摘要
两轮车骑行者相比于其他的道路使用者，在汽车与两轮车事故中更容易受到较为严重的伤害。因此，研究两轮车骑行者在不同的碰撞场景下的伤害严重程度差异是提出相关事故预防对策及提高道路交通安全水平的关键。以往的研究对于两轮车骑行者的伤害严重程度分析已经有了一定的成果，但未考虑到交通事故数据中普遍存在的异质性及碰撞场景差异的影响，导致一些重要影响因素被掩盖，而这些因素对于制定有效的安全对策至关重要。 为了进一步研究探讨两轮车骑行者在不同碰撞场景下的伤害严重程度差异，论文首先对2010至2020年期间我国8座城市的交通事故深入研究（CIDAS）数据样本进行整理，分别选取两轮车骑行者特征、交互对象驾驶员特征、碰撞特征以及道路与环境特征等变量作为自变量，分析两轮车事故样本特征并进行描述性统计；其次，基于潜类别聚类模型及场景要素变量识别汽车与两轮车碰撞的典型危险场景，确定最佳的聚类簇数；然后，本研究将建立四类Logit模型，包括有序Logit模型、广义有序Logit模型、部分优势比模型，以及随机参数Logit模型，用于分析研究两轮车骑行者伤害严重程度与碰撞场景之间的关系，并对比不同模型的拟合效果和解释能力；最后，为了对比分析不同碰撞场景下两轮车骑行者的伤害严重程度的差异及组内异质性影响，选取拟合优度最佳的随机参数Logit模型分别对交叉路口碰撞场景和普通路段碰撞场景下骑行者的伤害严重程度建模并进行对比分析，根据研究结果提出相应的预防对策。 研究结果表明：基于潜类别聚类模型共识别到7类汽车与两轮车碰撞的典型危险场景，包括4类交叉路口碰撞场景和3类普通路段碰撞场景，在不同碰撞场景下道路限速、两轮车主要碰撞位置和汽车主要碰撞点存在显著差异；其次，相比于固定参数Logit模型，随机参数Logit模型对于两轮车骑行者的伤害严重程度拟合优度最佳，且能够识别事故数据中固有异质性的影响，例如在两轮车事故总体分析模型中，夜晚时段、客车与货车、恶劣的天气条件、道路线性、骑行者的年龄等变量对于不同的骑行者个体的伤害严重程度存在异质性；此外，对不同碰撞场景下骑行者的伤害严重程度分析发现，同一变量对于骑行者的伤害严重程度存在差异，甚至有相反的影响，也揭示了不同碰撞场景内数据异质性的影响。研究进一步揭示了汽车与两轮车碰撞过程中骑行者伤害严重程度的差异，为制定针对性的预防对策提供依据。
NETL