基隆市交通肇事分析及安全改善之研究

(1)

第一章緒論

1.1 研究背景與動機

近幾年來隨著經濟成長及國民所得日益提昇，國內的小客車、機車等私人運具也隨之大幅成長，雖然道路里程數逐年增加，但其道路闢建速率仍不及車輛成長迅速。根據內政部統計處資料顯示，截至民國 91 年底台灣地區平均每 4 人即擁有 1 輛汽車，平均每 2 人即擁有 1 輛機車。隨著車輛密度增加，道路的負荷量亦日益繁重，不但造成交通的混亂，也增加了肇事的潛在危險。根據內政部統計處資料，民國 91 年台灣地區道路交通事故造成人員傷亡者計發生 87,533 件，較民國 90 年增加 36.21%；其中受傷類（A2）事故增加 38.75%，死亡類（A1）事故則減少 13.27%（如表 1.1 所示），顯示在降低肇事率方面仍有改善之空間。每一個交通事故的發生，不僅造成個人的生命財產損失外，亦造成整個國家社會成本的重大損失。在台灣即將邁入已開發國家之際，我們追求生活品質之提昇，在「行」的方面除了機動性與可及性之改善外，更應重視「行的安全」，故我們必須探討道路肇事發生的因果關係，才能對症下藥，研擬相關的對策來降低交通事故發生的機率。

(2)

表 1.1 台灣地區歷年道路交通事故統計機動道路交通事故(A1+A2) 肇事率年別車輛數總件數 A1(件) A2(件) 死亡(人)(1) 受傷(人) (件/萬輛) A1 類民國 89 年 17,022,689 52,952 3,207 49,745 3,388 66,895 31.76 1.92 民國 90 年 17,465,037 64,264 3,142 61,122 3,344 80,612 37.27 1.82 民國 91 年 17,906,978 87,533 2,725 84,808 2,861 109,493 49.49 1.54 較上年比較增減(%) 2.53 36.21 -13.27 38.75 -14.44 35.83(2)12.22 (2)-0.28 資料來源：交通部、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。 2.本表道路交通事故統計範圍自 89 年起包括 A1 及 A2。附註：(1)係指 A1 類死亡人數，不含 A2 類死亡人數。 (2)係指增減數。基隆市係位於台灣地區最北端的海港城市與貨物集散地，亦是台灣東北角沿海及金山、萬里地區通往台北必經之地，故重車與通過性交通佔其市區交通的比例相當高，再加上基隆市區街道狹窄，山坡地形，且目前尚無針對基隆市肇事特性之研究，故本研究乃針對基隆市肇事特性進行分析，以期提供有關單位改善交通安全及日後研究之參考。

1.2 研究目的

主管機關對於易肇事路段之改善方案，通常係以邀集專家學者進行會勘的方式，提出改善建議。但如果對於易肇事路段（路口）未建立一套評估之方法，且對於各種肇事原因之影響程度不甚清楚時，則所提出之改善方案往往受會勘人員主觀認知之影響，無法確實掌握肇事之真正原因及採行最有效之改善方案。本研究之目的在蒐集基隆市轄區之肇事資料，加以整理分析，並根據肇事資料之道路屬性及交通工程設施，分別以卜瓦松迴歸、負二項迴歸方法構建肇事分析模式，校估檢定後選擇路段及路口之最適模

(3)

式，並找出重要影響因素，作為改善方案研擬與評估之參考。最後依據上述分析，找出基隆市高肇事路段與路口，分別研擬其改善對策。

1.3 研究範圍

本研究係以基隆市轄區民國 89 年至 91 年間所發生之肇事案件為分析對象，利用基隆市警察局全年交通事故肇事統計資料加以分析。依肇事地點區分為路段與路口兩部分，路口係指兩條以上道路交叉重疊部分的區域，路段係泛指所有路口之間的道路，除了平交道事故因其肇事屬性較為特殊不予探討外，一般肇事案件均為本研究之探討範圍。「道路交通事故」係指汽車或動力機械在道路上行駛，致有人傷亡之事故。本研究係針對造成人員當場或二十四小時內死亡之交通事故（A1 類）以及造成人員受傷或超過二十四小時死亡之交通事故（A2 類）作為研究對象。

1.4 研究內容與方法

本研究之內容與方法茲分述如下：一、文獻回顧：將國內外相關文獻分為肇事原因分析模式、易肇事路段改善對策、市區道路肇事等三部份分別進行回顧。其中在肇事原因分析模式部份再細分為傳統迴歸模式、卜瓦松迴歸模式及負二項迴歸模式三類進行文獻回顧。二、資料蒐集：蒐集基隆市警察局及內政部警政署提供之基隆市轄區民國 89 年至 91 年間全年 A1 類及 A2 類之交通事故肇事統計資料，並加以分析彙整。三、因子分析：以因子分析方法中的主成分分析法來整合路口及路段之肇事變數。四、模式構建：分別以卜瓦松迴歸、負二項迴歸方法構建肇事分析

(4)

模式，經校估及檢定後，找出符合基隆市路口及路段肇事型態之最適模式。五、研擬改善對策：找出基隆市高肇事之路口及路段與模式進行驗証，並分別研擬安全改善對策，以提供主管機關參考。

1.5 研究流程

圖 1-1 研究流程圖問題界定文獻回顧資料蒐集肇事分析模式之構建構建模式模式之應用及研擬改善對策結論與建議因子分析整合肇事變數

(5)

