非机动车安全研究国际最新进展

周青雅侯宋雪

摘要:非机动车是城市交通系统的重要组成部分。如何减少非机动车事故，提高其安全性，已成为社会关注的关键问题。为了解决非机动车安全研究中交通暴露数据难以获取的问题，学者们开始着力探索利用更加丰富多样的数据进行分析。为了从规划和管理层面指导安全改进和减少事故，宏观安全研究和事故类型分析受到了学者们的广泛关注。以降低事故后果为目的的事故严重性研究也是热点之一。在非机动车项目和规范方面，学者们更注重对已有经验的总结、评估和更新。本文从非机动车数据收集、事故影响因素分析、事故严重程度影响因素分析、非机动车项目和规格四个方面，对近两年来非机动车安全的最新研究进展进行了归类和总结，以期为今后的非机动车研究和实际安全改进提供指导。

关键词:非机动车；交通安全；数据采集；事故的影响因素；事故的严重性

非机动车安全的最新研究进展

周庆亚1、HOU新艺2、王雪松1

(1.同济大学道路与交通工程教育部重点实验室，上海201804；2.上海交通警察总部，上海200070，中国)

摘要:非机动车是城市交通的重要参与者。如何减少非机动车碰撞事故以及提高其安全性是社会关注的关键问题。为了解决非机动车安全研究中交通暴露数据的缺乏，学者们开始探索在进行分析时使用更多样化的数据。为了在规划和管理方面指导安全改进和减少事故，宏观层面的安全研究和事故类型分析得到了相当的重视。旨在减轻碰撞影响的碰撞严重度分析也是一个热门话题。在涉及非机动车的项目和指南方面，学者们更侧重于对已有经验的回顾、评估和更新。摘要:从数据收集、影响碰撞和碰撞严重程度的因素、项目和行业指南等方面总结了近两年来非机动车安全领域的最新进展，以期为非机动车安全领域未来的研究和实际应用提供参考。

关键词:非机动车；交通安全；数据收集；撞车的影响因素；碰撞严重程度

非机动车是城市交通的重要组成部分。国家统计局数据显示，2017年，我国踏板自行车产量达到7105.24万辆；据中国自行车协会统计，到2018年10月，我国电动自行车保有量已达2.5亿辆。然而，在道路交通的弱模式下，非机动车驾驶人更容易在事故中受伤甚至死亡，其安全状况令人担忧。据公安部交管局统计[1]，2015年，上海市非机动车交通事故比例高达63.9%和82.3%。面对如此严峻的形势，总结非机动车安全的最新研究经验，指导交通安全规划和管理以改善现状势在必行。

在数据收集方面，非机动车安全研究面临的主要问题之一是交通暴露数据难以获得。交通暴露数据是衡量非机动车交通活动强度的基本指标，与交通安全密切相关。与各种成熟的机动车流量统计技术相比，非机动车流量和出行的调查统计还不完善。对于事故数影响因素的分析，除了传统的微观安全建模外，学者们越来越重视宏观层面的安全分析，以期从更高的规划角度了解非机动车的安全状况，指导相关部门在区域层面完善政策和管理。事故的严重程度是另一个常用的安全评估指标，特别是对于非机动车等交通弱势群体。如何减少事故的后果和伤害，降低事故的严重程度，也是学者们关注的热点问题之一。同时，在实际项目和政策上，虽然过去有很多成功的项目经验，但缺乏系统的整理和总结；而且有些行业手册过于专业，无法给普通大众提供有效的指导。

针对非机动车安全研究的现状、问题和热点，对近两年来该领域的最新研究进展进行了分类和总结，以期为非机动车安全研究者、项目管理者和参与者提供有益的参考。

1非机动车数据收集

丰富的数据是非机动车安全研究的基础。然而，非机动车交通暴露的数据很难获得，单一的数据来源往往阻碍了研究。近年来，除了传统的事故、交通、设施数据外，与非机动车相关的数据类型更加多样，数据来源更加广泛，逐渐克服了数据不足的问题。体育软件STRAVA、新闻报道等新数据源的众包数据逐渐引起研究者的关注，为非机动车研究提供了更广阔的数据基础。同时，多源数据的关联分析成为检验数据质量的有效方法。

