基于行车风险的摩托车限速标准研究*

陈富坚　谢松霏　邓伟建　钟　钊　吴贞团　邓文莉　陈　琼

(桂林电子科技大学建筑与交通工程学院　桂林　541004)



基于行车风险的摩托车限速标准研究*

陈富坚谢松霏邓伟建钟钊吴贞团邓文莉陈琼

(桂林电子科技大学建筑与交通工程学院桂林541004)

为了满足春运期间各种恶劣天气环境下摩托车车速管理的需要，研究了基于行车风险的摩托车限速标准.根据国标对摩托车行车可靠性进行了定义，提出了摩托车行车风险的基本模型，采用SPSS软件对49例返乡摩托车事故进行了统计分析.提取天气、行驶距离、车速、驾龄和连续骑车时间5个参数作为行车风险模型的基本参数.采用返乡摩托车交通事故典型路段当时的状态数据，计算行车风险模型的基本事故率.采用文献分析法构建基本参数的经验模型，并通过将基本参数的实际状态数据与典型路段状态数据之比作为基本参数对行车事故率的影响系数.基于调查数据，提出了春运骑摩托车返乡的目标事故率，采用行车风险模型反向推导了典型天气状况和骑车人状态下的最高安全车速.

交通安全；限速标准；行车风险模型；摩托车；目标事故率

0　引　　言

近年来，众多在粤、闽、浙等沿海地区务工的人们春节时选择骑摩托车返乡过年.这种返乡方式已从开始时的零星队伍，发展成有数十万辆规模的“摩托车大军”.据笔者的调查研究，2011年春运，返乡摩托车大军约为40万辆；2012年，达50万辆；2013年上升到约65万辆，人数约150万.显然，摩托车已成为火车、汽车之外，沿海务工人员春节返乡的第三种重要交通工具.

尽管摩托车方式返乡“便宜和便捷”，但寒冬中长途骑车极为艰辛与危险，交通安全隐患非常严重.据统计，仅320国道江西省玉山县境内2009年春运期间就发生13起返乡摩托车事故，15人受伤；2010年则发生18起，死亡1人，受伤14人[1].另梧州交警部门统计，春运摩托车过境高峰期，平均每5 min就发生1起摩托车倒地意外或撞车事故[2].返乡摩托车事故进入事故处理程序的很少，大多数无据可查.因此，实际交通事故状况要比披露的严重得多.上述严峻交通安全状况除了与春运恶劣天气有关外，骑车人普遍的超速行车和疲劳行车也是重要原因.

据笔者调查统计，有61%的骑车人平均车速超过60 km/h，有0.2%甚至达到100 km/h；有约20%的骑车人连续骑车时间超过3 h，其中2%甚至超过4 h.我国的道路交通管理条例规定：摩托车在路况好情况下允许的最高车速为60 km/h，在各种不利路况和环境下为20 km/h.由于众多骑车人返乡行程中遇到的路况和天气状况非常复杂，交通管理部门对他们进行相应的安全骑车指导及安全车速警示对提高行车安全性有重要的作用.但显然，目前的国家限速标准过于单一，不能满足需要.为了减少春运交通事故，有必要就各种复杂路况和天气状况对返乡摩托车进行精细化车速管理，并通过沿途设置临时限速标志来警示.因此，深入研究摩托车的限速标准有重要的现实意义.

限速标准问题有不少学者进行过研究，关键是安全行车模型或风险模型的构建问题.风险模型的构建方法有系统分析法、经验贝叶斯方法、回归分析法、经验模型法、时间序列法、人工神经网络法、遗传算法、马尔可夫链法、模糊数学方法等，还有学者采用Matlab计算机仿真法.这些建模方法各有优缺点及其适用范围，在工程实际中都有应用.本文要构建的摩托车行车风险模型主要用于精细化车速管理，可指导骑车人根据自身状况及路况、环境条件合理选择安全车速.就此而言，基于调查数据的经验模型及回归分析方法可能更为适合.下面，本文先定义摩托车行车风险的基本概念，然后进行模型构建，以此为基础，推导出相应的限速标准.

