对公交车事故成因的全面分析：利用Frankcopula模型整合乘客受伤严重程度与车辆损坏严重程度

《Accident Analysis & Prevention》：A comprehensive analysis of contributing factors in bus crashes: integrating passenger injury severity and vehicle damage severity using the Frank copula model

公交车事故的乘客受伤与车辆损坏联合分析采用copula模型，基于马里兰州2015-2022年数据，揭示两者统计依赖及差异影响因素。司机责任、安全装备影响受伤程度，车辆类型、机械状况影响损坏程度。

　　

董玉轩|黄海蕾|王金超|金洁玲|刘俊武

中南大学交通与运输工程学院，中国长沙410075

摘要

公交车事故仍然是一个重大的公共安全问题，因为它们可能导致乘客受伤和车辆严重损坏。这两种严重后果是相互关联的，因为在高冲击力的事故中，物理力量同时会对乘员造成伤害和结构损坏。然而，大多数现有研究都是独立地对这些后果进行建模的，忽视了它们之间的统计依赖性和共同的风险因素。为了弥补这一不足，本研究采用基于copula的建模框架，利用2015年至2022年马里兰州的公交车事故数据，共同分析乘客受伤严重程度和车辆损坏严重程度。联合估计结果显示，乘客受伤严重程度和车辆损坏严重程度有一组不同的显著预测因子。对于受伤后果，最具影响力的变量包括驾驶员过错、安全气囊的启动以及安全设备的使用情况，这突显了人为错误和保护系统在影响受伤程度方面的关键作用。相比之下，车辆损坏严重程度与车辆类型、撞击时的运动状态和机械状况有更强的关联。车辆类型变量的纳入表明，尽管校车在结构上更安全，但由于暴露程度高，它们经常发生事故，从而导致显著的损坏风险。此外，不良的车辆状况和安全气囊的未启动与致残或毁坏性损坏有很强的关联，这突显了结构完整性和能量耗散机制在事故后果中的作用。通过Copula-MNL模型揭示的这些模式不仅反映了这两种严重程度测量的不同潜在风险结构，还反映了它们对关键安全相关因素的共同依赖性。

引言

公共汽车事故是全球道路安全中的一个重要问题，因为它们对乘客安全和车辆损坏有严重的后果（Samerei等人，2021年；Tamakloe等人，2021年）。尽管公交车的运行速度通常比小型车辆慢，但由于其较大的重量和较大的载客量，它们往往会导致更严重的事故（Savage，2013年）。此外，缺乏或没有乘客保护系统（如安全带和安全气囊）会加剧受伤风险，尤其是对于在事故中更为脆弱的站立乘客（Zhou等人，2020年）。鉴于这些安全问题，了解导致公交车事故的因素对于加强安全干预措施至关重要，以确保公交车成为可持续城市交通的重要组成部分，特别是在公交车使用率高的城市地区（Peprah等人，2019年）。

公交车事故的严重程度通常通过两个主要指标来评估：乘客受伤严重程度和车辆损坏严重程度（Shaffiee Haghshenas等人，2023年）。乘客受伤严重程度反映了事故中涉及的个体所遭受的身体伤害程度，而车辆损坏严重程度则反映了交通事故导致的结构变形程度。已经采用了多种分析方法，包括多项式逻辑回归、有序Probit模型和机器学习算法，来独立研究与每个指标相关的因素（Islam等人，2018年；Jin等人，2025年；Li等人，2025年；Loo等人，2023年；Shen等人，2022年；Wu等人，2020年）。然而，大多数现有研究都是孤立地分析这些后果，没有充分考虑到它们之间的潜在相互依赖性。在公交车事故的背景下，乘客受伤严重程度和车辆损坏严重程度之间的这种相互依赖性尤为重要，因为严重的车辆变形通常会导致更高的乘客受伤严重程度，这是由于更大的冲击力和不足的乘员保护（Xu等人，2022年）。忽略这种关系可能会导致对事故后果的不完整或误导性评估，并阻碍共同风险因素的识别，而这些因素对于提高公交车安全性和确保公共交通系统的可持续性至关重要。

