基于风险驾驶行为的电动自行车交通事故机理研究

Electric bikes have become the most important transportation in the urban transportation system of china. However, the growing popularity of electric bikes also entails safety concerns as observed in crash statistics and poses grave challenges for the traffic managers. Faced with the great number of crash of electric bikes and the pressed requirement, this project takes the risk driving behavior of electric bike as the entry point, designs an electric bike risk behavior scale that meets China's national conditions, and combines random investigation and follow-up survey methods to study the measurement method of the internal influence factors of electric bike risk behavior. Based on the theory of planned behavior, modeling an risk behavior structural equation model to reveal the influence mechanism of internal influence factors on risk behavior tendency. This project plan to build a combined electric bike crash prediction model consisting of a reflection model, a composition model, and a structural model to study the common action mechanism of risk behavior factors and external factors of electric bicycle drivers. Then we will propose the method of quantifying and classifying the behavior risk of electric bike drivers and the risk management strategy. The expected results can provide theory and technical support for the accidental risk precise control and accident prevention of electric bicycle drivers.

经过十余年的发展，在很多城市电动自行车已经成为城市居民出行最主要的交通工具。然而，电动自行车日益突出的安全问题，给城市交通管理、交通安全保障带来了新的挑战和巨大压力。为此，本项目以电动自行车事故风险中风险驾驶行为为研究切入点，设计符合我国国情的电动自行车风险行为量表，结合随机调查与跟踪调查手段，研究电动自行车风险行为内在影响因素的测量方法；基于计划行为理论构建电动自行车风险行为模型并进行聚类分析，揭示内在影响因素对风险行为倾向的影响机理；建立由反映模型、构成模型、结构模型组成的电动自行车事故风险预测组合模型，研究电动自行车驾驶者风险行为因素和外部因素的共同作用机理；进而提出电动自行车驾驶者行为风险量化分级方法和风险管理策略。预期成果可为电动自行车驾驶者事故风险差别化、精确化管控及事故预防提供理论和技术支持。

电动自行车生产超标严重，安全性能无法保障，造成电动自行车安全问题日益突出，电动自行车事故的易发性和严重性已经成为社会公认事实。本项目在自然科学基金的资助下，以电动自行车为研究对象，对驾驶人风险驾驶行为及事故致因机理进行基础科学研究，具体内容如下：. （1）基于跟踪调查和随机问卷调查，研究制定了风险驾驶行为及潜变量的数据采集方法，改进设计了符合我国国情的电动自行车风险驾驶行为量表。通过解析风险驾驶行为及潜变量与外显指标的基本关系结构，提出了风险驾驶行为的具体测量方法。通过Kendall相关分析方法与贝叶斯网络模型相结合，分别构建了针对不同事故责任方的事故严重程度分析模型，利用多因素交叉分析深度挖掘了影响电动自行车事故风险的显著外部因素。. （2）通过分析风险驾驶行为与影响因素之间的直接和间接路径关系和荷载，解析电动自行车驾驶人风险驾驶行为的内在机理。基于K均值聚类分析，研究制定了电动自行车驾驶人风险群体分类方法，并采用CatBoost模型和SHAP模型，针对不同类型、不同累计违章次数的驾驶群体驾驶行为差异性进行了致因分析。. （3）为了揭示未观察到的异质性对电动自行车交通事故的复杂交互效应，利用均值异质性随机参数logit模型构建了基于事故严重程度的电动自行车交通事故复合变量构成模型，通过分析影响因素复合变量与事故指标潜变量的关联特征，探究了驾驶人风险行为因素及外部环境因素对电动自行车交通事故的共同作用机理。. （4）利用空间计量经济学模型构建了电动自行车风险驾驶行为风险评估体系，采用高斯混合模型算法研究给出了电动自行车事故风险影响因素相对重要度计算方法，制定了电动自行车驾驶人行为风险量化分级方法，由此设计了电动自行车风险驾驶行为系统管理策略体系。. 本项目的成功实施将为电动自行车驾驶人事故风险进行差别化、精确化管理及事故预防提供理论和技术支持，具有重要的理论意义和工程应用价值。