意外的高危状态，文献介绍，国外交通事故在周末的晚上明显上升。本区的统计结果也支持这一特点。4．日、小时分布特点分析一般事故的单日发生次数最高的分别是1号和14号，而每月的下旬事故有下降趋势，最低为31日。重大事故单日分布无明显规律，但每月的下旬事故有下降趋势。据[7]美国学者报告交通事故在一天24小时的不同时段的分布是有一定差异的。本研究也发现某区道路交通事故在24小时中分布并不均衡，存在着事故高发时段。一般及重大交通事故发生量与一天各时段之间有下列逻辑关系：7时开始，随着人们出行的开始，车流量逐渐攀升，事故曲线开始增高；9时-11时，不同类型车辆的性能、速度差别大，交通流不均衡现象不断加剧，事故发生率达到最高点；12时-14时是午餐及午休时间，事故曲线随车流量减少出现陡降；15-18时曲线出现一个小单峰，在16-17时之间达到峰值，后段下降，这一方面与车流量变化有关，另一方面，人们进餐后，消化系统需要增加血流量消化食物，脑部供血量相对减少，这时人会感觉疲倦，反应速度减慢，所以事故率先升后降；18时以后事故曲线呈持续下降态势，与此时段车流量再次下降有关；22时-7时属夜间，此时车流量已达到一天中最低时段，所以事故曲线数值较低。二、事故形态与原因1．事故形态从一般事故形态看，正面相撞、尾随相撞最多，比例分别为24.81%和14.03%，[8、9]合计占各类事故近半，与其他发达省市和国外大体相似。这类事故主要是机动车驾驶人驾驶不利造成的，具体说是司机违规操作，疏忽大意，对车速、距离、刹车等控制不合理。重大事故形态中直角相撞所占比例较高，为13.42%。此类碰撞的对乘员冲击较大，且容易导致受撞击车辆翻覆，是出现人员死亡的重要原因。2．事故主要责任原因无论是一般事故还是重大事故，事故主要责任原因均来自于机动车驾驶人，其比例高达84.17%和95.54%。这一点与国内外各种同类研究结论一致。在导致人员死亡22 第三军医大学硕士学位论文的重大交通事故中，行人责任原因占8.44%，主要表现为违章穿越车行道，这也体现出城市发展新区多混合交通的特点。城市发展新区的道路建设不全面，对配套的行人保护设施重视不够，缺乏交通控制措施，大量路段缺乏应有的人行道分隔，更进一步加剧了行人违章穿越车行道的现象。有研究显示行人违章穿行车行道的事故风险是合[10]法穿行车行道的8倍。行人责任虽然不占事故主要责任原因很高的比例，但却带来更高的事故风险和事故烈度，即更容易产生人员伤亡。鉴于行人违章穿越车行道现象十分普遍，该原因仍将长期影响道路交通安全。3．驾驶员责任原因在驾驶员责任原因统计中，由非法超车引起的事故占73%以上，居第一位。与城市道路有所区别的是，研究所涉及地域的道路横断面大都为混合式车道和无中央分隔物的分向式车道，极度缺乏民警指挥和信号灯，甚至有不少路段无任何交通控制措施。在这样的路段超车，极易与对向来车发生碰撞，或因躲避对向来车导致追尾同向前车。因此，非法超车所致的危险性大大高于纵向间距不足和其他责任因素，致使责任原因构成也表现出与城市道路的不同。经验不足占近5%，排第三位。随着私家车的普及这个因素也日渐突出。低驾龄（5年及以下）驾驶员驾驶技能不熟练、驾驶经验不丰富，其发生事故危险性较高，体现在本研究中5年及以下驾驶人事故所占比例最高，在一般事故和重大事故中均超过半数。从心理学看，经验不足容易导致临危措施不当，从而更易引发事故。4．肇事车辆各类交通肇事车辆里面以小型客车最多，比例分别为32.75%和18.7%。这一数值是符合实际情况的，因为小型客车在机动车保有量内所占比例最高，低驾龄、低等级机动车驾驶人绝大部分也都集中于该类型车辆。加之车辆新旧不一，技术状况相对复杂，超载情况也比较普遍，所以成为道路交通事故的主要肇事对象。两轮摩托车稳定性差，安全保护措施缺乏，但由于经济、便捷所以在大城市周边农村得以广泛普及。特别由于重庆是摩托车生产基地，摩托车保有量大（大部分未在交管部门登记），摩托[11]车事故因此占据较高比例。重大事故肇事车辆类型里面，中型货车排位靠前的主要原因是人货混装，这一点在以运输业为主的城乡结合部发展新区尤为明显。因为缺乏隔离带和信号灯，且车道横断面多为混合式及分向式，缺乏独立的右转车道，故车辆在右转及掉头时极易与直行车辆发生碰撞。照明条件对重大事故的影响明显高于对一般事故影响。23 第三军医大学硕士学位论文第二部分重庆市某区2000-2006年一般道路交通事故预测模型的建立及效果评价前言道路交通是个动态的系统，交通事故作为其特征变量之一，受多种因素的影响，预测准确度不易把握。而且，交通事故种类的不同，其发生频数（频率）的分布特征也明显不同，必须应用不同的数学模型进行描述和表达。如重特大交通事故的发生频率表现为显著的离散数据特征，各数值相互独立，适合应用Poisson回归模型或负二[12-15]项分布（NB）回归模型进行预测。而一般交通事之间具有系统的整体性和内在[16-18]联系，时间序列具有平稳和非随机性的特点，更适合采用时间序列模型进行预测。时间序列模型能够通过对历史数据进行加权平均等方法消除随机波动的影响，同时兼顾事物发展的延续性，对适宜数据能建立更为稳定的预测模型。而所谓灰色系统就是指相对于一定的认识层次，系统内部的信息部分已知，部分未知，即信息不完全。其研究的范畴主要是针对不明确、行为信息不完全、运行机制不清楚这类系统的建模、预测、决策和控制等问题。灰色预测就是利用灰色动态GM模型（GreyModel）对系统的行为特征量或者模型指标发展变化到未来一定时刻出现[19]的数值进行预测。道路交通系统可以看成是一个动态的灰色系统，系统既有人们已知和确定的信息（比如道路面积、交通设施构成等），也存在一些未知和不确定的信息（比如某时刻道路交通状况、驾驶人员心理状况以及道路交通系统内部各因素作用机[20]理等），因此，灰色系统的理论和方法也可以适用于研究道路交通系统。综合分析不同预测方法的优缺点后，本研究决定对时间序列分析法在一般道路交通事故预测中的应用进行探讨。时间序列分析法中，以ARIMA模型法和灰色模型法适用范围最广，对资料要求不高，适用于任何时间序列的分析预测。为此，本研究选择某区2000-2006年一般道路交通事故月发生频数为代表，对ARIMA模型法和GM模型法在一般道路交通事故预测中的应用进行评价，探讨此两种方法的最佳适用范围和适用条件，为扩大其在交通事故预测方面的应用提供科学依据。材料与方法一、资料来源资料来源于2000~2006年重庆市道路交通管理局的一般交通事故（一般交通事故24 第三军医大学硕士学位论文系指重伤1~2人，或轻伤3人以上；或直接财产损失<3万元的事故）档案资料。由于资料收集时间跨越了新交通法颁布时间，为保持前后纳入标准一致，事故的判断、分[21]类标准仍按照公安部1991年的统一规定。查询2000~2006年重庆年鉴和重庆市统计局公众信息网获得该区人口、机动车保有量、道路里程数，了解该区相关指标的变化趋势。本研究利用2000年1月至2005年12月的道路交通事故发生例数（72个数据）建立预测模型，对该区2006年各月道路交通事故发生例数情况进行预测。整理2000-2005年交通事故月发生数量，见表2-1。表2-12000-2005年各月份的车祸发生数2000年2001年2002年2003年2004年2005年1月1161601672041522062月79982111491771483月1261201351832031314月1271041161571891285月1031311611981361196月1331211381931701397月1351161811992171648月1311261631821941259月11813514318420210810月14611616318218415011月13512117618621416512月121130200172217186二、研究方法1．统计预测方法[22]ARIMA模型法又称B-J法，即时间序列法中的博克斯-詹金斯法，由美国学者Box和英国统计学者Jenkins于1976年提出，包括自回归模型（AR（p））、移动平均模型（MA（q））、自回归-移动平均模型（ARMA（p,q）、求和自回归移动平均模型（ARIMA（p,d,q））、季节求和自回归—移动平均模型（ARIMA（P,D,Q）S）以及复合季节模型（ARIMA（p,d,q）×（P,D,Q）S。ARIMA模型法的基本思想是将预测对象随时间推移而形成的数据视为一组依赖于时间t的随机变量，这组随机变量所具有的自相关性表征了预测对象发展的延续性，一旦这种自相关性被相应的数学模型描述25 第三军医大学硕士学位论文出来，就可以从时间序列的过去值及现在值预测未来的值。灰色系统理论与方法的核心是灰色模型，灰色模型的特征是生成函数和灰色微分方程。灰色模型是以灰色生成函数概念为基础，以微分拟合为核心的建模方法。灰色系统理论认为，一切随机量都是在一定范围内、一定时间段上变化的灰色量和灰过程。对灰色量的处理不是寻求他的统计规律和概率分布，而是将杂乱无章的原始数据列，通过一定的方法处理，变成比较有规律的时间序列数据，然后建立灰色模型。对原始数据以一定的方法进行处理的原因，一是为建立模型提供中间信息；二是将原始数据的波动性弱化。灰色系统建模的思想是直接将时间序列转化为微分方程，通过灰色微分方程可以建立抽象系统的发展模型。即灰色模型（GreyModel）简称GM，建立的GM（h,n）模型为灰色微分方程，与灰色微分方程相对应的是其白化方程，也称影子方程。白化方程是微分方程的时间连续函数模型，微分方程的阶数为h，变量的个数为n，具体微分方程的形式为：n(1)n−1(1)d(X1)d(X1)(1)(1)(1)(1)+a+L+aX=bX+bX+L+bXn1n−1n11223n−1ndtdtT则微分方程系数向量aˆ为：aˆ=[a,a,L,aMb,b,L,b]，12n12n−1设A矩阵为累差生成矩阵，B矩阵为累加生成矩阵，(AMB)为A、B组成的分块矩阵，最小二乘法求解得到白化方程的解aˆ为：T−1Taˆ=[(AMB)(AMB)](AMB)Y2．