编辑推荐：
为探究网约车事故中司机相关因素致伤原因及严重程度，研究人员对 1356 名司机开展调查，采用随机森林（RF）和贝叶斯网络（BN）模型分析。发现疲劳、手机使用和危险驾驶行为是主因，部分因素间接影响，为制定针对性政策提供依据。
随着移动互联网技术的普及，网约车服务在为人们出行带来便利的同时，也伴随着交通事故频发的隐忧。在中国，截至 2022 年底，网约车行业已拥有超 210 家企业、近 3.4 亿注册用户及超 308 万名司机，但交通事故率却居高不下，如深圳 2017 年网约车事故率达 7.15%，远超私家车的 0.28%。然而，现有研究多聚焦发达国家，针对发展中国家网约车司机风险因素的探索较少，尤其缺乏对事故严重程度影响因素的系统性分析。在此背景下，西南交通大学和长安大学的研究人员开展了相关研究，其成果发表在《Scientific Reports》上，旨在揭示中国网约车司机事故严重程度的关键影响因素，为提升道路安全提供科学依据。
为完成该研究，研究团队通过在线调查平台（
www.wjx.cn）发放电子问卷，收集了 1356 名具有至少 2 年从业经验的网约车司机数据，涵盖人口学特征、工作条件、疲劳状态、危险驾驶行为及 2021-2023 年事故记录。研究采用两步法分析数据：首先运用随机森林（RF）模型筛选影响事故严重程度的关键因素，再通过贝叶斯网络（BN）模型解析因素间的因果关系。
研究结果
描述性统计与风险行为特征
调查显示，47.6% 司机未发生事故，43.9% 涉及财产损失，8.5% 造成人员受伤。司机以男性（65%）、青壮年（<40 岁占 90% 以上）和高学历（86.7%）为主。工作条件方面，63.1% 为兼职司机，46.4% 日收入低于 200 元，超半数对收入不满，平台抽成率超 15% 的占比达 82.4%。疲劳问题突出，43.4% 驾驶时感到疲劳，33.5% 存在睡眠问题。危险驾驶行为中，手机导航使用频率最高（均值 3.91±1.04），其次为单手驾驶、鸣笛催促等。
随机森林模型筛选关键因素
通过 RF 模型对 23 个变量的重要性排序发现，日工作时长（MDG 值 69.6）对事故严重程度影响最大。结合袋外误差（OOB）分析，最终确定 16 个关键变量用于 BN 建模，包括疲劳感、睡眠问题、手机使用相关行为、危险驾驶行为等。
贝叶斯网络模型构建与验证
BN 模型显示，9 个变量与事故严重程度直接相关，包括疲劳感、睡眠问题、使用手机应用 / 导航 / 通话、鸣笛、单手驾驶、违规停车、超速等。其余 7 个变量（如年龄、教育水平、工作时长、收入满意度等）则通过间接路径影响，例如长工作时间导致睡眠问题，进而增加事故风险。模型在测试集上的总体准确率为 74.8%，ROC 曲线下面积（AUC）均超 0.84，验证了其有效性。
敏感性分析揭示不同严重程度的主因
无事故组中，疲劳感 “经常”、睡眠问题 “经常”、超速 “经常” 等状态显著降低无事故概率；财产损失组中，疲劳感 “经常 / 有时”、手机通话 “经常”、长工作时间（>10 小时）是主因； injury 组中，超速 “经常 / 有时”、违规停车 “经常 / 有时”、手机应用 “经常” 的影响最为显著。
研究结论与意义
本研究证实，网约车司机的事故严重程度受多因素交织影响，其中疲劳、手机使用和危险驾驶行为是直接风险因素，而人口学特征与工作条件通过间接路径发挥作用。例如，兼职司机为增加收入延长工作时间，导致疲劳和注意力分散，进而引发危险驾驶行为。研究结果为监管部门制定差异化政策提供了依据：对高频手机使用可引入语音交互功能减少分心，对疲劳问题可通过平台优化派单机制保障司机休息，同时加强对超速、违规停车等行为的智能监测与处罚。此外，研究首次结合 RF 和 BN 模型分析网约车事故，为交通领域风险建模提供了新方法范式。
该研究不仅填补了发展中国家网约车安全研究的空白，也提示行业需关注司机工作负荷与心理健康，通过技术创新和制度设计实现安全与效率的平衡。未来研究可进一步拓展区域差异分析及事故频率与严重程度的关联，为全球共享出行安全管理提供更全面的理论支撑。
