國 立 交 通 大 學
管理學院(運輸物流學程)碩士班
碩士論文
駕駛違規與交通事故之關聯分析
Relationship between Driver Violation and Traffic Accidents
研 究 生：黃振烜
指導教授：汪進財 教授
駕駛違規與交通事故之關聯分析
Relationship between Driver Violation and Traffic Accidents
研 究 生：黃振烜 Student: Jhun-hsuan Huang
指導教授：汪進財 教授 Advisor: Prof. Jinn-Tsai Wong
國 立 交 通 大 學
管理學院（運輸物流學程）碩士班
碩 士 論 文
A Thesis
Submitted to Degree Program of Transportation and Logistics College of Management
National Chiao Tung University in Partial Fulfillment of the Requirements
for the Degree of Master of Science
in
Transportation and Logistics
July 2014
Taipei, Taiwan, Republic of China
駕駛違規與交通事故之關聯分析
研究生：黃振烜
指導教授：汪進財 教授
國立交通大學管理學院（運輸物流學程）碩士班
摘要
根據政府主管機關的統計資料顯示，多數的交通事故其肇事原因
都是駕駛人之人為因素所致，但對於駕駛人違規與肇事因素的關聯分
析研究並不多，如能對此作進一步分析研究，將有助於提出更有助益
的改善策略與措施，以增進道路交通安全。
本研究利用警政單位的道路交通事故資料與監理單位的交通違規
資料進行交叉探討與分析，對事故當事人的主要肇事因素與最近 5 年
違規紀錄中的主要違規項目，透過統計檢定與羅吉斯迴歸分析探討違
規對肇事的關聯性。並針對分析結果得到高肇事風險的違規項目，提
出事故與違規防治策略及可行作法與政策，以期降低事故發生率。
由分析結果可知，年輕族群及男性的肇事比率偏高，違規因素則
以超速、闖紅燈、未遵守標線標誌等最具正相關，建議教育執法策略
宜作相對應之調整。此外，事故肇因為酒駕者，通常有酒駕違規紀錄，
故應學習其他先進國家之經驗，提高對酒駕之行政與刑事處罰以有效
嚇阻。
關鍵詞：交通事故、交通違規、迴歸分析
Relationship between Driver Violation and Traffic Accidents
Student: Jhun-hsuan Huang Advisor: Prof. Jinn-Tsai Wong
Degree Program of Transportation and Logistics
College of Management
National Chiao Tung University
Abstract
According to the government authority’s statistics, most of traffic accidents were caused by driver’s human factors. However, few studies on the correlation analysis between driving violations and accident factors have been done. Further analysis on this subject will help to derive strategies and measures for road traffic safety improvement.
This study use road traffic accident data collected from the National Police Agency and traffic violation data collected from the motor vehicle office for cross-discussion and analyses. Accident factors and the last five years violations of the parties involved in the accidents were explored through statistics and logistic regression analysis to illustrate the relevance of the violations of the accidents. Violations associated with high accident risk derived from the analysis could provide control strategies and feasible practices and policies to reduce road accident rates.
The results of the analyses show that young and male drivers have high offending rates. The offending factors are mostly positively related to speeding, running a red light, failure to comply with the sign and marking. It is recommended that the education and law enforcement policy should make a corresponding adjustment. In addition, the driver involved in an accident caused by drunk driving, usually had drunk driving violation records. It suggests that effective deterrent measures to improve the administrative and criminal penalties of drunk driving should learn from the experience of other developed countries.
誌謝
首先最感謝的是汪老師，感謝您耐心的指導，也教導我們很多做
事的方法與態度，同時也感謝這段期間在交大所有上課的教授與講座
們，讓我能對不同的領域以及當前的產業界資訊獲得更多了解，實在
獲益良多。也感謝口試委員黃承傳教授與黃台生副教授的提點與指
導。
感謝專班的所有同學，光華長官、政毅大哥、智誠大哥、天宇大
哥、麗貴姐姐、鐘姐、姵伸、馨予、徵安、維彬、詩穎、倫弘、嘉鎂、
育暉、琡婷，各位分享的經驗與見聞讓我多學不少。謝謝所有關心我
的學長姐、學妹、朋友們的鼓勵，還有所辦何姐的各種協助。論文的
資料取得，要感謝鐘易詩教授幫忙取得道路交通事故的資料，還有資
訊部門的同事幫忙匯出違規紀錄資料。感謝一起口試的靖舒，協力完
成口試各項事宜，也交換了不少在公部門的資訊與甘苦談。
最後要感謝我的父母，讓我有無憂無慮的成長環境，很多話無法
光用言語表達，謝謝你們!
黃振烜 謹誌於
國立交通大學管理學院
（運輸物流學程）碩士班
中華民國 103 年 7 月
目錄
中文摘要 ... i 英文摘要 ...ii 誌謝 ... iii 目錄 ... iv 表目錄 ... vi 圖目錄 ...vii 第一章 緒論 ... 1 1.1. 研究背景與動機 ... 1 1.2. 研究目的 ... 2 1.3. 研究範圍及對象 ... 2 1.4. 章節安排 ... 3 1.5. 研究流程 ... 4 第二章 文獻回顧 ... 5 2.1. 本研究相關之研究文獻分類 ... 5 2.2. 交通事故相關名詞定義 ... 5 2.3. 相關文獻 ... 8 第三章 研究方法 ... 173.1 羅吉斯迴歸分析(Logistic regression analysis) ... 17
3.2 卡方檢定 (Chi Square test) ... 18
3.3 適合度檢定 ... 19 3.4 一因子變異數分析 ... 20 3.5 無母數統計方法 ... 21 第四章 資料蒐集與研究分析 ... 22 資料獲取 ... 22 4.1. 交通事故資料 ... 22 4.1.1. 違規紀錄資料 ... 23 4.1.2. 資料統計—駕駛人背景因素部分 ... 25 4.2. 肇事駕駛者年齡 ... 25 4.2.1. 旅次目的 ... 26 4.2.2. 第一當事人傷亡統計 ... 27 4.2.3. 第二當事人傷亡統計 ... 27 4.2.4. 性別 ... 28 4.2.5. 資料統計—駕駛人行為因素部分 ... 28 4.3. 酒醉(後)駕駛 ... 29 4.3.1. 主要肇事因素分佈 ... 30 4.3.2. 行動電話使用 ... 32 4.3.3. 駕駛資格 ... 33 4.3.4.