建模步骤（1）自回归滑动平均（AutoRegressionMovingAveragemodelARMA）模型的构建①时序的特征分析截取2000~2005年各月的交通事故发生例数的数据，使用统计分析软件SPSS软件绘制2000~2005年月车祸发生数的时序图以及自相关（autocorrelation，AC）和偏自相关（partialautocorrelation，PAC）图。[23]②利用SAS软件对序列进行平稳性检验和随机性检验。平稳性主要通过单位根检验（UnitRootTests）来验证，单位根检验最常用的方法是ADF（AugmentedDickey-Fuller）检验。随机性的检验采用了Box和Ljung推导的LB（Ljung-Box）统计量：26 第三军医大学硕士学位论文m⎛ˆ2⎞ρLB=n(n+2)∑⎜k⎟k=1⎜n−k⎟⎝⎠，n为序列观测期数；m为指定延迟期数。③模型筛选[24]结合AC和PAC图，并根据最小准则（BayesianInformationCriterionBIC），对不同模型参数（AR0~5,MA0~5）进行取舍，最终选定合理的模型并进行序列拟合残差检验，确定拟合模型的有效。ARMA模型是最常用的拟合平稳时间序列的模型，要求分析数据具有平稳和非随机的特点。其有三种类型可供选择，即AR模型（AutoRegressionmodel，自回归模型）、MA模型（MovingAveragemodel，移动平均模型）和ARMA模型。x=φx+φx+L+φx+εAR模型的结构为：t1t−12t−2pt−ptx=u−θu−θu−L−θuMA模型的结构为：tt1t−12t−2qt−qARMA模型的结构为：x=φx+φx+L+φx+ε+u−θu−θu−L−θut1t−12t−2pt−ptt1t−12t−2qt−q一般情况下，如果自相关系数拖尾，而偏自相关系数p阶截尾，可以考虑应用AR（p）模型拟合数据。如果自相关系数q阶截尾，而偏自相关系数拖尾，可以考虑应用MA（q）模型拟合数据。如果自相关系数拖尾，偏自相关系数也拖尾，可以考虑应用ARMA（p,q）模型拟合数据。BIC准则主要是根据BIC大小来选择模型。BIC越小，表示模型拟合效果越好。④验证模型的预测效果模型预测主要采用线性最小方差法，线性指预测值为观察序列的线性函数，最小方差是指预测方差达到最小。对于AR模型x=φx+φx+L+φx+εt1t−12t−2pt−pt，第L步预测值为：Y&(L)=φY&(L−1)+φY&(L−2)+L+φY&(L−p)n1n2npnY&(−j)=x其中，nn−j（j≥0）27 第三军医大学硕士学位论文分别对选定模型进行回顾和前瞻性时序预测。验证数据包括2000年1月至2005年12月的交通事故（回顾性预测）和2006年1月至2006年12月的交通事故（前瞻性预测）（2）灰色模型GM（1，1）的构建①GM（1，1）模型是指只有一阶方程、一个变量的灰色模型。它是单序列一阶线性动态模型，主要用于长期预测建模。()0(0){(0)()(0)()(0)()}设时间序列X有n个观察值，X=X1,X2,...,Xn，通过累加生成新()1{()1()(1)()()1()}序列X=X1,X2,...,Xn，则其灰色微分方程为：(0)(1)(1)(1)(1)x(k)+az(k)=b，其中z(k)=[x(k)+x(k−1)]/2灰色微分方程的白化方程为：(1)dX(1)+aX=bdt参照白化方程求解公式，一阶微分方程中，矩阵A=0，则系数向量为：TT−1Taˆ=[a，b]=(BB)BY(1)(1)(0)⎡−[x(1)+x(2)]/21⎤⎡x(2)⎤⎢(1)(1)⎥⎢(0)⎥B=⎢−[x(2)+x(3)]/21⎥Y=⎢x(3)⎥⎢MM⎥⎢M⎥⎢⎥⎢⎥(1)(1)(0)其中累加矩阵⎢⎣−[x(n−1)+x(n)]/21⎥⎦，⎢⎣x(n)⎥⎦微分方程的解为时间函数：(1)⎛(0)b⎞−atbXˆ(t+1)=⎜X(1)−⎟e+⎝a⎠a用生成序列回代方法可以得到：(0)(1)(1)Xˆ(t)=Xˆ(t+1)−Xˆ(t)②GM（1，1）模型的基本计算程序流程图如图2.1所示28 第三军医大学硕士学位论文开始(0)输入数据X(1)计算X求关联度γ计算矩阵B,Y计算C,PTT−1T求解系数aˆ=[a，b]=(BB)BY否检验C,P,γ是否通过建立GM模型时间函数是(0)(0)根据{x(i)}求{ε(i)}计算预测值检验ε(0)是否通过是是否符合要求否否(0)结束求x(i),ε图2.1GM（1，1）模型基本计算程序流程使用2000年1月至2005年12月的一般交通事故数据做回顾性预测，对2006年1月至2006年12月的一般交通事故频数做前瞻性预测三、统计方法应用SPSS12.0统计软件、SAS10.0统计软件、Eview软件对资料进行统计分析和整理。结果一、ARIMA结果1．平稳性检验根据数据绘制事故发生时序图（图2.2）。可以看出，序列并无剧烈的递增或下降趋势。29 第三军医大学硕士学位论文图2.22000-2005一般交通事故月发生频数时序图由于序列均值不为0，且无明显趋势，我们采用ADF检验对有均值模型进行平稳性检验，结果表明，在1阶水平上，有均值模型拒绝原假设（P=0.0139），表明该序列是平稳序列，且该平稳序列1阶自相关（表2-2）。表2-2平稳性检验结果类型延迟阶数Rho统计量Prq时，系数显著为0，而且由非零相关系数衰减为小值波动的过程非常突然，这时称系数在q步截尾。如果有超过5%的相关系数落在2倍标准差范围之外，或是由显著非零的相关系数衰减为小值波动的过程比较缓慢或非常连续，这时可视为相关系数拖尾。一般情况下，如果自相关系数拖尾，而偏自相关系数p阶截尾，可以考虑应用AR（p）模型拟合数据。如果自相关系数q阶截尾，而偏自相关系数拖尾，可以考虑应用MA（q）模型拟合数据。如果自相关系数拖尾，偏自相关系数也拖尾，可以考虑应用ARMA（p,q）模型拟合数据。从自相关图和偏自相关图（图2.3）可以发现，自相关系数具有较为明显的拖尾性，逐渐趋近于0，但又始终有非零取值。偏自相关系数在最初的1阶延迟时，明显大于2倍标准误，尔后所有的偏自相关系数都落在2倍标准误范围以内，而且由非零自相关系数衰减为小值波动的过程非常突然。结合自相关系数和偏自相关系数的变动趋势，可以视为偏自相关系数1阶截尾。因而考虑采用AR模型。31 第三军医大学硕士学位论文图2.3自相关图和偏相关图采用BIC准则对各种模型进行最优化选择，结果（表2-4）表明，以AR（1）为最优，BIC值为6.42。32 第三军医大学硕士学位论文表2-4BIC值MinimumInformationCriterionLagsMA0MA1MA2MA3MA4MA5AR06.8883596.8126336.8171996.8435046.8466.797259AR16.4211066.4477056.4865276.5440216.594266.599309AR26.4716416.4775596.5364946.5900386.6272096.648632AR36.509786.5306476.5580426.6173896.6540256.685423AR46.5191396.5714676.6040966.656796.6881386.735075AR56.5286256.5784246.6185786.6778446.734976.77777MinimumTableValue:BIC（1,0）=6.4211064．模型检验对拟合的模型进行残差序列检验，结果表明，在延迟6阶、12阶18阶、24阶不同阶数所对应的P值均远远大于0.05（表2-5）。因此可以认为该模型的残差序列属于随机序列，拟合的模型显著有效。表2-5残差检验AutocorrelationCheckofResidualsToLagChi-SquareDFPr>ChiSqAutocorrelations65.7150.3356-0.055-0.0600.0390.0870.2180.094127.79110.7317-0.025-0.0180.0010.1370.066-0.0021816.84170.46550.119-0.0130.0760.236-0.1300.0542418.50230.73010.0210.064-0.032-0.014-0.088-0.0455．模型预测采用最小方差原则对序列进行预测，可以发现，拟合序列曲线与实际观察值较为接近，可以认为该模型对数据拟合较为理想（表2-6、2-7）。33 第三军医大学硕士学位论文表2-6ARMA模型前瞻预测结果月份实际值预测值相对误差%2006年1月179184.172.892006年2月153182.3619.192006年3月180180.570.322006年4月195178.798.312006年5月171177.033.532006年6月165175.296.242006年7月208173.5716.552006年8月193171.8610.952006年9月210170.1718.972006年10月189168.510.852006年11月213166.8421.672006年12月113165.246.2表2-7AR（1）模型预测准确率（%）月2000年2001年2002年2003年2004年2005年2006年194.481.575.887.880.399.397.1257.454.967.473.096.859.780.8379.994.675.195.585.758.099.6487.280.164.886.298.170.291.6585.889.788.386.462.271.896.4684.898.191.494.199.398.893.7789.693.980.793.778.285.683.4896.896.097.994.596.980.189.0990.691.587.097.394.469.381.01086.089.295.296.893.686.289.11199.197.190.299.989.683.378.31288.495.282.991.492.579.753.834 第三军医大学硕士学位论文二、GM（1，1）模型结果1．