第二章文獻回顧

2.1 肇事原因分析文獻

過去肇事分析的相關文獻，一般以肇事因果分析最為常見，在內容上多以構建肇事影響因素與肇事間因果模式進行分析研究。肇事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傳統迴歸模式、卜瓦松迴歸模式及負二項迴歸模式。各類迴歸模式之相關文獻分別敘述如下： 2.1.1 傳統迴歸模式迴歸分析方法係建立於變數間之因果關係上，利用一個或多個自變數來預測或推估因變數，且自變數須滿足為非機率性變數以及殘差項須滿足合於不偏性、均齊變異性、獨立性及常態性之假設。早期研究肇事因果分析者大多採用傳統迴歸模式。國內外之相關文獻如下：謝孟昌（民 81）探討中山高速公路幾何線型與行車安全之關係，從路段之肇事資料中，統計分析坡度、曲度與肇事之相關性，並採用傳統迴歸模式及卜瓦松迴歸模式構建肇事頻率模式，更依車輛碰撞型態與交通事故之嚴重程度，校估不同的子模式。結果發現肇事頻率、單一車碰撞頻率、多車碰撞頻率採用線性相加型之傳統迴歸模式較佳，死亡人數、受傷人數則採用指數型傳統迴歸模式較佳。 Zegeer , C.V.（1988）以傳統線性迴歸分析探討二車道公路肇事與交通特性、公路幾何相互間之關係，因考量在不同的交通量狀況下，其肇事率將會不同，故依不同交通量水準構建子模式，結果發現影響肇事之重要變數有平均每日交通量、彎曲路段百分比、道路寬度、交叉路口數、溝渠數及地形等。

(6)

2.1.2 卜瓦松迴歸模式

所謂卜瓦松迴歸模式係因變數之分布型態屬於卜瓦松分配，為一般化線性模型（General Linear Model）之一種。卜瓦松迴歸模式主要用於稀少事件之分析，鑒於傳統迴歸模式之缺失，且肇事之發生具稀少之特性；故近年來從事肇事分析研究者紛紛改以卜瓦松迴歸方法建立肇事分析與預測模式。國內外之相關文獻如下：張新立（民 78）以台灣地區二車道公路行車安全進行分析探討其重要因素，蒐集民國七十四、七十五年台灣地區 1756 個路段之肇事、交通特性及公路幾何資料。以卜瓦松迴歸模式替代傳統線性迴歸模式以分析道路幾何設計與交通特性對交通事故發生之影響。結果發現除了平均日交通量（即曝光量）會影響交通事故外，道路鋪面寬度、路側淨空、涵洞個數、護欄長度、路燈數、機車比率、地形等因素皆顯著影響交通事故之發生；而在依交通事故嚴重度及平均日交通量所建立之子模式中，亦發現子模式之建立對模式之解釋能力均有顯著之改善，顯示在不同流量之下，影響交通事故發生之因素不盡相同，影響不同事故嚴重程度因素亦各有所不同。連仁宗（民 84）採用卜瓦松（Poisson）迴歸模式代替傳統線性迴歸模式來分析高速公路的肇事模式，以解決肇事發生次數之非連續性、非負值及稀少性等性質在傳統線性模式中所產生的問題。研究之結果顯示二車道與四車道路段之肇事率較三車道與五車道路段為高，戰備道路段之肇事率高於非戰備道路段，霧區道路段之肇事率高於非霧區路段，橋樑路段之肇事率較一般路段為低，升坡路段之肇事率較低而降坡路段之肇事率較高，曲度與肇事率呈反向的關係而路段上喜歡如冒險變換車道等危險駕駛行為者之比例則與肇事率呈正向的關係。 Hamerslag 等人（1982）以多重加權型態之卜瓦松迴歸模式探討道路與交通特性對機慢車輛肇事次數之影響，其影響因子有汽車、機

(7)

車、腳踏車車流量、機慢車車道寬、路肩寬度、舖面型式等。 Kraus 等人（1993）以美國加州 1986 年至 1987 年之高速公路肇事資料進行分析，假設肇事之發生符合卜瓦松分佈，以肇事率為因變數，公路特性（車道數、護欄型式、左右路肩、右側橫斷面坡度、線形、交流道數）、時間（早、晚）、交通量為自變數，分別構建車道上及左右路肩之肇事率模式。 Miaou,S.P.和 Lum,H.（1993）比較二種傳統線性迴歸與二種卜瓦松迴歸應用於肇事次數與公路幾何設計之間關係模式構建上之差異。其採用 HSIS 於 1985 至 1987 年間 927 件路段之大貨車肇事資料。在幾何設計之變數上，其使用了平曲線之曲線與長度、縱曲線之坡度與長度以及內側路肩寬度，而在交通量對曝光量之影響上，則採用平均車道流量為其變數。其結果發現，由於傳統線性迴歸模式之常態母體假設缺乏足以適當描述隨機、離散、非負及零星出現之車輛肇事事件的統計特性，因此卜瓦松迴歸模式較傳統線性迴歸模式符合實際肇事分析，而其限制在於因卜瓦松迴歸模式之假設變異數與平均數相等，因此若有肇事件數特高之路段，將發生低估之狀況。 2.1.3 負二項迴歸模式

負二項迴歸模式亦屬於一般化線性模型（General Linear Model）之一種，係假設因變數服從於負二項分配；與卜瓦松迴歸模式相較，允許變異數大於平均數，可處理資料過度離散之問題，因此有取代卜瓦松迴歸模式用於肇事分析之趨勢。國內外之相關文獻如下：戚培芳（民 86）以民國 80 年至 84 年之列管肇事為研究對象，針對中山高速公路肇事變動趨勢、肇事發生分配型態及肇事影響因素進行分析，以一般化線性模式(GLM)中之卜瓦松迴歸及負二項迴歸模式分別構建高速公路三種路段--主線、交流道及收費站之肇事分析模式。結果發

