互通式立交与隧道出口小间距路段事故影响因素分析

邓国忠， 曹帆， 吴勇， 王琪

(广西交通设计集团有限公司， 广西 南宁 530029)

1 前言

随着山区高速公路的大量建设，受山区路线走廊、复杂地形地貌及社会经济条件等客观因素的限制，出现了许多隧道出口与互通式立交出口间距过近(也称为小间距路段)的工程实例。国内外一些高速公路运营实践表明，这些互通式立交出口与隧道出口过近的路段普遍存在以下问题：① 指路标志设置困难；② 隧道出口的明暗适应问题；③ 在出口路段来不及反应，采取突然变换车道或急刹车。这些问题常导致隧道出口与立交小间距路段成为一个事故易发、多发点。

国内外许多学者对造成这一类事故的严重程度因素进行了大量研究分析。吴勇等采用主成分分析法对快速路合流区交通事故影响因素进行了研究，鉴别出事故各个诱因的重要性；S. Renuraj对发生在斯里兰卡贾夫纳市的一些交通事故，运用Logistic回归分析的方法，发现车辆类型和驾驶员年龄是影响事故严重程度的最重要变量；Ali Kemal Celik基于11 771起发生在土耳其的事故资料，运用Logit模型，探讨可能影响道路交通安全的危险因素，结果发现65岁以上的司机、小学教育程度驾驶员等因素会增加致死的可能性；KK Yau运用Logistic回归模型，研究了香港单车事故严重程度的影响因素，结果表明：街道灯光条件是决定伤害严重程度的最重要因素；马壮林等针对公路隧道交通事故，从时间、隧道环境和交通动态因素3个方面出发，运用Logit模型回归分析，得到了对公路隧道事故严重程度具有显著影响的4个因素；胡骥等以翻车事故为例，并运用Ordinal Logistic模型研究驾驶员、车辆、环境因素对事故严重程度的影响，分析发现安全带、路面状况、道路线形对翻车事故的严重性具有显著影响；王磊等运用有序Logit和多项Logit模型对高速公路交通事故影响因素进行了分析，发现道路线形、路面通行条件、事故发生时间和能见度4个自变量与交通事故严重程度均显著相关。通过对类似文献的检索发现，由于交通事故的因变量不仅含有如时间这样的连续变量，还有天气、事故形态等分类变量，因此常选用Logit和Probit两种模型进行研究。Logit模型也译作“评定模型”，是Luce于1959年根据IIA特性首次导出的，服从Logistic分布；Probit模型是一种广义的线性模型，服从正态分布，两个模型都是离散选择模型的常用模型。但是Logit模型是最早的离散选择模型，也是目前应用最广的模型，具有简单直接、求解速度快、应用方便的特点。JD Bennett于1985年利用91 404起事故最先应用Logit模型研究受伤程度与地理位置、经验等因素之间的关系。中国近些年一些学者也开始将Logit模型广泛地运用到事故严重程度因素分析方面。

综上所述，这些研究成果主要集中在对隧道立交小间距值的研究以及所提出的相关安全措施，而针对隧道出口与立交小间距路段事故特点的研究资料相对较少。鉴于此，笔者将以21条典型隧道立交小间距路段的319起事故为基础，应用有序Logit模型对此类交通事故严重程度的影响因素进行分析，探究所选取的不同自变量分别为天气、时间、隧道立交净距、年平均日交通量等。

2 小间距路段

JTG D20-2017《公路路线设计规范》规定：条件受限制时，隧道出口与前方互通式立体交叉减速车道渐变段起点的距离不应小于1 000 m；JTG/T D21-2014《公路立体交叉设计细则》中针对不同设计速度，不同主线车道数，对隧道与前方主线出口之间最小净距进行更为详细的规定，如表1所示。规范中的最小净距并没有考虑出隧道后对于预告标志识别等所需要的时间，在计算中也是采用设计速度，而非实际的运行速度。其他学者对小间距值的研究也是采用汽车的实际运行速度，最后得出的最小间距也会略大于规范要求值。故此次选取的小间距路段定义为隧道立交净距为0～1 500 m对应的路段。

