臺北市號誌化路口肇事嚴重性影響因素之分析

國立交通大學

交通運輸研究所

碩

士

論 文

臺 北 市 號 誌 化 路 口 肇 事 嚴 重 性 影 響 因 素 之 分 析

Analysis of Factors Influencing Crash Severity of Accidents in

Taipei Signalized Intersections

研 究 生：張智欽

指導老師：黃承傳

教授

臺 北 市 號 誌 化 路 口 肇 事 嚴 重 性 影 響 因 素 之 分 析

Analysis of Factors Influencing Crash Severity of Accidents

in Taipei Signalized Intersections

研 究 生：張智欽 Student：Chih-Chin Chang

指導教授：黃承傳 Advisor：Cherng-Chwan Huang

國 立 交 通 大 學

交通運輸研究所

碩 士 論 文

A Thesis

Submitted to Department of Institute of Traffic and Transportation

College of Management

National Chiao Tung University

in partial Fulfillment of the Requirements

for the Degree of

Master

in

Traffic and Transportation

June 2011

Taipei, Taiwan, Republic of China

臺 北 市 號 誌 化 路 口 肇 事 嚴 重 性 影 響 因 素 之 分 析

學生：張智欽 指導教授：黃承傳教授 國立交通大學交通運輸研究所碩士班 摘 要 以往對於雙方車輛肇事的研究大部分只考慮到較為嚴重的一方，或是將雙方 視為整體來探討。然而，在同一事故中，由於不同的駕駛特性、車輛種類、交通 環境或是其他潛在因素，雙方所受到的嚴重程度往往有其差異性。為了要從事故 資料中獲得更多資訊，若能進一步分析比較雙方的差異性，將有助於提出更為有 效的安全改善策略。 雙方的嚴重程度及其相對應的事故因素經常是相互關聯的。有鑑於此，本研 究運用雙變量一般化依序普羅比模式(Bivariate Generalized Ordered Probit, BGOP) 模化雙方肇事嚴重程度，同時納入雙方重要的相關肇事資訊。此外，在模式校估 過程中，由於BGOP 的門檻函數放寬嚴重程度之固定門檻值假設，具有更佳的 解釋異質性功效，並可以提供受傷嚴重程度分類中更詳細的解釋資訊。 本研究以民國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。 研究結果顯示雙方肇事嚴重程度具有正向相關性。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。在改善策略研擬部分，交通 工程建議從提升路口能見度；交通執法則建議應強化取締酒駕行為；在教育宣導 則建議加強將交通安全納入學校課程，培養學生良好的行車觀念。 關鍵字：號誌化路口、肇事嚴重程度、雙變量一般化依序普羅比模式

Analysis of Factors Influencing Crash Severity of Accidents in

Taipei Signalized Intersections

Student：Chih-Chin Chang Advisors：Dr. Cherng-Chwan Huang

Institute of Traffic and Transportation

National Chiao Tung University

ABSTRACT

For two-vehicle crash accidents, one of the parties involved in an accident with more serious violation is termed as the first party. Most of the previous studies only consider the severity levels of the first party or combine the two parties in a whole. However, the severity levels of two parties involved in the same accident might be rather different, contributed by different driving behaviors, vehicle characteristics, traffic environment and other risk factors of both parties. Undoubtedly, to consider the severity levels of two parties along with corresponding factors is imperative for obtaining more insights from crash data and proposing more effective safety improvement strategies accordingly.

The severity levels of two parties along with corresponding contributory factors can not be separately modeled, since these factors are usually closely correlated. In view of this, this study employs bivariate generalized ordered probit (BGOP) model to modeling the severity levels of both parties simultaneously without losing important relevant crash information of both parties. In addition, the threshold function of BGOP can be calibrated during the model estimation process to depict model heterogeneity and to provide more insights for severity classification.

To validate the applicability of the BGOP to severity modeling of two parties and to investigate their contributory factors, a total of 2,661 two-vehicle accidents at signalized intersections in Taipei City during 2008 and 2009 were collected for model estimation, in which the first party was identified as the major traffic regulation violator in comparing to another party. The estimated results show that the BGOP model, which relaxes the assumption with fixed threshold values of severity levels, can not only perform better in terms of log-likelihood values and prediction errors, but also consider the effects of the risk factors to the severity levels of two parties.

Moreover, significant and positive correlation coefficients for both parties are also found, suggesting the necessity of simultaneous modeling of the severity levels of both parties. It is also interesting to note that the illegal driving behaviors (e.g. drunk driving) of the first party significantly contribute to the severity level of the second party. Some corresponding safety improvement strategies are then proposed accordingly.

Keywords: Signalized intersections, Severity level, Bivariate generalized ordered probit

誌 謝

本論文得以順利完成，首先要感謝黃師承傳；大黃老師給予學生充分的空間 發揮。非常感激黃老師不厭其煩，循循善誘，使學生在學習態度、治學觀念與研 究方法等面向皆受到相當大的啟發，受益良多，謹致上最誠摯的謝意。 論文口試與寫作過程中，承蒙所上邱師裕鈞、陳師穆臻、溫師傑華及胡師守 任，熱心參與學生之研究，並在口試及各課程中提供學生諸多寶貴意見。您的不 吝賜教，使得本論文得以更臻完善，特此深致謝忱。 研究所受業時，承蒙所上汪進財老師、黃台生老師、馮正民老師、許鉅秉老 師與徐淵靜老師的諄諄教誨、對學生的傳道授業解惑，是兩年來個人在研究與學 習上得到的珍貴智慧；感謝所辦洪姊、柳姊與何姊，圖資中心陳姊、楊姊與鄭姊， 您們的行政協助是本論文能付梓之重要因素，在此深表謝意。 在台北交大研究所碩士兩年生活，令我成長許多。很慶幸當初留職停薪選擇 來交大進修，果然不虛此行。感謝易達、傅強學長論文的指導、資料提供、程式 技術，以及一同發展模式；季森、螃蟹學長給予研討的建議；生活心情運動協助 的欣慈、丸子、德坤；共同努力修課互相掩護的雅方、旻嬋；分享生活資訊的小 邱、小黃、文嘉；運動不落人後腳踏車隊的佳縈、大蘇、小平；活力十足的運輸 實務小組尹甄、雅萍、阿白；實習戰友耀升，在生活上給予指引；感謝台北健身 院郭大哥與一起團練的伙伴們，以及讓我撐過碩士日子生活費的家教家長學生 們；點綴美麗與實在的研究所旅程，在此一並感謝，未來我將繼續以結善緣的方 式，協助需要幫忙的朋友。 最後謹以本論文獻給摯愛的老媽願意讓我重拾書本，一路漫長陪伴的佳芬， 默默支持與鼓勵的石倍，使本人得以順利完成碩士學業，感激之情非筆墨所能形 容，願以此成果與您們共享。 智 欽 謹誌 予民國一百年七月七日 台北 北門 交大交研所

目錄

中文摘要………..Ⅰ 英文摘要………..Ⅱ 誌謝………..Ⅲ 目錄………..…Ⅳ 圖目錄………..Ⅶ 表目錄………..Ⅷ

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……….………3 1.4 研究項目與內容……….…………3 1.5 研究流程……….………4

第二章 文獻回顧……….…………6

2.1 肇事嚴重程度研究……….…………6 2.2 號誌化路口肇事研究...………14 2.3 小結...………21

第三章 依序普羅比模式之理論………...………22

3.1 依序普羅比模式………...………22 3.1.1 單變量依序普羅比………22 3.1.2 雙變量依序普羅比………24 3.2 雙變量一般化依序普羅比模式理論與構建……...………26

3.3 彈性分析...………28

第四章 資料蒐集與分析………...…………..………30

4.1 資料樣本………...………30 4.2 肇事嚴重程度分類………...………31 4.3 資料整理與變數說明………...………32

第五章 模式構建與應用………..………...……41

5.1 依序普羅比模式………...……41 5.1.1 單變量依序普羅比模式………41 5.1.2 雙變量依序普羅比模式………48 5.2 雙變量一般化依序普羅比模式………...…………53 5.2.1 雙變量一般化依序普羅比模式………53 5.2.2 BOP 與 BGOP 模式之比較………..………...59 5.3 彈性分析………...………60 5.3.1 OP 與 BOP 彈性……….…60 5.3.2 BOP 與 BGOP 彈性差異………60 5.3.3 駕駛者特性………..………..65 5.3.4 車輛種類……….………...66 5.3.5 其它變數……….…………...67 5.4 變數討論………...…68 5.4.1 駕駛者特徵………68 5.4.2 車輛種類………69 5.4.3 雙方駕駛其它特性………70