(8)

現收費站路段適用卜瓦松模式，而主線及交流道路段則以負二項模式較佳；顯示主線及交流道路段之肇事發生存在過度離散(即肇事發生次數之變異數大於平均數)情形。經由肇事因果分析，可獲致以下結論：1. 公路幾何特性對於肇事之發生有顯著影響，不僅受路段本身幾何特性影響，亦受到毗鄰路段之影響；避免陡下坡及曲度差距過大之設計、減少交流道路段之衝突點數及廢除戰備跑道均有助於減少肇事之發生。2.肇事次數隨每車道車公里數及重車比例之增加而增加。3. 提高速限有助於減少主線路段之肇事發生。林郁志（民 87）針對肇事地點路段及路口。以台南市地區肇事為例，選用的模式為一般線性模式中的卜瓦松迴歸模式（ Poisson Regression Model ）及負二項迴歸模式 (Negative Binomial Regression Model) ，找出與肇事因果相關的因素作為改善交通的參考，減少肇事的發生。發現台南市地區路段及路口肇事模式，均以卜瓦松迴歸模式為肇事模式。路口部分依肇事資料分類，可分為尖峰與非尖峰肇事資料及白天與夜晚肇事資料兩類。路口之重要參數為日期、天候、道路型態、號誌、車輛、時間。路段之重要參數為日期、速限、天候、道路型態、車道數、方向（分隔）設施及車輛型態等，並未納入駕駛人特性因素。 Moses 與 Savage（1994）指出卜瓦松迴歸方法雖可用於肇事分析，但若發現其誤差項有過度離散情形時，則應以負二項迴歸模式分析較佳。實證方面，擴充其於 1992 年所作關於貨車行特性與肇事關係之研究，首先，將樣本數由 13,000 筆增加至 75,500 筆；其次，考慮卜瓦松迴歸模式之平均數等於變異數之假設的不合理性，在經檢定平均數不等於變異數後，改採以負二項迴歸模式構建貨車行特性與貨車肇事之關係式。模式以貨車肇事率為因變數，貨車行規模、年資、載貨之貨物特性、車隊行駛里程及是否服從安全管制等變數作為自變數。研究結果除支持之前研究所獲致結論外，尚發現肇事與貨車行規模無關，卻與其經營年資有關；載運受託貨物、載運危險物質都易導致較高肇

(9)

事率。 Miaou.S.P.（1994）探討公路幾何特性與卡車肇事之研究，藉由實證模式之建立，以比較卜瓦松迴歸模式、ZIP 迴歸模式與負二項迴歸模式（NB）之優劣，蒐集 1985 年至 1989 年各路段之肇事、公路特性及交通特性資料，進行資料初步分析後，以肇事率為因變數，交通特性、公路幾何特性為自變數，進行模式參數校估。研究結果建議在建立車輛肇事與公路幾何特性之關係式時，可先嘗試以卜瓦松模式構建，若檢定發現有過度離散情形時，則改以 ZIP 迴歸模式或負二項迴歸模式，惟在使用 ZIP 模式時須考慮其不易解釋之問題；而遇有某路段之肇事次數為 0 時，則以負二項迴歸模式為宜。 Hadi 等人（1995）使用負二項迴歸模式來估計交叉路口設計因子對不同交通狀況及型態的總肇事率、死亡率、受傷率之影響。結果顯示，增加車道寬度、中央分隔帶寬度、內側路肩寬度、外側路肩寬度可有效減少事故，且提高四車道公路之中央分隔帶寬度比提高雙向可左轉車道公路之中央分隔帶寬度更為安全。 Poch M.與 Mannering F.（1996）使用負二項迴歸分析方式對交叉路口肇事頻率進行研究，並探討路口幾何設計及路口特性，對肇事原因與肇事次數的影響。其發現在肇事與鄰近路段狀況（包含幾何設計與交通管制等因素）間關係之研究，多為針對路段與特定車種之研究，至於市區路口以及不限定車種之研究則甚為稀少。其利用 1987 至 1993 年 7 年間有經過工程改善之 63 個路口所發生之 1,385 筆肇事資料進行分析，分別建立了不分肇事型態之年肇事率預測模式以及追撞、側撞與轉彎撞之年肇事率預測模式。其所採用之變數包括左轉、右轉、對向流量、對向車道數、號誌、視距、道路種類、車道是否彎曲、路口所在區位以及交會道路分支數。 Maher 與 Summersgill（1996）認為一般線性模式（GLM）雖以普遍用於肇事分析及預測，但仍存在下列幾個問題：（1）平均值過低的

(10)

問題（2）資料過度離散（3）不同時間之肇事資料具有其個體化特性（4）車流量估計時所存在的隨機誤差（5）不同類型肇事預測之加總（6）模式預測值與實際觀察值之結合。

Shankar, V. 等人（1997）以 1992 年至 1993 年美國華盛頓州主要幹道及次要幹道之肇事資料，應用 Zero-altered probability processes 加以分析。並提出 Dual-state count data 的概念，當某些路段肇事紀錄肇事次數為零時，意涵兩種情況（1）此路段確實沒有發生肇事（2）此路段曾發生肇事但未呈報，傳統的 Poisson 及 NB 模式無法解釋此現象，而導致偏誤參數的產生，因此用（zero-inflated Poisson）ZIP 及（zero-inflated negative binomial）ZINB 模式構建肇事次數，將肇事次數為零的情況設定一機率值，並假設此機率值為常態或羅吉斯特分配，研究發現 ZIP 及 ZINB 對零值的處理適用性較佳。