回顾预测及前瞻预测结果本例采用灰色系统的GM（1，1）模型对7年的交通事故进行预测，结果显示，a=-0.004815，b=129.557740。求得累加序列预测模型为x（t+1）0.004815t=27023.613717e-26907.613717。使用所得灰色预测模型对原数据的回顾性预测结果如表2-8所示：表2-8GM（1，1）模型回顾预测结果时间观察值拟合值误差相对误差%Feb-0079130.43-51.43-65.1012Mar-00126131.0595-5.0595-4.0155Apr-00127131.6921-4.6921-3.6946May-00103132.3277-29.3277-28.4735Jun-00133132.96640.03360.0253Jul-00135133.60821.39181.031Aug-00131134.253-3.253-2.4832Sep-00118134.901-16.901-14.3229Oct-00146135.552110.44797.1561Nov-00135136.2064-1.2064-0.8936Dec-00121136.8638-15.8638-13.1105Jan-01160137.524322.475714.0473Feb-0198138.1881-40.1881-41.0082Mar-01120138.8551-18.8551-15.7125Apr-01104139.5253-35.5253-34.1589May-01131140.1987-9.1987-7.0219Jun-01121140.8753-19.8753-16.4259Jul-01116141.5553-25.5553-22.0304Aug-01126142.2385-16.2385-12.8877Sep-01135142.925-7.925-5.8704Oct-01116143.6148-27.6148-23.8059Nov-01121144.308-23.308-19.2628Dec-01130145.0045-15.0045-11.5419Jan-02167145.704421.295612.7519Feb-02211146.407664.592430.6125Mar-02135147.1143-12.1143-8.9735Apr-02116147.8243-31.8243-27.4347May-02161148.537812.46227.7405Jun-02138149.2547-11.2547-8.1556Jul-02181149.975131.024917.1408Aug-02163150.69912.3017.546735 第三军医大学硕士学位论文时间观察值拟合值误差相对误差%Sep-02143151.4263-8.4263-5.8925Oct-02163152.157210.84286.652Nov-02176152.891623.108413.1298Dec-02200153.629546.370523.1852Jan-03204154.37149.62924.3279Feb-03149155.1161-6.1161-4.1047Mar-03183155.864727.135314.828Apr-03157156.6170.3830.2439May-03198157.372940.627120.5187Jun-03193158.132534.867518.0661Jul-03199158.895740.104320.1529Aug-03182159.662622.337412.2733Sep-03184160.433323.566712.808Oct-03182161.207620.792411.4244Nov-03186161.985724.014312.9109Dec-03172162.76759.23255.3677Jan-04152163.5531-11.5531-7.6007Feb-04177164.342512.65757.1511Mar-04203165.135737.864318.6524Apr-04189165.932723.067312.2049May-04136166.7336-30.7336-22.5982Jun-04170167.53832.46171.448Jul-04217168.34748.65322.4207Aug-04194169.159524.840512.8044Sep-04202169.975932.024115.8535Oct-04187170.796316.20378.6651Nov-04214171.620742.379319.8034Dec-04217172.44944.55120.5304Jan-05206173.281332.718715.8828Feb-05148174.1177-26.1177-17.6471Mar-05131174.9581-43.9581-33.5558Apr-05128175.8025-47.8025-37.3457May-05119176.651-57.651-48.4462Jun-05139177.5036-38.5036-27.7004Jul-05164178.3604-14.3604-8.7563Aug-05125179.2212-54.2212-43.3769Sep-05108180.0862-72.0862-66.7465Oct-05150180.9554-30.9554-20.6369Nov-05165181.8288-16.8288-10.1993Dec-05186182.70643.29361.770736 第三军医大学硕士学位论文以该模型对未来12个月进行预测，预测结果与实际结果比较如表2-9所示，预测准确率见表2-10：表2-9GM（1，1）模型前瞻预测结果时间观察值拟合值误差相对误差%Jan-06179189.86423-10.86423-6.0694Feb-06153190.69777-37.69777-24.6391Mar-06180191.53497-11.53497-6.4083Apr-06195192.375842.624161.3457May-06171193.22041-22.22041-12.9944Jun-06165194.06868-29.06868-17.6174Jul-06208194.9206813.079326.2881Aug-06193195.77642-2.77642-1.4386Sep-06210196.6359213.364086.3638Oct-06189197.49918-8.49918-4.4969Nov-06213198.3662414.633766.8703Dec-06113199.23711-86.23711-76.316表2-10GM（1，1）模型准确率（%）月2000年2001年2002年2003年2004年2005年2006年1起始数据86.087.375.792.384.294.0234.959.069.495.992.982.475.4395.984.391.185.281.466.593.6496.365.972.699.787.862.798.7571.693.092.379.577.551.687.1699.983.691.982.098.672.382.4799.078.082.979.977.691.393.8897.687.292.587.887.256.798.6985.794.294.287.284.233.393.71092.976.293.488.691.479.495.61199.180.886.987.180.289.193.21286.988.576.994.779.598.323.737 第三军医大学硕士学位论文2．GM（1，1）模型的精度检验使用对所建立GM（1，1）模型精度检验的内容主要有：相对误差α检验，关联度γ检验、均方差比值C检验和小误差概率P检验。常用的预测精度等级见表2-11所示：表2-11精度检验等级参照表等级划分相对误差ε关联度γ均方差比值C小误差概率P一级（Good）＜0.01＞0.90＜0.35＞0.95二级（Qualified）＜0.05＞0.80＜0.50＞0.80三级（WithintheMark）＜0.10＞0.70＜0.65＞0.70四级（BelowtheMark）≥0.10≤0.70≥0.65≤0.70本例中使用均方差比值C检验和小误差概率P检验评价模型精度，结果显示，C=0.8783，P=0.4930，提示模型拟合效果不佳。当GM（1，1）模型的精度不符合要求时，可用残差序列建进行修正。首先将残（1）差序列进行累加，构成累加生成序列ε：k（1）(1)(1)(1)(1)(1)(0)ε={εk}={ε(1),ε(2),L,ε(n)}，其中ε(k)=∑ε(i)i=1（1）对ε建立GM（1，1）模型：(1)dε(1)+αε=μεεdt使用求解预测模型同样的方法可以得到残差修正的生成预测值：(1)με−αε(k−1)εˆ=(e)(k)αε通过生成预测值的回推，可以得到残差修正的实际预测值：(0)(1)(1)εˆ=εˆ−εˆ(k)(k)(k−1)(0)将其加到原预测值xˆ上，可得修正后的预测值。残差修正可反复进行，直至得(k)到满意的精度为止。经过多次序列残差拟合精度仍然无法达到三级以上，表明灰色模型在本例数据预测中的效果不理想，需要更合适的模型来拟合。