第六章 號誌化路口肇事改善策略探討………...…………...……...72

第七章 結論與建議………...76

7.1 結論………...…76

7.2 建議………...…77

圖目錄

圖1-1 研究流程圖………...5 圖5-1 BOP 第一方受傷程度分配圖……….………...53 圖5-2 BGOP 第一方納入門檻負值變數分配圖….………..……54 圖 5-3 BGOP 第一方納入門檻負值變數與嚴重性函數分配圖...…………54 圖5-4 BGOP 第一方納入門檻正值變數分配圖….………..……55 圖5-5 BGOP 第一方納入門檻正值變數與嚴重性函數分配圖...…………55

表目錄

表 1.1 民國 95 年-99 年道路交通事故統計表………..………..1 表 1.2 臺北市道路交通事故統計………..………..…3 表 2.1 國外肇事嚴重程度研究綜整表……….………..…17 表 2.2 國內肇事嚴重程度研究綜整表………..……….…19 表 2.3 研究變數彙整表………..……….…20 表 4.1 本研究所稱肇事嚴重程度與我國現行法規之差異………....…...31 表 4.2 雙方駕駛嚴重程度交叉表……….……..32 表 4.3 事故型態統計表………..…...32 表 4.4 駕駛者性別與肇事嚴重程度統計表……….……..33 表 4.5 駕駛者年齡肇事嚴重程度統計表……….………..33 表 4.6 駕駛者酒駕行為統計表………..……….…34 表 4.7 雙方駕駛超速行為統計表………..………….34 表 4.8 雙方駕駛闖越紅燈行為統計表………..………….34 表 4.9 雙方駕駛保護設備統計表…….……….….35 表 4.10 雙方駕駛車輛種類統計表………..….35 表 4.11 碰撞類型統計表………..….36 表 4.12 路口型態統計表……….…..36 表 4.13 道路類別統計表……….…..37 表 4.14 肇事時間統計表...………....…37 表 4.15 肇事天候統計表………..……….………38 表 4.16 肇事明亮程度統計表………...………...…….38

表 4.17 肇事日期統計表……..………...………..38 表 4.18 肇事離、尖峰時段統計………...………....39 表 4.19 變數敘述統計表……….………..40 表 5.1 單變量普羅比模式第一方駕駛者校估結果……….………..42 表 5.2 單變量普羅比模式第二方駕駛者校估結果……….………..45 表 5.3 雙變量普羅比模式估計結果……….…………..49 表 5.4 雙變量一般化普羅比校估模式結果……….…….…...56 表 5.5 駕駛者特性門檻函數機率……….…….…...57 表 5.6 車輛種類門檻函數機率……….…….…...58 表 5.7 碰撞型態門檻函數機率……….…….…...58 表 5.8 環境特徵門檻函數機率……….…….…...59 表 5.9 OP 模式之第一方與第二方彈性……….…………62 表 5.10 BOP 彈性分析表………63 表 5.11 BGOP 彈性分析表……….………..………..64

第一章 緒論

1.1 研究背景與動機

隨著國內經濟成長與國民所得的提昇，為因應生活上各種活動對於交通的需求， 國內大眾運輸、私人運具持續不斷的增長。根據內政部統計處(民 99)資料顯示，臺灣 地區已登記客、貨車輛數量總計為6,876,515 輛、機車數量高達 14,844,932 輛，但在道 路建設里程數成長速度不及於車輛數量成長快速，道路負荷量逐年不斷增加，無形中 造成交通紊亂、衍生交通事故等問題。 交通事故長久以來列為臺灣地區十大死因之一(衛生署，民99)，顯示交通事故是一 項重要的問題！交通事故不僅造成國人生命財產的傷亡損失，也會衍生出許多家庭與社 會問題。依據交通部之資料顯示，台灣地區近年來每年平均約有2,000人死於交通事故， 因此，如何降低交通事故的發生機率與嚴重性已為當務之急。根據內政部警政署統計資 料顯示近五年交通事故件數(如表1.1所示)，死亡類(A1)事故有減少趨勢，但在受傷類(A2) 事故卻呈現出增加的現象，顯示在交通安全方面仍有尚待改善之處。減低交通事故的發 生率與嚴重程度不僅可以保障人民生命財產安全，同時亦可降低社會成本，然而交通事 故之發生，往往非僅由單一肇事因素產生，而是多項因素共同影響而形成，故首需找出 交通事故發生的關鍵因素，方能研擬改善對策及提升交通安全。 表1.1、民國95年-99年道路交通事故統計表 年 度 人 口 車輛數 事 故 件 數 (A1+A2) A1 類 A2 類 汽 車 機踏車 件數 死亡 受傷 件數 受傷 95 22,876,527 6,750,169 13,557,028 160,897 2,999 3,140 1,301 157,898 209,875 96 22,958,360 6,768,281 13,943,473 163,971 2,463 2,573 1,006 161,508 215,921 97 23,037,031 6,726,916 14,365,442 170,127 2,150 2,224 983 167,977 226,440 98 23,119,772 6,769,845 14,604,330 184,749 2,016 2,092 893 182,733 246,101 99 23,162,123 6,876,515 14,844,932 199,903 1,973 2,047 774 197,930 264,391 資料來源：內政部警政署 說明：1.A1 係指造成人員當場或二十四小時內死亡之交通事故；A2 係指造成人員受傷或超過24 小時死亡之交通 事故。

以往對於肇事嚴重程度研究，主要針對於肇事裡較為嚴重的一方進行探討(Shankar, 1996; O’Donnell, 1996; Zhang, 2000)，抑研究駕駛者與乘客相互之間關聯性(Hutchinson, 1986;Yamamoto et al., 2004;李伊婷,民97;陳蓉鑫,民99)；就目前研究上，尚無針對於肇事 案件雙方駕駛者進行探討，若未納入肇事雙方之間關聯性，則可能忽略其中一方在事故 過程中所造成的影響；另外，因肇事模式對於嚴重程度存在隨機差異，而有個體可觀測 異質探討之必要，以放寬模式所能推論的行為現象。為改良肇事模式的真實性，有關研 究陸續以擴展一般化性質(Bhat et al., 2008)，考慮可觀測異質性處理肇事嚴重程度模 式，試圖更深入瞭解肇事駕駛者過程。在奠定於基礎的個體肇事嚴重程度模式下，研究 亦納入上述課題之討論，以使建構的解釋模式能對肇事現象作更充分的說明。 依我國衛生署統計，事故傷害為我國10大死因中之第6位，其中的機動車輛交通事 故死亡人數亦居前10名之內。降低交通事故的發生率與嚴重程度不僅可以保障人民生命 財產安全，同時亦可降低社會成本支出，然而交通事故之發生，往往非僅單一因素造成， 而是多項因素交互影響而形成，故找出交通事故發生的關鍵因素，方能據以研擬避免事 故發生或降低肇事嚴重程度的改善對策，以提升交通安全。

1.2 研究目的

本次研究係以號誌化路口10 公尺以內為研究範圍，並以針對機動車輛所發生交通 事故為主要對象，找出影響號誌化路口肇事的重要成因，以研擬改善建議。從有關交 通事故分析之研究可得知，交通事故是結合用路人與道路環境、交通工程設施因素彼 此交互影響，故交通安全的改善工作所提出政策，需從工程、教育、執法等方式結合。 工程係指透過號誌、道路幾何設計等相關交通工程設施的改善，提醒用路人注意及提 升用路人的安全；教育則是藉由學校、家庭及社會等不同層面的教育，培養用路人正 確的交通安全觀念與行為；而執法則透過警察機關針對違規的用路人進行強力取締與 裁罰，以杜絕交通違規行為的產生。本研究主要目的可歸納為三項： 一、探討影響雙方駕駛者受傷嚴重程度的重要因素，並比較單變量依序普羅比模 式與雙變量依序普羅比模式的差異。 二、建立雙變量一般化依序普羅比模式，分析雙方駕駛者可觀測異質性，以及探 討影響雙方駕駛者受傷嚴重程度。 三、依據模式分析結果，研擬改善對策，作為提升交通安全的參考。

