编辑推荐：
高速公路-铁路平交路口（HRGC）安全性能函数研究基于肯塔基州2014-2023年事故数据，整合交通与铁路部门数据，构建考虑几何特征（如偏移角度）和基础设施（导向岛、警示钟等）的负二项分布及复合负二项模型。HTCMP模型表现最佳，揭示城市HRGC照明不足（高AI）、警示钟≤2个（高FI）、无轨道信号（高AI）及几何偏移（高AI和FI）显著增加事故频率，并针对不同事故类型提出差异化改善措施，如增设高亮度LED灯和静态分心驾驶警示标志。
Arunabha Banerjee | Kirolos Haleem
美国西肯塔基大学工程与应用科学学院交通研究中心（CTR）
摘要
以往关于公路-铁路平交道（HRGCs）的安全研究通常关注事故的严重程度。然而，在这些关键位置开发安全性能函数（SPFs）或事故频率模型的研究仍存在明显不足。本研究利用2014年至2023年十年间的事故数据，为美国肯塔基州的公路-铁路平交道上的所有事故以及致命和受伤（FI）事故开发了SPFs。研究整合了肯塔基交通部（KYTC）和联邦铁路管理局（FRA）提供的详尽事故记录和道路属性信息。此外，还手动收集了平交道附近的几何特征和基础设施信息（如道路偏斜度、专用转弯道的存在、分隔岛的设置以及不同类型的标志）。为了处理数据过度分散的问题，研究采用了负二项分布（NB）模型、异质负二项分布（HTNB）模型、Conway-Maxwell-Poisson（CMP）模型和异质CMP（HTCMP）模型。其中，HTCMP模型（具有可变分散参数）表现最佳。模型结果显示，照明条件差、警告信号数量少（≤2个）、缺乏轨道信号以及道路几何形状不规则的城市区域与事故频率增加有关。在高事故频发的平交道，以左转行驶和驾驶员分心为主要的事故类型。总体事故与致命和受伤事故的关键风险因素有所不同，例如停车线的存在、停车设施的数量、道路偏斜度以及直行车道数量对不同模型的影响各不相同。基于模型结果和高事故频发区域的分析，研究提出了若干改进措施，例如安装高强度LED照明以提高夜间能见度，以及设置静态警示标志（如偏斜交叉口警告标志和提醒驾驶员注意分心的标志）。
引言
公路-铁路平交道（HRGCs）是美国交通网络中的关键节点，但存在一定的安全挑战。全国范围内，超过212,000个公共HRGCs与140,000英里的铁路线相交，每年导致2000多起事故和200多人死亡（FRA, 2025a, FRA, 2025b）。2023年，这些平交道发生了近2200起碰撞事故，造成781人受伤和245人死亡；2024年，相关数据上升至2252起碰撞、749人受伤和268人死亡（FHWA, 2025）。仅肯塔基州在2024年就报告了41起碰撞事故、17人受伤和2人死亡，过去五年共发生273起事故，多数发生在交通繁忙的城市地区（FHWA, 2025；Operation Lifesaver, 2025）。
HRGCs的安全风险在农村和城市环境中存在差异。城市平交道交通流量更大、多模式冲突更频繁、道路几何形状更复杂，但通常配备有主动预警装置。而农村平交道往往缺乏这些设施，能见度较差且响应时间延迟，导致事故严重程度更高。尽管投资了栏杆、信号系统和照明系统，但仍有约一半的事故发生在配备了主动预警装置的平交道。值得注意的是，94%的事故和87%的死亡事故归因于驾驶员行为，这表明需要采取超越基础设施建设的综合策略（FRA, 2025c）。联邦铁路管理局（FRA）和联邦公路管理局（FHWA）等机构正在优先处理高风险区域，实施平交道分离措施，并开展公众安全意识宣传活动。
以往的研究主要关注HRGCs的事故严重程度。然而，在针对美国HRGCs的所有事故（包括总体事故和致命及受伤事故）开发安全性能函数（SPFs）方面的研究仍存在明显不足。为填补这一空白，本研究提出了以下三个目标：（1）使用负二项分布（NB）模型和异质NB模型，以及更先进的Conway-Maxwell-Poisson（CMP）和异质CMP模型，来开发HRGCs的总体事故和致命及受伤事故的SPFs，以解释事故数据的过度分散现象；（2）利用经验贝叶斯（EB）方法识别并排名肯塔基州的高事故频发区域；（3）提出基于数据的安全改进措施，以减少事故并提高公共HRGCs的安全性。
研究片段
与HRGC安全相关的研究
多项研究探讨了影响HRGCs事故伤害严重程度的不同因素，特别强调了驾驶员行为、人口统计特征、环境条件和道路几何形状的关键作用。Hao等人（2015年）使用有序Probit模型分析了2002年至2011年间美国的25,945起HRGC事故，研究了年龄和性别的影响。
安全性能函数（SPFs）
负二项分布（NB）模型在交通安全研究中应用广泛，因为它能有效处理方差超过均值的事故数据（Mannering和Bhat, 2014）。然而，NB模型依赖于一个固定的分散参数（Geedipally和Lord, 2008），这一假设可能无法完全反映模型中未明确包含的特定地点的异质性。异质负二项分布（HTNB）模型则能够更好地处理这类问题。
数据收集与准备
本研究使用了联邦铁路管理局（FRA）的三个数据库：公路-铁路事故数据库、平交道库存数据库和平交道库存历史数据库。事故数据库包含了所有报告的事故的详细信息，包括车辆类型、列车速度和环境条件。库存数据库则提供了平交道的特征信息，如日均交通量（AADT）、车道数量和列车运行频率等。
HRGCs致命及受伤（FI）事故的SPF模型解读
表2总结了四种模型（NB、HTNB、CMP和HTCMP）的关键参数估计值（在10%显著性水平下被认为显著）和拟合优度统计量。在所研究的模型中，HTCMP模型在致命及受伤事故和总体事故的SPF校准和验证准确性方面表现最佳。在拟合优度评估中，HTCMP模型获得了最高的Pseudo R2值以及最低的AIC和BIC值，表明其模型效果最优。
结论与HRGC安全建议
本研究通过开发明确区分总体事故和致命及受伤事故的SPFs，填补了HRGC安全研究领域的空白。虽然以往的研究主要集中在HRGCs的伤害严重程度上，但本研究为肯塔基州的所有公共HRGCs提供了分别建模这两种事故类型的综合框架。这有助于更深入地了解HRGCs的事故频率。
研究的局限性与未来研究方向
值得注意的是，本研究未考虑COVID-19大流行的影响，因为可用的事故数据不足以支持疫情前后的事故对比分析。此外，研究结果和建议仅适用于肯塔基州的HRGC事故情况，但类似的事故模式和交通条件可能也适用于其他地区。
未来的研究可以进一步探讨暴露因素在事故中的作用。
作者贡献声明
Arunabha Banerjee：负责撰写初稿、软件开发、方法论设计及数据分析。Kirolos Haleem：负责审稿与编辑、监督工作、资金筹集及概念构思。
利益冲突声明
作者声明不存在可能影响本研究的已知财务利益冲突或个人关系。
致谢
作者感谢肯塔基交通部（KYTC）提供的研究资助以及所需的事故和道路数据。本文的观点、发现和结论仅代表作者本人，并不一定代表KYTC的观点。作者还要感谢参与数据收集的本科生Dylan Justice、Cassidy Schrock等人。