1　基本定义

根据国标《可靠性基本名词术语及定义》(GB3187-1982),可靠性的定义为“产品在规定的条件下和规定的时间内完成规定功能的能力.”从交通系统工程的角度看，确保摩托车行车安全的要素是一个有机的系统，由人-车-路-环境-管理5方面要素组成，摩托车交通事故可看作是系统故障.根据可靠性的标准定义，结合摩托车行车特征，可将摩托车行车可靠性定义为：在规定的骑车人、道路、车辆、环境和管理条件下，摩托车行驶系统保持正常安全运行而不发生故障的能力.这个能力主要以概率表示.相反，摩托车行驶系统发生故障的概率则表示行车风险.以下文中，提到的摩托车行车可靠性或行车风险都是指摩托车行车系统的可靠性或风险.

上述基本定义较为抽象，涉及参数非常多，按常规的功能函数方法直接建模会极为困难.本文试图从相反方向，通过对典型事故路段的分析，从事故风险概率的角度建立行车风险模型，进而提出基于行车风险的摩托车限速标准.

2　摩托车行车风险模型的构建

有的文献将道路交通系统中人-车-路-环境-管理各要素之间的关系看作是串联关系，采用串联系统的方法构建道路交通系统可靠性模型[3].也有文献将其中的人-车-路三者的关系看作的串联关系，先构建串联可靠性模型，然后将其他因素当作外界影响系数引入.这2种建模方法的优点是逻辑清晰，但缺点是确定参数取值很困难.本文吸取两种方法各自的优点，采取一种新的建模思路，即以某一特定路段当时的人-车-路-环境-管理要素状态下的交通事故率为基本风险概率，然后分别引入这些要素的影响系数来反映各要素状态变化对行车风险的影响.某一要素的影响系数是指该要素在其他要素状态不变的情况下，它的实际状态与基本风险模型时的状态相比对摩托车行车风险的放大或缩小效应.用模型表达如下.

(1)

式中：Pf为单元路段内摩托车发生交通事故的概率(次/辆·km)；P0为特定典型事故路段的单元路段基本事故率，次/(辆·km)；k人为骑车人影响系数，k车为车辆影响系数；k路为道路影响系数；k环境为环境影响系数；k管理为管理影响系数.

根据式(1)，摩托车行车系统的可靠性模型可表达为

(2)

根据式(2)，即可得到摩托车行车可靠度.但是，式(2)实际上无法进行计算，因为其中的5个影响系数依然很抽象，内涵很丰富，必须具体化才能用于计算.

根据笔者3年来收集的49例返乡摩托车交通事故的详细信息，采用SPSS软件进行统计分析，最终确定：k人可用骑车人的连续驾驶时间和驾龄2个参数代表；k车用速度参数表达；k环境难以单独表达，可用各种天气下的基本事故率方式来表达，即整合进P0，用Patm来表达；k路用行驶里程表达，单元路段为1 km；k管理因相对影响较小被SPSS分析软件筛掉.那么，式(1)可改为

(3)

式中：Patm为各类天气下的基本事故率；kt为2次休息之间的连续驾驶时间影响系数；kage为驾龄影响系数；kv为速度影响系数.

那么，一辆摩托车行驶一段里程L后，其行车风险值可用式(4)计算.

(4)

式中：F为发生的摩托车交通事故次数.

需要说明的是，式(1)反映的单辆车单元路段的行车风险模型，那么，行驶一段里程L后的风险值用式(4)计算，其值可能大于1，相应的现实意义是发生了1次以上交通事故.这完全是可以理解的，但必须假定每次事故后骑车人不至于丧命，还可以继续行驶.

对3年来调查数据的综合分析，2010年玉山县的返乡摩托车交通事故状况具有典型的代表性，可用作为摩托车的基本风险概率.下面对此进行分析，并确定式(3)中各项参数的计算方法.