1.3 研究範圍

臺北市為我國主要政治、經濟及人口聚集中心，其土地面積雖僅占全國0.75％， 但卻因各種活動密集、車輛持有數與使用率甚高，所衍生出來的交通事故件數平均每 年高達2 萬 7,629 件（包含 A1、A2 及 A3 類型），佔臺灣地區道路交通事故件數比例 平均約為9.4％。，因此本研究選擇以臺北市為研究範圍。 表1.2、臺北市道路交通事故統計 年度 總件數 （A1+A2+A3） A1 類 件數 A2 類 件數 A3 類 件數 A1+A2 類 件數 占全國交通事 故件數百分比 95 26,526 81 15,308 11,137 15,389 9.56% 96 24,929 85 14,667 10,177 14,752 9.00% 97 25,460 71 15,459 9,930 15,530 9.13% 98 27,968 81 17,087 10,800 17,168 9.31% 99 33,264 84 19,905 13,257 19,989 10.00% 平均 27,629 80 16,485 11,060 16,565 9.4% 資料來源：臺北市政府警察局交通警察大隊，民100

1.4 研究項目與內容

本研究所採用之研究項目概述如下： 一、資料蒐集與分析 蒐集臺北市97、98年度號誌化路口交通事故資料，依現場圖及相片內容，建置 完整交通事故資料內容，並針對事故駕駛者特性、車輛種類、碰撞型態及現場 環境進行基本統計分析並尋找各變數特性，做為構建模式之用。 二、肇事模式構建 依號誌化路口交通事故特性分析結果，選擇影響嚴重傷害可能因子構建單變 量與雙變量依序普羅比，以找出號誌化路口交通事故之影響變數，納入一般化 性質解釋肇事異質性，並檢視模式應用於號誌化路口交通事故分析的適合性。 三、改善策略研擬 以雙變量一般化依序普羅比模式為基礎，對影響臺北市號誌化路口交通事故嚴 重程度之顯著變數，就3E政策所涵括的層面，研擬教育宣導、工程及執法面之 改善策略。

1.5 研究流程

本研究主要工作流程分述如下 一、問題界定 闡述研究之研究動機、研究目的，界定研究課題與範圍以予說明，並對所欲研究 方法及採用原因予以簡述，最後則說明研究流程與擬定分析架構。 二、文獻回顧 回顧國內、外對於肇事嚴重性分析及改善方法，其次回顧依序普羅比模式研究事 故傷亡嚴重程度，並說明其優缺點及應用限制，並選擇適宜的分析方法構建模式； 最後回顧號誌化路口事故變數影響的相關研究，以供後續研究依循或改進。 三、模式理論與原理 介紹單變量與雙變量依序普羅比模式的理論原理，並納入一般化分析門檻值討論 異質性，建構雙變量一般化依序普羅比模式。 四、資料蒐集與分析 蒐集臺北市97、98 年度號誌化路口交通事故資料，依現場記錄圖片及影像內容， 對交通事故現場建置完整之資料內容，並針對事故碰撞型態、當事人特性、車種、 道路及現場環境做基本統計分析並尋找各變數特性，用以做為構建模式之用。 五、模式建構與分析 依號誌化路口交通事故特性分析結果，選擇可能影響變數，構建單變量與雙變量 依序普羅比模式，以找出交通事故之影響變數，並納入雙變量一般化依序普羅比 分析其可觀察的解釋變數之異質性，檢視模式對號誌化路口交通事故的適合性。 六、改善策略研擬 以模式校估結果為基礎，對影響臺北市號誌化路口交通事故嚴重程度之顯著變 數，配合政策的層面，據以研擬教育宣導、工程及執法面之改善策略。 七、結論與建議 綜整實證結果，以個人觀點發展相關實務對策，作為本研究結論，並提出有關此 研究的限制與建議，以供後續研究參考。

圖1-1 研究流程圖

問題界定

文獻回顧

資料蒐集與整理

模式構建與分析

改善策略與研擬

結論與建議

基本資料分析

1.肇事嚴重性研究

2.號誌化路口肇事研究

1.單變量依序普羅比

2.雙變量依序普羅比

3.雙變量一般化依序普羅比

第二章 文獻回顧

本研究主要目的為探討臺北市號誌化路口交通事故特性，研究分析議題置於肇事 影響因素並兼論探討異質性，並研擬防制策略；因此文獻回顧歸納於肇事嚴重性研究 與號誌化路口交通事故特性相關文獻，其接著回顧有關交通事故分析方法與模式之文 獻，以作研究後續參照或改進之方向。

2.1 肇事嚴重性研究

Shankar et al. (1996) 欲探討機車駕駛者交通事故嚴重度分析，運用多項羅吉特分

析方法(multinomial logit analysis )。考慮五種嚴重性程度(財產損失、可能傷害、意外 受傷、傷殘、死亡)，資料取自於美國華盛頓州五年內機車事故調查，研究變數包含環 境因素、道路條件、車輛特徵以及駕駛者特性等。從研究中發現，駕駛者無戴安全帽、 以及飲酒騎乘，容易導致嚴重傷亡程度，尤以對頭部傷害可能性增加，年老駕駛者雖 具有豐富騎乘經驗，卻可能因為生理影響狀況導致增加受傷嚴重程度；對於駕駛500 cc 以上之重型機車，由於車體、重量與駕駛行為較有別於一般常見機踏車，在使用操作 上更顯示之因難，研究特別指出年齡20 歲以下駕駛重型機車更加據致死風險；駕駛者 具有常違規超速、粗心特性，增加肇事可能性以及受傷嚴重性；美國洲際之間聯結道 路，速度限制、幾何設計規格不同下，以及在潮溼尚未乾的道路面，易讓駕駛者增加 肇事嚴重性。 O’Donnell et al.（1996）探討交通事故嚴重程度之影響因素及影響程度，以十一 個用路人的特性和四種不同傷亡程度的因素來進行分析，研究在四種傷亡程度分成非 受傷、受傷、嚴重受傷和死亡，由依序性普羅比和依序性羅吉特兩種模式探討，資料 來自RTA（New South Wales, Australia）主要選擇車輛事故為研究主題，總共有 18,069 個觀測值，其中2.3%是死亡、21.4%是嚴重受傷、67.8%是受傷、8.3%是非受傷。模 式的選擇則是利用SBIC（Schwarz Bayesian Information Criterion）評估，其次，由適 合度檢定發現兩者模式對於資料之解釋能力相似。因此不管使用順序性普羅比和順序 性羅吉特所得的結果是幾乎相同。

Farmer et al. (1997) 欲瞭解不同車種所造成碰撞特性，運用多項羅吉特迴歸分析其

影響肇事分析，針對卡車駕駛與其他車種側撞作為受傷嚴重程度之探討，資料收集來自 於NASS/CDS (National Accident Sampling System Crashworthiness Data System) 1988至 1992年肇事案件，其中變數包含碰撞的位置、碰撞的角度、當事人的性別和年齡，是否

