《KSCE Journal of Civil Engineering》：Influencing Factors in Personal Mobility Device Accident Severity in Korea
编辑推荐：
个人移动设备（Personal Mobility Devices，PMDs；又称微移动设备，micromobility devices）在韩国迅速扩展，同时伴随事故和重伤人数的急剧增加。研究人员利用六年全国PMD事故数据，应用决策树方法，识别人类、环境和事故相
个人移动设备（Personal Mobility Devices，PMDs；又称微移动设备，micromobility devices）在韩国迅速扩展，同时伴随事故和重伤人数的急剧增加。研究人员利用六年全国PMD事故数据，应用决策树方法，识别人类、环境和事故相关变量中的关键因素及其非线性交互作用。结果表明，事故类型是最有影响力的因素，其次是骑行者年龄和重大过失（gross negligence）。仅涉及PMD的事故虽然最少见，但表现出最高的死亡风险，尤其是在老年骑行者和无证年轻骑行者中。PMD与车辆事故最为常见，在涉及老年骑行者的正面碰撞和转弯操作中观察到较高的死亡风险，而年轻骑行者在大型交叉口面临更大风险。PMD与行人事故的死亡率最低，但当涉及重大过失时严重程度更高。这些发现凸显了需要有针对性的培训、基础设施改善和政策措施，以提升PMD安全性。
个人移动设备（Personal Mobility Device，PMD；一种短途电动微出行设备，包括电动滑板车、自平衡两轮车等）在韩国迅速普及。2017至2022年间，PMD事故数量从115起增至2355起，增长约20倍；与此同时，车辆和自行车事故的严重伤亡总体呈下降趋势，而PMD事故严重程度却持续攀升。然而，以往韩国相关研究多集中于单一城市或较短时间窗口，且较少整合人类、环境与事故相关变量的复杂非线性交互。为弥补这一不足，有必要利用全国范围、长周期数据系统识别影响PMD事故严重程度的关键因素，为安全政策和基础设施改进提供依据。
研究人员使用韩国国家警察厅收集的2017年2月至2022年12月全国报告PMD事故数据，经数据清洗后获得5735起有效案例。研究采用决策树方法分析事故严重程度，结果显示：事故类型是最重要的影响因素，其次是骑行者年龄和重大过失（gross negligence，指严重违反交通法规并危害他人的行为）。仅涉及PMD的事故虽然数量最少，但致死风险最高；老年骑行者和16岁以下无证骑行者尤为危险。该研究发表于《KSCE Journal of Civil Engineering》，其意义在于提供了全国可推广的实证证据，揭示了严重程度成因的非线性层级结构，为制定安全培训、基础设施改造和政策法规提供了参考。
关键技术方法方面，研究数据来源于韩国国家警察厅2017年2月至2022年12月的全国警察报告事故记录，最终样本为5735起有效PMD事故。在方法上，采用卡方自动交互检测器（Chi-squared Automatic Interaction Detector，CHAID）决策树，该算法基于卡方检验识别解释变量与因变量的显著关联，合并相似类别并进行多路分裂，无需预先指定交互项。分析使用IBM SPSS Statistics 27完成，设定合并与分裂显著性水平均为0.05，最大树深为4层，并采用10折交叉验证评估稳定性。同时构建两水平（严重后果 vs 非严重后果）和四水平（死亡、重伤、轻伤、潜在伤害）两种分类，以互补方式解释事故严重程度。
研究结果部分，两水平分类显示，事故类型作为第一层分裂变量，将事故分为仅涉及PMD的事故（PMD-only）和涉及车辆或行人的事故。PMD-only事故的严重结果（死亡或重伤）概率为33%，显著高于后者的26.6%。在PMD-only事故中，40岁及以上或16岁以下骑行者的严重结果概率为41.4%，而16–39岁组为27.1%。进一步分析显示，16–39岁组的PMD-only事故在夏季和秋季发生频率较高，但春季和冬季的严重概率约为前者的1.6倍；周末严重概率约为平日的1.7倍。在涉及车辆或行人的事故中，重大过失造成的严重概率略高于无重大过失（28.9% vs 25.6%），且秋季和冬季略更严重。这揭示事故严重程度并非由单一因素线性决定。
四水平分类进一步细化结果。模型将事故类型分为三类：PMD-only、PMD-to-vehicle、PMD-to-pedestrian。PMD-only事故致死率高达5.5%，为三种类型中最高，其中40岁及以上骑行者的死亡率为9.1%，约为40岁以下者的近三倍。PMD-to-vehicle事故最常见，约占总事故51%；其中40岁及以上骑行者死亡率为2.4%，约为40岁以下者的五倍。在老年骑行组中，正面碰撞的死亡率最高（4.1%），左转和变道行为使死亡风险显著上升；在年轻骑行组中，四岔及以上大型交叉口的死亡率最高（1.1%），而非交叉口在凌晨时段死亡率达2.1%。PMD-to-pedestrian事故死亡率最低（0.1%），但涉及重大过失时重伤率略高（28.1% vs 24.4%）。
在讨论部分，研究人员指出两水平与四水平分类互为补充，一致揭示事故类型、年龄和重大过失是核心因素。PMD-only事故的高致死性被归因于老年骑行者在平衡、反应和操控方面的困难，以及年轻无证骑行者更易出现冒险行为（如使用手机、超速、不戴头盔）。PMD-to-vehicle事故的风险则与特定碰撞类型和行为密切相关，例如老年骑行者的正面碰撞、左转和变道，以及年轻骑行者在大型交叉口面临的复杂交通冲突。此外，许多未定义为重大过失的行为（如不戴头盔、多乘客骑行、违规变道）仍显著影响严重程度，提示现行法规和公众认知需进一步完善。
研究结论翻译如下：本研究分析了2017年至2022年间韩国六年全国PMD事故数据，以识别影响事故严重程度的关键因素。鉴于严重程度结果的复杂性和PMD使用的快速增长，研究人员采用决策树模型对贡献因素进行了深入分析，揭示了其非线性关系，并探索了更安全运营的潜在策略。本研究的主要贡献有两方面：第一，通过考察全国范围内的长期PMD事故，克服了以往研究通常集中于单一城市或短时间段的时空局限；通过纳入全面的人类、环境和事故相关变量，研究结果具有更广泛的适用性和全国性参考意义。第二，决策树模型能够识别多个变量之间复杂的非线性交互，并提供比传统统计方法更高的可解释性，有助于理解严重PMD事故背后的机制。该研究为政策制定者、城市规划者和交通管理部门提供了实际参考。随着微出行使用持续增长，本研究为减少严重事故风险和促进更安全的PMD运营提供了基于证据的策略支持。同时，研究结论强调，由于数据来自韩国特定的法规、报告和基础设施环境，将结果推广到其他国家和地区时需谨慎。未来研究应结合区域PMD暴露量、基础设施数据以及更细粒度的骑行者行为和碰撞环境，进一步验证和拓展这些发现。