駕駛執照種類 ... 33 4.3.5. 安全帶(帽)使用 ... 34 4.3.6. 資料分析(1)---事故當事人違規紀錄 ... 35 4.4. 違規條款分佈情形 ... 35 4.4.1. 舉發類型 ... 36 4.4.2. 違規時間分佈情形 ... 36 4.4.3. 違規次數分佈 ... 37 4.4.4. 酒駕違規紀錄次數 ... 37 4.4.5. 肇事因素與主要當事者個別變數關聯分析 ... 38 4.5. 肇事因素與性別的關聯 ... 38 4.5.1. 肇事因素與年齡的關聯 ... 39 4.5.2. 肇事因素與主要違規項目紀錄的關聯 ... 41 4.5.3. A1A2 肇事因素與當事人違規紀錄分配型態檢定 ... 43 4.5.4. 違規與事故嚴重度關聯分析 ... 43 4.6. 第五章 研究結論與建議 ... 44 結論 ... 44 5.1. 後續研究建議 ... 45 5.2. 將本研究延伸至對 A3 類事故分析 ... 45 5.2.1. 違規資料庫的問題 ... 45 5.2.2. 事故當事人其他社經變數的探討 ... 45 5.2.3. 參考文獻 ... 46
表目錄
表 1-1 道路交通事故與違規舉發件數統計資料 ... 2 表 2-1 世界各國道路交通事故死亡時間認定 ... 6 表 3-1 常用的統計分析方法 ... 17 表 4-1 A1 A2 死傷事故肇事駕駛者年齡分佈 ... 25 表 4-2 100 年度強制汽車責任保險費率表 ... 26 表 4-3 死傷事故駕駛者旅次目的 ... 26 表 4-4 第一當事人傷亡統計 ... 27 表 4-5 第二當事人傷亡統計 ... 27 表 4-6 事故與性別 ... 28 表 4-7 事故主要肇事因素分類分佈 ... 28 表 4-8 事故當事人飲酒情形 ... 29 表 4-9 A1 與 A2 事故主要肇事因素分布 ... 30 表 4-10 行動電話使用情形 ... 32 表 4-11 事故當事人駕駛資格 ... 33 表 4-12 事故當事人駕照種類 ... 33 表 4-13 事故當事人安全帶(帽)使用情形 ... 34 表 4-14 違規條款分佈情形 ... 35 表 4-15 舉發類型分佈 ... 36 表 4-16 違規時間分佈 ... 36 表 4-17 違規次數分佈 ... 37 表 4-18 酒駕違規紀錄次數 ... 37 表 4-19 肇事因素與性別交叉分配表 ... 38 表 4-20 A1 事故肇事因素與年齡交叉分配表 ... 39 表 4-21 A2 事故肇事因素與年齡交叉分配表 ... 40 表 4-22 A1 事故肇事因素與主要違規項目紀錄交叉分配表 ... 41 表 4-23 A2 事故肇事因素與主要違規項目紀錄交叉分配表 ... 42圖目錄
圖 1 研究流程圖 ... 4 圖 2 卡方檢定的種類 ... 19
第一章
緒論
1.1. 研究背景與動機
依據交通部統計處的統計資料[1]顯示，民國 100 年道路交通事故
A1 類與 A2 類案件總件數高達 235,776 件，一共造成了 2,117 人死亡與
315,201 人受傷。另一方面，在同期間，鐵路事故有 812 件，共造成
65 人死亡與 22 人受傷，當中屬於鐵路營運單位責任之事故僅 34 件；
而在航空運輸方面，2011 年有 6 起飛航事故，造成 1 人死亡 1 人重傷
[2]。可見在陸海空各種交通運輸方式中，道路運輸的事故件數及傷亡
人數是遠較其他運輸工具為高的，因此改善道路交通安全一直以來都
是政府有關部門所努力的目標。
道路交通事故除造成財產損失與生命威脅外，所造成的道路設施
損毀與交通擁擠，不但影響用路人的權益，更使得社會大眾必需負擔
許多社會成本(如交通影響成本、受傷醫療成本、強制保險成本等)。
由於交通事故的發生是由許多因素所造成，若能了解交通事故發生的
主要因素，才能有效地加以預防及改善，因此交通事故因素的分析一
直是事故預防研究的重要項目之一。
依據內政部警政署民國 99 年統計資料顯示[3]，96%的 A1 死亡事
故肇事原因為車輛駕駛人過失之人為因素所致，而這當中違反道路交
通安全法令之違規行為更是一大主因。在國內外的相關文獻中，多半
的研究是針對事故態樣與個人行為加以分析，卻少見對駕駛人違規紀
錄與肇事之間之關係進行交岔統計實證分析。目前實務上，違規紀錄
對於肇事潛在影響並未獲得政府主管單位與汽車保險業者之相關應用
及重視，是以對於交通違規紀錄之綜合評估並無較為系統之相關研究。
故如能對違規紀錄與交通事故進行關聯分析，了解駕駛違規行為與類
型對交通事故的可能影響，應可進一步提升交通安全相關改善策略及
政策作為。
表 1-1 道路交通事故與違規舉發件數統計資料
年 別 道 路 交 通 事 故 道路交通違規 件 數 死 亡 受 傷 肇事率 舉 發 件 數 罰 鍰 金 額 件 人 人 件／萬輛 千 件 百萬元 92 年 120,223 2,718 156,303 66.04 13,781 21,932 93 年 137,221 2,634 179,108 72.83 12,336 20,344 94 年 155,814 2,894 203,087 79.81 11,966 20,547 95 年 160,897 3,140 211,176 80.11 12,067 19,064 96 年 163,971 2,573 216,927 79.95 12,493 19,908 97 年 170,127 2,224 227,423 81.39 11,957 18,324 98 年 184,749 2,092 246,994 87.01 11,027 16,738 99 年 219,651 2,047 293,764 101.94 9,918 16,104 100 年 235,776 2,117 315,201 107.3 8,895 15,235 101 年 249,465 2,040 334,082 111.94 8,925 15,291 102 年 278,388 1,928 373,568 126.80 8,975 13,4041.2. 研究目的
本研究係對交通事故相關資料與駕駛人違規資料作一整合與探討，
將警政署道路交通事故資料庫中之駕駛人肇事資料，與公路監理系統
中的違規紀錄進行聯結，以分析其間之關聯因素，俾探討違規種類與
次數對駕駛人肇事之可能影響與相關性。
通過違規與肇事之相關性分析，得到駕駛人違規紀錄與其肇事之
關係模式，與不同違規項目對肇事風險性的關聯。
最後，根據本研究所得到之結果，提出相關改善策略及政策作為
方案，以期能降低事故發生的機率與嚴重性。
1.3. 研究範圍及對象
以民國 99 年(2010)中發生在台北市與新北市之 A1 及 A2 交通事故
案件為對象進行統計分析，以全部事故第 1 及第 2 當事人為對象，透
過查詢相關事故駕駛人最近五年之所有違規紀錄，做為資料統計分析
之依據。
1.4. 章節安排
第一章 緒論：
本論文的研究背景、研究目的、研究範圍、研究方法及研究流程。
第二章 文獻回顧：
針對本論文相關文獻作一概要敘述，包括交通事故相關名詞定
義、道路交通事故相關研究、個人駕駛行為與交通事故相關研
究及跨資料庫探討交通事故相關研究。
第三章 研究方法：
說明本研究所使用之統計分析方法種類與各模式之說明。
第四章 資料蒐集與研究分析：
對事故資料的主要肇因與肇事駕駛人主要的違規行為進行分析，
並探討其關聯性。
第五章 研究結論與建議：
針對本研究的成果做一總結，並提出具體的事故防治改善策
略。
1.5. 研究流程
圖 1 研究流程圖
研究動機與目的
相關統計分析檢定
資料蒐集與整理
結論與建議
相關文獻探討
確立研究主題
第二章
文獻回顧
2.1. 本研究相關之研究文獻分類
本研究相關的研究文獻，可概分為事故分析、駕駛行為、違
規行為、易肇事地點分析改善等類別，以下就交通事故相關名詞