使用安全帶，車輛本身側邊的重量和型態，及碰及到他車的車輛型態；藉以了解兩車產 生碰撞時所造成受傷程度有何不同。研究結果顯示，當根據車輛重量的不同，小客車的 當事人受傷的嚴重程度遠重卡車的駕駛者；倘若碰撞位置為駕駛者的側邊，那麼受傷的 嚴重程度將大於小客車。 Chang et al. (1999) 探討傷害嚴重程度與卡車或非卡車之單一車輛事故相關分 析，建立單一車輛或多車碰撞模式，以瞭解卡車影響傷害程度之原因，資料分析方法 採用巢式羅吉特的方式將各事故之碰撞車輛數為上巢，傷害類型為下巢分別探討其傷 害嚴重程度，並透過擬彈性的方式瞭解各變數對於傷害嚴重程度的影響，資料來源為 華盛頓州1994 年的事故資料為主，總計有 27,410 筆完整的事故資料，其中具有 17,473 輛車相關案件，研究結果顯示，當發生碰撞車輛數愈多，對於傷害有愈嚴重影響；從 研究變數還發現到，卡車具有特殊的肇事特性，尤以在限速地區、車輛轉向、後方追 撞等因素，更增加傷者傷亡嚴重程度；最後透過擬彈性模式反應，其肇事車禍與卡車 相關的事故裡，具有高彈性值，顯示卡車事故的受傷嚴重程度較非卡車相關事故傷害 較為嚴重。 Zhang et al. (2000) 探討加拿大安大略湖區影響高齡汽車駕駛者事故受傷嚴重程 度的因素，資料來源為加拿大交通事故報告資料庫所提供發生於安大略湖區之事故資 料，資料內容包含事故因素、事故時間、駕駛人之受傷程度、道路狀況、車輛與事故 特性等資料，其死亡的定義為於事故發生後30 天內死亡為主，研究時間以 1988 年至 1993 年間之資料為主，其中肇事車輛駕駛年齡需大於 65 歲以上，研究方法採用羅吉 斯迴歸模式瞭解主要影響變數；羅吉斯迴歸模式之結果得知影響老年駕駛死亡因素為 年齡、不遵守交通規則、未使用安全帶、路口沒有號誌設施、道路之速限限制過高、 頭部遭受碰撞、兩車輛之事故與超速等因素。 Quddus et al. (2002) 為探討汽車與機車碰撞事故影響肇事嚴重程度，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，因此作者期望瞭解影 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車損害 嚴重程度的模式進行分析探討，以機車為例區分1：輕微受傷或無損失，2：嚴重受傷或 有損失，3：死亡或是損失嚴重，4：綜合上述機車失事的殘骸。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，而在機車的引擎容量也是會增加嚴重受傷的嚴重性。 Dissanayake et al.（2002）分析高齡駕駛者碰撞障礙物之事故研究，蒐集美國佛羅 里達州1994 至 1996 年間 65 歲以上年長者駕駛車輛碰撞障礙物的單車意外事故相關資 料，利用程序性羅吉斯特迴歸模式進行其事故嚴重程度預測模式之建立，並利用佛羅 里達洲警政單位1993 年資料，並以人、車、路與環境變數作為分析。研究結果顯示， 車速、安全設備使用、碰撞點、飲酒、使用藥品、個人身理狀況、性別、駕駛過失、 都市或郊區道路、道路之坡度與線型等， 都是影響該類型事故傷亡嚴重程度的重要影 響因素，並利資料來驗證模式優劣。 Mohamed Abdel-Aty(2003)研究針對交通碰撞事故在鄰近收費購物中心、道路路段 及單一交岔路口之中分析影響肇事嚴重程度，以及比較這三類型地區影響之因素，使用 依序性普羅比做為研究之模式。研究時間為1996年至1997年資料，研究對象是美國佛羅 里達州市中心之三個郡（Orange, Osceola, Seminole），其中共有17,647位駕駛者涉及7891 件事故碰撞，資料的特性有駕駛者、車種、道路資料和環境條件。結果顯示從這三個地 區所分析出來的結果而言，是以駕駛者的特性，飲酒、有無繫安全帶、性別與速度比率、 車輛型態是主要造成事故發生的嚴重程度。 Yau et al. (2004) 探討影響香港單一車輛事故嚴重程度的風險因素，資料來源為香 港交通事故資料系統，資料年份為 1999 年至 2000 年交通事故資料系統中的單一車輛 事故資料，共計有1,176 筆肇事樣本，研究方法則採用羅吉斯迴歸模式與其發生比探 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是較低，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也是佔低的比例。貨車 運具則是駕駛者沒有繫安全帶在死亡和重傷是佔高的風險。以機車而言，在夜晚時段 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。 Ulfarsson et al. (2004) 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。

Lee et al. (2005) 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2000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。 Kim et al. (2008) 為探討夏威夷對於駕駛人行經行人穿越道策略改變影響駕駛行 為，因昔日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，該研究以2006 年春 天於行人穿越道旁之調查資料研究結果發現，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。 Wong et al. (2009) 以心理學角度，分析臺灣年輕機車騎士(18歲至28歲間)為研究對 象，將他們區分為追求刺激、急躁及溫和等三類形的機車騎士族群。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試 誤行為。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。 湯儒彥(民87) 為研擬易肇事地點的改善策略，研究將肇事地點畫分為路口、直線 路段、彎道及夜間事故等四類，交通工程設計應符合駕駛人之駕駛行為與期望，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，研究顯示以引導性之導引、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。

楊宗璟、艾嘉銘等(民90) 探討車型與撞擊受力方向因素是否會對汽機車駕駛者傷 亡機率造成影響，嘗試以路口本身流量與環境曝光量的不同條件下，比較路口衝突率的 差異，藉以釐清不同因素，例如路口大小、路口流量、時段，甚至是特定時刻、車輛種 類與違規情況對安全的影響程度。蒐集車輛行車事故鑑定委員會從民國88年11月起至90 年間之事故現場，及各造當事人筆錄資料，透過羅吉斯特模式進行分析，實證結果指出， 當事人所駕駛的車輛種類與碰撞的方向均會顯著影響事故傷亡率；而車種為機車者較易 受傷；當碰撞方向為正前方時，無論是汽車或機車都會比其他碰撞方向來的嚴重。大路 口、違規車輛、本身與環境流量小、機車比汽車由雙車道左轉進入單車道等四種狀況之 衝突率較高。 周榮昌、陳孜穎(民99) 探討機車旅運者交通肇事之潛在因素，研究利用交通部運 輸研究所2001年調查「我國機車持有及使用特性之研究」之問卷資料，研究中由於資料 有過多0次肇事件數造成偏誤，因此應用零膨脹(Zero–Inflated)及Hurdle迴歸計數模式， 以解決此問題，相較於傳統Poisson及NB計數模式可獲得較佳之配適度。研究結果顯 示，第一部分危險駕駛行為機率模式共同顯著的變數有「車輛每週使用頻率為六天以上」 與「車齡高於七年以上」， 第二都分肇事次數模式顯著的變數包括有「年齡界於23-30 歲」、「個人平均月所得」及「機車累積行駛里程數」。 謝易達(民99)研究分析影響機動車輛當事人於臺北市非號誌化路口交通事故嚴重 程度，以民國97年臺北市非號誌化路口交通事故作為分析對象，共計有2762筆肇事案 件，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， 蒐集人、車、路、環境及交通管制因素等19項研究變數，構建多項羅吉特模式，並再以 巢式羅吉特模式校估嚴重程度之相似性，及透過混合羅吉特模式校估參數之異質性後， 做為研擬改善策略之參考。依模式校估結果，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。 綜整肇事嚴重題材，主要是以羅吉特、依序普羅比模式為探討肇事嚴重程度模型， 由文獻中，可得知以往大多將肇事嚴重度分類為五種類別：財損、可能受傷、輕微受傷、 嚴重受傷、死亡，而目前國內警政系統於交通事故記錄案件裡，只有畫分3類，財損、 受傷與死亡，在號誌化路口造成死亡件數過於稀少，而受傷件數又過於太多，故在本研 究裡，將重新調整嚴重程度以茲作為有實質意義的研究。