38 第三军医大学硕士学位论文讨论一、道路交通事故的数据特征与ARMA模型特点传统的趋势模型外推预测方法（如普通线性回归模型）考虑了时间因素和各自变量之间的因果关系，事先必须明确所有的影响因素（即自变量），收集所有影响因素的资料，但是很多事物的发展均受到各种外界因素的影响，难以明确所有的影响因素，因此传统线性模型只适合于具有某一种典型趋势性变化现象的预测，并不适合于交通事故的数据预测分析。道路交通事故具有相对独立的时空分布特点，根据交通事故的种类和性质不同，在时序的周期性、平稳性和趋势方向上有其独特的表现特征。道路交通事故也受到多种环境因素的影响，在实际数据分析中还展现出多方向趋势特征，往往呈现不规则性，在数据上则表现为趋势性和随机性的特点。此外，未来的道路交通事故发生率水平与过去和现在的道路交通事故发生率水平间具有某种内在的联系，从这个意义上说，道路交通事故发生频数序列属于一种马尔柯夫随机过程。ARMA模型建立在马尔柯夫随机过程的基础上，既吸取了回归分析的优点又发挥了移动平均的长处。它根据数据序列的自相关函数、偏相关函数建立起线性的数据间相互依赖的定量模型，因而反映了现在的道路交通事故发生率水平和过去的道路交通事故发生率水平之间的本质联系。在预测精度方面，ARMA模型对噪声进行了分析处理，只剩下当时和历史无关的白噪声，使其成为线性模型的最优预测。ARMA还可通过差分进行数据转换，将非平稳序列转变为零均值的平稳随机序列，用于捕捉存在于时间序列中线性与非线性数据，以满足预测的前提。由于兼顾了序列相关性和非平稳性，适合对时间序列数据进行计量模拟。ARMA将残差纳入模型，相对传统的时间序列分析法更加成熟灵活，在国内外都被广泛应用于交通运输、经济以及公共事业领域[25-27]的时间序列模型计算。运用ARMA模型的前提是，建立模型的时间序列是一个趋向于零均值、非完全随机的平稳数据。在图形上表现为所有的样本点皆在某一水平线上下有一定规律地波动。因此在模型构建中对建模数据进行平稳性和非随机性检验和分析是非常必要的。这些分析步骤和方法在研究工作中具有一定的工作难度，需要加强工作质量控制，并利用一些计算机分析软件以提高效率。二、GM（1，1）预测模型的特点及结果比对为了进一步说了解预测模型的效率，本研究建立了道路交通事故发生例数序列灰色预测模型，以月份为时间单位，用于连续时间间隔的道路交通事故的预测。选择GM39 第三军医大学硕士学位论文（1，1）模型的原因是：（1）与ARMA模型一样不必罗列影响道路交通事故的因素数据，而是从道路交通事故自身时间数据序列中寻找有用信息，探究其内在规律，建立相应模型进行预测，这样可以排除因纳入研究数据不同带来的误差；（2）没有利用原始事故数据直接建模，而是利用道路交通事故原始数据累加（或累减）生成值，建立生成数据序列的模型，对数据序列内部的波动和干扰有一定减弱作用；（3）GM（1，1）模型是一阶单变量微分方程，建模的精度较高，可保持原系统的特征，能较好地反映系统的实际情况。这两种模型在预测中使用都较为广泛，并且属于两种不同的预测思想和预测理论。ARMA模型是以微积分和数理统计等传统数学理论为基础建立起来的一大类预测模型中最为成熟的时间序列预测方法之一。灰色预测方法的核心思想则是寻找道路交通事故序列数据间的动态关系，它将道路交通事故作为道路交通系统行为特征量来处理，将道路交通事故看成是道路交通系统这个灰色系统的灰色量。GM（1，1）模型的特点是基于随机的原始时间序列，按时间累加后形成新的时间序列，新序列所呈现的规律即可用一阶线性微分方程的解来逼近。它在一定程度上克服了传统预测模型多建立在数理统计基础上、并需要大量样本和典型概率分布的局限性，一定程度上有助于减少时间序列的随机性和提高预测精度。但从拟合和预测的效果来看，ARMA模型相对于GM（1，1）模型更加合适。出现这种结果的原因主要是本研究所选一般道路交通事故发生频数的时间序列没有隐含指数函数变化趋势，这是本研究中GM（1，1）模型预测效果逊色于ARMA模型的重要原因之一。有研究证明，在GM（1，1）模型中，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律。因此，当原始时间序列没有包含指数变化规律时，GM（1，1）模型[28]的预测效果精确度要低一些。此外，当序列本身存在一定波动性时，灰色预测法的精度也会有较明显的下降。本研究选取的数据总体时间跨度比较大，初始数据与未来数据之间的联系紧密程度可能发生变化，也可能对预测结果的精确程度产生影响。该结果提示，在处理类似一般交通事故发生频数这样的连续非完全随机平稳数据时，时间序列模型的实用价值更高。如果不考虑事故分级，将具有离散趋势的重大事故包含在时间序列内，则模型选用的侧重点应该发生相应的变化，GM（1，1）模型或许会更加适合一些。三、ARMA模型的实际应用价值和不足之处本研究所选用的一般交通事故建模数据具有较好的平稳性和非随机性特征，所建立的ARMA经验模型，在回顾和前瞻性预测中均显示出良好的预测效率，预测数据的准确度基本维持在80%以上。这一研究为进一步扩大地区开展车祸预测模型分析奠定40 第三军医大学硕士学位论文了良好的基础，在现有的环境条件下（研究地区的人口、道路、机动车保有量、道路里程的数据趋势不变），有明显的实际应用价值。从本次研究的数据发现，ARMA模型针对平稳背景的地域性交通事故数据的短期预测效果较好，而长期预测误差则逐渐增大，精度会有所降低，表明该模型最好用于短期预测。如果希望进行更长期的预测，则应在此基础上引入更为敏感的参数或者辅助变量，用于进一步控制序列相关性的干扰，以保持模型的稳定性同时提高模型的精确度。也有研究表明，此类数据也适合应用复合型的计数模型预测方法以提高预测效[29]果，这方面的工作仍有待进一步探索。此外，值得注意的是数学模型往往根据回顾性资料来对未来值进行估算，得到的仅仅是理论值，而任何事物总是处于不断演变过程中，难免会出现一些不可预测的现象，将会使拟合的模型实用性大大降低。因此，在利用任何方法进行预测时，均要结合实际进行具体分析，避免得出不正确的结论。在本次研究的长期时间序列（2006年11月、12月）计数数据预测中，该预测模型的精度有所降低（低于80%）。分析可能的原因是：（1）模型构建的内部干扰问题。本次研究以月为单位进行预测，降低了数据的时间单位跨度，因此呈现出一定的时间序列内部计数数据的序列相关性干扰，影响了交通事故本身非负、整数、随机的特点[30]，反映在模型的准确度上即呈现长期预测准确度下降。同时，ARMA建模法假定时间序列未来的发展模式与过去的趋势一致（包括误差），当对非负整数值计数数据进行建模的时候，无法很好地保持计数数据的整数结构，而本研究中重庆市某区2000~2006年一般交通事故发生频数的数据资料，即属于非负整数值计数数据（随时间推移的地理特征相关交通事故数据），因此预测的时间越长，准确度降低越明显。如何避免序列相关性带来的无效或低效估计参数，这一点还需要进行进一步的研究和改良。（2）实际数据收集的准确程度问题。交通事故发生数量的记录和归档是手工操作的过程，存在人为因素导致误差的可能。本研究数据来源地域选取了重庆市具有代表性的新兴城区（地处城乡结合部），随着经济的发展，道路里程和机动车保有量呈现逐年持续快速增长的趋势；但与此同时，随着科学技术的进步和法律法规的完善，交通事故的调查人员的素质，使用的手段，工作的效率也有明显的提高。因此，2006年1月和12月实际记录数据的误差也可能是导致预测效率下降的原因，这有待用更多前瞻性预测分析予以说明。41 第三军医大学硕士学位论文全文结论本课题运用流行病学描述性研究方法，对重庆市近郊某城市发展新区道路交通事故的特点和规律进行了系统的研究，建立了适合该区一般交通事故频数预测的时间序列模型。经过认真讨论结论如下：1．区内一般道路交通事故绝对数量在7年统计期内稳定在高位，有总体上升趋势；重大事故发生逐年减少。道路交通事故时间分布特征明显，可有针对性采取治理措施。2．区内超过八成的道路交通事故由机动车驾驶人违章引起，重大交通事故中行人原因比例是一般交通事故的4.6倍，提示交通安全法规教育、交通执法力度、以及行人保护设施建设有待进一步加强。3．5年以下驾龄机动车驾驶人、两轮摩托车驾驶人的事故倾向明显。前者造成半数以上道路交通事故，后者占据肇事车辆类型第二顺位，有必要列为重点管控对象。4．近郊农村地区的交通控制设施落后，约三成肇事地点无任何交通控制措施；五分之一的重大事故与货车有关，说明超载、人货混装的现象依然存在。5．ARMA预测模型在该区一般道路交通事故频数预测中较GM（1，1）模型效率更高，在不引入辅助变量或敏感参数的前提下，其短期预测精度优于长期预测精度。42 第三军医大学硕士学位论文本研究创新点1．我国经济欠发达地区的道路建设起步较晚，特别是其城乡结合部相关道路交通事故流行病学的资料还很少。本文选择重庆市近郊某发展新区全程道路交通事故为研究对象，系统地分析了7年间该区道路交通事故的各种分布特征，探索出此类地区道路交通事故的特点与原因，揭示出存在的问题与不足，其结果基本可以代表我国西部地区城乡结合部道路交通肇事的特点与规律，对我国经济欠发达地区城市近郊道路交通流行病学研究与发展具有一定的促进作用。2．传统的道路交通事故预测研究通常没有对所选取数据按照事故类型的不同加以区分，因此无法兼顾重大事故频数的离散特征和一般事故频数的系统性、整体性特征，这将导致其建立的预测模型效能偏低。本课题在建模之前充分考虑了不同类型交通事故频数在时间分布规律方面的差异，并根据所研究数据的规律选择合适的数理思路和模型侧重点，克服了传统交通事故预测研究数据内部波动较大的缺陷。所建立的ARMA模型得出的预测结果精度令人满意，更为重要的是模型的实用性和可靠性较传统时间序列模型更高。43 第三军医大学硕士学位论文致谢三年的硕士学习很快结束了，在这三年里我在学习方法、科研思路和工作能力方面都得到了提高，这些进步都离不开我尊敬的导师-军队流行病学教研室主任熊鸿燕教授给予我的悉心培养和指导关怀。导师严谨踏实的治学态度、实事求是的科学作风、丰富深厚的科研经验、友善和蔼的待人态度使我获益匪浅。