與相關研究文獻分別列述之。
2.2. 交通事故相關名詞定義
2.2.1. 道路交通事故之定義
依道路交通事故處理辦法第2條規定，其定義如下：
一、 道路交通事故：指車輛或動力機械在道路上行駛，致有人
受傷或死亡，或致車輛、動力機械、財物損壞之事故。
二、 重大道路交通事故：指道路交通事故有下列情形之一者：
（一） 死亡人數在三人以上，或死亡及受傷人數在十人以上，
或受傷人數在十五人以上。
（二） 運送之危險物品發生爆炸、燃燒或有毒液（氣）體、放
射性物質洩漏等事故。
依該項定義，道路交通事故須符合下列五項構成要件：
（1） 肇事一方須為「汽車或動力機械」
。
（2） 肇事須發生於「道路」上。
（3） 須有「行駛」的狀態。
（4） 須肇事致「有人傷、亡或車輛財物損壞」
。
（5） 須出於「過失或毫無過失之行為」
。
另依道路交通管理處罰條例第3條之定義，道路係指公路、街道、
巷衖、廣場、騎樓、走廊或其他供公眾通行之地方。
2.2.2. 道路交通事故死亡之定義
目前世界各國對於道路交通事故死亡時間的認定標準不盡相同，
因此各國在道路交通事故死亡人數的統計數據方面，自然有所差異。
根據Astrop 等人[4]對於全球道路交通事故死亡人數評估報告以及
日本佐藤武所著之「自動車交通事故與其調查」[5]，整理出目前世
界各國道路交通事故死亡時間認定標準如表 2-1。
表 2-1 世界各國道路交通事故死亡時間認定
道路交通事故死亡時間認定標準
國家
事故現場當場死亡
比利時、羅馬尼亞、貝里斯、哥倫比亞
送醫急救過程中死亡
葡萄牙
事故發生後 24 小時內死亡
西班牙、日本、中華民國
事故發生後 48 小時內死亡
匈牙利
事故發生後 3 日內死亡
奧地利、韓國
事故發生後 6 日內死亡
法國、南非
事故發生後 7 日內死亡
義大利
事故發生後 30 日內死亡
美國、德國、丹麥、英國、芬蘭、愛爾蘭、
以色列、荷蘭、南斯拉夫、不丹
*日本的警察彙總資料為24小時內，年度統計報告為30日內。
2.2.3. 交通事故分類
A1類：造成人員當場或二十四小時內死亡之交通事故。
A2類：造成人員受傷或超過二十四小時死亡之交通事故。
A3類：僅有財物損失之交通事故。
2.2.4. 事故相關人員
（1） 肇事人：指與發生交通事故有客觀上相當因果關係之車輛駕駛
人、其他在場之人、相關設施管理人或物品財物所有權人或使
用權人等。
（2） 被害人：指因交通事故致身體或財產直接受害之人。肇事人亦
得為被害人。
（3） 見證人：指目睹交通事故發生或事故現場狀況，且精神狀況正
常之人。
（4） 當事人：指與發生交通事故有關之人或因事故而致傷、亡或財
物損失之人員，包含肇事人、被害人、乘客、行人等。
2.2.5. 肇事原因指與交通事故之發生有客觀上相當因果關係之原因、
行為或事實。
2.3. 相關文獻
2.3.1. 對事故分析之相關研究
曾貴楷(2007)[6]以民國89年台中市地區之計程車交通事故計960件
為分析對象，透過羅吉斯迴歸模式構建計程車交通事故雙方肇事嚴重
程度模式，結果顯示對方駕駛在事故中之傷亡率約為計程車駕駛之11
倍，且當計程車事故責任越重，對方駕駛越容易在事故中傷亡。
蘇宥宜(2005)[7]應用情境分析方法研究台灣地區單一小客車交通
事故，分析對象為2003年警政署交通事故資料，由事故情境分析結果
可知，影響駕駛者表現的行為與決策和事故嚴重度的風險因子，在事
故發生前包括有駕駛本身生理、觀念、認知和情緒；在事故發生當時
則為道路的可辨視距離、反應時間與空間、道路安全設計和防護設施。
在衝出路外的單一小客車事故中，主要的風險因子為道路安全設計；
在撞路中物體的單一小客車事故中，主要的風險因子為駕駛認知；在
撞路旁物體的單一小客車事故主要的風險因子為道路能見度。
張智欽(2011)[8] 以民國97年到98年間臺北市號誌化路口交通事故
作為分析對象，共收集2661筆案件資料，並將肇事嚴重程度分為「死
亡或骨折以上」、
「人員受傷」及「單純車輛損壞」3 類。每一件案例
係將主要的違規者列為第一方，並依文獻回顧及實務上所能取得的資
料，蒐集「人」、
「車」、
「路」及「環境」等可能影響因素；先構建單
變量依序普羅比與雙變量依序普羅比，比較其差異性，再構建雙變量
一般化依序普羅比模式探討異質性，做為研擬改善策略之參考。研究
結果顯示兩者間肇事嚴重程度與諸多變數具有正向相關性。依模式校
估結果，共計有25個顯著影響變數，以及9個門檻變數，其中以「騎乘
機車」
、「酒駕行為」及「路口附近燈光微弱」對當事人嚴重程度影響
最大。
劉霈(2006)[9]蒐集台中市於民國88-89及92-93年之路口事故資料，
將其分解為1,039組行向組合，以類神經網路與負二項迴歸方法進行路
口交通事故數量預測模式之構建。其以決策樹規則為危險程度判斷之
依據，結果顯示應用Gini決策樹於交通領域上有其相當合理性，故在道
路設計及改善路口評鑑時具應用之可行性。
Victor Siskinda等4人(2010)[10]探討澳洲鄉間道路的死亡交通事故
的危險因子，分析對象為澳洲Queensland的事故資料，比較死亡與受傷
事故之環境因子，結果顯示超速、酒駕以及違反道路交通規則的情形
是構成死亡事故的主要因子，與美國NHTSA的類似研究結果相同，作
者據此結果特別強調執法的重要性。
黃士軒(2007)[11]以臺灣地區92 年至94 年間A1 及A2 類交通事
故資料，以決策樹分析交岔路口兩車碰撞事故之特性，結果發現非號
誌化路口受限於路幅狹窄，年輕人駕駛小型車與對向機車擦撞之風險
較高，可能會小型車與機車會車時，年輕駕駛傾向強行穿越而造成擦
撞；另巷弄路口受到建築物遮蔽之影響，在視距不良情況下無法察覺
橫向車流之風險而發生橫向擦撞，且以當事人特性分析顯示，女性機
車騎士於該路口類型發生之風險較高。
Sudeshna Mitra等2人(2007)[12]使用美國Georgia州的事故資料，通
過Bayesian、Markov Chain Monte Carlo (MCMC)、Gibbs sampler等模式，
建構出8種分析模式，利用交通流量等變數帶入以預測事故機率，並發
現若提供更多的額外變異參數，能增進預測的正確性。
Quddus (2002)[13]為探討汽車與機車碰撞事故肇事嚴重程度，由於
以往研究大部分針對機車騎士的傷亡嚴重程度，較少探討車輛的損害
程度，Quddus因此期望瞭解影響雙方的因素，所以透過依序性普羅比
模式分別建立機車騎士傷害嚴重程度與汽機車損害嚴重程度的模式進
行分析探討。資料來源為新加坡交通警察部門於1992年至2000年所建
立的27,570筆事故資料為主；研究結果顯示在每日發生的時間，尤以每
日12：00至午夜03：59分的這個時段發生無損失或受傷之間的機率高，
比其它時段所遭受的事故還高。就道路工程與設計的因素而言，高速
道路設計的標準會增加機車事故中嚴重受傷或死亡的機率。就碰撞因
素而言，以撞及固定物體、撞及行人會增加嚴重受傷的倍數，而機車
的引擎容量也會增加嚴重受傷的嚴重性。
Yau (2004)[14]探討影響香港單一車輛事故嚴重程度的風險因素，
採用羅吉斯迴歸模式與勝算比探討事故的嚴重程度，變數主要分類為
行政區、個人、車輛、安全、環境與地區因素。根據研究分析結果，
以自用運具而言，九龍東區所造成死亡或重傷的比例較低，駕駛者年
齡為26 至55 歲與性別為女性，造成死亡和重傷的比例較低。貨車運
具則是駕駛者沒有繫安全帶含有較高的風險。以機車而言，夜晚時段
20:00-23:59 以及白天08:00-11:59對於死亡和重傷是最具顯著高風險因
素，然而街燈條件則沒有顯著的影響事故發生的嚴重性。
Chris Lee等(2005)[15]探討車輛與行人肇事議題，使用log-linear 模
式分析，資料來源為佛羅里達洲1999至2002年之肇事路口，研究並使
用依序普羅比模式(Ordered Probit model)探討行人涉及交通事故之受傷