在許多有關交通事故分析的文獻中，主要都是以肇事因果分析為研究方式，而研究 方法則多以迴歸模式來分析肇事影響因素，與建構肇事預測模式，而事故肇事傷亡本身 是具有順序特性，這些迴歸分析模式可分為羅吉特、普羅比等個體模式。以下茲分述各 類常用模式之相關文獻。 Hutchinson (1986) 探討影響駕駛者與前座乘客雙方嚴重程度之因素，將傷亡程度 分成輕傷、重傷與死亡。傳統研究主要以駕駛者傷亡為研究，卻顯少探討駕駛者與乘客 之間關聯性，研究發展雙變量依序普羅比模式(Bivariate ordered probit model)探討駕駛 者與乘客之傷亡程度。資料來源是英國在1969至1972年單一車輛事故資料為範圍，研究 結果顯著同一事故裡駕駛者與乘客之間的傷亡程度是相互影響，無乘客的駕駛者死亡機 率較有乘客的駕駛者高，而在不同事故裡顯示出乘客死亡機率大於駕駛者，由於乘客在 肇事當下無法即時反應避險，另以事故類型相互比較，翻覆事故之死亡機率小於非翻覆 事故，因非翻覆事故大部分情況是與固定物體碰撞，造成車輛有較大的衝擊力，且車速 會影響駕駛與乘客的傷亡程度。 Kockelman et al. (2002)以依序性普羅比探討駕駛於事故的傷亡嚴重程度，將傷害程 度分為無受傷、輕傷、重傷與死亡，而過去研究主要以羅吉斯迴歸模式探討各因素的風 險，調查1998 年的全國車輛資料系統（GES）瞭解此年的車輛事故，在依據事故類型 區分為單一車輛事故與兩車的碰撞事故模式，綜合模式的事故中會增加死亡機率為駕駛 者的年齡、車齡與酒駕，但是男性與有肇事紀錄者則會降低死亡機率，而於兩車碰撞事 故中女性、夜晚開車、年齡會增加死亡的機率，另外，研究結果發現重車會保護駕駛人， 因此其死亡的機率較低，但是會造成與其碰撞的小汽車駕駛者較為嚴重的傷害，於單一 車輛事故駕駛人特性中，車齡與酒駕會增加死亡的機率，且駕駛小型休旅車其安全性較 小汽車佳。 Austin et al. (2003) 研究影響高齡乘客於車輛與事故的主要因素，作者針對肇事車 輛的數目與碰撞方式進行探討，資料來源為 National Automotive Sampling System Crashworthiness Data System 中 1997 年至 2001 年之事故資料，先以敘述性統計分析方 式了解老年人其駕駛行為的改變，再以依序普羅比分析主要影響老年駕駛人傷亡程度 的因素。研究結果顯示老年駕駛者易發生碰撞事故，而年齡、女性與車速等變數會增 加駕駛人的死亡機率，但安全帶的使用上會降低死亡機率，若事故類型為側撞，則駕 駛人的死亡機率反而隨年齡增加而降低，最後建議高齡者應避免減少開車，並建義政 府單位改善交通工程建設，以降低側撞事故發生。

Karlaftis et al. (2003)為探討英國駕駛的自我駕駛行為評估，以問卷的方式調查 1996 至 1998 年 20,725 位於 19 個州的駕駛人其駕駛行為與肇事次數，主要針對詢問與 其他駕駛人的駕駛行為的危險性和平均速度比較，而研究方法採用依序普羅比探討其 駕駛行為的差異，由模式結果發現駕駛經驗、年齡、平均年行駛距離與教育會降低其 危險性低於其他駕駛人，而不同地區其駕駛行為也具有不同的危險性，以南方駕駛人 的危險性最高，若以駕駛車速來看，女性、年齡、低經驗與低收入其平均車速較低。 Yamamoto et al.(2004) 分析美國公路安全問題，探討駕駛者、乘客與固定物體碰撞 後之傷害嚴重程度，事故資料蒐集以美國華盛頓州運輸部門所提供1993年至1996 年之 資料進行研究，以依序普羅比模式分析駕駛之傷亡嚴重程度、乘客的傷亡嚴重程度及其 關聯，並發展雙變量模式探討影響駕駛人與乘客傷亡嚴重程度之因素，研究結果得知， 駕駛人、車輛與道路影響駕駛者的傷亡嚴重程度，且汽車駕駛者與乘客之傷亡嚴重程度 確有關聯，安全帶使用降低駕駛人的傷害嚴重程度，而駕駛者的年齡與超速增加駕駛者 的傷害程度影響，但對於乘客的影響上並不顯著，研究另以彈性的方式比較因素對於二 者傷害的嚴重程度，得知安全氣囊與安全帶為主要降低駕駛人與乘客的死亡率因素。 Eluru et al. (2008) 探討在美國行人與騎乘自行車者交通事故中所影響的傷亡嚴重 度因素，資料來源使用2004年General Estimates System(GES)資料庫，共計有行人受傷 1223件，自行車騎士受傷1721件，並將傷亡程度分為四類：財損、輕傷、重傷與死亡。 整合前人之貢獻，建立混合一般化依序羅吉特模式（mixed generalized ordered response logit），建立門檻函數模式納入與肇事相關的屬性與特徵，藉由門檻值移動，反應肇事 傾向的可觀察之異質性。而在研究上，發現使用一般化依序羅吉特模式(MGORL)在彈 性反應趨勢上，與以往傳統彈性的單調性遞增、遞減不同，有呈現出N型或是V型的趨 勢，更有易解釋變數對於傷亡層級呈現的影響百分比。依據研究顯示高齡者較具有容易 受傷傾向，尤以在死亡層級；當汽機車駕駛者飲酒撞擊到行人與自行車者，則可能因生 理影響分別造成財損增加，與死亡增加；車輛行駛速度愈快時，則易導致死亡，特別是 在行駛速度高於50英哩時，死亡嚴重度更為提高；在清晨與夜晚時段，所發生事故較易 提高死亡嚴重程度；在有號誌化路口具有警告及控制車輛行止，減少肇事之嚴重程度。 陳志和(民 87)以個體觀點探究肇事之嚴重程度將駕駛人的受傷程度分為未受傷、 受傷及死亡，利用依序普羅比評估駕駛者受到各等級程度傷害的機率，結果顯示，不 論在任何情況下，男性駕駛人受傷的程度比女性駕駛人輕微；所有駕駛車種當中，最 安全的是大型車及小型車，最危險的是腳踏車騎士；在模式中，有砂石車牽涉肇事都

是最重要的致命因素，此外，駕駛人受傷的致命因素就是酒後駕車、超速失控以及路 旁物品碰撞等變數，對駕駛人死亡的影響也很大；路段上的速限越高發生肇事時駕駛 人死亡的機率越大，快慢車道之間若設有交通島將可降低肇事駕駛人的受傷程度。 李伊婷(民 97)探討駕駛者與乘客在路段所發生事故之傷亡程度與相關性。資料來 自台灣2005 至 2006 年彎道的單車小汽車事故為主，使用普羅比針對單一駕駛者之嚴 重程度模化，應用雙變量普羅比分析探討影響駕駛與乘客二者傷亡程度之因素。研究 顯示兩模式間具有顯著的差異，駕駛與乘客具有正相關；提高駕駛死亡機率的顯著變 數道路類別為縣道、事故型態為撞橋樑或建築物、碰撞部位為前車頭、駕駛年齡大於 等於35 歲、酒測濃度大於 0.55mg/L 與受傷部位為胸部或多傷處；而提高乘客死亡機 率的顯著變數為時段為凌晨與晚上離峰時段、道路類別為村里道路、左側碰撞。由普 羅比結果得知，會提高駕駛死亡機率的顯著變數為非假日時段、碰撞部位為左側車身、 傷處為胸部或多處受傷、駕照被吊扣；而提高無受傷機率變數為雙向禁止超車線、路 上翻車、駕駛年齡小於66 歲、駕駛未使用行動電話、駕照被吊扣與酒測濃度無反應。 陳蓉鑫(民 99)探討臺灣地區汽機車駕駛人事故嚴重程度，以及駕駛者與乘客之間 的關聯性，以臺灣地區 95 年至 97 年汽機車肇事案件為樣本，使用羅吉斯針對於駕駛 者進行分析，蒐集變數包含年齡、性別、肇事責任、保護裝備、飲酒、道路等級、載 客情形、天候等。研究結果顯示男性、高齡、未繫安全帶、飲酒駕駛、第一當事人事 故位置為國道、省道、載有乘客之汽車駕駛人存在較高之事故死亡風險；另外，機車 駕駛人在男性、高齡、未帶安全帽、飲酒駕駛、事故位置為省道、晨或暮光及未載有 乘客之汽車駕駛人時，存在較高之事故死亡風險；本研究更加入之乘客變數顯示，使 用雙變量普羅比模式進行模化，其結果顯示載有乘客的汽車駕駛人其死亡風險較未載 有乘客為高，但單獨騎乘之機車駕駛人其事故死亡風險，比較載有乘客者高，汽機車 車種當乘客受傷程度越高，駕駛人發生事故之死亡風險值越高。考量高盛行率與高風 險之機車駕駛人事故死亡因子，尤應重視 60 歲以上、未使用保護裝備、飲酒駕駛之安 全課題，以發展有效之道路交通安全管理措施 綜整上述研究成果可知，探討事故傷亡程度主要分析模式大致可分為羅吉斯迴歸 分析、羅吉特模式與依序普羅比等三大類。肇事嚴重性本身具有依序與離散性質，因 此使用依序普羅比模式探討肇事嚴重程度較為合適，另外就目前研究比較針對於單方 駕駛者抑或是駕駛者與乘客傷亡關係，顯少對於雙方駕駛者關聯性進行研究議題，故 嘗試以此為研究目的，期許對肇事加以改善。

