通过分析未被观察到的异质性与时序不稳定性，揭示高速公路行人安全中的隐藏变量

《Journal of Transport & Health》：Revealing hidden variables in highway pedestrian safety through analysis of unobserved heterogeneity and temporal instability

　　摘要
引言：本研究探讨了泰国行人涉事交通事故在时间和空间上的变化，重点分析新冠疫情前后情况的差异。
方法：研究利用2016年至2022年的全国行人事故数据，通过地理信息系统结合核密度估计方法来显示事故集中区域，并用卡方检验分析两个时期事故严重程度的变化。此外，还采用具有均值和方差异质性的混合逻辑模型，以确定两个时期事故严重程度的决定因素。新冠疫情之前共发生801起事故，其中61%导致严重伤害或死亡。疫情期间，虽然事故总数降至584起，但事故严重程度显著上升，74%的事故造成了严重后果。
结果：卡方检验表明两个时期的事故严重程度存在显著差异（p＜0.01），这支持了事故严重程度动态存在时间不稳定性的观点。模型结果显示，不同时期存在不同的影响因素。疫情前的事故严重程度与男性行人、大型车辆以及夜间行驶条件相关；而疫情期间的严重程度则受超速、疲劳、雨天以及道路类型的影响。
结论：这些研究结果表明，行人安全干预措施应具有时间适应性。疫情前的风险提示应优先改善夜间能见度并加强对高速公路上大型车辆的管控。疫情期间的研究则强调需要加强速度监管、疲劳监测以及基于天气状况的交通管理。决策者应采取针对不同时间阶段的安全策略，而非统一的长期措施。

引言：交通事故仍是全球重大的公共卫生问题，全球每年约有119万人死于道路交通事故（世界卫生组织，2023年）。这一负担在低收入和中等收入国家更为严重，因为这些国家的执法力度、基础设施建设以及交通安全措施的落实往往受到限制。在亚洲，这一问题尤为突出：世界卫生组织东南亚区域占全球道路交通死亡人数的约28%，西太平洋区域占25%，两者加起来占全球道路交通死亡人数的半数以上（世界卫生组织，2023年）。此外，在亚洲和太平洋地区，弱势道路使用者仍深受其害——在东南亚区域，行人和骑自行车者约占道路交通死亡人数的27%，而在西太平洋区域这一比例高达38%（经合组织，2024年）。特别是泰国，根据世界卫生组织的数据，其道路交通死亡率一直居高不下，经常位列亚洲死亡率最高的国家之列（世界卫生组织，2023年）。尤其令人担忧的是，高速公路事故中的死亡者中，超过一半为弱势道路使用者，包括摩托车手、骑自行车者和行人（泰国公路局，2023年）。在这些人中，行人与车辆的碰撞已成为一个严重的社会问题，是造成死亡和严重伤害的主要原因。这是因为行人本身缺乏头盔、防弹衣、吸能装置等防护装备，难以自我保护（Behnood和Mannering，2016年）。尽管国家高速公路主要是为机动车辆设计的，但由于土地用途混杂、非正式过街设施、路边商业活动以及行人基础设施不足，泰国道路上仍然常见行人和骑自行车者（如图1所示）。虽然在某些类型的高速公路上，正式规定可能限制非机动车辆的使用，但在发展中国家，执法和物理隔离措施往往不够完善（世界卫生组织，2023年）。

在发达国家，国家高速公路上发生涉及行人的事故是不可接受的，因为这些道路的功能划分十分明确，主要用于车辆通行，而非行人活动场所。这类道路属于分级系统的一部分，设计目的是保障车辆高速行驶，车流量也远大于郊区或地方道路（美国公路安全局，2022年；Wisutwattanasak等人，2023年）。即便有行人出现，也必须设置完善的防护措施（Mokhtarimousavi等人，2020年），例如合理布置的护栏、人行横道信号灯或立交桥。在本研究中，护栏特指沿高速公路边缘或中央设置的防护屏障，用于防止车辆驶出车道或进入对向车道。这类结构不同于将弱势道路使用者与车辆隔开的行人安全屏障。而行人立交桥则是指建在高速公路上方、供行人安全过街且不会与机动车相撞的桥梁。由于国家高速公路意味着高速行驶和高流动性，没有适当保护的行人在这些道路上面临巨大危险。在发展中国家，这一问题尤为严峻，泰国就是典型的例子。作为发展中国家，泰国面临着较高的弱势道路使用者死亡率。因此，亟需通过针对性强的交通安全措施来解决这一突出问题。