Amoros ,E.等人（2003）以 1986 年至 1994 年間之肇事次數及四種道路類型（motorways,national roads,county roads,local road）資料來比較法國東南部八個郡縣的道路肇事率及嚴重程度，並以負二項迴歸模式來分析肇事次數，以羅吉斯特迴歸模式（logistic regression）來分析其肇事嚴重程度。結果顯示，各郡縣之肇事率及嚴重程度與其轄內道路類型有顯著之關係，且所有郡縣皆有肇事率逐漸減少及嚴重程度微增之趨勢。

(11)

2.2 易肇事路段改善對策文獻

相關研究顯示肇事具有偶發性之特性，肇事發生之因素有車輛機械因素、道路環境因素、駕駛人因素等。當肇事特性分析確定後，應針對不同的肇事特性分析提出改善理念，以交通工程之手段針對造成危險之因素加以改善，以期達到降低肇事發生與危險程度之功效。國內相關文獻如下：湯儒彥（民 87）綜合研究多處肇事地點的改善分析，將肇事地點概分為路口、直線路段、彎道及夜間事故等四類，強調改善理念與手法重於設施項目與細節的觀念，探討工程之設計應配合駕駛人之駕駛期望與習性，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理念與手法，進行交通工程設施之設置與設計，謀求事故的防治與減輕，研究發現其中以引導性之導引、突顯、清除視障等與駕駛人間互動良好，效果最佳；警告、阻滯、防護之作法較為消極，仍賴駕駛人之警覺；管制、禁制則屬強制性質，多需有執法的配合，才易得到較明顯之效果。吳銘山（民 87）以系統化的程序建立評估準則，在透過實驗設計蒐集工程與管理並以台南市改善前後的肇事資料為例，進行模式建立、校估、驗證、與應用範例說明的工作。在建立資料為例，進行模式建立、校估、驗證、與應用範例說明的工作。在建立評估準則的方法上，採用分析層級評估法(AHP)，分別向產業界、行政界學術界的專家進行訪談與問卷調查後，建立改善項目的權重, 並據以建立評估改善績效的模式。並研擬七項評估改善績效的因素，利用問卷進行特徵向量計算得到相對權重極其排序為：(1) 降低平均每件肇事的嚴重度(2)降低肇事率 (3)減少總肇事次數(4)減少肇事時所衍生的交通壅塞(5)改善項目對交通壅塞的負面的影響(6)直接改善經費(7)改善項目行政管理配合的複雜度。

(12)

劉正揚（民 88）以第十四、十五期「台灣地區易肇事路段改善計畫」中之 61 個路口為研究對象，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，並藉由相關文獻與學理，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，以交通部所建立之事故資料檔為基礎，藉由統計方法分析比較各項改善措施施行前後之事故資料，評量其改善成效。本研究發現，不論由肇事資料分析或民眾認知調查分析所獲得的易肇事路口肇事主因，較常見者依序為「車速過快」、「駕駛人違規行車」及「視線不良」。易肇事路口之主要改善措施共包括設置三色號誌、設相關標線、設反光標記、設相關標誌、設告示牌、改變中央分隔、設減速標線、設測速照相、設路口網狀線、時相變更與設閃光號誌等 11 項，其中設置三色號誌、設相關標線、時相變更等三項有明顯改善成效，設置閃光號誌及設測速照相並無明顯改善成效。陳敬明（民 89）以新竹縣市境內西濱西快路段為研究範圍，就其最近一年半內所發生之肇事資料，首先依易肇事危險績效值，評定易肇事地點;其次再依肇事型態,肇事原因,研擬相對應改善手法與改善措施後經檢討分析其肇事原因、肇事類型與道路條件等相關資料予以歸納為四類主要問題分別為：交叉路口過多過密問題、道路幾何條件不良問題、路型變化及速限變化銜接處問題及西快公路交通運轉特性與一般公路不同產生行車安全問題，分別提出改善案例。此外,有鑒於現行易肇事地點，一般均依民意代表建議、人民陳情或道路管理單位巡查發現缺失，而予以改善，均屬零星無計畫性之改善，因此有必要建立易肇事地點改善之標準作業程序，並祈統一作業流程，所需各項表格，以達標準化、程序化之目的,並提供各道路管理單位作為改善作業之參考。

(13)

2.3 市區道路肇事文獻

國內的肇事分析若以肇事地點的道路功能來分類，一般可分成兩大類：一類是以高速公路為研究範圍，另一類則以市區道路為研究對象。本研究亦屬於以市區道路為研究對象者，故只分述國內以市區道路為研究對象之肇事分析相關文獻如下：楊宗璟（民 87）等人嘗試以路口本身流量與環境流量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、上下午、甚至是特定時刻、車種與違規情況對安全的影響程度。實證結果指出，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。陳志和（民 88）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，利用依序羅機模式來評估各駕駛人受到各等級程度傷害的機率，結果發現，不論在任何情況下，肇事發生時男性駕駛人受傷的程度都比女性駕駛人輕微；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；所有的路口駕駛人受傷嚴重程度模式中，有砂石車牽涉肇事都是最重要的致命因素，除此之外，駕駛人受傷的致命因素就是「酒後駕車」、「超速失控」以及「路旁物品撞擊」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。周雍傑（民 89）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僅財物損失、受傷及死亡三類，利用類神經網路模式來預測各駕駛人發生事故之肇事嚴重程度，並以敏感度分析來探討各因素對傷亡程度之影響。從敏感度分析得知，不論在路口或路段，陰雨天的死亡比例顯著高於晴天，但僅為財損之比例則低於晴天。乾燥的

(14)