这些宝贵的收获会给我未来的学习和工作带来巨大的助益。在此我向导师熊鸿燕教授表示衷心的感谢和崇高的敬意！另外还要衷心感谢许汝福副教授、林辉副主任、黄国荣高级实验师、张耀博士、朱才众博士、马翔宇硕士、程立庆硕士在研究过程中给予的各种支持；感谢张胜、饶中林、向颖、曹征鸿在数据整理过程中的帮助和奉献；感谢重庆医科大学陈国强等同学在数据录入工作中的辛勤劳动。衷心感谢我校大坪医院野战外科研究所交通研究所周继红主任对本课题研究思路的确定给予的指导；感谢邱俊博士、李阳硕士对本课题研究工作的帮助。衷心感谢《中华创伤杂志》编辑部向勇主任、刘国栋编辑、吴小萍老师、吴燕老师在后期论文发表中提供的帮助和支持。在此还要特别感谢在完成学业过程中给予我极大精神支持，以及无私的理解和帮助的家人，他们的奉献是我前进的动力。最后，再次感谢所有关心、鼓励、帮助过我的领导、同事、同学和朋友们！44 第三军医大学硕士学位论文参考文献1.ViandMN，DavidAS，MichaelRR，etal.Theglobalchallengeofroadtrafficinjuries：Canweachieveequityinsafety？InjuryControlandSafetyPromotion，2003，10：3-72.王正国.我国2001年的交通事故，中华创伤杂志，2003，19（11）：645-6483.WangSY，LiYH，ChiGB，etal.Injury-relatedfatalitiesinChina：anunder-recognizedpublic-healthproblem.Lancet，2008，372（9651）：1765-17734.WellsP.Deathsandinjuriesfromcaraccidents：anintractableproblem？JCleanProduct，2007，15：1116-11215.DepartmentforTransport.RoadCasualtiesinGreatBritain，MainResults：2005.[2006.6.8].http://www.thenewspaper.com/rlc/docs/uk-casualties05.pdf6.PosadaJ，BenMichaelE，HermanA，etal.DeathandinjuriesfrommotorvehiclecrashesinColombia，RevPanamSaludPublica，2000，7：88-917.FergusonSA，PreussersDF，LundAK，et，al.Daylightsavingtimeandmotorvehiclecrash：Thereductioninpedestrianandvehicleoccupantfatalities，AMJPublicHealth，1995，85：92-958.BecerraTA，BravoLX，BarcenaBF.Proposalforterritorialdistributionofthe2010EUroadsafetytarget.AccidAnalPrev，2009，41：1008-10159.祁薇，简华刚，周继红，等.重庆市道路交通事故伤中驾驶员及相关情况分析.创伤外科杂志.2002，4（6）：361-36310.KingMJ，SooleD，GhafourianA.Illegalpedestriancrossingatsignalizedintersections：Incidenceandrelativerisk.Accid.Anal.Prev.，2009，41：485-49011.ZhangJ，NortonR，TangKC，LoSK，etal.MotorcycleownershipandinjuryinChina.InjControlSafPromot，2004，11（3）：159-16312.KulmalaR.SafetyatRuralThree-andFour-armJunctions:DevelopmentandApplicationofAccidentPredictionModels.VTTPublications，Espoo:TechnicalResearchCenteratFinland，1995.13.Abdel-AtyM，RadwanE.Modelingtrafficaccidentoccurrenceandinvolvement.AccidAnalPrev，2000，32（5）：633-642.14.LordD.Thepredictionofaccidentsondigitalnetworks:characteristicsandissuesrelatedtotheapplicationofaccidentpredictionmodels.DepartmentofCivilEngineering，UniversityofToronto，Toronto，2000.45 第三军医大学硕士学位论文15.IvanJ，WangC，BernardoN.Explainingtwo-lanehighwaycrashratesusinglanduseandhourlyexposure.AccidAnalPrev，2000，32（6）：787-795.16.HoustonD，RichardsonL.Trafficsafetyandtheswitchtoaprimaryseatbeltlaw:theCaliforniaexperience.AccidAnalPrev，2002，34（6）：743-751.17.NolandR，QuddusM，OchiengW.TheeffectofthecongestionchargeontrafficcasualtiesinLondon:aninterventionanalysis.PresentedattheTransportationResearchBoard（TRB）AnnualMeeting，Washington，2006.18.QuddusMohammedA.Timeseriescountdatamodels:Anempiricalapplicationtotrafficaccidents.AccidAnalPrev，2008，40（5）：1732-174119.傅立.灰色系统理论及其应用[M].北京：科学技术文献出版社，1992．20.刘建齐.道路交通事故预测中的灰色预测模型[J].广西交通科技，2003，28（4）：100-10921.《公安部关于修订道路交通事故等级划分标准的通知》.公通字[1991]113号，1991.22.BoxG，JenkinsG，ReinselG.TimeSeriesAnalysis:ForecastingandControlCliffs，3rdEd.Prentice-Hall,EnglewoodCliffs，1994.23.BrocklebankJC，DickeyDA.SASforForecastingTimeSeries，2ndEd.SASPublishing，Raleigh，2003.24.RafleryA.BayesianmodelselectioninsocialresearchinPVMarsden（ed.）．SociolMethodol，1996，25：111-163.25.SharmaP，KhareM.ApplicationofinterventionanalysisforassessingtheeffectivenessofCOpollutioncontrollegislationinIndia.TranspRes，1999，PartD（4）：427-432.26.GohB.ThedynamiceffectsoftheAsianfinancialcrisisonconstructiondemandandtenderpricelevelsinSingapore.BuildEnviron，2005，40（2）：267–276.27.李琳，左其亭.城市用水量预测方法及应用比较研究.水资源与水工程学报，2005，16（3）：6-10．28.吴培乐.灰色预测法在西安市农村电话预测中的应用.[J]西安邮电学院学报，2002，7（2）：20-23.29.Al-OshM，AlzaidA.First-orderinteger-valuedautoregressive（INAR（1））process.JTimeSeriesAnal，1987，8（3）：261-275.30.KedemB，FokianosK.RegressionModelsforTimeSeriesAnalysis.1Ed，WileyInterscience，Hoboken,NJ,2002.46 第三军医大学硕士学位论文文献综述中国道路交通安全情况的过去与现状道路交通事故是现代社会一个突出的社会医学问题，对人民生命健康和社会经济发展都有极大的影响。WHO预计至2020年，道路交通事故伤害在全球造成的潜在寿[1]命损失和社会经济负担将仅次于心血管疾病和恶性肿瘤，成为重要的公共健康危害[2-4]。目前在个别高度机动化国家，道路交通事故伤害甚至已经超过肿瘤和冠心病，居[5]各种死因之首，所造成的经济损失仅次于恶性肿瘤居第二位。近些年，国内外对道路交通事故给予了高度的重视，进行了较为详细的调查和研究，由此，受到不同科学，不同领域的专家和学者的重视。现将有关情况作一下综述。一、国外国内的发生情况自1900年首例行人被汽车撞死案件发生以后，至1993年死于道路交通事故的总人数已达32000万，超过两次世界大战死亡人数之和。70年代全世界死于道路交通事故的人数是3.5万人，80年代每年至少死亡50万人，而到了90年代初期每年交通事[6]故致死人数上升至70万人。也就是说平均每50秒钟就有一人丧命于车轮之下。20世纪末这个数字达到100万人，受伤到3000万人。