根据泰国公路局2016年至2022年的数据，泰国共记录了1385起涉及行人的交通事故（泰国公路局，2023年）。值得注意的是，这些事故的伤害程度都很高：其中916起，即约66.1%，导致了死亡或严重伤害。在本研究涉及的两个时期，事故的严重程度都非常高。新冠疫情之前，801起行人事故中有485起，即60.5%，导致了死亡或严重伤害。疫情期间，虽然事故总数降至584起，但有431起，即73.8%，造成了死亡或严重伤害。这些数据表明，国家高速公路上的行人事故不仅频发，而且严重程度极高，进一步凸显了将行人相关事故作为泰国关键交通安全问题的重要性。作为交通和工业中心，以及热门的旅游目的地，泰国更需加强行人道路安全保障。这就需要采取战略性干预措施，有效减少道路暴力带来的影响。鉴于泰国复杂的交通状况以及大量国际游客的涌入，采取针对性措施保护行人显得尤为紧迫。

先前的研究已经确定了多种影响行人-车辆事故严重程度的因素，包括事故特征、驾驶员行为、车辆类型以及环境条件。性别和年龄也与伤害程度密切相关（Mokhtarimousavi等人，2020年；Sarkar等人，2011年；Zhang等人，2014年）。驾驶员的行为，如超速、疲劳和饮酒，也是导致致命事故的重要因素（Kim等人，2017年）。此外，道路特征、照明条件和天气也会显著影响行人的脆弱性。表1详细列出了这些环境变量对行人事故发生概率的总体影响以及相关研究。

自随机参数模型被引入以来，它在行人交通事故研究中得到了广泛应用，该模型能够考虑均值和方差的异质性。这种方法的优点在于，它不仅能揭示模型中的随机参数，反映事故导致的死亡比例，还能捕捉那些对随机参数产生潜在影响的未观测因素。Seraneeprakarn等人（2017年）指出，这些因素提升了模型的复杂性和可解释性。近年来，越来越多的行人事故研究采用了这种方法，例如Zamani等人（2021年）使用随机参数逻辑模型研究了美国洛杉矶的行人相关事故。Behnood和Mannering（2016年）也在美国芝加哥运用混合逻辑模型分析了行人受伤程度，而Chen和Fan（2019a）则在美国北卡罗来纳州的城乡地区使用了相同模型分析行人相关事故。不过，目前大多数关于行人-车辆事故的研究都集中在欧洲（Malin等人，2020年；Sanjurjo-de-No等人，2023年）、美国（Li和Fan，2020年；Uddin和Ahmed，2018年；Zamani等人，2021年）以及中东和亚洲（Kim等人，2017年；Tulu等人，2017年；Zhang等人，2014年）等发达地区。然而，在发展中国家或东南亚国家，关于应用混合逻辑模型分析行人事故的研究却相对较少。此外，大多数现有研究仅依赖来自单个省份或地区的数据，因此难以全面反映全国人口的特征。因此，利用全国范围内的事故数据，有助于更准确地解读结果，也为政策制定提供更全面的依据。

除了地域因素外，当前关于事故伤害程度的研究也认识到时间稳定性分析的方法有效性，相关文献也对此予以支持。不过，现有研究大多集中在特定的时间维度上，如逐年分析（Ijaz等人，2022年；Zamani等人，2021年）、不同时间段的分析（Hou等人，2022a年；Hua和Fan，2023年），或是基于一周中不同日期的分析（Li等人，2021年；Mokhtarimousavi等人，2020年）。相比之下，一个具有重要意义但尚未得到充分研究的领域是，对比新冠疫情大规模流行前后的事故情况。疫情期间，旅行限制和封锁措施使得事故总数显著下降（Adanu等人，2021年；Gálvez-Pérez等人，2025年）。然而，死亡比例并未随之下降，这就引发了关于疫情期间影响行人伤害程度因素的疑问。深入研究这一时期，有助于制定更能适应不断变化的交通和安全状况的政策。因此，研究行人-车辆事故的时间不稳定性，有助于更好地理解事故严重程度的规律，从而制定更有效的行人安全策略。

以往的研究一致表明，男性驾驶员更容易引发致命事故。而女性行人和老年人群体则往往面临更高的死亡风险，这可能是因为他们的行为风险更高，生理上也更脆弱。危险的驾驶行为，如超速和饮酒，会增大碰撞时的冲击力，从而提高事故严重程度。同样，卡车和公交车等大型车辆由于质量更大、前端结构更高，也更容易造成行人严重伤害。环境条件也同样重要：不良的照明条件会降低能见度，增加驾驶员的反应时间，进而提高事故严重程度。相反，良好的天气条件有时反而会增加事故风险，因为驾驶员在良好条件下更倾向于高速行驶。这些相互关联的因素揭示了人类行为、车辆特性和环境条件在决定行人事故严重程度方面的复杂相互作用。

此外，在倾斜或起伏的道路上发生的行人事故，其伤害程度可能较低，这可能是因为驾驶员在 such道路上会更谨慎驾驶。以往的研究还发现，发生在住宅区和农村地区的行人事故更可能导致严重伤害，这可能是由于这些地区的行驶速度更快，且行人基础设施不足。而发生在工作区的行人事故则通常较轻微，因为这些地方有临时的交通管制措施，且限速较低，有助于驾驶员更加谨慎驾驶。