Scott Kelley[2]等基于STRAVA 软件平台提供的自行车出行数据，分析了前往位于里诺中心区的内华达大学里诺校区的自行车通勤活动的特征。STRAVA是一款针对自行车骑行者和跑步爱好者开发的手机应用，其主要功能是使用GPS记录和追踪运动轨迹，兼具社交功能；用户超过9000万人。研究对比分析了STRAVA上的实际出行轨迹与当地地形、城市自行车道设置情况、推荐的校内自行车路径，以期为未来的设施建设提供建议。结果表明，大部分（78%）校内通勤均遵从了推荐路径，然而大部分（75%）校外通勤均未发生在城市自行车道上。这表明城市的自行车道网络建设还需进一步完善，以真正符合市民的实际出行需求。Scott Kelley[2]等人基于STRAVA软件平台提供的自行车出行数据，对位于里诺中心区的内华达大学里诺校区的自行车通勤活动特征进行了分析。STRAVA是一款为骑自行车者和跑步者开发的手机应用。它的主要功能是利用GPS记录和追踪运动轨迹，同时还具有社交功能。超过9000万用户。将STRAVA上的实际行驶轨迹与当地的地形、城市自行车道的设置以及推荐的学校自行车道进行对比，为今后的设施建设提供建议。结果显示，大多数(78%)的校内通勤遵循推荐的路线，但大多数(75%)的校外通勤不发生在城市自行车道上。说明本市自行车道网络建设有待进一步完善，才能真正满足市民的实际出行需求。

针对现有自行车安全研究均面临交通暴露指标难以获得的问题，Moatz Saad等人[3]使用2013～2016四年美国Orange County的STRAVA 软件众包数据获得交通暴露指标，对交叉口处自行车事故进行建模。研究用四种方式对采集的STRAVA数据进行了处理，即：1）无校核； 2） 人口代表性校核，即依据当地人口实际的性别、年龄分布，按照一定公式计算校正系数；3）实地数据校核，即随机抽取171个交叉口，从交通部获取观测的自行车出行量，与STRAVA数据进行相关分析、回归分析，得到校正系数；4）结合前两种校核方法。该研究基于上述四类处理后的STRAVA数据作为交通暴露变量，结合道路设施数据构建安全分析模型，发现结合了两种校核方法的STRAVA数据可以有效地应用于安全分析。针对现有自行车安全研究中交通暴露指标获取困难的问题，Moatz Saad等人[3]利用2013-2016年美国奥兰治县STRAVA软件的众包数据，获取交通暴露指标，对路口自行车事故进行建模。对收集的STRAVA数据进行四种处理，即:1)不检查；2)人口代表性检查，即根据当地人口的实际性别和年龄分布，按照一定的公式计算修正系数；3)实地数据核对，即随机选取171个路口，从交通部获取实测自行车出行量，与STRAVA数据进行相关分析和回归分析，得出修正系数；4)结合前两种检查方法。本研究以上述四种处理后的STRAVA数据作为交通暴露变量，结合道路设施数据，构建了安全分析模型，发现结合两种检验方法的STRAVA数据可以有效地应用于安全分析。

Calvin Thigpen[4]等。收集基于bikemaps.org平台的调查报告数据，以探讨事故或未遂事故对当事人未来骑行意愿的影响。该平台旨在通过众包公民自我报告收集自行车事故和未遂事故数据。基于收集到的数据，构建贝叶斯有序逻辑模型，发现就诊类型的影响呈现出一个有趣的模式:严重的皮肤擦伤可能会导致急诊室就诊，但很快愈合，导致以后的骑行行为变化较小，类似于看家庭医生；相反，最终需要住院治疗的伤可能不会在事故现场显现，可能需要长期治疗才能恢复，所以住院治疗对以后的骑行影响最大。此外，与男性相比，经历过交通事故的女性更容易改变未来的行为。

Julie Bond[5]等人将社会新闻报道数据应用于非机动车安全研究。研究人员收集了近9年希尔斯伯勒县自行车死亡事件的新闻报道，提取并编码其文字，用CDA方法进行分析。研究发现，新闻报道中的词汇、语法结构和叙事框架在很大程度上有助于消除机动车驾驶员的事故责任，突出骑车人的行为。这些语言策略暗示了自行车安全的责任由骑自行车的人承担的假设，这很可能将公众的注意力集中在特定的人和原因上，而不是忽视更广泛的社会政策改革对改善自行车安全的重要性。