表1 隧道与前方主线出口之间的最小净距

3 事故特点及分析

事故样本所对应的21个互通式立交分布于浙江甬金高速、长深高速、沈海高速等，调查路段主线均为双向四车道、立交为单车道出入口。2009年1月1日—2012年12月31日4年期间，路段共发生交通事故319起，其中伤亡事故51起，共造成64人受伤，8人死亡。

3.1 伤亡事故天气分布特征

伤亡事故随天气分布的变化情况见图1。

由图1可知：晴天时发生的事故比例最大，但根据事故发生年份浙江的天气统计，晴天绝对数所占比例为雨雪天气的2～3倍，伤亡事故晴天占到59.25%，雨雪天占到40.75%，因此晴天相对事故率约为雨雪天相对事故率的1.45倍。死亡事故均发生在晴天，这是因为雨雪天气虽路况较差，但驾驶人一般会减速行驶，警惕性较高，而晴天车速一般较高，出隧道后由于受到明适应的影响，从而导致死亡事故的发生。

图1 事故天气分布

3.2 伤亡事故时段分布特征

伤亡事故时段分布特征见图2。

图2 事故时段分布特征

中国交通事故高峰出现在09：00—11：00和14：00—16：00，事故死亡率最高的时段是凌晨03：00—06：00。隧道立交小间距路段中伤亡事故在05：00—07：00及10：00—12：00高发，05：00—07：00交通量较少，车辆易超速行驶，且早间驾驶员容易犯困，注意力不集中，反应较慢，导致事故多发；10：00—12：00事故多发主要是受到出洞口明暗适应的影响。

3.3 伤亡事故空间分布特征

由于交通环境、交通组成和交通分布不同等原因，交通事故在空间上有不同的分布特征。分析隧道出口与立交出口小间距路段的事故空间特征，可以得到该类路段交通事故发生的集中或较多区域，为以后存在的该类路段的交通安全设计提供一定的参考依据。根据隧道立交小间距路段的特性和驾驶人的驾驶特性，将事故分布区域划分在7个区段内，如图3所示。

图3 事故分布地点示意图

隧道出口与互通式立交出口小间距路段交通事故的空间分布状况见图4。

图4 事故空间分布

从图4中可以发现：隧道出口与互通式立交出口小间距路段的伤亡事故主要发生在隧道出口与渐变段起点之间及出口三角端部，分别占到39.18%和27.27%。隧道出口与渐变段起点之间的事故多与进出隧道明暗适应有关，出口三角端部的事故主要是车辆没有提前变换车道，因此在出口附近强行变换车道导致碰撞固定物事故多发，当前车减速变换车道时，后车容易与前车发生追尾事故。

3.4 伤亡事故形态分布特征

伤亡事故形态分布特征见图5。

图5 伤亡事故形态分布

由图5可知：尾随相撞事故总体上占总事故数的47.96%，甚至在个别路段已经超过了50%。尾随相撞事故是车辆未与前车保持安全的行驶距离，当前车突然刹车或减速时，后车驾驶人来不及做出反应而与前车碰撞，从而发生追尾事故。尾随相撞事故主要发生在出口匝道端部附近，其次是隧道出口路段。统计的样本路段交通事故中，未保持安全距离是尾随相撞事故的主要原因，占总数的75%。撞固定物事故主要集中在出口匝道端部位置，当车辆制动不当或转向不当时容易撞路侧护栏或出口三角端护栏。撞固定物事故的主要原因是操作不当和超速行驶。

4 事故模型

4.1 有序Logit模型

有序Logit模型主要用于研究因变量为有序分类的情况，第K个等级的有序Logit模型为：

(1)

式中：X为自变量组成的集合；β为自变量的个数；χj为第j个自变量，j=1,2,3，…，j;αk为第k个等级的常数项，k=1,2,3,…,k-1；βj为第j个自变量的回归系数；P(Y≤k|X)为累积概率，其定义为：

(2)

有序Logit模型其概率模型如下：

(3)