路面狀態之死亡比例低於其它路面（主要為潮濕路面）。在路口部分有障礙物（主要為道路施工中、違規停車）之路口之死亡率大於無障礙物之死亡率。

2.4 總結

國內目前以卜瓦松迴歸模式及負二項迴歸模式來分析肇事模式者，一般多以中山高速公路為研究對象，很少以都市地區為對象。一般研究都市地區之肇事模式多以類神經網路分析為多。唯有林郁志（民國 87 年）以卜瓦松迴歸方法及負二項迴歸方法來構建台南市之肇事模式，但其肇事因素並未以因子分析加以整合，且未針對潛在易肇事因素較高的地點提出改善對策。故本研究將先以因子分析整合其肇事因素，再以卜瓦松迴歸方法及負二項迴歸方法來構建基隆市之肇事模式，並針對高肇事地點提出改善對策。

(15)

第三章資料蒐集與分析

影響肇事發生之因素有人、車、路、環境四大項，其中「人」、「車」因素對肇事之影響適合微觀分析，本研究欲構建之肇事分析模式係屬巨觀模式，在模式中納入此二類變數有其困難，故本研究僅針對「路」及「環境」因素來蒐集資料，「人」、「車」因素則不加以探討。 3.1

肇事資料之統計

本研究的資料是依據基隆市警察局 89 年至 91 年間之 A1 類及 A2 類肇事資料整理而得，篩選部分不完整資料後，經統計三年間路口的肇事資料共有 1462 件，路段的肇事資料共有 1666 件。在肇事資料中取得變數有肇事的日期、發生時間、發生地點、死傷人數、快車道數、速限、天候、光線、道路類別、道路型態、事故位置、特定場所、路面狀況、道路障礙、交通號誌、車道劃分設施、標誌、事故類型、車輛損失等。一、依肇事的嚴重性分類由基隆市 89 年至 91 年之 A1 類及 A2 類肇事資料統計顯示，三年間路口肇事中有 31 件死亡肇事，死亡人數為 31 人，路段肇事中有 55 件死亡肇事，死亡人數為 58 人，合計死亡人數共 89 人。三年間路口之受傷肇事有 1426 件，路段之受傷肇事有 1628 件，共計 3054 件。如表 3.1 所示

(16)

表 3.1 基隆市 89-91 年路口及路段肇事件數統計表路口路段肇事次數肇事嚴重性 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比死亡人數 11 11 9 31 - 25 17 16 58 -受傷人數 1 人 308 392 397 1097 76.9% 374 436 419 1229 75.5% 受傷人數 2 人 73 101 113 287 20.1% 81 110 135 326 20% 受傷人數 3 人 11 8 20 39 2.7% 18 15 17 50 3.1% 受傷人數 4 人以上 2 0 1 3 0.3% 9 6 8 23 1.4% 二、依肇事特定場所分類依基隆市警察局「肇事記錄表」肇事特定場所可分為交流道、收費站及附近、休息站（服務區）、候車站及附近、加油站及附近、停車場及附近、學校及附近、其他（或無）等八類，其中路口及路段皆以「其他（或無）」特定場所者佔大多數，其中在「學校及附近」路口部份有 48 件，路段部份有 60 件，共計 108 件。在「加油站及附近」路口部份有 59 件，路段部份有 51 件，共計 110 件。如表 3.2 所示。表 3.2 基隆市 89-91 年路口及路段肇事特定場所統計表路口路段肇事特定場所 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比交流道 3 3 5 11 0.8% 0 2 4 6 0.4% 收費站及附近 1 0 1 2 0.1% 0 0 0 0 0% 休息站（服務區） 2 1 1 4 0.3% 0 1 0 1 0.1% 候車站及附近 9 10 6 25 1.7% 14 9 15 38 2.2% 加油站及附近 17 25 17 59 4% 13 24 14 51 3% 停車場及附近 11 6 6 23 1.6% 11 6 15 32 1.8% 學校及附近 18 17 13 48 3.3% 13 28 19 60 3.5% 其他（或無） 352 449 489 1290 88.2% 451 513 514 1478 89%

(17)

三、依肇事型態分類肇事型態可大略分為「車與車」、「人與汽（機）車」、「汽（機）車本身」三大類，如表 3.3，每一大類又可細分為各種型態，其中以「車與車」類所佔比例最多，在路口百分比佔 82.1%，在路段百分比佔 66.2%。表 3.3 肇事型態分類類別路口路口百分比路段路段百分比車與車 1200 82.1% 1103 66.2% 人與汽（機）車 198 13.5% 283 17% 汽（機）車本身 64 4.4% 280 16.8% 以下針對各種肇事型態分別概述： 1. 對撞：對向行車方向車輛間的正面碰撞。 2. 擦撞：通常發生在兩相鄰車道上，當車輛同向或對向行駛時，因未保持側向安全間距或變換車道不當等，致二車之側面發生接觸稱之。 3. 追撞：同一車道同向行駛車輛間，未能按規定保持應有之行車安全距離或行進間距，致後隨車輛的前部與前行車輛的尾部發生碰撞事件者。 4. 倒車撞：在同一行車方向，由於前行車輛倒車不當而引發者。 5. 路口交岔撞：不同行向（並非同向）車輛間所發生的碰撞。 6. 側撞：不同行向（並非同向或對向）車輛間所發生的碰撞。在「車與車」類之肇事型態中，路口部分以「路口交岔撞」為最多，佔 31.3%，其次分別為「側撞」（佔 25.6%）及「同向擦撞」（佔 19.8%）；路段部分則以「同向擦撞」最多，佔 32.8%，其次分別為「追撞」（佔 19.7%）及「側撞」（佔 17.6%），如表 3.4 及圖 3-1。

(18)