3　模型参数的计算

3.1各类天气下基本事故率Patm的计算

据交警部门统计，在2010年，有约3万农民工骑摩托车经过320国道玉山县段.该路段长约40 km.交通事故状况见上文所述.

根据以上条件可以计算玉山路段春运期间返乡摩托车的事故率为

(5)

式(5)是各种天气条件下的综合事故率，还需按公式(3)的要求将其分解为各种天气类型的基本事故率.

1) 晴天、阴天和雨天时的基本事故率据美国宾夕法尼亚州交通部门的调查研究，路面状况和汽车交通事故率存在表1的关系[4].

表1　路面状况与交通事故率关系

路面状况的不同是天气的不同造成的，因此，可根据天气状况套用表 1中的基本关系.玉山县2010年除夕前15 d的天气情况见表2[5].

表2　2010年玉山县除夕前15 d的天气统计情况

根据表 1，可得到表3.

表3　天气状况与汽车交通事故率关系

表3是不同天气下汽车的交通事故率状况，对摩托车应具有借鉴意义.因此，本文假定，摩托车在雨天下行驶的事故率与在晴阴天下行驶的事故率也具有5倍的数量关系.上述关系和式(5)可用下式来表达.

(6)

式中：P晴、阴为晴阴天时的基本事故率；P雨为雨天时的基本事故率.

求解式(6)可得：

(7)

2) 雪天时的基本事故率与晴阴天或雨天相比,冰雪天气对两轮摩托车行车安全性的影响要比汽车严重得多，因此，对于冰雪天气下的基本事故率不采用表 1的基本关系，而采用作者自己收集的贵州路段的返乡摩托车事故资料直接进行计算.

有记者视频跟踪了5位民工春运期间骑摩托车返乡的情况[6]，从广东肇庆出发回到家乡贵州省石阡县，行程约1 200 km，历时108 h.5人坐3辆车，其中有2辆车各坐2人，1辆车坐1人.他们在贵州的结冰路面上谨慎行驶了约270 km，车速约为20 km/h，3辆车共发生了7起事故.该案例具有冰雪山区返乡摩托车行车的基本特征，有典型的代表性，其事故率可作为冰雪地区摩托车行车的基本事故率.

冰雪地区的基本事故率为(见表4)

(8)

表4　各类天气下摩托车行车的基本事故率

3.2速度影响系数的计算

根据澳大利亚学者的研究，行驶速度与事故危险性存在表 5所列的关系[7].

表5　行驶速度与交通事故危险性的关系

表 5的数量关系用回归分析拟合可得到图 1，公式表达如下.

(9)

式中:y为事故危险系数；v为行驶速度.

通常摩托车的行车稳定性比汽车要差得多，因此，相同条件下，摩托车车速与事故危险性关系肯定要比汽车的差.由于目前无法得到摩托车车速与事故危险性关系，作为近似，本文以汽车的上述研究结果替代.

图1　行驶速度与交通事故风险值的关系图

下面分晴阴天、雨天和冰雪天三种情况分别提出速度影响系数的计算方法.

据笔者2012和2013年春运期间对返乡摩托车的车速调查，晴阴天时的平均车速约为60 km/h，也就是说基本事故率是在该车速下得到的.那么，以车速60 km/h为基准，晴天条件下，则其余速度的相对影响系数kv为

(10)

式中:kv为速度影响系数；v为行驶速度.

在雨天，可视距离在75～100 m时的安全车速推荐值为40 km/h[8].而我国二级公路的视距设计要求是：设计车速为80 km/h，设计视距为100 m；设计速度为60 km/h，设计视距为75m.这些规定值是在相同的算法基础上得出的，因此可以理解为：雨天时车速为40 km/h的骑车风险值与晴阴天时车速为60 km/h的风险值相等.据此，则可求得雨天天气的速度影响系数kv.

