驾驶员因素与交通事故率的关联性

驾驶员因素与交通事故率的关联性

第３３卷第７期北京：亡业大学学报

Ｊ（）ＵＲＮＡＩ。ｏＦＶ０１．３３Ｎｏ．７２（Ｊ（）÷年７月ＢＥｌＪＩＮＧＵＮＩＶＥＲＳＩＴＹｏＦＴＥＣＨＮ０１．０ＧＹＪｕｌ．２００７

驾驶员因素与交通事故率的关联性

陈雪梅１，高

（１．北京理ｒ大学机械与车辆Ｉ二程学院，北京利１，魏中华２，李潜飞１ｌＯ（）（）２２）１（）（）（）８１；２．北京工业大学交通工程北京市重点实验室，北京

摘要：驾驶员因素是导致交通事故发生的主要因素之一．综合考虑年龄、性别、累计驾驶时间、生理状况等多

个驾驶员特征参数，通过问卷调查的方式，利用ＢＰ神经网络分析技术，建立具有不同隐含层、神经元个数、作用

函数的神经网络结构，对驾驶员因素与交通啦故二者之间的内在关联性进行研究，确定最优的神经网络结构对

事故率进行预测．结果表明，采用ＢＰ神经网络对驾驶员交通事故率预测可行，同时明确了易发交通事故的驾驶

员子组。“

关键词：驾驶员；交通ｑ＃故；神经网络；’托故率

中图分类号：ｕ４９１．２文献标识码：Ａ文章编号：０２５４一（）（）３７（２（）（）７）（）７一Ｉ）６９７０５

《世界预防道路交通伤害报告》（以下简称《报告》）指出…，交通靠故严重威胁着人们的生命财产安全．国内外统汁资料表明［２］，８０％左右的交通啦故是由驾驶员因素造成的．国内学者主要针对某个或几个驾驶员因素，比如年龄、性别、累计驾驶时间、基本生理状况与交通小故之间的关系进行了研究，但多个因素对交通＊故影响的分析及预测很少．交通安全影响因素分析最常用的方法为问卷调查和数理统计法．通过问卷调查，建立信息数据库，１预测具有相似特点的驾驶员发生交通啦故的概率。该方法的不足之处在于，很难预测与数据库中的数据具有不同特点的驾驶员发生交通书故的可能性，而且该方法数据量大、效率低、适应性差．自２０世纪９０年代以来，人工神经网络由于具有高度非线性函数映射功能，很强的学习、联想和容错功能，作为一种新的数据分析技术，正受到越来越多的关注．作者综合考虑多个驾驶员特征参数，通过问卷调查的方式，基二于二改进的ＢＰ神经网络，建立ｒ具有不同隐含层、神经元个数、作用函数的神经网络结构，对驾驶员特征与交通。扦故率之间的关系进行分析，确定了最优的神经网络结构对‘托故率进行预测，明确易发交通’抒故的驾驶人群，预测交通奋故发生的可能性，对于改善道路交通安全管理具有重要意义．

１驾驶员特征因素和研究内容

驾驶员的很多特征都会对交通安全产生影响．作者仅采用了与之密切相关的于个特征：年龄、性别、教育程度、累计驾驶时间、日平均行驶里程数、基本的生理状况和心理状况：

１．１年龄

很多交通研究学者对驾驶员年龄与交通‘ｆｉ．故之间的关系进行了研究．一般来说，年轻驾驶员的交通小故率较高．２５岁以后，随着年龄的增加，交通’抒故率下降．当驾驶员的年龄大于６０岁，交通小故率又随着年龄的增加而增加．交通。ｊ｝－故率较高的原因在ｆ通常年轻驾驶员累计驾驶时间不长，为寻求刺激经常超速行驶，并且责任心不强．对’ｊ：老年驾驶员而言，随着年龄的增加，对外部交通环境的感知能力开始降低，手脚变得不太灵活，对‘ｊ：新的交通环境的适应能力变差，从而导致交通啊故率增大．

１．２性别

男女驾驶员的驾驶行为存在比较明显的差别．ＳｉｒｋｋｕＩ。ａａｐｏｔｔｉ和ＥｓｋｏＫｅｓｋｉｎｅｎ通过大量的调研分收绱Ｈ期：２ｆＪｌ）６一１）２—２８．作者简介：陈｛梅（１９７８），支．，…东、ｌ，邑人，ｉ『丰师