2004年WHO的数据显示全球每年因道路交通事故死亡人数达127万，伤残人数3000-5000万，平均每天有3000多人[7]死亡、140000多人受伤、15000多人残疾。随着汽车的普及，20世纪2、30年代欧美日等发达国家的交通事故逐年上升，到20世纪6、70年代初达到高峰。70年代以后，这些国家大力实施交通治理，使道路交[8]通事故发生率呈现下降态势，其交通事故伤亡率曲线在这40年中呈现钟形分布。但就发生的绝对数而言，道路交通事故导致的死亡人数仍居高不下。如美国1985年至[9]1996年道路交通事故死亡人数一直徘徊在每年4.5万人左右。欧盟各成员国每年约有5.5万人死于道路交通事故，170万人受伤，其中15万人致残。加拿大15-24岁死[10]亡的人中，63%为交通事故致死。对不同国家地区道路交通事故概况进行对比研究[11]发现，经济发展水平不同的国家道路交通事故的发展是不平衡的，约87.9%的道路[4]交通伤亡都发生在发展中国家，仅12.1%发生在发达国家。处于经济发展中的国家，机动车数量迅速增加，而相应的安全设施、法律、交通环境却未能作好应对，导致道路交通事故发生率或万车伤亡率与年俱增。1975-1998年，中国、哥伦比亚、印度的[12]道路交通事故致死分别增加了384%、237%、79%。在过去的10年中，我国的人均国内生产总值（人均GDP）从821美元涨到了3,26347 第三军医大学硕士学位论文美元，几乎翻了两番。随着经济规模的飞速发展，道路里程和机动车保有量也出现相应的剧烈增长。高速公路和高等级公路的里程（包括有通行限制、分段、以及所有收费的道路）在此期间增长约7倍，机动车保有量从4220万辆增至17000万辆，增长约4倍。至2005年，各类机动车构成包括：客车占16.4%，重型货车占7.5%，轻型或中[13]型货车占9.4%，各种摩托车占57.9%。但我国道路质量低，人车混合流动现象较严重，道路安全性较差。自1986年以来，每年发生道路交通事故25-30万起，死亡5-6[14]万人，受伤15万人左右；而近年来每年造成超过27万人死亡，道路交通事故已成[15]为我国男性公民和城市居民伤害死亡最主要的死因。也有研究认为，交通事故是我[16、17]国青少年和老年等特殊人群意外伤害的主要原因。1989-1993年监测资料表明，我国交通事故的伤亡率每年以10.0%的速度递增，城市交通事故平均伤亡率高于农村。农村地区虽低于我国的15.5/10万的平均水平，但上升速度快，特别是女性的上升幅[18]度高于男性。发达国家例如美国，人口为中国人口的五分之一，机动车保有量为中[19]国的5.5倍，死亡人数却仅为我国的57%。90年代我国开始启动道路交通事故的流行病学研究，到目前为止各种阶段性研究和权威统计数据表明，我国的道路交通事故[20]和交通伤害在2002年以前呈升高趋势，此后事故和伤亡均呈现下降趋势。二、道路交通事故的分布特点1．时间不同国家地区道路交通事故的分布不尽相同，考虑到社会因素和自然因素的影响，多数国家地区每年夏秋季的发生数量多于冬季，一般高峰在10月，2月份最少。我国城市与国外类似，例如上海市1986-1990年道路交通肇事伤亡高峰是是9-10月；法国以7-8月的发生数最多，1-2月最少；而美国6月-8月份最多，1-2月最少。一周中以[21、22]周末为最多，这一点国内外的资料基本一致。一天24小时中，也有其变化特点，以9-10时和14时发生的事故最多。而事故致死的峰值出现傍晚（19：30）而不是早上交通高峰期（7：30）出现死亡峰值，这一现象提示暴露于交通高峰期（上下班路上）并非唯一的影响因素。评估风险时应特别将天黑因素考虑进去。2．人群从年龄上看，道路交通事故的受害者主要是25岁以下的青年。30岁以下的驾驶[23]员是多发年龄组。Steim等的研究认为30岁以下驾驶员发生交通事故伤的OR值是[24]1.51，我国研究报告认为，我国道路交通事故死亡以17岁-35岁和36岁-59岁两个[25]年龄段占的比例较大。一般认为机动化程度较高的国家，道路交通事故的致死年龄高峰多在15岁-24岁和大于74岁两个年龄组，而机动化程度低的国家则以儿童为主要受害者。例如东南亚的泰国和菲律宾15岁以下人群交通事故死亡人数所占比例为48 第三军医大学硕士学位论文40%，而同年龄组死亡在日本和瑞典仅为20%，其原因是前两个国家的机动化程度较低。美国EVANS统计显示，50岁以上的机动车驾驶人死亡危险随年龄增加而增加。70岁与20岁相比，在同等碰撞概率和条件下，死亡概率达到3:1。但就实际死亡者年龄分布而言，年龄增大后所占的比例逐渐减少，如16岁至25岁超过20%，到65岁小于1.0%，而80岁小于0.5%，这与老年人驾车机率减少有关。1995年一些国家交通事故受伤与死亡比，中国2.4:l；瑞典2.7:1；美国70:1；日本92:1。中国伤死比值较低的原因可能与列入统计的重大交通事故所占的比例较高有关。[23]从性别上看，男性多于女性，男女之比多为2-3:1，个别报告为4-7:1。在我国死亡人员的职业以农民、工人为最多，前者可达50%，这与农村比较普遍的人货混装现象有密切关联。机动车驾驶员在致死人员中所占比例并不大。3．地区、地点城市由于较高的机动化程度，以及较高的人口密度，其道路交通事故的发生率比农村高。但城市中心地段交通事故发生率低于郊区的发生率，而农村及城乡结合部地[26]区的行人伤害严重程度高于市区、稠密商业区和高人口密度地区，这可能与不同地区的交通设施完善程度、车流量大小、车速高低有关。在公路网密集地区的干线上事故发生率也较高，大多数事故地点是平直路面，可占65%左右，交叉路口事故的比例[23]可达10-11%，急转弯和陡坡可分别占8.5%和7%左右。4．交通参与方式对人员死亡的影响发达国家受影响人群主要是机动车驾驶人，而发展中国家主要集中于行人、乘客[27]和非机动车驾驶人。美国60%的交通事故致死发生在机动车驾驶人，行人死亡仅占[28][29]11%，沙特行人死亡占25%，而我国这一比例占44%。2005年中国的交通伤亡数据表明，乘用客车和卡车造成的交通事故死亡在所有重大交通事故中所占比例仅为[30]9.0%，而同期美国的比例为63.2%。然而，在所有重大交通事故中，机动车驾驶人被警方认定为主要责任方的占59.6%。行人、非机动车驾驶人（主要是自行车驾驶人）、[13]摩托车驾驶人、以及机动车乘客所占比例分别为24.8%，15.5%，22.2%，和20.5%。[30]2005年在美国相应的比例分别为11.2%，2.0%，9.4%，和23.1%。这一对比结果提示中国道路交通死亡中行人、摩托车驾驶人、非机动车驾驶人（主要是自行车）所占的比例较高。除此之外，虽然中国道路交通事故死亡中机动车驾驶人和乘客所占比例较美国更低，但机动车乘客相对驾驶人死亡率更高。在我国行人和非机动车驾驶人（主要是自行车驾驶人）承担的潜在风险高于发达国家（2005年40%）。乘客的死亡（20%）比机动车驾驶人（包括客车和货车）的死亡（9%）更多。摩托车驾驶人占总死亡数的22%，其中大部分是农村地区的年轻人。49 第三军医大学硕士学位论文虽然客车和货车驾驶员仅占总死亡数的9%，但这类驾驶员占道路交通事故死亡肇事的60%。2005年客车的数量（轿车、小货车、小客车）是货车数量的近2倍（2130万对970万）。然而货车驾驶员的道路交通事故死亡肇事与客车驾驶员几乎一样，各占约30%，凸显出货车肇事的危害。虽然摩托车的车-公里暴露数较低，但摩托车驾驶人肇事约占死亡肇事总数的21%（有趣的是与摩托车驾驶人死亡数所占比例非常接近）。这凸显出摩托车驾驶人的危险驾驶行为、不带安全帽的风险（在我国头盔使用极少）、以及保护程度弱于4轮机动车。在过去的6年里乘用客车和摩托车导致的死亡在稳步上升，货车导致的死亡保持稳定。这种情况恰好与乘用客车和摩托车保有量增长高于货车的事实吻合。三、道路交通事故影响因素道路交通事故的直接原因主要包括人、车、路三种因素，国内外均以人的原因为事故发生的首要原因。在我国，由于人的原因造的死亡事故约占95%，而车和路的原因仅占5%。1．机动车驾驶人[31]多年来对事故的研究表明，人的因素是导致事故的最重要因素。Sabey和[32]Taylor对2041起交通事故进行研究，发现人的因素可解释95%左右的事故，而其中[33]机动车驾驶人因素占事故原因的90%以上。我国机动车驾驶员数量很大，增长速度很快，但文化素质和安全驾驶技术水平不高，部分驾驶人缺乏职业道德，交通违法行为严重，是发生交通事故的重要原因。驾驶员在行车过程中注意力分散、疲劳过度、休息不充分、睡眠不足、酒后驾车、身体健康状况欠佳等潜在的心理、生理性原因，造成反应迟缓而酿成交通事故。引发交通事故及造成损失的驾驶员主要违规行为包括[34-37]疏忽大意、超速行驶、措施不当、违规超车、不按规定让行这5个因素。低驾龄[38]（1-3、4-5年）和低受教育程度的机动车驾驶人发生交通事故次数多，死亡人数多。其中驾龄为1年及以下的驾驶人数量在驾驶人总数中并不占多数，但造成事故的比例却是最大的。2．酒精、疲劳、超速[39]酒精可以大幅降低人们的驾驶技能，使刹车反应时间延长，变线失误增加。酒[40]精浓度的提高还会影响速度感觉，使车速明显提高，并且能够显著地影响驾驶人的判断能力，受到酒精影响的驾驶人较正常驾驶人更容易做出冒险举动，因此这个群体[41]的事故发生可能性较高。此外，酒后驾车还会明显提高事故伤害程度，特别是重伤[42]和死亡人数明显多于非酒后驾车。与大部分发达国家不同，我国的法律对酒后驾车[13]的容忍度为零。在过去的几年里，我国道路交通事故死亡中涉及酒精的不到5%，50 第三军医大学硕士学位论文[30][43]而同期美国的同类比例高达40%-50%，瑞典为38%，澳大利亚为20%。然而近期我国出现了与饮酒相关道路交通事故死亡上升的趋势。如果将来我国采用有限度允许酒后驾驶的法令，情况会迅速恶化，因此有必要继续执行严格的酒后驾车制裁控制措施。疲劳驾驶是多项驾驶违规行为的主要诱因。