其他分析方法

傳統事故分析方法主要有三類，第一類趨勢分析方法，主要為獲得特定目標 本身之長期變化情形，以預測未來可能趨勢走向。第二類因果分析方法，透過整 體迴歸模式或個體判別分析模式，以及多變量分析等方法，探討影響因素與事故 發生之關係，變數選擇包括駕駛、車輛、道路與環境特性等。就因果分析模式以 迴歸模式最為常見，然而迴歸模式又可進一步分為多元迴歸模式、卜瓦松迴歸模 式、負二項迴歸模式和羅吉特迴歸模式等。最後，易肇事地點分析方法為計算嚴 重度指標，依據嚴重度排序後，確認易肇事地點，對易肇事地點進行改善，以預 防事故再度發生【吳玉珍, 2003】。

2.2.1 統計分析理論

(一)多元迴歸模式（multiple regression model）：

是用於預測的一種有效工具，找出對應變數影響程度較大的自變數，未來即 可用少數自變數，來預測目的變數的結果。使用迴歸分析時，迴歸模式如(2.1 式) 所示：

e

Y =β0+β1Χ1+β2Χ2 +L+ (2.1 式)

迴歸前提假設為(1)所用的變數相互獨立。(2)e為誤差項(或稱為殘差項)，由 Y 與Υ^{^} 之差，具獨立性係指 與 互為獨立，不偏性係指 之期望值(expected value)為零，

等變異性(variance)係指 變異數相等，常態性係指 成常態分配【曾國雄, 1986】。除了 原有的多元迴歸模式假設外，另外於文獻當中亦有提及三類迴歸模式，第一為卜 瓦松迴歸模式（poisson regression model），其為一般化線性模型（general linear model），假設目的變數分佈型態屬於卜瓦松分配（poisson distribution）。卜瓦松迴 歸模式主要用於稀少事件的分析，適用肇事分析，因為肇事發生具稀少特性，所 以許多研究者應用此法建立肇事預測模式。第二為負二項迴歸模式（negative binomial regression model），假設目的變數服從於負二項分配。比較卜瓦松迴歸模 式，此法允許變異數大於平均數，可處理資料過度離散的問題，因此也適用特殊 肇事事故，可以針對研究問題選擇適當方法【吳意真, 2004】。第三為可應用於個體分析 的羅吉特迴歸模式（logistic regression model），假設應變數與自變數關係屬於非線 性關係。資料型態可為類別變數，基本假設如同多元迴歸模式。結合勝算率時形 成模式做為預測肇事嚴重度分析模式。

ei e_j e_i

ei e_i

(二)因素分析(factor analysis)和主成份分析(principal component analysis)

兩者為對偶關係，皆用於解釋變數縮減時，適用於距離變數和連續變數，主 要以相關矩陣和共變異矩陣計算因子負荷量。因素分析在找出共同因素，主成分 則找由變數組成的相異線性組合，經由線性組合而得變異數最大的個別成份。因 素分析的概念是對於部分變數進行資料縮減，求取變量間的相關，被多少個潛在 共通因子(common factor)所包含【曾國雄, 1986】。

(三)時間數列分析

時間數列顧名思義為某特定對象經由時間表現出一連串的變化之統計數 字，亦即在不同時間裡某特定對象的活動，變化是受到許多原因影響，原因的探 究為重要過程。時間與特定對象形成一對一的函數關係，其構成的原始形態可分 為長期趨勢(secular trend or long-time trend)、季節變動(seasonal variation)、循環變動

(cyclical fluctuation)或偶然變動(irregular fluctuation)，常見模式有連乘模式 (multiplicative model)與連加模式(additive model) 【曾國雄, 1986】。

2.2.2 統計分析應用

Norris et. al. (2000)為探討個人特性與事故發生次數和嚴重程度的關係，收集 19 歲至 88 歲，共 500 位駕駛者問卷追蹤調查。預測小客車事故發生率，首先以 雙變異分析(bivariate analysis)，獲得部分顯著變數資料，並以此變數資料建立羅吉 斯迴歸分析汽車事故(motor vehicle accident, MAV)，完成小客車事故發生次數和嚴 重程度的預測模式。結果顯示影響汽車事故發生的變數主要來自年齡、駕駛性 格、都市規模、執照年期、工作壓力、財務壓力、法律觀念與過去事故紀錄，其 中過去事故紀錄正向影響汽車事故發生次數最大；影響汽車事故嚴重度的變數主 要來自財務壓力、都市規模、執照年期、職業、安全帶使用情形，其中執照年期 正向影響事故嚴重度最高。

Dukes et. al. (2001)應用結構方程模式，分析侵略性駕駛行為或具有侵略性駕 駛特性，會引起道路其他使用者的憤怒情緒。他收集144 位大學學生來表達意見，

