文獻回顧與評析

以往對平交道安全方面的研究，主要著重在平交道防護設施、管制策略與設備穩 定性，以防範公路使用者闖越的行為上。另外也可借重在公路系統中對於闖越行為的 學術報告，以便往後對平交道闖越行為研究時一參考架構。

在以加強平交道防護措施的領域方面，鄭子良（民 91）[9]以錄影方式觀察平交 道闖越行為並找出闖越機率模式，建議以偵測系統降低平交道事故的損害程度。損害 程度以列車重量與列車到達平交道末速平方作為肇事嚴重程度的判斷依據。但該研究 於觀察階段並未區分闖越車輛型態，且以攝影方式取得觀察資料時會有無法獲得闖越 者闖越意圖的相關資訊。Tom（2005）[23]以工程改善的角度指出，火車車身塗裝不鮮

4 數據資料以台鐵 87 年 3 月統計為準，總計 773 個

豔不易引起公路駕駛人的注意。在限制鳴笛的行駛區域內，平交道應設置足夠的柵門

車在警示時間內成為等候車隊首部車的機率，進而降低闖越的機率。因為在不考慮超 車行為下闖越平交道的先決條件是要成為車隊的首部車。交通量過低將無法形成自然 屏障，而警示時間長易形成自然屏障，但另一方面也易造成駕駛人不耐久候而闖越。

該研究選取二站間平交道進行模擬，以成本效益最佳化為目標。然模擬過程中未提及 機車、自行車、行人的闖越模擬。

在強化平交道設備穩定性方面，Tom（2004）[24]指出平交道設備的維護很重要，

但作業耗時且繁瑣。建議設置監視器主動定期偵測故障訊號並及時回饋，並利用整合 型控制器將警鈴、警示燈、柵門、軌道電路、電源等控制組件一元化。柵欄要具備彈 性設施以確保被闖越車輛撞擊後仍可恢復定位與其功能性。而國內（台鐵？）運務處 本身的研究報告[16]中指出，鬧區的平交道警報器因背景噪音大而警告效果不佳，柵 欄無法有效阻止蓄意闖越行為。平交道標誌應比照高速公路大型化，使其容易被用路 人看見。另外平交道鄰近的公路條件會影響車輛操控，上坡路段換檔不當容易使車輛 熄火，而下坡路段則有煞車不及的風險。建議平交道兩側公路15 公尺內應保持水平，

其餘50 公尺內之坡度小於 3%或 4%，並禁設彎道。平行鐵路之公路要轉進平交道時，

引道至少要15 公尺以便保持車身能垂直穿越鐵路。最後建議採用「時速繼電器」改為 固定時間警示，以增加平交道警示時間長度之威信，降低用路人因等候不耐而闖越之 機率。

闖越平交道的行為在某種程度上類似公路路口的闖紅燈。David（1998）[25]指出 闖紅燈是屬於侵略性駕駛行為的一種。影響侵略行為的因素來自挫折感程度、罰責輕 重、挫折來源的公正性與合法性。而要減少侵略性駕駛行為，可從改變駕駛人習慣（如 加強執法）或是道路環境著手。以平交道安全策略的觀點而言，可藉由加強執法或是 安裝闖越自動照相機，亦可讓公路使用者感受到平交道管制變化，進而減少平交道的 闖越行為。

Sudhir（1998）等[27]對 JR 東日本鐵路公司的平交道事故進行研究。將平交道風 險定義為事故發生率與嚴重程度，而考慮的影響因素包括：鐵公路車流、平交道視距、

公路坡度與寬度、平交道等級、軌道數目與所在環境。事故率基準以鐵路車流、事故 總數、平交道數目為底而未考慮公路車流。事故嚴重程度考量第三者死傷人數、列車 延誤時數與取消班數，後續並計算平交道安全投資與風險改善的本益比，得知教育跟 宣導是成本效益高的安全措施。該研究發現事故涉入的公路車輛中，小型車約佔2/3，

機踏車與行人約佔 1/3，大型車輛微乎其微，但卻是重大事故的主因，故建議提高柵 欄對大型車輛的可視程度。事故原因以忽略管制訊息為最多，闖越跟未保持淨空為其 次，而在汽車衝撞通過中的火車的事故分析中，原因可能是停不下來或是駕駛沒注意 到。另外發現低交通量的平交道事故率反而比高交通量的平交道要高。