2.2 號誌化路口肇事研究

Mussone et al. (1999) 為評估交叉路口發生事故之影響因素，考量現場道路形態、 能見度、天候因素、當事人及使用車種，其資料來源為義大利米蘭1992-1995 年的事 故資料庫，其中共4 萬 6,000 件事故發生在交叉路口，資料庫所包含者有環境因素、 碰撞因素和道路幾何設計等。並採用類神經網路模式，將輸入層訂為環境因素、碰撞 因素和道路幾何設計，輸出層則為肇事次數。結果顯示號誌化路口中，夜間發生碰撞 事故機率較高；非號誌化路口則以夜間行人發生事故機率較高。 Al-Ghamdi (2002) 欲探討影響造成交通事故嚴重性之主要原因，以阿拉伯利雅德 都市，資料來源為 1997 至 1998 間 560 筆交通事故資料的傷亡肇事者為研究樣本，經 由醫療報告判斷當事人傷亡的嚴重程度，並將嚴重程度分為「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。而肇事因素分 為發生地點、事故型態、碰撞型態、事故時間、肇事原因、年齡、國籍、車輛種類與 駕照狀況，由Wald 檢定確認肇事因子之誤差。其肇事型態分成車與車、車與固定物、 翻車以及車與行人之四種事故，檢定各變數後縮減成一最佳模型，並發現肇事地點與 肇事原因兩變數為影響嚴重程度的最顯著因子，藉勝算值比分析顯示路段中走錯車道 之死亡事故高於路口超速事故3.26 倍，故該研究可有效找出影響事故嚴重性之相關因 子相互關係。 Al-Ghamdi (2003)主要探討預防路口事故，減低事故發生的嚴重性，採用羅吉斯迴 歸模式(Logistic Regression)探討那些因素會影響交通的嚴重事故。在研究中相依變數 分成非生命攸關和有生命攸關的模式，獨立變數的取捨則是採用華特檢定(Wald test) 及概似比率檢定(Likelihood ratio test)。資料範圍是在沙烏地阿拉伯裡的利雅德城市， 時間則是1997 年至 1998 年共計有 1,774 筆事故，包括 651 筆嚴重事故與 1,123 筆財損 事故。從這些的資料分析結果顯示，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，以及走錯路的事故會比沒有讓別人先行 走造成的事故還要高。 Wang et al. (2004) 為探討號誌化交叉路口自行車與汽車的碰撞風險，資料樣本來 自於1992 年到 1995 年日本東京 115 個號誌化交叉路口的自行車與汽車肇事，變數為 自行車、汽車車流量、交通控制、道路幾何等相關資料，分別對自行車與直行汽車碰 撞、自行車與左轉汽車碰撞、自行車與右轉汽車碰撞此三項類型，建立三個負二項迴 歸模式來估計自行車與汽車的碰撞風險。研究顯示，在自行車與直行汽車碰撞模式中，

隨著機車對汽車車流量比率增加與有人行天橋存在，增加發生碰撞的風險；當交叉路 口位在商業區、平均每日直行汽車車流量總和增加、平均每日汽車車流量增加，會減 少發生碰撞的風險。在自行車與左轉汽車碰撞模式中，研究發現對向右轉車道數、左 轉車道數、平均左轉汽車間距增加，則發生碰撞風險伴隨增加；而交叉路口寬度增加、 每日平均左轉自行車流量增加、汽車左轉車流量佔總百分比增加，則會減少發生碰撞 風險。在自行車與右轉汽車碰撞模式，道路中央小於2 公尺寬、車道數、右轉車道數 與平均右轉汽車車頭間距增加，發生碰撞的風險就增加；隨著右邊入口自行車車流量 增加、對向入口速限增加、交叉路口上有四個時向，皆會減少發生碰撞的風險。 Abdel-Aty et al. (2005) 探討號誌化路口的幾何特性與事故類型對於傷亡程度的影 響，將傷害類型分為無受傷、輕傷、重傷(有行為能力)、重傷(無行為能力)與死亡，研 究資料為美國佛羅里達州2000 年至2001 年的事故資料，共有33,592 件發生於832個路 口的事故資料，而資料內容分為兩種類型，一種為完整的事故資料，一種為不完整資料， 因僅為財損事故，並未進行詳細記錄，因此作者深入探討資料的完整度與模式間的關 係，研究方法則採用依序普羅比模式與分類樹迴歸模式探討影響因素。依序普羅比模式 的研究結果顯示結合兩種類型的模式的正確率較高，且與行人或腳踏車相關事故、汽車 事故、左轉、側撞、對撞會增加駕駛人的傷亡程度，但在次要道路具有分向設施或次要 道路有高速限並不影響駕駛人的傷亡程度，由此顯示次要道路較佳的設計需具備多時相 設計，另外分類樹模式中指出於主要影響各傷害類型的因素並不相同，但主要影響駕駛 受傷的因素為次要道路的平均車輛數、次要道路的車道數、與號誌因素，且兩模式皆認 為次要道路的速限並不影響傷亡程度。 Wong et al. (2007) 研究號誌化路口肇事因素，蒐集2002至2003年香港262個交叉路

口事故資料，將受傷程度分為輕微受傷事故（slight injury）及死亡及重傷事故（killed and severe injury, KSI）兩大類，分別利用卜瓦松及負二項分配加以模化分析，考量解釋變 數包括：日平均交通量、臨近路口數、臨近車道數、衝突點數、曲率、車道寬、號誌控 制時制、是否有輕軌或電車車站等。結果顯示道路環境、道路曲度及電車停靠路口顯著 影響輕傷碰撞；電車停靠路口、行人流的數目、道路環境、交通組成、車道易肇事路口 影響死亡及重傷。 Pai et al. (2007) 探討英國的機車騎士於三叉型路口受傷嚴重程度與車流控制間的 關係，因英國於1999 年至 2004 年主要發生與機車相關的交通事故的地點為三叉型路 口，且機車又為高風險的運輸工具，因此作者欲探討於不同號誌控制下的三叉路口，

其主要影響的機車騎士傷亡嚴重程度的因素，所以採用英國 STATS19 事故資料庫於 1999 年至 2004 年 45,839 筆的與機車相關事故資料，研究方法則採用依序性普羅比模 式，探討路口有停等號誌、無號誌化與號誌化路口，三種情況下模式的差異比較，由 結果顯示於停等號誌路口易因男性、年長騎士、早上、週末、夏天、好天氣、無路燈、 無速限、與重車碰撞的情況下，會增加傷害的嚴重程度，於無號誌控制路口易因年長 的騎士、早上、週末、好天氣、無路燈、與重車碰撞的情況下，會增加傷害的嚴重程 度，於有號誌化路口易因男性、與重車碰撞、好天氣的情況，會增加傷害嚴重程度， 而透過三個迴歸模式的比較發現，男性較易違反道路規則，因此於號誌化路口較容易 受傷，而重車駕駛因其優勢，於無號誌化路口忽略機車騎士或車輛欲轉向，易造成騎 士的死亡，另外，在無路燈的道路上且無號誌化路口，易使汽車駕駛因視線不良、反 應不及，因而發生事故，且在任何號誌狀況下，事故的嚴重程度皆會隨著速限的增加 而提高，因此未來應針對教育與嚴厲的執法降低違規或忽視的態度，進而降低事故發 生率。 Wong et al. (2008) 由於香港實施闖紅燈處罰條例使得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 此一研究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使駕駛者對於駕駛過失處罰的感受更 為強烈。 曾平毅、汪進財等人(民 88)探討易肇事路口之成因分析，並研擬改善措施及其成 效。研究對象主要是以第十四、十五期「台灣地區易肇事路段改善計畫」中之61 個路 口，藉由民眾與用路人之問卷調查分析，輔助改善計畫中對路口主要肇因之判定，研 擬因應各項肇事主因之可行改善措施對應關係並比較實際施行改善狀況，最後研究結 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。

