使用随机参数二元逻辑回归方法对行人-车辆碰撞事故归因中的异质性进行建模

《Accident Analysis & Prevention》：Modeling heterogeneity in fault attribution of Pedestrian–Vehicle crashes using a Random parameter Binary Logit approach

分析7213起伊斯坦布尔行人-车辆事故数据，采用随机参数二元Logit模型揭示责任归属的异质性影响因素。结果显示：交叉路口、交通标志、信号灯、恶劣天气、公共交通及车辆数量为关键随机参数，其中交叉路口和恶劣天气下司机责任占比上升，而交通信号灯和公共交通事故更易归责行人。研究证实需针对不同场景制定差异化安全策略。

　　

马哈穆特·埃萨德·埃尔金

土耳其伊斯坦布尔阿伊登大学土木工程系

摘要

行人与机动车之间的碰撞仍然是一个重大的交通安全问题，尤其是在城市地区。本研究旨在分析系统性地影响事故责任归属的因素，这些因素涉及道路、车辆、环境、时间以及行为等方面。研究使用了2022年至2023年间发生在伊斯坦布尔的7,213起事故的数据，这些事故的责任完全归咎于行人或驾驶员。首先建立了一个二元逻辑模型作为基准模型。随后，通过似然比检验构建了一个随机参数二元逻辑模型，以识别固定参数模型中未观察到的异质性。结果表明，“交叉口”、“交通标志”、“红绿灯”、“恶劣天气”和“车辆数量”被确定为随机参数。发生在交叉口的事故、有交通标志的区域的事故、多车事故以及恶劣天气条件下的事故更有可能将责任归咎于驾驶员，而发生在红绿灯处的事故和涉及公共交通工具的事故则更有可能将责任归咎于行人。这些发现表明，针对不同道路使用者和行为风险的干预措施比统一的安全措施更为有效。

引言

碰撞被视为一个全球性问题（Billah等人，2021年），每年全球约有119万人死亡，2000万至5000万人受伤，更重要的是，超过一半的交通事故死亡者是行人、骑自行车者和摩托车手等弱势道路使用者（世界卫生组织，2023年）。因此，欧盟委员会发起的“零愿景”运动旨在防止碰撞造成的死亡和重伤，并确保所有人的出行健康、安全和公平。其主要目标是在2030年前将致命和重伤事故减少一半，并在2050年实现零事故死亡和重伤（欧盟委员会，2022年；Pauer和?tv?s，2025年）。土耳其是签署该倡议的国家之一。2024年，事故总数为1,444,026起，其中266,854起为致命或受伤事故，1,177,172起造成财产损失。6,351人丧生，385,117人受伤。此外，只有8.2%的致命和受伤事故是行人的过错，90.1%的过错是驾驶员的过错。与上一年相比，事故死亡人数减少了3%，而受伤人数增加了9.8%。与两年前的统计数据相比，死亡人数增加了23%，受伤人数增加了33%（TURKSTAT，2025年）。

除了全国性的统计数据外，伊斯坦布尔的独特交通状况也对交通流量和碰撞动态产生影响。人口密集的地区增加了车辆与行人的互动。该城市长期存在拥堵、容量瓶颈和交通模式整合不足的问题，这些问题已被认为是影响驾驶员行为和交通安全的因素（Alpkokin等人，2011年）。特别是在博斯普鲁斯海峡等关键通道周围，行驶时间波动较大，这种不稳定的交通状况给驾驶员带来了额外的认知和操作负担，可能促使行人-车辆冲突的发生（Aksoy，2024a；Aksoy和Celikoglu，2012年）。这种结构和运营环境为解释行人-车辆碰撞中的责任归属提供了重要基础。此外，伊斯坦布尔的最新观察研究表明，即使有官方设施（如立交桥），行人仍经常进行危险或非法的穿越行为，他们的行为受到交通密度、等待时间、能见度和附近兴趣点的影响（Aksoy，2024b）。这种行为倾向进一步复杂化了驾驶员与行人的互动，并强调了在现实世界运动模式和环境条件下确定责任归属的重要性。在这种复杂的行为和环境背景下，理解责任归属方式变得尤为重要。确定事故中哪一方有过错有助于识别可以采取哪些措施来防止进一步的事故以及应遵循何种政策（Stiles和Miller，2024年）。