嚴重程度。研究指出中年男性駕駛者相對較易發生交通事故，無分隔
式道路與多重道路容易造成肇事頻率增加；文中指出行人年齡較老或
是飲酒行走，導致生理反應速度減弱，增加行人受傷嚴重程度可能性。
Amoros等(2003)[16]以法國Rhone-Alpes 地區8 個郡1986 至1993
年的交通路網與交通事故資料為研究對象，其考量因素包含道路等級、
道路特性、肇事時段等變數，並以負二項與羅吉斯特迴歸來分析，以
勝算比來比較嚴重程度；研究結果發現新手駕駛的肇事率較一般駕駛
高出0.43 倍，但持學習駕照者卻少0.58 倍；在嚴重程度方面，新手死
亡機率較低，反而是持學習駕照者死亡率較高，而且各地區也會因為
道路種類的不同，使得肇事率與嚴重程度也有所差異。
謝易達(2010)[17]以民國97 年臺北市非號誌化路口交通事故為分
析對象，將肇事嚴重程度分為「死亡或骨折以上」
、
「人員受傷」及「單
純車輛損壞」3 類，並蒐集「人」、「車」、「路」、「環境」及「交通管
制因素」等19 項研究變數；依混合羅吉特模式校估結果，對於肇事後
致人死亡或骨折以上之案件，以「同向車流之交叉衝突」等6 個變數
有顯著正向影響，另以「網狀線」等5 個變數有顯著負向影響，且均
為固定參數；而對於肇事致人員受傷之案件，以「不同方向車流之交
叉衝突」等9個變數呈顯著正向影響，其中「不同方向車流之交叉衝突」、
「相同方向車流之交叉衝突」及「閃光號誌」為隨機參數，表示這3 個
變數在「人員受傷」部分具有異質性；而「第一當事人性別」等5 個
變數則呈顯著負向影響。
Al-Ghamdi(2003)[18]採用羅吉斯迴歸模式(Logistic Regression)探
討那些因素會影響交通事故的嚴重性。分析結果顯示，在非交岔路口
中造成死亡的事故會高於在交岔路口，闖紅燈時會比不闖紅燈更容易
造成死亡，以及走錯車道的事故會比未依規定讓車造成的事故還要
高。
2.3.2. 對駕駛行為之相關研究
Jinn-Tsai Wong 等(2010)[19]以臺灣年輕機車騎士(18歲至28歲間)
為研究對象，以心理學角度將他們分成追求刺激、急躁及溫和的機車
騎士。其中溫和的機車騎士代表他們騎乘技術較為成熟且講究安全性，
而追求刺激的機車騎士則非常具有自信，並在不安全駕駛行為中獲得
舒適及滿足的感覺，但他們也具備了高度警覺性，因而降低了事故發
生的風險，但卻因為追求刺激的駕駛行為而提升事故的嚴重性；而急
躁的機車騎士，由於騎乘信心和對交通狀況認知不足，並且會嘗試去
採取不安全的駕駛行為。該研究亦反映目前臺灣考照制度不合宜之處，
如不需要接受任何安全教育或道路駕駛經驗，即可考取250c.c 以下之
機車駕照，此舉將使得駕駛人之駕駛技術來自自我學習和不當行為。
故認為考照制度應從根本改變，並建議交通工程設施可加入智慧型運
輸系統技術，有助於提醒用路人注意道路風險。
Kim等(2008)[20]為探討夏威夷交通法規改變對駕駛行為之影響，
其改變為原本僅要求駕駛人行經行人穿越道，必要時應暫停讓行人先
行，自2005 年起，則改為要求駕駛人行經行人穿越道時應一律暫停後，
再起步行駛。於行人穿越道旁進行調查研究，結果發現駕駛人停車與
否與其年齡、性別、路口型態及土地使用有關，該研究並建議改善策
略應從駕駛人教育及執法做起，以促使駕駛人遵守。
Ulfarsson (2004)[21]探討不同車型影響男性與女性事故中傷亡嚴
重程度的主要因素，比較男女駕駛人傷亡程度之差異，採用多元羅吉
特分析影響傷亡程度，進而以彈性分析比較二者傷亡程度的差異，其
中資料來源為美國華盛頓州之運輸部分1993 年至1996年間相關的事
故資料，而研究結果顯示影響女性死亡或重傷比例提高的主要因素為
未繫安全帶、兩車道路段、高車流路段、夏天與下雪的天候狀況下，
而影響男性駕駛人死亡或重傷比例提高的因素為未繫安全帶、酒駕、
打瞌睡、未集中注意力、超速、濕滑路段、下雪的天候狀況與春天等
因素，但相對比較而言，天候狀況對於女性駕駛人的影響會大於男性，
而且男性與女性間的差異是相當大的，但是駕駛人的行為與身體狀況
顯著會影響駕駛人的傷亡嚴重程度。
David E. Cantor等4人(2009)[22]探討以駕駛人觀點建構的卡車事故
預測模式，本模式就事故當中駕駛人因子進行分析，模式關聯變數有：
駕駛年齡、體重、身高、性別、就業安定度、最近的違規紀錄、肇事
紀錄等，藉此可得出那些特性的駕駛有較高的肇事風險，其結果有助
於當局改善其安全策略。
2.3.3. 對違規行為之相關研究
莊智仁(2003)[23] 針對民國90年中發生在台北市的交通事故及台
北地區近五年的駕駛人之違規紀錄資料進行抽樣，利用羅吉斯迴歸模
式和類神經網路模式之方法，分析各種不同違規行為對交通事故發生
之影響並預測違規駕駛人潛在發生事故之機率。發現許多違規因素會
顯著的影響肇事發生，其中具有不依規定駛入來車道、酒後駕車、車
輛設備不合規定及未禮讓直行車或行人者等違規行為的駕駛人有較高
潛在之肇事機率；而車輛未定期檢驗、未載安全帽及未載安全帶等違
規行為則與事故發生無顯著相關。
陳宗淋(2000)[24]根據臺北市民國86至88年行人發生交通事故致死
亡或重傷之案件資料進行分析，同時並進行問卷調查及路口違規型態
現場調查以了解行人違規特性，發現65歲以上之行人發生交通事故死
亡之比例遠高於其它年齡層；與行人發生列管交通事故之車種以大型
車最多；行人發生列管交通事故之時段以上午八至十時為最多；從肇
事斑點圖發現，行人肇事地點並無集中之現象，發生之區域則以市區
較為明顯；行人違規之地點以路寬在二十公尺以下道路最為嚴重，而
行人肇事之地點亦呈現同樣之趨勢；行人穿越設施不完整之路口，行
人違規之比例較高，其次為設有行人保護時相之路口，而設有早開或
遲閉之號誌路口，行人違規穿越之比例亦高；警察單位執行行人違規
取締之地點及時段與行人發生肇事案件之地點與時段，其關聯性並不
高。
劉智明(2007)[25]研究交通執法預警訊號發射器放置在速限
70KM/H的道路對行車速度的影響，實驗結果顯示有預警語音對超速比
例有顯著下降的影響。
S.C. Wong (2008)[26]由於香港駕駛者在紅燈違規行為上有增加的
趨勢，再加上小巴駕駛者之違規駕駛頻率過高，且常因此發生交通事
故，故以敘述性偏好法來設計問卷，調查小巴駕駛者對駕駛過失處罰
的感受，再透過運用多項羅吉特模式以分析處罰條例對於駕駛者，打
消闖紅燈的違規行為之影響程度。研究結果顯示出對駕駛者產生影響，
具有有效遏阻駕駛者闖紅燈的是違規處罰條例，而不是受到執法方針
的影響。此外，對於小巴駕駛者而言，同等值的違規處罰是有效的。
該研究並以市場區隔分析法進行分析，結果發現年齡、婚姻狀況、教
育程度、個人收入、車輛種類以及工作結構等因素都可能影響駕駛者
對於駕駛過失處罰的感受。
Paul L.Zador等3人(2011)[27]為探討酒駕違規重複發生的週期與再
犯者的行為，以美國Maryland州的駕駛違規資料庫為樣本，將駕駛人分
為酒駕累犯與無酒駕違規紀錄2組，以羅吉斯特迴歸模式來分析，結果
顯示在酒駕累犯者中，距離前次違規時間越短者，其再犯的傾向越高，
本研究結果支持了該州對其駕照管理法規的修訂，規定因酒駕違規吊
銷駕照者，重考時必需接受酒精成癮症相關治療。
Classen等人(2010)[28]為探討那些種類的交通違規與事故發生有
較高的相關性，對5345名平均年齡為76.08的高齡駕駛人分析其記錄並
做適當的訪談，通過羅吉特回歸模式建立肇事與違規的關聯，結果顯
示其預測命中率超過5成以上，各種違規中以變換車道、未保持安全車
距、超速為與肇事相關較高之違規。
Abdulbari Bener等人(2008)[29]為探討卡達四輪驅動車輛的危險駕
駛行為與交通事故之關聯，對1000名駕駛人進行問卷調查，結果顯示
四輪驅動車輛駕駛比一般駕駛有較高的違規與出錯傾向，並且較易因
超速導致事故發生，有繫安全帶的比率也較低，這說明了為何在卡達