P(Y=K|X)=1-P(Y≤K-1|X)

(4)

4.2 变量选取

根据选取的5条高速公路上共21处隧道与立交间距过近路段2009—2012年间319起事故资料，所收集到的事故数据信息主要包括：① 事故发生的具体时间；② 事故类型：包括财产损失、伤人事故、死亡事故；③ 事故形态：尾随相撞、撞固定物、同向刮擦、侧面相撞、翻车和其他形态；④ 天气状况：晴、雨、雪、阴、雾；⑤ 事故发生地点；⑥ 事故原因：超速行驶、妨碍安全行车行为、机件故障、疲劳驾车、违章变更车道、违章倒车、违章停车、未保持安全距离和其他。各路段的交通量及隧道立交位置信息均为相关部门提供。

交通事故调查的21处路段，共发生319起交通事故，隧道出口至立交减速车道渐变段起点的距离有8处为500 m以内，10处为500～1 000 m，3处略大于1 000 m。

根据统计所得交通事故数据，以交通事故严重程度为因变量，受到事故特点制约，死亡和受伤事故占比较少，因此将因变量分为仅财产损失和伤亡事故两类，并分别用Y=1和Y=2表示，以事故发生天气、事故发生日期、事故发生时段、事故发生地点、隧道长度、隧道与立交净距、事故类型、涉及车辆数、年平均日交通量为自变量，变量的具体描述见表2。

表2 变量的描述

当自变量的类别m大于2时，就需要引入(m-1)个虚拟变量，以事故发生天气(x1)为例说明：以晴天为参照，引入两个虚拟变量。见表3。

表3 事故发生天气虚拟变量

5 实例分析

根据2009—2012年间浙江省21处典型路段的319起事故统计数据，采用有序Logit模型建立隧道立交小间距事故严重程度的预估模型，其中将2009—2011年间共231起事故用于建立模型，2012年88起事故用于验证模型的准确性。

5.1 有序Logit模型分析结果

采用混合逐步选择法，取显著性水平为0.05，当p<0.05时，表明该自变量对因变量有显著影响，保留该自变量。经由Stata12.0软件进行分析得到天气、事故发生时段、隧道立交净距等自变量对事故严重程度有显著影响，详见表4。

表4 有序Logit模型的参数估计结果

模型最终选取3个自变量，即自由度为2，经查卡方检验临界值表，α=0.05时，模型似然比检验值为0.021 4，表示模型拟合优度较好，模型有效性较强。

由表4可知：

(1) 晴天发生严重事故的概率大于雨、雪等不良天气；0:00—08:00发生严重事故的概率大于其他两个时段；隧道与立交间距越小越易发生严重的事故。

(2) 事故发生天气(x1)、事故发生时段(x3)及隧道与立交净距(x6)这3个自变量对因变量有显著影响，事故严重程度的影响大小排序为隧道与立交净距、事故发生天气、事故发生时段。

5.2 有序Logit模型结果检验

Logit模型检验结果见表5。

由表5可知：有序Logit模型对伤亡事故的预测准确率为83.3%；财产损失的预测准确率为88.2%；总体的预测准确率为85.75%。

6 结论

(1) 晴天时发生的事故绝对数最多，雨雪天气的事故相对数低于晴天；隧道立交小间距路段中伤亡事故在05:00—07:00及10:00—12:00高发；伤亡事故主要发生在隧道出口与渐变段起点之间及出口三角端部；尾随相撞和撞固定物是最主要的两种事故形态。

(2) 有序Logit模型结果显示：事故发生天气、事故发生时段、隧道立交净距3个自变量与隧道立交小间距事故的严重程度显著相关，且影响因素大小排序为隧道立交净距、事故发生天气、事故发生时段。

(3) 根据回归模型的结果，分析了事故发生天气、事故发生时段、隧道立交净距对事故严重程度的影响程度，并对模型的估计结果进行了验证。

(4) 根据回归模型的检验，结果显示拟合效果良好，但此样本中伤亡事故还是偏少，下一步的研究中需要增加样本量，进行进一步研究，以验证所得结论的普适性。