Park（2005）等[30]認為現有平交道事故預測模式多以統計上的迴歸關係尋找平 交道事故與平交道環境資料之間的關係，但統計上的迴歸關係並不一定是真實情形的 互動關係，作者建議將事故與環境資料先進行分組後再進行統計分析，以求取較佳的

解釋能力。Mohammad（2005）等[29]對美國密蘇里州要從現有的平交道事故預測模型 中挑選出最適合當地使用的模式，發展出一套選擇預測模型的準則。在模式目標是將 有限經費投注在改善效益最高的平交道之下，透過專家學者會議建立模式評估標準。

評估標準首重模式的正確性、合理性與經濟性，同時加以考量平交道的型式與視距資 料，之後挑選具代表性的模式進行評估，以獲得最佳的平交道事故預測模式。但整個 評選過程中只取6 處具代表性的平交道作正確性評估，一來具代表性的平交道不易挑 選，二來在州內數百個平交道中只取6 處平交道，在數量上能否客觀的代表多數平交 道也不得而知。另外專家學者的評選意見容易有前後不一致情形，使得整個評選結果 容易跟原先預期目標不一致。

國內對於平交道的事故分析上，侯光義君（民69）[18]透過鐵公路交通量解釋平 交道期望的事故率，以都市/鄉村、單線/雙線鐵路、平交道型式作分類，用 R-square 找出解釋能力佳的方程式，以生命價值、醫療與財務損失衡量平交道升等的工程經濟 效益。作者認為可考量事故量與一日中交通量的關係，甚至是晝夜、季節、年份的差 異。平交道的清道時間要大於大型車輛通過平交道所需時間，如此才有清道的實際效 果。在預先警告的意義上不僅是向公路駕駛人提醒平交道已進入管制狀態，同時還有 向公路使用者提醒自己正接近平交道危險區域的第二層涵意。翁茂城君（民 63）[19]

則利用台鐵西幹線24 年的事故資料作分析，考量平交道數、平交道死傷事件數、平交 道總事件數、總公路事故件數、車籍數目、人口、每日列車公里、車輛擁有率等解釋 變數。作者認為最好的方程式是一平交道肇事內含有死亡與受傷資料，同時有獨立的 兩個鐵路、一個公路、一個社會經濟變數的反應。但該文引用的公路事件數、車籍數 目與車輛擁有率能否是當代表使用平交道的車流量則有待進一步探討。駱思斌君（民 91）[20]則是利用鐵路路線本身的特徵進行分析，包括坡度、彎道半徑、尖峰/離峰、

平日/假日等因素，利用普瓦松與負二項分配進行測試。但該模式對外來因素影響成分 大的平交道事故而言沒有很強的解釋能力。

在其他相似的事故預測領域上，Chang（2005）[31][32]對台灣國道一號中山高速 公路的事故預測採用類神經網路模式和資料採礦法，以跟既有的負二項迴歸模式進行 比較分析。負二項迴規模式需要對X 跟 Y 之間的關係進行假設，而當該假設關係不成 立時，其結果便有偏誤的可能。類神經網路模式和資料採礦法都不需假設X 跟 Y 之間 的關係，同時可處理X 之間的共線性問題，資料採礦法甚至可以自動搜尋資料的分類 決策點。但類神經網路模式的發展都相當耗時，同時敏感度分析無法以數學定義。資 料採礦法在找預測指標、最佳分割方式與多重搜尋等情況下會面臨連續與次序變數無 法有效配適的問題，同時無法提供X 跟 Y 之間的機率或信賴區間關係，以及無法進行 敏感度與彈性分析。該研究結果顯示，類神經網路的預測績效比既有的負二項迴歸要 來的好一點，而資料採礦法的成效與負二項迴歸不相上下。但兩模式的共同點是都需 要透過既有資料來訓練發展其關聯關係。

以上這些學術成果針對平交道安全的各面向進行分析研究。然每個平交道都是因 地制宜的環境與規格，缺乏針對平交道間個別屬性因素與事故資料的關聯性研究。而

在穿越平交道的車流組成中，目前絕大部分的研究都未考慮機慢車與行人，這在人口 稠密且機慢車使用普遍的我國而言是引用上的一大盲點。另外這些研究也缺少針對平 交道闖越車流中的闖越運具類型、闖越時間、乘載人數等進行關聯分析，而這些因素 對於瞭解平交道闖越行為有其必然的關聯性存在。