的交通事故統計中，肇事車種為四輪驅動車輛者占了40.3%。
2.3.4. 對易肇事地點分析改善之相關研究
湯儒彥(1998)[30]為研擬易肇事地點的改善策略，將肇事地點概分
為路口、直線路段、彎道及夜間事故等四類，認為交通工程設計應符
合駕駛人之駕駛行為與期望，並提出導引、突顯、警告、阻滯、管制、
禁制、防護及清除視障等八項具體改善手段，進行交通工程設施之設
置，研究結果發現以引導性之導引、突顯、清除視障等，能有效地讓
駕駛人查覺；而警告、阻滯、防護之作法較為消極，仍仰賴駕駛人自
我警覺；另管制、禁制則屬強制性質，需有執法單位配合才能得到明
顯效果。
曾平毅、汪進財等人(1999)[31]探討易肇事路口之成因分析，結果
得知，易肇事路口肇事主因，依序為「車速過快」
、
「駕駛人違規行車」
及「視線不良」；改善措施有：設置三色號誌、相關標線、反光標記、
相關標誌、告示牌、改變中央分隔、減速標線、測速照相、路口網狀
線、時相變更與設閃光號誌等11項，而使路口有較明顯改善者包括有
設置三色號誌、設相關標線、時相變更等設施。
Al-Ghamdi(2002)[32]為探討影響交通事故嚴重之主要原因，以阿拉
伯利雅德1997至1998年560 筆交通事故資料的傷亡當事人為樣本，透
過對照查詢醫療報告來判斷當事人傷亡的嚴重程度，將嚴重程度分為
「死亡」與「受傷」兩類，以羅吉斯特迴歸模式來分析肇事地點、肇
事原因與嚴重程度之關聯性。結果顯示肇事地點、肇事原因與嚴重程
度具有顯著相關，而非號誌化路口事故之嚴重程度顯著高於號誌路口；
肇事原因為當事人闖紅燈、逆向行駛單行道者，以逆向行駛單行道之
死亡勝算比遠高於其他肇事原因(高於路口超速事故26倍)，表示逆向行
駛單行道的當事人死亡機率高於其他肇事原因的當事人。
2.3.5. 小結
前述的各項研究多為國外對事故、駕駛行為、違規的相關研究，
但國內對於事故與違規的相關研究甚少，故本研究將對這兩者的關聯
性做一探討。
第三章 研究方法
本研究是探討交通事故與交通違規的關聯，主要係應用統計分
析方法分析資料庫，次數分析、交叉分析瞭解駕駛者違規以及事故
特性；相關性檢定與多變量瞭解影響因素與交通違規以及事故間之
關係。表 3-1 為常用的統計分析方法分類表。
表 3-1 常用的統計分析方法
單一依變數 多個依變數 類別1 數字 單一獨立 變數 類別 交叉列聯表 變異數分析 多變量分析 數字 logistic model 積差相關/迴歸 多個獨立 變數 皆為類別 logit model 多因子變異數分析 因素分析 典型相關 都是數字 logistic model 複迴歸分析 集群分析 兩者皆有 logistic model 複迴歸分析 區辨函數 多元尺度3.1 羅吉斯迴歸分析(Logistic regression analysis)
羅吉斯迴歸(logistic Regression)模式是針對傳統線性迴歸分
析在反應變數為類別資料時，機率函數值可能會落在 0 與 1 的範圍之
外，而違反機率值需在 0 至 1 的要求，所提出的修正線性迴歸模式，
透過 logisitc 機率密度函數的轉換可保證機率估計值必落在 0 與 1
之間。
羅吉斯迴歸和傳統的迴歸分析性質相似，不過它是用來處理類別
性資料的問題，由於類別性資料是屬於離散型的資料，所以我們將此
離散型資料轉換為 0 與 1 的資料型態，才可以對轉換過後的資料進
行迴歸分析。而主要目的，是要找出類別型態的反應變數，和一連串
的解釋變數之間的關係，且由於在許多實際社會的問題上，相較於連
續數值的結果來的具有意義，因此羅吉斯迴歸是最被廣泛應用的統計
模式之一。
3.2 卡方檢定 (Chi Square test)
此測定方法是兩個名目尺度變項間之假設測定的方法。為判斷
卡方值之抽樣結果是否有顯著差異，必須在所設定之顯著水準(α )
下，與不同自由度之臨界值比較。若小於等於臨界值，即表示觀察
次數與期望次數沒有顯著差異，接受虛無假設；若大於臨界值，即
表示觀察次數與期望次數有顯著差異，接受對立假設。
卡方檢定之步驟，有以下 6 個：
1. 提出虛無假設（H0）。
2. 提出對立假設（H1）。
3. 選擇卡方統計，決定顯著水準（α ）與自由度（df）。
4. 擬定判斷準則：依 α 及 df 查出卡方臨界值，決定接受域
與拒絕域。
5. 依卡方分布公式計算卡方統計量 (Chi-square
statistic)。
6. 根據題意作結論。
利用卡方分布可用來做三種檢定：適合度檢定，獨立性檢定及
同質性檢定。這三種檢定基本上都是檢定資料的次數分布或比例分
布是否合乎某一特性。適合度檢定是檢定母體是否為某一特定分布
的檢定方法。同質性檢定是檢定二個母體分布是否相同。獨立性檢
定是檢定二個屬性間有無關係。三種檢定如圖 2 所示。
圖 2 卡方檢定的種類
3.3 適合度檢定
當我們不知道母體分布時，我們不能夠自以為它是何種分布或合
乎某一分布，而應該設立母體為某種分布的假設然後檢定該假設。適
合度檢定 (goodness of fit test) 即是利用樣本資料檢定母體分布
是否為某一特定分布或理論分布的統計方法。它之所以稱為適合度檢
定，是因為此一檢定方法的目的，在於檢定各類別之觀察次數 (Oi)
有多符合 (how good) 虛無假設的期望次數 (Ei) 的接近程度，來檢
定它是否符合 (fit) 某一特定分布 (pattern of distribution)。
3.3.1
同質性檢定
同質性檢定是檢定兩個或兩個以上母體的某一特性的分布(各類
別的比例)是否齊一或相近。同質性檢定是由各個母體中分別抽出樣
本，然後依類別區分而成為一個多項列聯表 (contingency table)。
然後利用從樣本所得到的觀察次數檢定各個母體的比例是否齊一。同
質性檢定事實上等於是做兩個或多個獨立母體的分布各類別的比例
是否一樣或相似的檢定，亦即協助瞭解不同特質在不同組別中之分布
是否相同。
3.3.2
獨立性檢定
獨立性檢定是統計研究人員想要檢定兩個自變項(屬性)間是否
獨立的統計方法。即興趣在瞭解兩個變項間是否有交互作用
(interaction) 存在，而不是其間的差異性。例如想瞭解男女生(性
別)對男女合班的意見(贊成與否)是否有關聯，亦即「性別」是否影
響「男女合班的意見」。獨立性檢定通常是將資料列示為列聯表或稱
為交叉表 (cross table) 的形式，因此有人稱它為列聯表檢定。列
聯表的形式通常是將一個屬性排成橫列，另一個屬性排成縱行。
獨立性檢定與之前介紹的同質性檢定相類似，都是以卡方分布來
做檢定。同質性檢定與獨立性檢定最大的不同是，同質性檢定的列總
和或行總和是事先決定的。而獨立性檢定的列 (row) 總和及行
(column) 總和不是固定的，它只是決定樣本數而已，列總和及行總
和是隨機的。
3.4 一因子變異數分析
變異數分析最簡單的模式是只考慮一個影響因素的，即觀察此
因素的不同對研究對象的影響是否有顯著性的差異，此影響的比較
一般就是平均數的比較。如果此影響因素只分成兩類，那就只須比
較兩類影響後的平均數，即採用 t 統計量對兩組平均數是否相等作
檢定即可。但對兩個以上平均數是否相等，要同時比較，最有效的
方法就是變異數分析，即一因子分類的變異數分析是檢定多個具有
相同變異數之常態母體平均數是否相等的統計方法。
3.5 無母數統計方法
傳統的推論須在假設下才能進行，如假設不成立，則推論工作即
告無效。有些研究對象不能數量化，即無數量意義，此時唯有採用無
母數統計方法才能達到目的。
無母數統計方法為可不以母體中任何母數為估計或檢定對象的
統計方法。此種統計方法因不限定母體的分配性狀，故又稱為自由分
配統計學(Distribution-free Statistics)。又其常就按大小或出現先後順
序排列的資料進行分析， 故又稱之為順序統計學(Order Statistics)。
但習慣上一般皆稱其為無母數統計方法。
第四章
資料蒐集與研究分析
資料獲取
4.1.