表 3.4 路口與路段「車與車」之肇事型態路口路段肇事型態 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比對撞 20 28 22 70 5.8% 58 59 46 163 14.9% 對向擦撞 20 26 30 76 6.3% 51 49 43 143 13.1% 同向擦撞 65 87 85 237 19.8% 101 121 136 358 32.8% 追撞 38 38 43 119 9.9% 72 74 69 215 19.7% 倒車撞 1 3 1 5 0.4% 3 2 0 5 0.5% 路口交岔撞 120 138 117 375 31.3% - - - - -側撞 86 98 123 307 25.6% 49 60 83 192 17.6% 其他 3 3 5 11 0.9% 6 8 13 27 2.5%

0

100

200

300

400

對撞對向擦撞同向擦撞追撞倒車撞路口交岔撞側撞其他

89-91年肇事型態(車與車)

路口

路段

圖 3-1 基隆市 89-91 年路口及路段「車與車」類之肇事型態在「人與汽（機）車」類的肇事型態中，路口及路段部分皆以「穿越道路中」最多，佔 72.8%，如表 3.5。表 3.5 基隆市 89-91 年路口及路段「人與汽（機）車」之肇事型態肇事型態路口路段合計百分比對向通行中 ₉ ₉ ₁₈ 3.7% 同向通行中 ₈ ₂₉ ₃₇ 7.7% 穿越道路中 ₁₅₆ ₁₉₄ ₃₅₀ 72.8% 其他 ₂₅ ₅₁ ₇₆ 15.8%

(19)

在「汽（機）車本身」類的肇事型態中，路口及路段部分以「翻車或衝出路外」最多，佔 34%，路口部份其次為「撞交通設施及撞其他物」，路段部分其次為「撞路旁停放車輛」，如表 3.6。表 3.6 基隆市 89-91 年路口及路段「汽（機）車本身」之肇事型態肇事型態 _路口 _路段 _合計百分比翻車或衝出路外 ₃₀ ₈₇ ₁₁₇ 34% 撞交通設施 ₁₁ ₃₂ ₄₃ 12.5% 撞路旁停放車輛 ₁₀ ₇₆ ₈₆ 25% 撞路樹電桿 ₂ ₂₆ ₂₈ 8.2% 撞其他物 ₁₁ ₅₉ ₇₀ 20.3% 四、路口路段共同屬性 1.日期肇事日期可依星期分為假日與非假日兩類。假日包括星期六、星期日（二天），非假日包括星期一至星期五共五天，以天數平均而言，路口部分之非假日（佔 14.5%）比假日（佔 13.75%）略多，路段部分則以假日（佔 14.95%）比非假日（佔 14.02%）略多，如表 3.7 及圖 3-2。表 3.7 路口與路段之日期型態路口路段日期型態 _{89 年 90 年 91 年合計} _百分比 _{89 年 90 年 91 年合計百分比} 假日 ₁₁₉ ₁₂₈ ₁₅₅ ₄₀₂ _27.5% ₁₄₈ _{161 189 498} _29.9% 非假日 ₂₉₄ ₃₈₃ ₃₈₃ ₁₀₆₀ _72.5% ₃₅₄ _{422 392 1168} _70.1%

(20)

0 500 1000 1500 路口路段假日非假日圖 3-2 路口與路段之日期型態 2.時段依肇事時段可分為白天與晚上兩類，白天的時段為上午六點至下午六點，晚上的時段為下午六點以後至上午六點以前，由表 3.8 及圖 3-3 可知，路口及路段之白天肇事次數略高。表 3.8 路口與路段之時段型態路口路段時段型態 _{89 年 90 年 91 年合計百分比 89 年 90 年} _{91 年合計百分比} 白天 _{222 300} ₂₈₇ ₈₀₉ _55.3% ₂₅₉ ₃₀₆ ₃₁₂ ₈₇₇ _52.6% 晚上 _{191 211} ₂₅₁ ₆₅₃ _44.7% ₂₄₃ ₂₇₇ ₂₆₉ ₇₈₉ _47.4% 0 500 1000 路口路段白天晚上圖 3-3 路口與路段之時段型態

(21)

3. 尖峰時間依肇事時間可分為尖峰與非尖峰兩類，尖峰時間為早上七點至九點（二小時）及下午五點至七點（二小時），其他時間則為非尖峰時間（20 小時），以平均小時而言，路口部分尖峰時間（佔 6.08%）肇事次數比非尖峰時間（佔 3.79%）較高，路段部分尖峰時間（佔 5.53%）肇事次數比非尖峰時間（佔 3.9%）較高，如表 3.9 及圖 3-4。表 3.9 路口與路段之尖峰時間型態路口路段時間型態 _{89 年 90 年 91 年合計百分比 89 年 90 年} _{91 年合計百分比} 尖峰 _{90 143} ₁₂₂ ₃₅₅ _24.3% ₁₀₆ ₁₂₇ ₁₃₅ ₃₆₈ _22.1% 非尖峰 _{323 368} ₄₁₆ ₁₁₀₇ _75.7% ₃₉₆ ₄₅₆ _{446 1298} _77.9% 0 500 1000 1500 路口路段尖峰非尖峰圖 3-4 路口與路段之尖峰時間型態 4.天候天候可分為雨天與非雨天兩類，其中非雨天包括晴、陰、霧、風沙、強風。由表 3.10 及圖 3-5 可知，路口及路段之非雨天發生肇事的次數明顯比雨天肇事為多。

(22)