Sarah Doggett[6]等人回顾了十项关于交通警察报告中行人和非机动车事故漏报的研究，这些研究使用数据链对方法来探索该问题。由于报告水平、研究时间和研究地点的不同定义，很难直接比较研究。在与医院数据相关的六项研究中，行人事故的估计报告水平为44% ~ 75%，自行车事故的估计报告水平更低，为7% ~ 46%，这表明存在严重的漏报问题。

2事故影响因素分析

事故因素分析是交通安全领域常用的研究方法之一。非机动车事故研究的热点集中在宏观安全建模上，从规划层面探讨合适的安全分析模型形式，分析安全影响因素并提出相应的改进措施。一些研究人员创新性地在模型中引入了新的变量进行探索。

与针对设施的微观安全建模不同，近年来，宏观安全分析逐渐成为热点。宏观安全建模可用于分析具体的区域单元，探索区域内社会经济、交通特征、土地利用、基础设施与交通安全的关系。其结论有助于从规划层面为安全改进提供启示。Md Sharikur Rahman[7]等人应用数据挖掘技术，在州级交通分析社区(STAZ)层面探索行人和自行车事故的影响因素。本研究首次将决策树回归(DTR)应用于宏观安全建模。为了提高模型的预测精度，引入了相邻STAZ之间空的预测变量，发现明显优于不考虑空之间变量的模型。最后比较了随机森林、梯度增强等算法对提高预测精度的效果，发现梯度增强算法的效果最好。

另一项非机动车宏观安全研究的动机来源于纽约Vision Zero零死亡愿景，Omar Abou Kasm等人[8]力图弥补现有的现有事故模型中未考虑骑自行车者行为的文献空白。该项研究针对曼哈顿地区，基于事故、区位、头盔使用等数据，建立了三个宏观安全模型分别研究骑行行为与事故数、事故率和当量死亡人数之间的关系。结果表明，在自行车道上逆行是造成事故的最大原因，而在非自车道或相邻车道上骑行是造成死亡的最大原因。针对头盔使用的敏感性分析表明，使用头盔可降低高达60%的现状当量死亡人数。该研究的结论对于当地的交通管理者提供了极大启示，具有较大的现实意义。另一个对非机动车的宏观安全性研究是受纽约零死亡愿景(Vision Zero)的激励，Omar Abou Kasm等人[8]试图弥补现有事故模型中不考虑骑车人行为的文献空。本研究基于曼哈顿的事故、地点和头盔使用等数据，建立了三个宏观安全模型，研究骑行行为与事故数量、事故率和当量死亡人数的关系。结果表明，在自行车道逆行是导致事故的最大原因，而在非本车道或相邻车道骑行是导致死亡的最大原因。对头盔使用的敏感性分析表明，头盔的使用可以将当前的等效死亡人数最多减少60%。本研究的结论对当地交通管理者有很大的启发，具有很大的现实意义。

Dibakar Saha[9]等人构建了以人口普查区块群为研究单元的宏观安全模型，分别分析了整体自行车事故和有死亡/重伤的自行车事故的影响因素。值得一提的是，研究中用于计算自行车出行里程和强度的数据全部来自上文提到的Strava软件。考虑到宏观分析单元之间事故的空相关性，研究者采用了分层贝叶斯框架中的条件自回归模型，并比较了两种贝叶斯模型(Besag模型和Leroux模型)的数据拟合效果。结果表明Besag模型更加有效。事故影响因素分析结果表明，无论是总体事故还是死亡/重伤事故，人口、日均车辆行驶里程(VMT)、年龄组、家庭汽车数量、城市道路密度、行驶里程和自行车出行强度与事故呈正相关。而受教育程度、货车率、农村道路密度与事故呈负相关。