我国的车辆长途驾驶不如发达国家（尤其是美国）普遍。但是近年来随着道路设施建设的发展和私家车保有量的提高，此类长途驾驶开始增多。同时，经济的增长使得道路交通运输大大增多，卡车的营运相应增长。许多大城市禁止卡车在白天进入城区，导致夜间长距离疲劳驾驶问题突出，尤[13]其是卡车驾驶员此类现象非常明显。自2002年起，与疲劳驾驶相关的道路交通事故死亡开始显著增加，因此急需改变我国卡车驾驶员较为普遍的夜间疲劳驾驶现状。速度对道路交通事故的严重程度影响很大，尤其是与事故致伤和致死的风险有明[44][45]确的相关性。降低道路限速标准会是道路交通事故数减少，速度每降低1km/h[46]（mph），事故发生率就会降低3%（5%）。而放宽速度限制则会带来更严重的道[47]路交通事故损伤水平。超速行驶是我国道路交通事故形成的重要原因之一。2005年的数据显示超速比酒精和疲劳导致更多的交通事故死亡（16.2%、2.6%、4.8%）。值得高兴的是在过去几年里被广泛应用的测速雷达和相机为控制超速提供了有效的手段。这些装备有力地提高了执法效率，超速执法事件从2004年的1280万起上升到2005年的1530万起，超速罚款总额从2004年的7560万元（平均每起5.9元）增加到15520[13、48]万元（平均每起10.1元）。3．车辆及道路环境因素随着经济水平的提高，目前我国道路上行驶的车辆安全性能均得到大幅提高。但车况较差的机动车辆仍在农村地区大量存在，尤其在我国欠发达地区广泛使用拖拉机用于乘客运输，这是重大道路交通事故发生的重要潜在因素，应及时得到进一步重视。车辆被动安全因素中最为重要的是安全带（安全帽）的使用。目前的研究显示，大多数事故情况下，使用安全带可以明显降低交通事故带来的伤害严重程度和死亡机率[49]。我国自2004年起在新道路交通安全法内规定驾驶人和前排乘客必须佩戴安全带，但目前实际应用效果并不好，研究发现广州安全带使用率为50%，南宁64%，北京[50、51]47%-93%，天津0%-38%。我国各类交通事故伤亡中，两轮摩托车驾驶人所占比[52]例非常高（约21%），一个重要的原因就是不按照规定佩戴安全帽（头盔）。NHTSA发现不戴头盔的摩托车驾驶员比戴头盔者在事故中遭受致命性头部创伤的可能性高40%，遭受非致命性创伤的可能性高15%。因此对于安全带（安全帽）强制使用的教育和执法亟待进一步加强。51 第三军医大学硕士学位论文道路几何结构、路面条件和安全设施对事故影响相对较小。其中关于道路线型对[53]事故发生率的影响存在一定争论，有学者认为弯曲道路事故发生率高于平直道路，[54][55]但也有人相反观点。路灯和人行道分隔等安全设施对行人的保护效果比较明显。值得注意的是，天黑时我国机动车驾驶人打开车灯的时间较国外机动车驾驶人更晚[51]，这与交通事故死亡峰值出现在傍晚较为吻合。但总体情况仍与其他国家类似，夜间驾驶的危险系数要高于白天。4．经济发展水平[56]Kopits和Cropper在2005年发现，每10万人口的交通事故死亡率与经济发展水平（人均国内生产总值）呈倒U型曲线关联，称之为库兹涅茨曲线。这种曲线关联同样也存在于国家与国家之间，甚至在同一个国家内部。中国是一个发展中国家，但是各省市之间差距非常大，发达地区（上海）人均国内生产总值可以达到贫困地区（贵州）的10倍。根据库兹涅茨曲线，一个国家的人均国内生产总值达到6,000到8,000[57]美元的时候，其道路交通事故死亡率不再上升并开始下降。中国的人均国内生产总值在2002年仅为1,135美元，但道路交通事故的下降趋势却是从这一年开始，这个现象值得进一步深入研究。四、展望道路交通安全的影响因素非常多。经济的发展发达水平影响着机动车的数量、道路建设的里程和等级、道路基础设施等物质条件。民族和文化的特征会对人们参与交通的态度和行为发挥长期作用，而道路交通安全法规的执法力度则会直接影响人们在交通中的行为。除此之外，先进的车辆安全技术、广泛的交通安全教育、便捷的公共交通条件都是提高道路交通安全的重要影响因素。中国是一个处于经济高速发展中的大国，其道路交通安全问题与西方发达国家相比是不同的。虽然发达国家的经验教训非常值得我们学习和借鉴，但仍需要依照我国的特点认真进行适用性评估才能应用。研究制订应对机动车保有量激增的相应措施是我国未来道路交通安全的核心问题。另外的问题包括：交通参与者的道路安全意识普遍低下；摩托车安全性能较差；道路建设中统一安全标准的缺乏；道路交通监控管理系统和机构运作效率低下；道路相关法律、促进手段、教育的软弱；急救条件落后；缺少全面可靠的道路交通安全数据库。这些问题的解决都需要我们进一步制定有针对性的短期、中期和长期战略规划[58]来实现。52 第三军医大学硕士学位论文参考文献1.ViandMN，DavidAS，MichaelRR，etal.Theglobalchallengeofroadtrafficinjuries：Canweachieveequityinsafety？InjuryControlandSafetyPromotion，2003，10：3-7.2.WangZG.Roadtrafficinjuries.ChinJTraumatol，2003，6：259-264.3.王正国.新世纪道路交通事故的发生趋势.中华创伤杂志，2002，18：325-328.4.SharmaBR.Roadtrafficinjuries：AMajorglobalpublichealthcrisis.PublicHealth，2008，122：1399-1407.5.王正国.我国2001年的交通事故，中华创伤杂志，2003，19（11）：645-648.6.Cummings，KoepsellTD，MoffatJM，etal.Drowsiness，counter-measurestodrowsiness，andtheriskofamotorvehiclecrash.InjPrev，2001，7：194-199.7.WorldHealthOrganization.Roadsafetyisnoaccident：abrochureforWorldHealthDay.Geneva：WHO，2004，1-20.8.RichterED，FriedmanLS，BermanT.DeathandinjuryfromMotorVehicleCrashesATaleofTwoCountries.AMJPrevMed，2005，29（5）：440-449.9.王正国.加强交通事故伤的研究.中华创伤杂志，1996，6（1）：1-3.10.HamiltonSN.Colalitionontraumapreventionandtraumacare：presidentialaddress.TraumaassociationofCanada，JTrauma，1998，31（7）：951-955.11.BarbaraF.TrafficaccidentsscarLatinAmerica’sroads.Lancet，2005，1366：703-704.12.MockC，KobusingyeO，AnhLV，etal.Humanresourcesforthecontrolofroadtrafficinjury.BullWorldHealthOrgan，2005，83：294-300.13.TrafficAdministrationBureauoftheMinistryofPublicSecurityofPRC.Chinaroadtrafficaccidentsstatistics[CRTAS].Beijing.2006.14.WangSY，LiYH，ChiGB，etal.Injury-relatedfatalitiesinChina：anunder-recognizedpublic-healthproblem.Lancet，2008，372（9651）：1765-1773.15.王声涌，池桂波.伤害的社会代价及其研究方法.中华预防医学杂志，2001，35（2）：133-134.16.刘生光，崔培元，刘牧林，等.青少年意外伤害原因分析.中国学校卫生，1999，20（8）：263-264.17.郭欣，曾光.我国老年伤害现状及危险因素研究进展.中国公共卫生，2006，22（4）：388-390.53 第三军医大学硕士学位论文18.陈林.目前发生交通事故的原因分析及对策.首届中国驾驶适性理论与对策研讨会论文集，上海交大出版社，107页.19.WillicomsAF，CarstenO.DivergeandCrashInvolvement，AJPH，1989，79（3）：326-329.20.ZhouJH，QiuJ，ZhaoXC，etal.RoadcrashinChinafrom2003to2005.ChineseJournalofTraumatology，2008，11（1）：3-7.21.SteinHS.Crashinvolvementoflargetrucksbyconfiguration：Acase-controlstudy.AJPH，1988，78（5）：401-405.22.PosadaJ，BenMichaelE，HermanA，etal.DeathandinjuriesfrommotorvehiclecrashesinColombia，RevPanamSaludPublica，2000，7：88-91.23.王正国.我国道路交通事故伤概况.中华创伤杂志，1995，11（2）：70-72.24.LeonSR.InjuryEpidemiology.NewYork，Oxforduniversitypress，1992：3-4.25.全国道路交通事故统计资料汇编.