並且配合二個侵略性駕駛行為的情境，一個阻礙交通(消極攻擊)和一個不顧後果 的駕駛行為(積極攻擊)，對駕駛情緒的影響，建立憤怒情緒的線性結構方程模式。

發現性別、年齡、是否使用行動電話，並非導致事故發生的主要影響因素，駕駛 者的情緒、注意力程度才是讓駕駛者發生碰撞的潛在因子，作者透過研究他車駕 駛對駕駛的影響，影響駕駛者情緒不良的程度，當程度到某個情況下，便會產生 不良的駕駛行為，一台接著一台，就會有碰撞發生。其他統計顯示18-26 歲男性 較易具有侵略性駕駛行為。提出預防侵略性駕駛者的策略(1)立法取締，但困難在 於警察如何判斷與注意侵略性駕駛行為。(2)減少交通量，減少駕駛間的衝突。(3) 教育，從小教育他人生命的價值。

Greibe (2003) 研究都市道路事故預測模式，應用一般線性模式技術，建立簡 單且可預測和預期都市路口和路段，精準預測事件數和實際事故次數的模式。透 過地區道路機關，使用確定因素影響道路安全、相關的斑點圖和網路分析，建構 模式。採用1,036 路口和 142 公里道路路段，收集相關資料，分別預測都市路口 和路段的事故次數模式。事故預測模式的估計對於道路路段含蓋解釋能力超過 60%而路口的解釋能力值較低。在預測路段的模式中得知 50-70km/h 速限降低、

路段的出入口數減少、次要道路路口數減少、路旁停車格愈少或土地使用型態建 築密度降低，將有較少的道路交通事件數。

Yau (2004) 應用判別羅吉特迴歸模式，預測影響道路單一車輛交通事故嚴重 度模式，找出事故發生的主要影響因素。資料由香港交通事故資料系統(traffic

accident data system, TRADS)獲得，其中私車樣本數 794 個；貨車樣本數 220 個；

機車樣本數162 個，共 1,176 個，並將事故分為行政區、駕駛者、運具、環境和 地點五構面，分別以A1 類為 30 日內死亡 A2 類為扭傷、淤傷和驚嚇，在一個事 故中死亡/重傷的勝算率，建立羅吉特迴歸模式預測單一車輛交通事故嚴重度。

得到顯著影響變數在私家車方面是行政區特性、性別、車齡、事故時間和街燈；

對於貨車而言是安全帶使用和星期。對於機車而言是車齡、星期、事故時間。

林豐福等人 (2002)則運用我國運研所事故資料庫，將事故構面分為駕駛者、

運具、環境與道路和事故型態四構面，分別獲得不同運具，具有不同的單一車輛 事故駕駛死亡風險模式。單一車輛事故主要因素為性別(男性)、年齡(高齡者)、安 全帶使用情形(無)、時間(深夜與凌晨)和事故類型(衝出路外、撞護欄樁、撞路樹 電桿)。孫璋英(2003)運用不同年資料研究則得主要影響因素為性別、年齡、時間 和安全帶使用情形。

Poysti et. al. (2005) 訪問 834 位有執照擁有手機的駕駛者對於手機使用與危險 的意見，以背景因素和印象問卷檢測。分類使用手機和沒有使用手機者，建立羅 吉特迴歸模式，得到開車中駕駛者的特性為老年人、女性、開車經驗不足的駕駛 者和基層職業駕駛者較不會違規使用手機開車。

Masten & Hagge (2004) 研究加州對於執照管理計畫是否有減少年輕人碰撞的 風險，此計畫於1998 年實施，是否可以解釋加州年輕人死傷率減少的可能因素，

分別以實施前54 個月與實施後 42 個月比較。以時間序列分析每月 15-17 歲的死 傷率和16-17 歲在夜晚和載客碰撞率的變化。管制年輕人於夜間開車並無顯著影 響事故碰撞率的改變，限制年輕人載客則有正向的改善。原本夜間定為00:00 至 5:00 若將夜間時間改為 22:00 至 5:00 則有正面幫助。延長年輕人受訓時間無顯著 影響碰撞率。法律執行不彰為此計畫不成功的主要影響因素，所以當針對夜間駕 車與夜間載客績效時，發現並無顯著影響年輕人碰撞率，尚有其他未知的因素。

此計畫只緩和年輕人的碰撞率沒有明顯的減少碰撞率。

2.2.3 迴歸分析限制

統計分析方法已預先假設問題在有限的系統架構內，因此變數數量較少，將 使解釋變數局限於具有量化資料的變數型態。統計分析方法也受限於思考維度的 層級，雖有線性結構的產生，仍無法有效擴大變數範圍。統計分析方法具備說服 力，可以找到少數變數預測目的變數，有助於資源的節省。由於事故發生的原因 除了稀少特性外，亦包含模糊的區域，難以找到符合實際現象的資料。為了增加 迴歸模式的解釋能力，通常選用具有顯著檢定的變數，作為模式的解釋變數，但 是由少數變數所建立的分析系統，易產生非實際和難以解釋的現象，此乃統計分

析方法的優點亦是缺點。真實的世界除了有秩序的變化外，也包含了非秩序的變 化，所以統計方法雖具系統分析問題，但對於許多不確定性因素的長期觀察而言 又顯得薄弱。