在行人-车辆碰撞中，责任通常归咎于被认为导致事故或疏忽的用户（无论是行人、驾驶员，或在某些情况下两者）。研究表明，在某些情况下，如人行横道、突然穿越道路或能见度低的环境中，行人的过错更为常见（Kim和Yamashita，2008年；Ulfarsson等人，2010年）。相反，一些研究表明，在驾驶员分心、操作不当、超速或酒精影响等因素占主导的情况下，责任更常归咎于驾驶员（Spainhour和Wootton，2007年；Zhang等人，2014年）。在研究驾驶员过错的人口统计因素时，发现年轻男性和老年驾驶员的过错概率显著更高，这一发现在不同类型的事故中都是一致的（Jiménez-Mejías等人，2016年）。然而，尽管有这些发现，系统地研究行人涉及的事故中过错与行为、环境和空间因素关联的研究仍然有限；除了区域性的研究外，很少有研究全面解释行人-车辆互动中的责任归属（Kim等人，2008年）。大多数研究要么关注行人行为，要么关注驾驶员行为，但很少有研究同时考虑环境、行为和空间因素对单方面过错的影响。

碰撞严重性研究关注致命和受伤事故，数据集不仅包括死亡人数，还包括受伤人数和受伤程度（Aziz等人，2026年；Li等人，2026年）。虽然这些研究关注事故后果，但本研究关注事故发生前的行为和情境条件。确定事故中哪一方完全有过错，以及这种责任归属如何因个体和环境因素而异，直接有助于制定差异化的安全干预措施。尽管研究行人-车辆碰撞的数量在增加，但使用考虑异质性的模型系统分析责任归属的研究仍然很少。现有研究通常采用假设观察结果中变量效应均匀的固定参数方法（Doulabi等人，2025年；Gedamu等人，2025年；Wahab和Jiang，2019年），从而掩盖了可能揭示实际条件下责任归属的行为变化。为了实现“零愿景”的目标，即预防事故，本研究认为统一的安全措施是不够的，需要考虑异质性的责任归属模型来指导有针对性的、对用户和环境敏感的政策决策。本研究以二元逻辑模型（BLM）作为数据分析的基准模型，并采用系统方法来模拟影响驾驶员和乘客过错的因素，因为只研究了两种类型的事故：仅行人有过错或仅驾驶员有过错。虽然BLM模型计算效率高，但它假设模型中使用的变量是同质的，即在不同个体之间没有差异，因此没有考虑观察结果之间的差异。为了克服这一限制，使用了更先进的模型，如随机参数二元逻辑模型（RPBLM）（Agheli和Aghabayk，2025年；Hu等人，2025年；Ma等人，2026年）。通过变异系数（CV）检验确定了随机参数，目的是通过检查这些参数对均值的影响来捕捉数据中的未观察到的异质性。因此，该模型确定了行人、驾驶员、车辆、道路、环境和时间因素对均值的影响。这样做的目的是为这一有限的研究领域做出贡献。

文献综述

许多研究通常关注碰撞的严重性和死亡率。然而，识别导致不适当行人-车辆互动的环境因素并制定对策对于防止事故造成的死亡和重伤至关重要。

研究表明，驾驶员的过错源于行为违规、能见度低等条件以及人类的固有因素

数据

文献中的大多数先前研究都研究了行人、驾驶员或双方都有过错的事故。由于责任是在现场确定的，且担心将责任同时归咎于双方可能不够明确，因此只包括了责任归咎于单一方（驾驶员或行人）的事故，而排除了责任归咎于双方的事故。由于这些是初步调查结果，案例的可靠性

随机参数Logit模型

由于驾驶员行为的异质性，他们在面对相同的道路情况时可能会有不同的反应（Ma等人，2026年）。在RPBLM或混合逻辑模型中，假设模型中使用的参数因个体而异，反映了每个驾驶员对时间、风险或成本等因素有不同的敏感性。这种观点将人群的异质性纳入了建模过程。RPBLM是一个非常适应性强的模型

基准模型结果

最初，模型测试中包含了表2中给出的所有19个变量。模型未能成功收敛，因此识别出统计上不显著的变量。据此，“冬季”、“秋季”、“春季”、“驾驶员性别”、“工作日”、“傍晚”和“重型车辆”等变量因统计不显著而被从模型中移除。根据获得的结果，可以说气候与一周中的天数之间没有关系

讨论

本研究分析了行为、道路、车辆和环境因素如何影响车辆-行人碰撞中归咎于驾驶员或行人的责任，以及这些因素的行为异质性。在分析研究中，选择了“交叉口”、“红绿灯”、“交通标志”、“恶劣天气”和“车辆数量”作为随机参数，因为它们

结论

本研究分析了7,213起事故数据，以研究影响土耳其车辆-行人碰撞中驾驶员和行人过错的因素，并应用了RPBLM模型。该模型通过考虑各种环境因素，揭示了驾驶员和行人行为之间的显著差异。根据结果，具有六个随机参数的RPBLM模型比固定参数模型表现更好（LR：χ2 = 65.46，p < 0.001）。因此，无法在

CRediT作者贡献声明

马哈穆特·埃萨德·埃尔金：撰写——原始草稿，验证，方法论，数据整理。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

作者感谢安全总局交通部门分享事故数据。