公安部交通管理局.1993：105-108.26.ZajacSS，IvanJN.Factorsinfluencinginjuryseverityofmotorvehicle-crossingpedestriancrashesinruralConnecticut.AccidAnalPrev，2003，35：369-379.27.NantulyaVM，ReichMR.Theneglectedepidemic：Roadtrafficinjuriesindevelopingcountries.BMJ，2002，324：1139-1141.28.NHTSA，2006a.FatalityAnalysisReportingSystem，NationalStatistics.12，Feb，2008.29.周继红，赵新才，简华刚，等.重庆市行人交通伤调查分析.创伤外科杂志，2004，5（5）：345-348.30.FatalityAnalysisReportingSystem[FARS].FARSencyclopedia.RetrievedDecember12，2007，http：//www-fars.nhtsa.dot.gov31.GraysonGB，MaycockG.Frompronenesstoliability.In：Rothengatter，J.A，DeBruin，R.（Eds），RoadUserBehavior.TheoryandResearch.VanGorcum，Assen.1988：234-242.32.SabeyBE，TaylorH.Theknownriskswerun：thehighway（TransportandRoadResearchLaboratorySupplementaryReport567）.Crowthorne，TRRL，UK.1980.33.王正国.21世纪的交通伤研究.创伤外科杂志，2000，2（1）：1-4.34.虎晓岷，尹文，宋祖军，等.1998-1999年西安市道路交通事故伤流行病学分析.第四军医大学学报，2001，22（7）：645-647.35.周继红，朱佩芳，王正国，等.重庆市区道路交通事故抽样调查分析，中华创伤杂54 第三军医大学硕士学位论文志，1999，15（4）：89-92.36.陈志跃，陆晓臻，蒋森，等.道路交通伤流行病学调查分析.浙江临床医学，2007，9（9）:1159-1160.37.周继红，朱佩芳，王正国，等.重庆市近十年交通事故抽样调查分析，解放军医学杂志，2002，27（1）：44-4538.吴蔚，张永青，黄明豪，等.机动车驾驶员道路交通伤害危险因素分析.中国公共卫生，2008，24（6）：723-724.39.WeilerJM，BloomfieldJR，WoodworthGG，etal.EffectsofFexofenadine，diphenhydramine，andalcoholondrivingperformance：arandomized，placebo-controlledtrialintheIowadrivingsimulator.AnnInternMed，2000，132：354-363.40.AmedtJT，WildeGJ，MuntPW，etal.Howdoprolongedwakefulnessandalcoholcompareinthedecrementstheyproduceonasimulateddrivingtask.AccidAnalPrev，2001，33：337-344.41.BurianSE，LiguoriA，RobinsonJH.Effectsofalcoholonrisk-takingduringsimulateddriving.HumPsychopharmacol，2002，17：141-150.42.TraynorTL.Theimpactofdriveralcoholuseoncrashseverity：Acrashspecificanalysis.TransportationResearchPartE，2005，41：421-437.43.MatthewsA，BrunoR，JohnstonJ，etal.FactorsassociatedwithdrivingundertheinfluenceofalcoholanddrugsamonganAustraliansampleofregularecstasyusers.DrugandAlcoholDependence，2009，100：24-31.44.EvansL.Automotivemedicine-increasinglyvitalascountriesindustrialise.15thWorldCongressoftheInternationalAssociationforAccidentandTrafficMedicine.AbstractBook.1997：60-80.45.NilssonG.TheeffectsofspeedlimitsontrafficcrashesinSweden.Proceedingsoftheinternationalsymposiumontheeffectsofspeedlimitsontrafficcrashesandfuelconsumption，1982，Dublin.OrganizationforEconomy，Co-operation，andDevelopment（OECD）.46.AartsL，SchagenIV.Drivingspeedandtheriskofroadcrashes：Areview.AccidAnalPrev，2006，38：215-224.47.EluruN，BhatCR，HensherDA.Amixedgeneralizedorderedresponsemodelfor55 第三军医大学硕士学位论文examiningpedestrianandbicyclistinjuryseveritylevelintrafficcrashes.AccidAnalPrev，2008，40：1033-1054.48.TrafficAdministrationBureauoftheMinistryofPublicSecurityofPRC.Chinaroadtrafficaccidentsstatistics[CRTAS].Beijing.2005.49.EluruN，BhatCR，HensherDA.Ajointeconometricanalysisofseatbeltuseandcrash-relatedinjuryseverity.AccidAnalPrev，2007，39：1037-1049.50.LiGL，LiLP，StevensonM，etal.RoadsideobservationsoftheuseofseatbeltsinGuangzhouandNanningcities，China.ChineseJournalofEpidemiology，2006，27：698-701.51.ZhangW，HuangYH，RoettingM，etal.Driver'sviewsandbehaviorsaboutsafetyinChina-WhatdotheyNOTknowaboutdriving?AccidAnalPrev，38（1）：22−27.52.NationalHighwayTrafficSafetyAdministration（NHTSA）.Trafficsafetyfacts，WashingtonDC：UnitedStatesDepartmentofTransportation，NationalHighwayTrafficSafetyadministration，Availablefrom：http：//www.nhtsa.dot.gov/people/injury/new-fact-sheet03/motorcyclehelmet.pdf.53.IkeaT，MoriN.Analysisofcorrelationbetweenroadwayalignmentandtrafficaccidents.ProceedingsoftheThirdInternationalSymposiumonHighwayGeometricDesign，2005，7，Chicago.54.HaynesR，JonesAP，KennedyV，etal.DistrictvariationsinroadcurvatureinEnglandandWalesandtheirassociationwithroadtrafficcrashes.EnvironPlan，A2007，39：1222-1237.55.WanvikPO.Effectsofroadlighting：AnanalysisbasedonDutchaccidentstatistics1987-2006.AccidAnalPrev，2009，41（1）：123-128.56.KopitsE，CropperM.Traffcfatalitiesandeconomicgrowth.AccidAnalPrev，2005，37（1）：169-178.57.McManusW.Theeconomicsofroadsafety：Aninternationalperspective.TechnicalReportNo.UMTRI-2007-23.AnnArbor：TheUniversityofMichiganTransportationResearchInstitute，2007.58.DevelopmentResearchCenteroftheStateCouncil,IndustrialEconomicResearchDepartment.ResearchonroadtrafficsafetyinChina，Beijing，2007.56 第三军医大学硕士学位论文学习期间发表论文情况1.张路，熊鸿燕，张胜，等.一般交通事故预测中自回归滑动平均模型的建立及效果评价.中华创伤杂志，2010，26（6）：546-550.2.张胜，熊鸿燕，张路，等.重庆市某区道路交通事故流行病学分析.创伤外科杂志。2010，12（1）：52-5557
