人类错误和违规行为在与行人有关的车祸中的作用:利用一个独特的数据库,并考虑异质性

科学领域:

• 道路交通安全问题 道路安全问题
• 交通伤害预防 交通伤害预防
• 交通运输中的人类因素

背景情况:

• 人为因素是行人撞车的主要原因.
• 现有的崩数据往往缺乏详细的事件信息.
• 步行者和自行车撞车数据工具 (PBCAT) 提供了一个全面的数据库.

研究的目的:

• 应用有限混合模型来分析行人伤害中未观察到的异质性.
• 为了确定观察到的因素如何影响不同潜在类别的行人受伤.
• 为了调查未被观察到的因素的影响,如行人显眼性和司机冒险.

主要方法:

• 使用北卡罗来纳州 (2009-2019) 的行人和自行车撞车数据工具 (PBCAT) 数据库.
• 应用有限混合模型来解释未观察到的行人伤害严重性的异质性.
• 员工订购了Probit模型,以评估各种因素与行人死亡风险的关联.

主要成果:

• 在95%的分析事故中,行人被杀或受伤.
• 步行者的危险行为 (50.59%) 和违规行为 (28.58%) 是主要的原因.
• 司机的危险行为 (7.91%) 和违规行为 (3.11%) 的贡献率明显较低.
• 行人识别错误和违规行为,驾驶员表现错误和损伤增加了死亡风险.

结论:

• 有限混合模型确定了两个潜在的行人群,具有不同的伤害模式.
• 在这些群体中,行人受伤和因素关联存在显著的异质性.
• 调查结果强调了在行人安全方面解决未观察到的因素和特定群体风险的重要性.