本研究目標為分析駕駛人違規行為紀錄與交通事故之關聯性，故
需要收集駕駛人違規紀錄資料與交通事故資料，其中交通事故資料來
源為警政署之道路交通事故資料，係由地方交通警察單位於 7 日內將
「道路交通事故調查報告表」，循行政體系逐級往上呈報至內政部警
政署交通組彙整統計；駕駛人違規紀錄資料則是以交通部公路總局監
理系統資料庫之違規案件紀錄資料為資料來源。以下描述兩者資料的
來源與範圍：
交通事故資料
4.1.1.
交通事故資料是採用民國 99 年度中發生在台北市的 A1 類事故
(造成人員當場或 24 小時內死亡之交通事故)及 A2 類事故(造成人員
受傷或超過 24 小時死亡之交通事故)的所有
第一與第二當事人
(初
步事故調查時，警方所認定的肇事者駕駛人)為作為肇事族群，該資
料庫所記載之資料項目主要包括有事故駕駛人資料(基本個人資料、
受傷程度、警方初步認定是肇事順位者)、道路狀況(道路幾何、路口
號誌設施及路段速限等)、車輛狀況及事故資料(發生時間、地點、碰
撞型態及肇事主因等)。
本研究取得的事故資料總筆數計有 A1 類 619 筆，A2 類 84,251
筆。根據上述條件篩選事故資料庫，排除非自然人之事故對象(如電
線桿、牆壁等)，A1 類事故第一與第二當事人計有 504 筆資料，A2
類事故則有 71,489 筆資料。
另因肇事當事人每件事故僅 2 名(超過時仍僅取第一及第二當事
人)，死亡與受傷人數因包含乘客，則可能超過當事者人數，故以下
數據組別間的人數總和會有不同。
違規紀錄資料
4.1.2.
本資料係查詢公路監理系統資料庫而得，因目前監理機關的二代
監理違規資料庫系統係劃分為 7 個地區，雖可自動跨區查詢，但彼此
間資料並未相通，故查詢駕駛人違規資料時需要注意區域別，以免漏
掉肇事與酒駕的違規(此 2 類違規屬行為地列管，自動查詢時可能因
非本區而未列出)。本研究通過監理機關電腦系統，對 A2 事故第 1
及第 2 當事人擷取其違規紀錄資料數量統計，因樣本數大，可望比抽
樣調查更為精確。其係利用 Excel 對當事人資料做篩選，排除掉身分
證號錯誤及年齡低於 15 歲者，將資料轉輸入監理系統主機，以程式
計算其違規件數與主要條款之筆數，再將資料匯入 SPSS 與 Stata 做
統計分析。
在監理電腦系統查詢違規資料得到的資料欄位，分述如下：
1.序號：違規查詢列表的序號
2.單號：違規通知單的單號
3.車號：違規單記載的車號
4.違規日：違規發生日期
5.應到日： 違規人應到案期限日期
6.扣件：紀錄舉發單位對該違規單的代保管物件
7.條款一： 7 位數代碼對應各種違規事實與罰款金額，詳見附錄 1
8.條款二： 同上，同一違規單多個條款時使用
9.條款三： 同上，同一違規單多個條款時使用
10.歸： 違規條款屬於有記違規點數者會在這裡顯示點數
11.$ ： 違規罰鍰應繳金額，電腦會自動根據條款及有無逾期計算
12.繳式 ：區分不同繳納管道
13.狀態 ：用以區分該違規目前的狀態
14.異動日：顯示資料最後異動的日期
15.員工代碼：顯示最後異動資料的員工代碼以利內控稽核
16.櫃別 ：監理機關內部管理使用
17.單位：舉發機關的代碼，為 4 位數英文與數字組合
18.時間 ：違規發生時間
19.地點 ：違規發生地點，台北市的地點另訂有 5 位數代碼對應
20.入案日：該違規輸入電腦列管的日期
21.入案人員： 鍵入違規單資料的員工代碼
22.舉發單位： 根據前面 17.單位一欄的代碼顯示其對應舉發單位
23.舉類：分為下面 3 種
1.一般：警察等執法單位人員當場攔停舉發
2.逕行：以照相或錄影方式採證後逕行舉發
3.肇事：警方處理事故時當場或事後舉發之違規案件
資料統計—駕駛人背景因素部分
4.2.
肇事駕駛者年齡
4.2.1.
表 4-1 A1 A2 死傷事故肇事駕駛者年齡分佈
嚴重度 年齡 死傷情形 小計 傷亡 百分比 駕照 持有人數 駕駛人 百分比 死亡 男 死亡 女 受傷 男 受傷 女 14-18 歲 1 1 172 55 229 0.33% N/A N/A 18-24 歲 63 7 9955 3029 13054 18.81% 193,413 7.27% 25-29 歲 31 4 6368 2910 9313 13.42% 245,284 9.22% 30-34 歲 35 4 5873 2635 8547 12.31% 307,959 11.57% 35-39 歲 29 3 4655 2068 6755 9.73% 313,974 11.80% 40-44 歲 46 5 4103 1893 6047 8.71% 319,749 12.02% 45-49 歲 38 4 4230 1905 6177 8.90% 315,656 11.86% 50-54 歲 42 7 4166 1822 6037 8.70% 294,916 11.08% 55-59 歲 23 7 3647 1536 5213 7.51% 257,652 9.68% 60-64 歲 25 8 2580 1033 3646 5.25% 412,302 15.49% 65-69 歲 6 2 1232 458 1698 2.45% 70-74 歲 10 5 780 331 1126 1.62% 75-79 歲 11 2 486 204 703 1.01% 80 歲以上 9 18 624 213 864 1.24% 總計 369 77 48871 20092 69409 100.00% 2,660,905 100.00%註：因只有台北市與高雄市兩區的統計報表有公布駕照持有的
年齡層分布情形，故這邊以台北市的統計資料作為駕照持有數
參考值。
在自用小客車的強制汽車責任保險費率表中，明顯反映出
駕駛人年齡與性別因子之風險差異，即 18-29 歲之駕駛人其事
故風險顯著較高，與男性駕駛人的事故風險較女性高，這與上
表分布情形是一致的。該表費率設計將年齡分為五組，各自區
分男女之費率，20 歲以下的費率最高，之後逐級遞減，但 60
歲以上的費率較 30-60 歲略高，詳下表。
表 4-2 100 年度強制汽車責任保險費率表
旅次目的
4.2.2.