吳易真(民 92)針對基隆市區民國 89 年至 91 年間所發生之交通事故案件作為分析 對象，以交通工程觀點，提出路口交叉撞、側撞改善策略，指出應消除視障、以標線 或反光路面標記來突顯路口存在，並在主要道路設置警告標誌、次要道路設置「停」、 「讓」字標誌，或於夜間時段以閃光號誌用以提醒駕駛者等方式，減少路口肇事率。 根據上述研究可知，號誌化路口所具備特徵除了道路特性外，與肇事研究相關變 數主要可分類為駕駛人特性、違規行為、車輛種類與道路環境等條件，因此本研究將 相關研究的結果作為選擇可能影響因素的重要參考。茲將上述文獻之重點彙整如表 2.1、表 2.2。 表 2.1、國外肇事嚴重程度研究綜整表 研究目的 作者 研究方法 分類 研究結果-預測變數 機車駕駛者事故嚴 重度 Shankar et al. 多項羅吉特 嚴重程度 五種嚴重程度：財產損失、可能傷 害、意外受傷、傷殘、死亡 人 安全帽使用、飲酒、高齡、違規、超 速、粗心 交通事故嚴重程度 之影響因素 O’Donnell et al. 依序普羅比 依序羅吉特 嚴重程度 四種傷亡程度：非受傷、受傷、嚴重 受傷和死亡 不同車種所造成碰 撞特性 Farmer et al. 多項羅吉特 車輛 小客車、卡車 碰撞 側撞 卡車或非卡車之單 一車輛傷害嚴重程 度事故 Chang et al. 巢式羅吉特 人 車輛轉向 環境 速限 碰撞 追撞 高齡汽車駕駛者事 故受傷嚴重程度 Zhang et al. 羅吉斯迴歸 人 年齡、違規、未繫安全帶、頭部受傷 道路 無號誌設施、速限 汽車與機車碰撞事 故影響嚴重程度 Quddus et al. 依序普羅比 道路 高速道路設計，撞擊固定物體 車輛 機車引擎容量 高齡駕駛者碰撞障 礙物之事故 Dissanayake et al. 羅吉斯迴歸 人 車速、安全設備、飲酒、使用藥品、 個人身理狀況、性別、駕駛過失 道路 郊區道路、道路之坡度與線型 交通碰撞事故分析 影響肇事嚴重程度 Mohamed 依序普羅比 人 飲酒、有無繫安全帶、性別 車輛 速度、車輛型態

單一車輛事故嚴重 程度的風險因素 Yau et al. 羅吉斯迴歸 人 使用安全帶、性別 車輛 機車 環境 夜晚(20-24)以及白天(8-12) 不同車型影響性別 事故傷亡嚴重程度 Ulfarsson et al. 多項羅吉特 人 女性：未繫安全帶 _{男性：酒駕、打瞌睡、注意力、超速} 道路 女性：車道、車流、夏季、下雪 _{男性：濕滑路段、下雪、春季} 駕駛者與前座乘客 雙方嚴重程度因素 Hutchinson 雙變量普羅比 人 乘客數、車速 車輛 與固定物體碰撞 駕駛於事故的傷亡 嚴重程度 Kockelman et al. 依序普羅比 人 年齡、酒駕、女性增加傷亡機率 車輛 車齡、與重車發生事故 環境 夜晚 英國駕駛自我駕駛 行為評估 Karlaftis et al. 依序普羅比 人 駕駛經驗、年齡、性別、收入、教育 車輛 年平均行駛距離 環境 南方區或 駕駛者、乘客與固 定物體碰撞之傷害 嚴重程度 Yamamoto et al. 依序普羅比 雙變量普羅比 人 安全帶使用、年齡、超速 乘客 性別 道路 道路之路況、撞擊固定物體 行人與自行車者在 事故所造成傷亡嚴 重程度 Eluru et al. 混 合 一 般 化 依 序羅吉特 人 年齡、車速 道路 號誌化路口 環境 夜晚 評估交叉路口發生 事故之影響因素 Mussone et al. 類神經網路 人 行人 道路 號誌化路口 環境 夜晚 預防路口肇事與傷 亡嚴重程度 Al-Ghamdi 羅吉斯迴歸 人 闖紅燈、走錯路 道路 交岔路口 號誌化路口幾何特 性與事故類型對於 傷亡程度 Abdel-Aty et al. 依序普羅比 分類樹迴歸 人 行人、腳踏車 車輛 左轉、碰撞、平均車輛數、車道數 道路 道路等級

號誌路口肇事因素 Wong et al. 卜瓦松分配 負二項分配 道路 路口數、車道數、衝突點、曲率、車 道寬、號誌控制時制 環境 日均交通量、行人數量、輕軌車站 機車騎士於三叉型 路口受傷嚴重程度 Pai et al. (2007) 依序普羅比 人 性別、年齡、車速 環境 早晨、週末、夏天、天氣、無速限 道路 號誌化路口、無路燈 表 2.2、國內肇事嚴重程度研究綜整表 研究目的 作者 研究方法 分類 研究結果-預測變數 機車旅運者交通肇 事之潛在因素 周榮昌等 零膨脹及Hurdle 迴歸計數 人 年齡、個人平均月所得 車輛 車輛使用頻率、車齡、機車里程數 車型與受力對汽機 車傷亡機率影響 楊宗璟等 多項羅吉特 人 違規 車輛 機車 環境 車流量 道路 大路口、雙車道左轉進入單車道 分析機動車輛當事 人於非號誌化路口 事故嚴重程度 謝易達 多項羅吉特 巢式羅吉特 混合羅吉特 人 性別、年齡、超速、飲酒 車 車種、碰撞型態 道路 車道數、反射鏡裝置 環境 日期、時段、天氣 肇事與駕駛人的受 傷程度 陳志和 依序普羅比 人 性別、酒後駕車、超速失控 車輛 自行車、砂石車 道路 路旁物品碰撞、速限、交通島 駕駛者與乘客在路 段發生事故之傷亡 程度 李伊婷 依序普羅比 雙變量普羅比 人 飲酒、年齡、駕照、傷處、行動電話 車 車種、碰撞部位 道路 道路級別 環境 撞擊建築物、時段 汽機車駕駛人事故 嚴重程度 陳蓉鑫 雙變量普羅比 人 性別、年齡、安全帶、飲酒、乘客 車輛 車種 道路 國道、省道 環境 晨、暮光

本研究肇事案件資料，是來自於臺北市政府警察局交通警察大隊所提供，並調閱 其現場圖、現場相片，得知現場交通資訊，茲將文獻所歸納之解釋顯著研究變數，與 本研究將蒐集之變數，整理如表 2.3 所示。有關未納入蒐集變數部分，例如「交通量」、 「坡度」及「舖面」部分，因本研究肇事地點並非均所在於臺北市主要道路上，交通 量資料無法得知，且肇事當時之「坡度」及「舖面」資料亦未測量；而行動電話的使 用，在警方資料並無記錄，部份可能原因為肇事後，當事人無詳細告知警方實情。 表2.3 研究變數彙整表 類別 以往研究投入顯著變數 本研究蒐集變數