根据我国的道路交通管理条例，雪天情况下，道路限速值为20 km/h.这个限速值的算法基础与雨天限速值是一样的，同理可将雪天时限速20 km/h与晴阴天时限速60 km/h的风险值相等.据此可求得雪天天气下的速度影响系数kv.

3.3连续骑车时间影响系数的计算

人因工程学研究表明，人体连续工作一定时间后会出现疲劳现象，工作效率会降低，误操作率会增加.根据文献[9]，可以得到疲劳与连续驾驶时间的基本关系，见表6.

表6　驾驶时间与误操作数的关系

图2　连续驾驶时间与误操作数的关系图

由于驾驶员在驾驶车辆行驶的过程中，每一次的错误操作都很可能引起交通事故，因此可以将连续行驶时间与疲劳误操作的关系看作是连续行驶时间对交通事故风险的影响系数.

对图 2的数据进行回归，可得到连续驾驶时间与误操作数之间的关系模型.

(13)

式中：m为误操作数，次；t为连续行驶时间，h.

根据调查数据，3.1计算得到的基本事故率是摩托车返乡人员在平均连续驾驶时间为1.95 h下发生的，约为2 h.如果把连续驾驶2 h下的误操作数(行车风险)作为基准值，那么其他连续驾驶时间下的误操作数与基准值的比值，即为连续驾驶时间影响系数kt，用公式表达如下.

(14)

3.4驾龄影响系数的计算

根据文献[10]，1 000个驾驶员中，驾龄与事故发生率之间存在表7的关系.由表7可得表 8.对表 8的数据进行回归，可得图 3.

图3　驾龄与交通事故发生数关系图

由图3，得到驾龄与事故频率的关系模型：

y=-0.043 2x3+0.927 8x2-7.415 5x+36.493

(15)

式中：y为事故发生数；x为驾龄.

表7　驾龄与事故发生数的关系(分年龄)

表8　驾龄与事故发生数的关系(不分年龄)

据笔者的调查数据，骑摩托车返乡人员的平均驾龄约为8年，基本事故频率是有8年驾龄的骑车人续骑车2 h情况下的事故发生频率.同理，把8年驾龄司机的事故发生数作为基准值，其他驾龄司机的事故发生数与基准值的比值，即为驾龄影响系数kage，用公式表达如下.

kage=(-0.043 2x3+0.927 8x2-7.415 5x+36.493)/14.43

(16)

4　基于行车风险的摩托车限速标准

根据笔者2012和2013年对春运摩托车返乡潮现象交通安全状况的调查，100 km长路段每100辆晴天时车约发生1起交通事故，雨天时约发生5起交通事故，雪天时100 km长路段每1辆车约发生1起交通事故.这些事故率虽然比汽车要高得多，但显然绝大多数骑车人认为是可以接受的.否则，春运摩托车返乡现象 就不会规模越来越大，发展态势愈演愈烈.

长路段每100辆车约发生5起交通事故，雪天时100 km长路段每1辆车约发生1起交通事故.这些事故率虽然比汽车要高得多，但显然绝大多数骑车人认为是可以接受的.否则，春运摩托车返乡潮现象就不会规模越来越大，发展态势愈演愈烈.

现象交通安全状况的调查，晴天时100 km长路段每100辆车约发生1起交通事故，雨天时100 km长路段每100辆车约发生5起交通事故，雪天时100 km长路段每1辆车约发生1起交通事故.这些事故率虽然比汽车要高得多，但显然绝大多数骑车人认为是可以接受的.否则，春运摩托车返乡潮现象就不会规模越来越大，发展态势愈演愈烈.

为了对春运返乡摩托车进行合理的车速管理，防范和减少交通事故，针对春运期间各种不利天气和不利路况制定相应的最高车速，以对骑车人进行精细化的安全骑车指导是非常有必要.此处仅以晴、雨和雪3种天气为例，采用上述调查得到的事故率作为目标事故率，以驾龄4年和连续行驶时间2 h为基本条件，采用摩托车行车风险模型进行反算，可得到相应的摩托车最高安全车速，即相应天气条件下的限速标准，具体见表9.