事故类型分析有助于研究人员快速了解整体安全状况，从而采取积极的安全改进措施。利比·托马斯[10]等。对美国的自行车事故进行了详细的统计分析。结果显示，大多数自行车事故发生在城市地区，死亡率高于农村地区。虽然大多数事故发生在十字路口，但大多数致命和致残事故发生在非十字路口。机动车超车自行车是最常见的自行车死亡事故类型，占28%。研究结论有助于指导交通管理部门进行有针对性的执法和教育。Timothy J Wright [11]分析了包括加利福尼亚和佛罗里达在内的六个州的交通警察事故报告，并将其与20年前的一项早期研究[12]的结论进行比较，以探索自行车事故的分布和特征是否发生了变化。研究人员没有发现现有模型之外的任何新的事故类型；此外，目前研究的事故类型分布与早期样本有很好的对应关系。但与早期样本相比，当前样本的分类准确率更高，这可能是由于近年来计算机事故分类工具的应用和执法意识的提高，使得事故信息采集更加细致。

Greg P. Griffin[13]等人首次创新性地将街道噪声纳入非机动车事故的分析中。这项研究在奥斯汀和华盛顿特区进行，在自行车上安装智能手机，用手机软件记录周围街道的噪音和骑行轨迹，分析过去5-7年的历史事故数据。使用普通最小二乘回归模型，结果表明，在控制其他因素后，街道噪声与标准化处理后的事故风险之间没有显著关系。但这项研究只是一个很好的创新，其结论并不具有决定性，需要未来基于更高质量的数据进行进一步的探索和确认。

3非机动车事故的严重程度

影响非机动车事故严重程度的因素很多，包括驾驶员特征、骑手特征、道路几何设计、环境、时间、光线等。这方面的研究可以从车辆制造、道路设计、交通管理、执法等方面提供建议，从而有效降低事故带来的危害和损失。

Dibakar Saha[14]收集了美国佛罗里达州四年的自行车事故数据，并根据骑车人的年龄将其分为四组:非常年轻(6 ~ 19岁)、年轻(20 ~ 44岁)、中年(45 ~ 64岁)和老年(65岁及以上)。研究者构建了多个logistic回归模型，结果显示不同年龄组自行车运动员损伤严重程度的显著变量有不同的影响。研究发现，事故类型、照明条件、车辆类型、机动车驾驶员的不当行为、酒精和药物的影响以及安全装置的使用等变量对不同年龄组的伤害严重程度有不同的影响。基于此，研究人员进一步提供了提高特定年龄段人群骑行安全性的具体建议。

Jun Liu[15]采用地理加权有序逻辑回归（GWOLR）研究了2007～2014年间美国北卡罗来纳州的7000多起自行车-机动车事故。在GWOLR模型中，受伤严重程度与其影响因素之间的关系是局部的。例如，与夏洛特地区的同龄人相比，三角地区的青少年和老年骑行者更容易受到严重伤害。因酒精或药物对骑行人或机动车驾驶员行为造成影响，从而加剧骑车人受伤程度的情况，在西部地区尤为明显。因此，应针对特定区域制定对应的自行车安全改善对策，而不是针对整个州制定统一的对策。该研究者的另一研究[16]应用路径分析量化了影响因素（如骑行人特征、道路类型、车辆特征等）、事故前行为和骑行人受伤严重程度三者之间的直接和间接关联。建模框架见下图。结果表明，不论事故前的行为如何，醉酒的骑车人均更容易在事故中受伤。此外，醉酒的骑车人更可能不愿意让行其他车辆，因此若与机动车相撞，这将进一步加重其受伤严重程度。同时，较高的机动车车速、车型为货车、车道数为3～4车道，均与事故和事故严重程度的增加有正向关系。刘军[15]通过地理加权有序逻辑回归(GWOLR)研究了2007年至2014年美国北卡罗莱纳州的7000多起自行车-机动车事故。在GWOLR模型中，伤害的严重程度与其影响因素之间的关系是局部的。例如，与夏洛特的同龄人相比，三角地区的青少年和老年骑自行车者更容易受重伤。在西部地区尤为明显，酒精或药物对骑车人或机动车驾驶员的行为产生影响，从而加重骑车人的伤害程度。因此，应该针对特定区域制定相应的自行车安全提升对策，而不是针对全州制定统一对策。研究人员[16]的另一项研究使用路径分析来量化影响因素(如骑自行车者的特征、道路类型、车辆特征等)之间的直接和间接相关性。)、事故前行为和骑车人受伤的严重程度。建模见下图。结果显示，无论事故发生前的行为如何，醉酒骑自行车的人更容易在事故中受伤。此外，醉酒骑自行车的人更有可能不愿意给其他车辆让路，所以如果他们与机动车相撞，这将进一步加剧他们受伤的严重程度。同时，较高的车速、卡车类型和3-4车道与事故的增加和事故的严重程度正相关。