为了解决独立建模方法的局限性，本研究采用基于copula的建模框架，利用2015年至2022年马里兰州的公交车事故数据，共同分析乘客受伤严重程度和车辆损坏严重程度。copula方法能够精确表示这两个相关结果之间的依赖结构，特别是在存在非线性关系的情况下（Yang等人，2021年）。通过在copula框架内结合多项式逻辑回归（MNL），所提出的模型不仅考虑了每个严重程度指标的边际分布，还同时捕捉了它们之间的相互依赖性。这种综合方法不仅提高了对与公交车事故严重程度相关的共同风险因素的理解，还有助于设计旨在减少事故严重程度的有针对性的安全策略，从而提高公共交通系统的安全性和可持续性。

本文的其余部分结构如下：第2节回顾了关于公交车事故严重程度分析和copula建模方法的文献。第3节概述了采用的方法论。第4节讨论了数据处理和特征选择。第5节展示了多项式逻辑回归和Frank copula模型的结果，并进行了比较。最后，第6节总结了主要发现，并提出了提高公交车安全性的实际建议。

相关研究

现有关于公交车事故严重程度的研究主要采用了统计和机器学习模型来识别风险因素（Guo等人，2025年；Wu等人，2025年）。虽然这些方法有效，但它们通常假设变量之间的独立性，可能忽略了关键的相互依赖性。相比之下，copula模型提供了一个灵活的框架来建模这种依赖性，提供了对乘客受伤和车辆损坏严重程度的更综合评估（Wang等人，2019年；Wang等人，2025年）。

方法论

本节介绍了本研究用于分析公交车事故中乘客受伤严重程度和车辆损坏严重程度之间联合依赖性的方法。首先介绍了使用多项式Logit（MNL）模型对受伤和车辆损坏严重程度的独立边际模型。然后描述了基于copula的方法，其中边际模型被结合起来以捕捉这两种严重程度测量之间的依赖性。最后，介绍了联合似然函数

数据准备

本研究使用了马里兰州交通部维护的公开记录中的事故数据，这些数据提供了马里兰州官方报告的事故的全面文档。本研究使用的事故数据来自马里兰州开放数据门户，包括三个结构化组件，这些组件详细记录了事故情况、涉及人员和车辆特征。

MNL模型的回归结果

表3展示了通过多项式逻辑回归模型确定的乘客受伤严重程度和车辆损坏严重程度的显著预测因子。为了支持全面分析，两个结果变量都被分类为有序的严重程度级别。乘客受伤严重程度分为三个类别：第1级表示无受伤；第2级表示需要医疗处理的非致命伤害；第3级表示致命伤害。同样，车辆损坏

结论

本研究采用了多项式Logit和基于Frank Copula的模型，共同研究了公交车事故中的乘客受伤严重程度和车辆损坏严重程度。虽然驾驶员过错和天气条件在两种建模方法中都始终具有显著性，但在copula框架中，一些变量的显著性模式有所不同，表明在明确建模了受伤和损坏结果之间的依赖性后，它们的解释作用发生了变化。

作者贡献声明

董玉轩：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，方法论，概念化。黄海蕾：撰写 – 审稿与编辑，监督，方法论。王金超：撰写 – 审稿与编辑，方法论。金洁玲：撰写 – 审稿与编辑，方法论，正式分析，概念化。刘俊武：撰写 – 审稿与编辑，正式分析。

利益冲突声明

本研究得到了湖北省自然科学基金联合基金（项目编号[JCZRLH202600716]（智慧城市创新与发展联合基金）和中央高校基本科研业务费（104972026RSCbs0031）的支持。

董玉轩目前在中国长沙的中南大学攻读交通与运输工程博士学位。他的研究重点是公交车信号优先控制和公交车运营的安全分析，重点是提高城市公共交通系统的运营效率和安全性。