表 3.10 路口與路段之天候型態路口路段天候型態 _{89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比} 雨天 ₉₄ ₁₁₃ ₁₂₂ ₃₂₉ _22.5% ₁₃₁ ₁₃₇ ₁₁₉ _{387 23.2%} 非雨天 ₃₁₉ ₃₉₈ ₄₁₆ ₁₁₃₃ _77.5% ₃₇₁ ₄₄₆ _{462 1279} _76.8% 0 500 1000 1500 路口路段雨天非雨天圖 3-5 路口與路段之天候型態 5. 光線光線可分為日間自然光線、晨或暮光、夜間（或隧道）有照明、夜間（或隧道）無照明四類。一般日間自然光線及夜間（或隧道）有照明最為常見，故其肇事件數較多，如表 3.11 及圖 3-6。表 3.11 路口與路段之光線型態路口路段項目 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比日間自然光線 _{225 293} ₂₈₂ ₈₀₀ _54.7% ₂₄₅ _{283 304 832} _50% 晨或暮光 _{12 10} ₁₁ ₃₃ _2.3% ₁₆ _{19 14 49} _2.9% 夜間（或隧道）有照明 _{170 200} ₂₃₃ _{603 41.2%} ₂₃₂ _{245 249 726 43.6%} 光線夜間（或隧道）無照明 _{6 8} ₁₂ ₂₆ _1.8% ₉ _{36 14 59} _3.5%

(23)

0 200 400 600 800 1000 日間自然光線夜間(或隧道)有照明路口路段圖 3-6 路口與路段之光線型態 6.道路型態道路型態可分為路口與路段兩類，路口部分有多岔路、四岔路、三岔路。因基隆市路口之道路型態以巷道為多，一般為三岔路。故其肇事件數以三岔路為多，如表 3.12 及圖 3-7。表 3.12 路口之道路型態路口道路型態 89 年 90 年 91 年合計百分比三岔路 241 283 290 814 55.7% 四岔路 160 190 208 558 38.2% 多岔路 12 38 40 90 6.1% 0 500 1000 三岔路四岔路多岔路路口路口圖 3-7 路口之道路型態

(24)

路段部分之道路型態有隧道（地下道）、橋樑、彎曲路及附近、坡路、直路、其他等，「其他」包括高架道路、巷弄、圓環、廣場等。一般以「直路」最為常見，故其肇事次數亦最多，其次為「彎曲路及附近」。如表 3.13。表 3.13 路段之道路型態路段道路型態 89 年 90 年 91 年合計百分比隧道（地下道） 3 8 6 17 1% 橋樑 11 18 13 42 2.6% 彎曲路及附近 107 111 135 353 21.1% 坡路 16 25 21 62 3.7% 直路 346 409 394 1149 70% 其他 19 12 12 43 2.6% 7.路面狀況路面狀況有路面狀態與缺陷部分，路面狀況可分為乾燥與濕濘兩類，濕濘包括濕潤、泥濘、油滑、冰雹。一般路面狀況以乾燥情況最為常見，故其肇事次數亦最多。缺陷部份可分為有缺陷（包括路面鬆軟、突出（高低）不平、有坑洞等）與無缺陷兩類，一般市區道路的路面狀況還算良好，故路面無缺陷的情況較多，故其肇事件數亦較多。如表 3.14。表 3.14 路口與路段之路面狀況型態路口路段項目 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比乾燥 ₃₀₄ ₃₇₈ ₄₀₃ ₁₀₈₅ _74.2% ₃₄₈ ₄₃₂ _{452 1232} _73.9% 路面狀態濕濘 ₁₀₉ ₁₃₃ ₁₃₅ ₃₇₇ _25.8% ₁₅₄ ₁₅₁ ₁₂₉ ₄₃₄ _26.1% 有缺陷 ₄ ₄ ₄ ₁₂ _0.8% ₉ ₈ ₈ ₂₅ _1.5% 缺陷無缺陷 ₁₀₉ ₅₀₇ ₅₃₄ ₁₄₅₀ _99.2% ₁₉₃ ₅₇₅ _{573 1641} _98.5%

(25)

8.道路障礙及視距在視距方面可分為良好與不良，視距不良包括彎道、坡道、建築物、樹木、農作物、路上停放車輛、其他等影響。一般道路視距多為良好，故其肇事件數較高。在道路障礙方面可分為有障礙物與無障礙物，有障礙物影響包括道路工事中、有堆積物、路上有停車、其他障礙物等。一般情況以無障礙物影響為多，故其肇事件數較高，表 3.15。表 3.15 路口與路段之道路視距型態路口路段項目 89 年 90 年 91 年合計百分比 89 年 90 年 91 年合計百分比良好 ₄₀₂ ₄₉₄ ₅₁₄ ₁₄₁₀ _96.4% ₄₅₉ ₅₃₉ ₅₂₅ ₁₅₂₃ _91.4% 視距不良 ₁₁ ₁₇ ₂₄ ₅₂ _3.6% ₄₃ ₄₄ ₅₆ ₁₄₃ _8.6% 有障礙物 ₁₀ ₁₆ ₁₆ ₄₂ _2.9% ₃₁ ₃₃ ₂₆ ₉₀ _5.4% 障礙物無障礙物 ₄₀₃ ₄₉₅ ₅₂₂ ₁₄₂₀ _97.1% ₄₇₁ ₅₅₀ ₅₅₅ ₁₅₇₆ _94.6% 五、路口特有屬性 1. 號誌在號誌方面可分為無號誌及有號誌，有號誌包括號誌正常、號誌不正常及號誌無動作等，因一般道路路口多有號誌設施，故其肇事件數較高，如表 3.16。表 3.16 路口之號誌型態號誌 _{89 年 90 年 91 年} _合計 _百分比有號誌 ₂₆₇ ₃₃₅ ₃₄₅ ₉₄₇ _64.8% 無號誌 _{146 176 193} ₅₁₅ _35.2%

(26)