4非机动车项目和规格

随着自行车和步行越来越融入交通运输机构的规划、设计和运营过程，美国部分州、地区和地方机构建立了不同范围、不同方法的非机动交通数据采集项目，见图5。Peter B. Ohlms等人[17]总结了现有文献中的指导方案，并通过与相关工作和研究人员进行访谈，学习了其他州交通部开展非机动车数据采集项目的案例，试图确定实施此类项目的最有效方法。该论文发现，近年来非机动车出行监测方面的实践正在不断发展；目前已有许多商业上可获得的行人/非机动车计数技术，该论文进而对各技术进行了评估。该研究为正在考虑开展国家级行人、自行车数据采集项目的交通部门提供了基础资源。随着自行车和步行越来越多地融入交通机构的规划、设计和运营中，美国的一些州、地区和地方机构建立了不同范围和方法的非机动车交通数据收集项目，如图5所示。Peter B. Ohlms等人[17]总结了现有文献中的指导方案，并通过对相关工作和研究人员的访谈，了解了其他州交通部门开展非机动车数据收集项目的案例，试图确定实施此类项目的最有效方法。本文发现，近年来非机动车出行监测的实践在不断发展；目前已有多种商用的行人/非机动车计数技术，本文对每种技术进行了进一步的评估。这项研究为正在考虑国家行人和自行车数据收集项目的交通部门提供了基础资源。

Erin Robartes[18]等人对弗吉尼亚州的城镇、城市、县、地区和各州的交通规划者、工程师和其他政府人员进行了在线调查，以总结他们在自行车基础设施建设方面的经验，并探讨此类项目实施的最大障碍。结果显示，弗吉尼亚州大部分地区积极致力于实施新的自行车基础设施，但仍有一些改进空。调查结果显示，资金和获得路权是自行车基础设施发展的其他主要障碍。同时，由于基础设施建设的成功往往取决于公众的接受程度，公众的反对也是自行车基础设施建设的主要障碍之一。许多地区应该考虑增加公众对自行车基础设施决策的参与。

传统的街道设计手册可为专业的交通工程师提供技术规范和案例研究信息。然而，这些专业手册对于更广泛的受众来说过于详细，且缺乏实例。为弥补这方面空白，俄勒冈大学的研究团队于2014年发布了《重新思考街道：25个街道改造的循证指南》，通过总结和记录已完成的项目，为从事街道项目的工程师、规划者、城市设计师、政府部门和公众提供了良好的参考材料。而该指南的更新版，即《为自行车重新思考街道》即将发布[19]。下图6是一个典型的4页案例分析展示。作为一个免费且公开的自行车运输项目指南，该手册总结了来自美国各地已完成的典型街道项目实例，以帮助广泛受众进行面向自行车的街道设计。传统的街道设计手册可以为专业交通工程师提供技术规范和案例研究信息。然而，这些专业手册对于更广泛的受众来说过于详细，并且缺乏实例。为了弥补这个空 white，俄勒冈大学的研究团队在2014年发布了《重新思考街道:25条街道改造的循证指南》，通过总结和记录已完成的项目，为工程师、规划师、城市设计师、政府部门和从事街道项目的公众提供了很好的参考资料。这份指南的更新版《为自行车重新思考街道》将很快发布。下面的图6显示了一个典型的4页案例研究。作为一个免费和开放的自行车交通项目指南，这本手册总结了美国各地典型的已完成街道项目的例子，以帮助广大观众设计自行车街道。

5结论

随着科技的发展，各类运动软件、社交媒体、平台的广泛应用，为研究者提供了更丰富的数据收集途径。新的数据类型和来源的出现，以及多源数据的链接方法，使得非机动车安全研究中一些过去的“老大难”问题有了新的解决方案。