表 4-3 死傷事故駕駛者旅次目的
嚴重度 旅次目的 死傷情形 小計 百分比 死亡 受傷 上下班 8 1472 1480 1.80% 上下學 2 393 395 0.48% 業務聯繫 2 305 307 0.37% 運輸 18 486 504 0.61% 社交活動 0 397 397 0.48% 觀光旅遊 7 274 281 0.34% 購物 1 232 233 0.28% 其他 303 31199 31502 38.27% 不明 219 46995 47214 57.36% 總計 1480 1.80% 82313 100.00% 費 率 等 級 加減 係數 車輛種類 自用小客車 20歲（含） 以下 超過20歲 至25歲 （含）以下 超過25歲 至30歲 （含）以下 超過30歲 至60歲 （含）以下 超過60歲 以上 男 女 男 女 男 女 男 女 男 女 1 -30% 2,594 1,757 2,395 1,627 1,567 1,158 1,099 1,019 1,148 889 2 -26% 2,634 1,796 2,435 1,667 1,607 1,198 1,138 1,059 1,188 929 3 -18% 2,714 1,876 2,514 1,747 1,687 1,278 1,218 1,138 1,268 1,009 4 0% 2,893 2,056 2,694 1,926 1,866 1,457 1,398 1,318 1,448 1,188 5 10% 2,993 2,155 2,794 2,026 1,966 1,557 1,497 1,418 1,547 1,288 6 20% 3,093 2,255 2,893 2,126 2,066 1,657 1,597 1,517 1,647 1,388 7 30% 3,192 2,355 2,993 2,225 2,165 1,757 1,697 1,617 1,747 1,487 8 40% 3,292 2,455 3,093 2,325 2,265 1,856 1,796 1,717 1,846 1,587 9 50% 3,392 2,554 3,192 2,425 2,365 1,956 1,896 1,816 1,946 1,687 10 60% 3,491 2,654 3,292 2,524 2,465 2,056 1,996 1,916 2,046 1,787本項數據可能有紀錄上的問題，因其他與不明的比率太高，
資料可信度低，較難以做進一步的分析，可能係員警紀錄時對
此項目沒有詳細登記所導致，應設法提升員警交通事故處理資
料登記之能力與品質。
第一當事人傷亡統計
4.2.3.
表 4-4 第一當事人傷亡統計
嚴重度 車種 死傷情形 小計 百分比 死亡 受傷 大型車 56 797 853 2.39% 計程車 9 3136 3145 8.81% 小型車 75 13828 13903 38.94% 機車 97 17096 17193 48.15% 特種車 2 44 46 0.13% 自行車 4 563 567 1.59% 總計 243 35464 35707 100.00%第二當事人傷亡統計
4.2.4.
表 4-5 第二當事人傷亡統計
嚴重度 車種 死傷情形 小計 百分比 死亡 受傷 大型車 10 352 362 1.15% 計程車 3 1085 1088 3.45% 小型車 34 4402 4436 14.05% 機車 92 24304 24396 77.25% 特種車 1 43 44 0.14% 自行車 11 1244 1255 3.97% 總計 151 31430 31581 100.00%從上面兩個表可發現，機車的事故風險偏高，且其缺乏保
護裝備，被撞擊時較易受傷。另大型車事故件數較少，但是一
旦肇事，嚴重程度較為嚴重。
性別
4.2.5.
表 4-6 事故與性別
嚴重度 性別 死傷情形 小計 百分比 駕照 持有人數 死亡 受傷 男性 440 55627 56067 68.43% 1,692,701 女性 119 25746 25865 31.57% 968,204 總計 559 81373 81932 100.00% 2,660,905註：駕照持有人數係以台北市統計資料值做為參考
表中的男性人口占 68.43%，與交通部統計處中汽機車使用
調查資料比較，較實際汽車使用者男性為 70%略低，較實際機
車使用者男性為 53.4%偏高，整體而言顯示男性的事故風險較
高，這點明顯反映在前面表 4-2 強制汽車責任保險費率表中。
資料統計—駕駛人行為因素部分
4.3.
表 4-7 事故主要肇事因素分類分佈
嚴重度肇事 因素 死傷情形 小計 百分比 死亡 受傷 駕駛人過失 604 82476 83080 97.89% 機件故障 2 193 195 0.23% 行人(或乘客)過失 13 1156 1169 1.38% 交通管制 (設施)缺陷 0 212 212 0.25% 其他 0 214 214 0.25% 總計 619 84251 84870 100.00%主要的肇事因素以駕駛人過失為主要因素， 在這些因素當中有許
多都是違反交通法規的行為，詳細分析如表 4-9
A1 與 A2 事故主要肇
事因素分布。
酒醉(後)駕駛
4.3.1.
表 4-8 事故當事人飲酒情形
嚴重度 飲酒狀況 死傷情形 小計 百分比 死亡 受傷 未飲酒 29 25446 25475 34.09% 無酒精反應 251 41516 41767 55.88% 未達 0.15mg/L 17 380 397 0.53% 0.16-0.25mg/L 1 80 81 0.11% 0.26-0.40mg/L 3 189 192 0.26% 0.41-0.55mg/L 6 201 207 0.28% 0.56-0.80mg/L 13 426 439 0.59% 超過 0.80mg/L 26 666 692 0.93% 無法檢測 81 1000 1081 1.45% 不明 55 4353 4408 5.90% 總計 482 74257 74739 100.00%在事故中檢測出駕駛人有飲酒情形者中，其酒精濃度大於
0.55mg/L 者較多，這恰好是現行酒測攔查無事故者依刑法公共
危險罪移送地檢署偵辦之標準(有事故者不論酒精濃度，只要大
於 0 就移送)，因此類酒醉駕車者事故風險及事故嚴重程度均顯
著較高，但酒醉駕駛者卻無收斂之跡象，宜進一步研究具體可
行之相關防制處罰政策措施。
主要肇事因素分佈
4.3.2.
表 4-9 A1 與 A2 事故主要肇事因素分布
主要肇事因素 A1 A2 01 違規超車 7 793 02 爭(搶)道行駛 0 566 03 蛇行、方向不定 0 61 04 逆向行駛 11 762 05 未靠右行駛 0 465 06 未依規定讓車 28 16142 07 變換車道或方向不當 5 1977 08 左轉彎未依規定 9 3831 09 右轉彎未依規定 10 3219 10 迴轉未依規定 8 2035 11 橫越道路不慎 0 276 12 倒車未依規定 5 638 13 超速失控 27 956 14 未依規定減速 12 732 15 搶越行人穿越道 34 1712 16 未保持行車安全距離 23 2277 17 未保持行車安全間隔 28 4039 18 停車操作時，未注意其他車(人)安全 0 229 19 起步未注意其他車(人)安全 9 710 20 吸食違禁物後駕駛失控 0 0 21 酒醉(後)駕駛失控 82 1552 22 疲勞(患病)駕駛失控 0 228 23 未注意車前狀態 107 14674 24 搶(闖)越平交道 0 2 25 違反號誌管制或指揮 43 4570 26 違反特定標誌(線)禁制 44 2641 27 未依規定使用燈光 0 48 30 裝載貨物不穩妥 0 5131 載貨超重而失控 0 5 32 超載人員而失控 0 7 33 貨物超長、寬、高而肇事 0 12 34 裝卸貨不當 0 4 35 裝載未盡安全措施 0 11 37 其他裝載不當肇事 0 22 38 違規停車或暫停不當而肇事 11 982 39 拋錨未採安全措施 0 11 40 開啟車門不當而肇事 3 1201 41 使用手持行動電話失控 0 2 42 其他引起事故之違規或不當行為 15 4115 43 不明原因肇事 81 9676 44 尚未發現肇事因素(駕駛人因素) 2 1242 45 煞車失靈 0 76 46 方向操縱系統故障 0 10 48 車輪脫落或輪胎爆裂 2 79 50 其他引起事故之故障 0 28 51 未依規定行走行人穿越道、地下道、天橋而穿越道路 4 693 52 未依標誌、標線、號誌或手勢指揮穿越道路 4 145 53 穿越道路未注意左右來車 0 125 54 在道路上嬉戲或奔走不定 0 21 56 上下車輛未注意安全 0 34 59 在路上工作未設適當標識 0 4 60 其他引起事故之疏失或行為 5 134 61 路況危險無安全(警告)設施 0 200 62 交通管制設施失靈或損毀 0 2 63 交通指揮不當 0 3 65 其他交通管制不當 0 7 66 動物竄出 0 16 67 尚未發現肇事因素 0 198 總和 619 84251
肇事因素之種類，可分為「車輛駕駛人因素」、「非車輛駕駛
人因素」兩種。而「車輛駕駛人因素」又可分為駕駛人(01-26)、
燈光(27-29)、裝載(30-37)、其他(38-43)、無(44)及機件(45-50)等
六類共 48 項；
「非車輛駕駛人因素」則可分為行人或乘客(51-60)、
交通管制設施(61-65)及無(66-67)等三類共 17 項。在駕駛人因素
中，最多者為「未依規定讓車」，而在行人方面，以「未依規
定穿越道路」最多，這兩者皆是因駕駛人與行人對正確路權觀
念缺乏認知抑或貪圖一時便利而未遵守所致。
行動電話使用
4.3.3.