人

性別 性別 年齡 年齡 超速 超速 飲酒情形 飲酒情形 行動電話 - 闖紅燈 闖紅燈

車

車種 車種 碰撞型態 碰撞型態 車損部位 車損部位 交通量 - 保護裝置 保護裝置

路

道路型態 道路型態 道路級別 道路級別 坡度 - 舖面 -

環境

日期(週末與非週末) 日期(週末與非週末) 時段 時段 天候 天候 尖、離峰 尖、離峰 明亮度 明亮度

2.3 小結

由於傷亡程度本身是具有依序且離散性質，為其分類等級具有其意義，故本研究採 用單變量依序普羅比模式探討傷亡程度；然而，單變量依序普羅比模式只能單獨對於肇 事的第一、二方各別探討，而無法合併研究比較，容易忽略雙方之間相關性，以往雙變 量依序普羅比模式多應用於肇事之駕駛與乘客受傷關聯性(Hutchinson, 1986；Yamamoto, 2004)，故本研究運用雙變量依序普羅比模式進行雙方駕駛者肇事嚴重度分析；然而， 依序性普羅比模式限制界定所有分析個體的門檻值為同質性，因僅透過一組效用門檻 值，無法確知何者因素導致肇事傾向較高，容易失真而造成解釋意義不大。目前發展的 一般化依序性普羅比模式（Generalized Ordered Probit；Bhat et al., 2008）是一種具有放 寬依序性普羅比之同質性門檻限制，容許個體可因變數屬性的差異，而有不同的門檻值 (肇事傾向)。故本研究為考量事故嚴重程度具有依序性之特性、駕駛雙方相關性影響， 以及肇事因素異質性分析；因此研究順序上，採用單變量依序普羅比先求得影響肇事因 子，進而使用雙變量依序普羅比找出雙方相關性，並加以比較兩模式之差異性，最後再 運用雙變量一般化依序普羅比模式分析個體可觀測異質性，構建臺北市號誌化路口肇事 分析模式，以做為改善政策研擬之基礎。

第三章 依序普羅比模式之理論

本研究係以分析臺北市地區號誌化路口機動車輛事故，探討影響雙方駕駛者之傷亡 嚴重程度因子。運用單變量依序普羅比模式 (Ordered Probit model, OP) 與雙變量依序 普羅比模式 (Bivariate Ordered Probit model, BOP) 進行模化分析，為找出更鉅影響雙方 駕駛者傷亡層級因素，以及個體之間可觀測因素之異質差異，本研究納入一般化性質， 探討可觀察異質差異，將雙變量依序普羅比模式擴展為雙變量一般化依序普羅比模式 (Bivariate Generailzed Ordered Porbit model, BGOP)，以探討顯著影響受傷程度之因素及 其雙方當事人差異情形。 雙變量一般化依序普羅比模式(BGOP)是以雙變量依序普羅比模式(BOP)為基底加 以擴充，在相同依序離散性的結果下所假設，校估的門檻參數為介於每個嚴重尺度之水 準；然而，BGOP允許BOP的門檻值具有可移動性，為同質性提供更多針對傷亡程度分 類觀點，以下分別介紹OP、BOP與BGOP模式之理論架構。

3.1 依序普羅比模式

依序機率模型中包括依序普羅比與依序羅吉特模式，此類的模式主要特徵為應變數 具有離散與依序性質。如採用最小平方法迴歸模式來預測依序性資料會造成誤判並且產 生偏誤的預測，致使模型有結構上之錯誤並對資料做出錯誤的詮釋。

3.1.1 單變量依序普羅比

依序普羅比模式（Ordered Probit；McKelvey & Zavoina，1975）為常見與應用於探 討獨立變數具有依序性之問題。若以依序普羅比模式分析車輛駕駛者肇事受傷嚴重程度 時，需假定肇事所發生受傷程度，且誤差項符合常態分配，如公式(3-1)。 * ' i i i

y





x





(3-1) y ：為個體_i* i 無法觀測的受傷嚴重程度(因變數) x ：個體 i 解釋變數向量(自變數) _i ：為x 待估計的參數向量 _i _i：隨機誤差項，服從標準常態分配

本研究駕駛者之傷亡程度，y 為駕駛者傷亡分類，_i* y 值愈大表其受傷愈嚴重，但_i* 因為y 為無法觀測到的連續變數，因此需假設_i* y 與觀測變數_i* y 關係，則定義如下 _i i y = k ，若 u_k1 y_i* u_k k 1,2,…K (3-2) i y 為實際所能觀測到駕駛者在肇事車禍裡的嚴重程度，為了衡量嚴重程度與其y_i* 之關係，依序普羅比透過一併估計的K+1個臨界值(cutoff)或稱門檻值(threshold)， 0 u u ,₁ u ,₂ u ,…, ₃ u ，以界定發生區間(面積)，其區間範圍為(  ,  )。若駕駛者肇事受傷_k 程度(y )較高時，，_i y 落於較高嚴重性的區間機率也會提高。因此，個體_i* i 因不同屬性 特徵向量(x )的差異，因此在肇事受傷嚴重上，存在程度產生差異，配合個案說明，本_i 文依序假定y 的定義分別為財損、輕傷、重傷與死亡等三個傷亡類別，因此本研究設_i 定其門檻參數u ，K=2，其中最輕的財損設定為0，輕傷設定為1，重傷與死亡設定為2，_k 如公式(3-3)說明： if   y*_i  財損 u₀ if u₀  y_i* 輕傷 (3-3) u₁ if u₁ y*_i   重傷與死亡 由上述公式(3-1)、公式(3-2)與公式(3-3)可將推導式子(3-4) 0 i y  ，   i ₀'xi 1 i y  ， ₀'x_i  _i  ₁ 'x_i (3-4) yi  ， 2 ' 1 xi i       由於假設_i符合平均數為0、變異數為1的標準常態分配，故可進一步推導出各傷亡 程度的機率整理至公式(3-5)說明 (3-5)

0

1

2

i

y





 





' 0 ' 1 ' 0 ' 1 ' 0 ' ' 1 0 ' 1 ( 0) ( ) ( ) ( 1) ( ) ( ) ( ) ( 2) ( ) 1 ( ) i i i i u x i i i i u x i i i i i u x i _{u x} i i i P y d u x P y d u x u x P y d u x    

  



  





  



                        







(.)  為標準常態密度機率函數 ) (  為標準常態累積機率函數 0  為財損與輕傷之門檻值 1  為輕傷與重傷死亡之門檻值 由於依序普羅比的門檻值範圍，左邊界極限值為-∞，右邊界極限值為∞，係校估門 檻參數時，通常假定u =0 為門檻值的基準(Bhat, 2008)，用以推估其它尺度門檻值。然₀ 而依序普羅比模式限制界定所有分析個體的門檻值u 為同質性，因此僅能透過一組效_k 用門檻值（u ,₀ u ,₁ u ,₂ u ,…, ₃ u ）k ，界定所有分析個體發生區間(面積)，限制所有分析 個體在肇事傾向（效用門檻值）的異質性。

3.1.2 雙變量依序普羅比

雙變量依序普羅比( Bivariate Ordered Probit )為 Hutchinson 於 1986 年所提出，為一 種可具有同時處理兩依序性變數，並求得兩者之間相關性。 由本研究所設定q_n為兩車輛駕駛肇事案件指標值： n, (n1, 2 )：代表肇事車輛駕駛者第一方與第二方，其中第一方為主要肇事 違規者，而第二方為次要或是無違規者。 n q , (q =1,2,…,Q)：所發生肇事案件 n 並設定雙方受傷程度 k,(k1, 2,..., )K ：第一方駕駛者之傷亡程度 ,(1, 2,..., )L ：第二方駕駛者之傷亡程度 假設y_{q n,} 是一筆兩車輛碰撞肇事案件中所發生之一方受傷程度，雙方駕駛者受傷情 形為可觀察的連續型傷亡嚴重程度變數，代表著駕駛者肇事受傷嚴重程度。此外，設定 , n i u 為各受傷嚴重尺度之門檻值，其範圍界限為(,)。 雙方駕駛者受傷情形，為可以觀測肇事案件裡的兩位駕駛者受傷嚴重程度尺度。 雙方駕駛者在車禍肇事的受傷嚴重程度為下列： 第一方受傷程度 y_q,1 k，當 u_1,k1 y_q*_,1u_1,k (3-6) 第二方受傷程度 yq_,2 l，當 * 2, 1l q,2 2,l u _ y u (3-7)