尽管已有大量关于行人事故严重程度的研究，但仍存在三个空白。首先，大多数研究都集中在发达国家，难以直接应用于东南亚地区。其次，很少有研究探讨像新冠疫情这样的大规模社会动荡前后的事故时间不稳定性。第三，很少有研究利用发展中国家的国家级高速公路数据，结合先进的随机参数模型进行分析。本研究通过运用混合逻辑模型，分析不同疫情时期具有全国代表性的泰国高速公路事故数据，从而填补了这些空白。

如前所述，目前几乎没有研究在发展中国家探讨行人-车辆事故的时间稳定性，尤其是在疫情前后的关键时期。这一研究空白为了解发展中国家中行人-车辆事故的时间动态提供了新的研究方向。此外，采用涵盖全国范围的数据进行综合分析，也被认为是一种更有优势的方法。通过将分析范围从区域层面扩展到更广的领域，这种研究方法有望揭示更大规模上影响行人受伤的各种因素。在探讨高速公路上的行人碰撞死亡事故时，本研究有两个主要目标。首先，它试图运用随机参数（混合）逻辑模型，考虑均值和方差的差异性，全面分析泰国高速公路上导致行人-车辆碰撞伤害严重程度的各种因素。所使用的数据集来自公路部，涵盖了包括车辆特性、驾驶员特征、道路与环境条件、时间因素以及事故严重程度（致命与非致命）在内的多种影响因素。其次，该数据集被分为两个独立的模型，分别对应疫情前（2016–2019年）和疫情后（2020–2022年）的时期。这样的划分有助于更细致地了解这两个不同时间段内事故特征的差异。通过采用这种方法，本研究旨在提供有价值的见解，以阐明事故模式随时间的变化规律，帮助读者更好地理解各模型所具有的独特特征。这两个目标的意义在于它们能够为相关机构和政策制定者提供参考。研究结果有助于明确与城际高速公路上行人-车辆碰撞相关的关键因素，尤其是在时间稳定性方面的情况。这些信息为制定针对性的政策和措施以降低此类事故的严重程度提供了依据，从而应对不同时间阶段所呈现的独特挑战。本研究的其余部分结构如下：第二节介绍了所采用的研究方法，包括数据收集、分析方法以及时间稳定性测试。第三节则展示了统计分析的结果并进行讨论。最后一部分总结了研究的主要发现，并提出了政策制定的潜在实施策略。

材料与方法
本研究采用了两种互补的分析方法。首先，利用核密度估计法来分析行人碰撞事件的空间聚集现象。其次，应用具有均值和方差异质性的混合逻辑模型，分析疫情前后不同时期伤害严重程度的决定因素。

解释变量的相关性矩阵
在分析影响行人相关碰撞事故伤害严重程度的因素之前，本研究先检验了各模型指标之间的关系，以避免可能出现的多重共线性问题，因为这些问题可能会给模型带来偏差并影响分析结果。分析中包含了27个自变量和一个因变量（死亡情况）。相关性分析的结果如图4和图5所示，展示了各个观测指标之间的相互关系。

结果与讨论
在分析了模型的时间不稳定性之后，研究结果显示出不同时间段内国家高速公路上行人相关碰撞事故的特征存在差异。因此，本节将详细阐述统计模型的重要发现，并对模型本身进行解读。文中系统地展示了疫情期间行人相关碰撞事故伤害严重程度模型的估计结果及边际效应。

结论与未来研究建议
本研究运用包含未观测异质性的随机参数模型，系统地进行了实证分析，以识别并比较疫情前（2016–2019年）和疫情期（2020–2022年）行人相关碰撞事故中伤害严重程度的差异，同时也考虑了那些未被观测到的特征。本研究的数据来源于公路部，从而能够全面分析两种伤害严重程度：1）致命伤和重伤。

伦理审批
本研究是按照《赫尔辛基宣言》的指导原则进行的，并已获得苏拉纳里理工大学伦理委员会的批准（批准编号COE No.90/2567，2024年5月29日）。

CRediT作者贡献声明
Panuwat Wisutwattanasak：概念设计、数据整理、正式分析、方法论、初稿撰写。Chamroeun Se：数据整理、正式分析。Thanapong Champahom：概念设计、审稿与编辑。Kestsirin Theerathitichaipa：数据整理、验证。Manlika Seefong：数据整理、验证。Rattanaporn Kasemsri：资源提供、监督。Vatanavongs Ratanavaraha：软件使用、监督。Sajjakaj Jomnonkwao：监督、可视化、审稿与编辑。

利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢
本研究得到了苏拉纳里理工大学研究与开发基金的资助，项目编号为IRD7-704-67-12-25。研究人员对提供奖学金的苏拉纳里理工大学表示衷心的感谢。

Panuwat Wisutwattanasak|Chamroeun Se|Thanapong Champahom|Kestsirin Theerathitichaipa|Manlika Seefong|Rattanaporn Kasemsri|Vatanavongs Ratanavaraha|Sajjakaj Jomnonkwao
泰国那空拉差西玛府苏拉纳里理工大学研究与开发研究所，邮编30000