表 4-10 行動電話使用情形
嚴重度 行動電話 死傷情形 小計 百分比 死亡 受傷 未使用 316 54883 55199 76.50% 手持聽筒 0 133 133 0.18% 免持聽筒 0 22 22 0.03% 不明 139 16662 16801 23.28% 總計 455 71700 72155 100.00%不明的部分過多，資料可信度有疑，惟大多數駕駛者仍未有使
用行動電話之情形。
駕駛資格
4.3.4.
表 4-11 事故當事人駕駛資格
嚴重度 駕照狀態 死傷情形 小計 百分比 死亡 受傷 有駕照 377 62700 63077 90.44% 無照(未滿 18) 7 500 507 0.73% 無照(滿 18) 11 1281 1292 1.85% 越級駕駛 1 455 456 0.65% 駕照吊扣 1 114 115 0.16% 駕照吊註銷 12 705 717 1.03% 不明 19 3562 3581 5.13% 總計 428 69317 69745 100.00%駕駛執照種類
4.3.5.
表 4-12 事故當事人駕照種類
嚴重度 駕照種類 死傷情形 小計 百分比 死亡 受傷 職聯結車 38 421 459 0.66% 職大客車 23 877 900 1.29% 職大貨車 19 538 557 0.80% 職小型車 7 3917 3924 5.63% 普聯結車 2 30 32 0.05% 普大客車 0 144 144 0.21% 普大貨車 2 511 513 0.74% 普小型車 121 18152 18273 26.20% 大型重型機車 6 472 478 0.69% 普通重型機車 165 37278 37443 53.69% 輕型機車 5 1429 1434 2.06% 軍車 0 12 12 0.02% 國際駕照 0 30 30 0.04% 無照 22 1977 1999 2.87% 不明 17 3523 3540 5.08% 總計 427 69311 69738 100.00%安全帶(帽)使用
4.3.6.
表 4-13 事故當事人安全帶(帽)使用情形
嚴重度 安全帶 死傷情形 小計 百分比 死亡 受傷 有使用安全帶(帽) 349 58418 58767 80.10% 未使用安全帶(帽) 9 339 348 0.47% 不明 108 14145 14253 19.43% 總計 466 72902 73368 100.00%因目前道路交通管理處罰條例已強制車輛駕駛人與乘客使用
安全帶(帽)逾 10 年，除少數鄉村地區外，未使用安全帶(帽)的
比率已不高，故尚不能以上表數據推論未使用安全帶(帽)比較
不會發生事故。
資料分析(1)---事故當事人違規紀錄
4.4.
違規條款分佈情形
4.4.1.
表 4-14 違規條款分佈情形
條款 違規事項 A1 A2 總計 全國 統計值 55.56 違規停車 2999 65128 68127 1723218 40 超速行駛 2632 31421 34053 1818826 33 高速公路違規(超速或行駛路肩) 303 6542 6845 684656 60 不服從交通勤務警察之指揮或公 路主管機關規定 603 3022 3625 357940 53 闖紅燈或紅燈右轉 433 6205 6638 952482 29 裝載不符規定(超載) 88 23 111 35047 45 行駛車道不依規定 268 20776 21044 472870 48 不遵守標線、標誌指示 356 12579 12935 944257 21.22 無照或越級駕駛 158 4316 4474 307405 35 酒後駕車 50 454 504 115093 31 未戴安全帽或未繫安全帶、行駛中 使用手機 199 5195 5394 442469 58 遇紅燈不依車道連貫暫停而逕行 插入車道間 53 1439 1492 13411 總計 8199 159821 168020上表為樣本資料中駕駛人主要違規條款之分佈與次數，在 A1 事故駕駛
人中，前三名違規項目為違規停車、超速、違反主管機關規定，而在
A2 事故駕駛人中，前三名違規項目為違規停車、超速、行駛車道不依
規定，與全國舉發數統計值比較，前兩種違規行為相同，但組別間違
規行為差異並不顯著。
舉發類型
4.4.2.
表 4-15 舉發類型分佈
舉發類型 A1 A2 總計 逕行 598 105655 106253 一般(當 場攔停) 2855 65812 68667 拖吊 8 1 9 肇事 81 5879 5960 未知 6 0 6 拒簽 4 0 4 其他 0 0 0 總計 3552 177347 180899這邊顯示違規舉發類型以照相逕行舉發的居多。
違規時間分佈情形
4.4.3.
表 4-16 違規時間分佈
違規時間 A1 A2 總計 23-07 379 18328 18707 07-09 517 17589 18106 09-13 1177 51813 52990 13-17 976 49557 50533 17-19 305 18018 18323 19-23 411 22042 22453 總計 3765 177347 181112在違規時間分布方面，夜間交通量較少，但其違規件數仍不低，，
除交通流量的因素外，在執法的因素方面，可能是許多執法取
締勤務較容易安排在這種時段，另上下班時間之違規件數較少，
可能係該時段多安排交通疏導勤務而較少安排稽查取締勤務
所致。
違規次數分佈
4.4.4.
表 4-17 違規次數分佈
違規次數 A1 A2 無紀錄 210 20610 1-5 217 40521 6-10 54 5697 11-20 36 2144 21 以上 32 929 總計 549 69901兩組間違規次數記錄的分布趨勢大致相同，值得注意的是，高
次數(21 次以上)的駕駛人其事故嚴重程度較高。
酒駕違規紀錄次數
4.4.5.
表 4-18 酒駕違規紀錄次數
次數 A1 第 1 當事者 A1 第 2 當事者 A2 第 1 當事者 A2 第 2 當事者 A1 A2 合計 0 1 6 16522 14873 31402 1 22 2 1638 654 2316 2 4 0 333 126 463 3 3 0 84 16 103 4 1 0 31 10 42 5 0 0 10 2 12 6 0 0 8 0 8 7 0 0 2 0 2 8 0 0 0 1 1 總和 31 8 18628 15682 34349表中可看出第 1 當事者的酒駕違規次數顯著較第 2 當事者為高，
這顯示酒駕這個因子可能是導致肇事的主要因素之一。
肇事因素與主要當事者個別變數關聯分析
4.5.
肇事因素與性別的關聯
4.5.1.
表 4-19 肇事因素與性別交叉分配表
A1 第 1 當事人 A1 第 2 當事人 男 女 男 女 06 未依規定讓車 11 1 10 2 16 未保持行車安全距離 3 0 3 0 17 未保持行車安全間隔 11 1 8 4 21 酒醉(後)駕駛失控 28 3 12 2 23 未注意車前狀態 42 5 26 14 25 違反號誌管制或指揮 15 3 15 3 26 違反特定標誌(線)禁制 17 2 16 3 42 其他引起事故之違規或不當行為 4 2 3 1 43 不明原因肇事 33 1 12 3 其他 64 5 40 22 總和 228 23 145 54 A2 第 1 當事人 A2 第 2 當事人 男 女 男 女 06 未依規定讓車 5358 1882 5069 2169 16 未保持行車安全距離 707 214 602 286 17 未保持行車安全間隔 1428 372 915 875 21 酒醉(後)駕駛失控 623 66 337 147 23 未注意車前狀態 4952 1467 3422 2254 25 違反號誌管制或指揮 1596 428 1401 621 26 違反特定標誌(線)禁制 888 278 846 313 42 其他引起事故之違規或不當行為 1324 445 905 372 43 不明原因肇事 3493 506 2414 1454 其他 8414 2311 6540 3795 總和 28783 7969 22451 12286註：因部分事故為自撞事故，無其他當事人，故第 1 與第 2 當事人數
量並不會相同。
本表顯示男性的事故比率較高，此外，女性多為第 2 當事人。
接著為了解不同性別的肇事因素分布是否有顯著差異，對上面
表格資料做卡方檢定，假設不同性別間肇事因素互相為獨立，
得到下表：
A1 第 1 當事人 A1 第 2 當事人 A2 第 1 當事人 A2 第 2 當事人
P-value 0.553182562 0.414379717 6.77807E-71 2.95028E-77