宏观层面的建模和数据分析，以及事故严重度分析，仍然是近年来的热门话题。令人欣慰的是，不仅是理论，而且越来越多的研究更加重视研究结果对改善安全状况的实际指导作用。

在非机动车项目和规范方面，研究人员逐渐开始系统地评估和总结过去的项目案例经验，以期为交通工程师提供可靠的实例指导。

通过总结非机动车安全领域的热点研究和最新研究进展，了解国际先进的研究方法和研究热点，反思我国交通安全规划与管理的现状，从而指导今后的研究和实际应用。

参考

[1]公安部交通管理局。中华人民共和国道路交通事故统计年报(2015) [R]无锡:公安部交通管理研究所，2016。

[2] Scott Kelley，Chrissy Klenke等.使用Strava评估自行车通勤活动及其对发展基础设施的影响[C]//交通研究委员会第98届年会。2019.

[3]莫阿茨·萨阿德、穆罕默德·阿卜杜勒·阿提、李在英、蔡庆。利用众包数据的十字路口自行车安全分析[C]//交通研究委员会第98届年会。2019.

[4] Calvin Thigpen，Trisalyn Nelson，等.险些和碰撞对骑自行车者行为的影响[C]//交通研究委员会第98届年会。2019.

[5] Julie Bond，Erin Scheffels等,《构建骑自行车者:关于致命自行车碰撞的媒体话语的定性研究》[ C]//交通研究委员会第98届年会。2019.

[6]莎拉·道吉特，大卫·r·拉格兰，格蕾丝·费尔斯肯内夫。评估数据关联的研究以评估警察碰撞数据中行人和骑自行车者伤害的漏报[C]//交通研究委员会第98届年会。2019.

[7] Md Sharikur Rahman，Mohamed Abdel-Aty，等.应用数据挖掘技术在宏观水平上分析行人和自行车碰撞事故[C]//交通研究委员会第98届年会。2019.

[8]奥马尔·阿布·卡斯姆、马自义、约瑟夫·周永健、阿里·迪亚巴特。量化骑车人行为对自行车碰撞和死亡的影响[C]//交通研究委员会第98届年会。2019.

[9] Dibakar Saha，Priyanka Alluri，Albert Gan，等.利用一类条件自回归模型进行宏观层面自行车碰撞的空间分析[J].事故分析与预防，2018: S000145751830071X。

[10] Libby Thomas，Krista Nordback，等.国家、州和地方各级自行车交通事故类型:新观点[C]//交通研究委员会第98届年会。2019.

[11] Timothy J. Wright，Richard D. Blomberg，等.自行车/机动车碰撞类型的重新检验[C]//交通研究委员会第98届年会。2019.

[12]亨特、W.W .、J.C .斯图斯、W.E .佩因和C.L .考克斯。20世纪90年代早期的行人和自行车碰撞类型。报告FHWA-RD-95-163。FHWA交通部，1995年。

[13] Greg P. Griffin，Steve Hankey，等.探索街道噪音和自行车安全:来自得克萨斯州奥斯汀和DC首都地区的初步证据[C]//交通研究委员会第98届年会。2019.

[14] Dibakar Saha，Priyanka Alluri，等.自行车-车辆碰撞中不同年龄组骑自行车者受伤严重程度的影响因素调查[C]//交通研究委员会第98届年会.2019.

[15]刘军，Asad J. Khattak等.检验交通事故中骑自行车者受伤严重程度的非平稳相关性:地理参考事故数据的空间方法[C]//交通研究委员会第98届年会。2019.

[16]刘军，史蒂文·琼斯。自行车-机动车碰撞中的行为路径:从影响因素、碰撞前行为到伤害严重性[C]//交通研究委员会第98届年会。2019.

[17]彼得·奥尔姆斯、兰斯·杜格尔德、汉娜·麦克奈。自行车和行人计数程序:当前美国实践扫描[C]//交通研究委员会第98届年会。2019.

[18] E r i n R o b a r t e s，E m i l y C h e n，e t a l .评估地方、州和联邦实施自行车基础设施的障碍:弗吉尼亚案例研究[C]//交通研究委员会第98届年会。2019.

[19] Dave Amos，Roger Lindgren等.重新思考为骑自行车的人设计的街道:一个基于证据的完整街道改造的视觉指南[C]//交通研究委员会第98届年会。2019.