5　结　　论

1) 我国现行的摩托车限速标准过于单一，存在诸多不足，不能满足复杂天气状况下精细化交通安全管理的需要，也不能对骑车人的安全骑车进行科学的指导.

表9　基于行车风险的摩托车限速标准(示例)

2) 摩托车行车风险模型能考虑天气、行驶里程、驾龄、车速和连续骑车时间等因素对事故发生风险的影响，并计算出相应的事故概率，对交通管理部门指导骑车人结合具体条件调整骑车状态，提高行车安全性有积极的意义.

3) 基于行车风险的摩托车限速标准能考虑各种复杂天气对行车风险的影响，对交通管理部门进行精细化车速管理有参考价值.

4) 行车风险模型虽是以摩托车为对象构建，但其思想方法和部分成果可移植至汽车交通安全管理，有借鉴价值.

[1]省际国道上，5万返乡“摩托军团”气如虹[N/OL].大江网-江西日报，2011-01-31.http://www.jxnews.com.cn.

[2]梧州启动春运跨省警务协作机制：两广三地爱心接力共保过境车辆安全[J/OL].梧州市公安，2012-01-10.http：//www.wz110.cn/portal.php?mod=view&aid=6368.

[3]陈富坚，郭忠印，柳本民，等.基于贝叶斯分析的道路交通系统可靠性模型[J].同济大学学报(自然科学版)，2011(2)：220-225.

[4]汪明春.道路条件对交通安全的影响分析[D].重庆：重庆交通大学，2008.

[5]江西省玉山县预报[DB/OL].天气风云录.http://www.fengyunlu.com/yushan/.

[6]农民工骑摩托返乡：三个家庭骑摩托车回家之路[J/OL].北京青年网，2011-01-30.http://www.bjqnw.com/2011/0130/173725.html.

[7]PAM S, GEOFF M. Roads and traffic authority of New South Wales, Speed Problem Definition and countermeasure Summary, Speed[R].New South Wales, August 2000.

[8]张丽君.有关雨雪天气的安全行车[D].上海：同济大学，2006.

[9]马艳丽，王要武，裴玉龙.疲劳与驾驶时间关系的实验心理学研究[J].西南交通大学学报，2009，44(4)：535-540.

[10]许洪国，何彪.道路交通事故分析与再现[M].北京：人民教育出版社，1996.

Research on Speed Limits of Motorcycle based on the Riding Risk

CHEN FujianXIE SongfeiDENG WeijianZHONG ZhaoWU ZhentuanDENG WenliCHEN Qiong

(SchoolofArchitecture&TransportationEngineering,GuilinUniversityofElectronicTechnology,Guilin541004,China)

To meet the need of speed management of motorcycle riding in various severe weathers during China’s Spring Festival period, investigation is carried out on speed limit of motorcycle based on the riding risk. In this paper, the motorcycle riding reliability is defined according to the National Standard and a basic motorcycle riding risk model is proposed. Forty-nine cases of returned motorcycle accidents which happened during Spring Festival are analyzed by using SPSS software. Five basic parameters of the riding risk model are extracted, which are weather condition, distance traveled, speed, riding age and continuous riding time. The basic accident rate of the riding risk model is calculated based on the state data at that time of a typical traffic accident section. The empirical model of the basic parameters is established by the literature analysis method. The ratios between the actual state data of the basic parameters and those of the typical traffic accident section are regarded as influential coefficients of the basic parameters to the riding accident rate. Based on the survey data, the target accident rates are proposed for riding a motorcycle during Spring Festival. The maximum safe speed under typical weather conditions and typical riders’ status is inversely derived based on the riding risk model.

traffic safety; speed limits; riding risk model; motor; target accident rate

2016-06-02

U491.5

10.3963/j.issn.2095-3844.2016.04.006

陈富坚(1974- )：男，博士，教授，主要研究领域为道路交通安全

*国家自然科学基金项目资助(73120136)