六、路段特有屬性 1.速限基隆市市區道路 89 年至 90 年 10 月期間速限一律為 40 公里，自 90 年 11 月起才放寬某些路段為 50 公里，但一般道路多速限 40 公里，故其肇事件數較高，如表 3.17。表 3.17 路段之速限型態路段項目 89 年 90 年 91 年合計百分比 40 公里以下（含 40 公里） ₅₀₂ ₅₈₁ ₅₀₆ ₁₅₈₉ _95.4% 速限 40 公里以上 ₀ ₂ ₇₅ ₇₇ _4.6% 2.快車道數基隆市路幅狹窄，以二個快車道數道路為多，故路段肇事件數以二個快車道數道路為多，佔 49.2%，其次為四個快車道數道路，佔 27.9%，如表 3.18。表 3.18 路段之快車道數型態快車道數 _{89 年 90 年 91 年} _合計 _百分比 0 ₆₄ ₉₉ ₅₅ ₂₁₈ _13.1% 1 _{4 1 3} ₈ _0.5% 2 _{263 279 277} ₈₁₉ _49.2% 3 _{30 45 44} ₁₁₉ _7.1% 4 _{132 146 186} ₄₆₄ _27.9% 5 _{6 7 7} ₂₀ _1.2% 6 以上 _{3 6 9} ₁₈ _1% 3.分向設施在路段分向設施方面可分為有分向設施與無分向設施，有分向設施包括交通島、雙向禁止超車線、單向禁止超車線、行車方向線等。一般道路多有分向設施，故其肇事件數較高，如表 3.19。

(27)

表 3.19 路段之分向設施型態路段項目 89 年 90 年 91 年合計百分比有分向 ₃₇₉ ₄₄₂ _{470 1291 77.5%} 分向設施無分向 ₁₂₃ ₁₄₁ ₁₁₁ _{375 22.5%} 4.標誌型態路段之標誌型態可分為有標誌與無標誌兩類，因基隆市路段肇事多為巷道，巷道多無設置標誌，故其肇事件數較高，如表 3.20。表 3.20 路段之標誌型態路段項目 89 年 90 年 91 年合計百分比無標誌 ₄₄₃ ₅₄₈ _{491 1482} _89% 標誌有標誌 ₅₉ ₃₅ ₉₀ ₁₈₄ _11%

(28)

3.2 重車比例與肇事之關係

由於基隆市政府甚少對該市道路交通量進行全面性的調查，故無法取得基隆市地區各路口路段交通量之統計資料，惟交通部公路總局在基隆市轄內之省道設有部分調查站，本研究則將省道經過基隆市轄內路段之肇事資料統計後與該路段之重車比例相比較，以期得知重車比例是否對該路段之肇事有所影響。本調查的路段有六處，分別為：（1）台 2 線的台北縣縣市界-破瀨（56K+187-61K+290），其經過基隆市轄內路段有基金一路、基金二路及基金三路。（2）破瀨-基市府（61K+290-65K+066），其經過基隆市轄內路段有安一路、成功二路、忠四路、仁五路及愛三路。（3）基市府-海洋大學（65K+066-69K+614），其經過基隆市轄內路段有義一路、中正路、正豐街及祥豐街。（4）海洋大學-台北縣縣市界（69K+614-73K+626），其經過基隆市轄內路段有北寧路。（5）台 5 線的台北縣縣市界-基隆（18K+520-28K+650），其經過基隆市轄內路段有明德一路、明德二路、八堵路及南榮路。（6）台 2 丁線的台北縣縣市界（0K+000-3K+387），其經過基隆市轄內路段有源遠路。此六路段 89 年至 91 年之肇事次數與重車比例之關係，如表 3.21。所謂重車比例即重型車（含大客車、大貨車、聯結車）交通量與總交通量之比，即求出各路線重型車之交通量與該路線交通量資料相除。

(29)

表 3.21 基隆地區省道各路線之肇事次數與重車比 89 年 90 年 91 年路線編號起訖地名肇事次數重車比肇事次數重車比肇事次數重車比台北縣縣市界-破瀨 13 0.12 26 0.041 33 0.05 破瀨-基市府 22 0.11 32 0.023 24 0.028 基市府-海洋大學 51 0.14 61 0.071 50 0.048 台 2 線海洋大學-台北縣縣市界 19 0.15 33 0.066 28 0.05 台 5 線台北縣縣市界-基隆 70 0.12 85 0.037 87 0.035 台 2 丁線八堵-台北縣縣市界 10 0.12 12 0.11 9 0.1 由表 3.21 顯示，89 年各路線之重車比皆為 0.1 以上，而 90 年及 91 年各路線之重車比有明顯下降趨勢，但其肇事次數卻無下降趨勢，經統計分析後，發現此六路線 89 年至 91 年之肇事次數與重車比例之相關係數僅為 0.12，顯示二者之間非顯著相關，故重車比例對肇事影響不大。由表 3.21 顯示，此六路線以「台 2 線基市府-海洋大學」與「台 5 線台北縣縣市界-基隆」二路段之肇事次數最高，如圖 3-8。 0 20 40 60 80 100 台北縣縣市界-破瀨破瀨-基市府基市府-海洋大學海洋大學-台北縣縣市界台北縣縣市界-基隆八堵-台北縣縣市界 89年 90年 91年肇事次數圖 3-8 基隆地區省道各路線之肇事次數統計各路段之曝光量＝365×平均每年每日交通量（PCU）×路段里程/ 百萬公里。肇事率等於肇事次數除以曝光量。將此六路段分別以肇事率（肇事次數/百萬延車公里）比較，則以「台 2 線基市府-海洋大學」

(30)

路段肇事率最高，經現地勘查發現該路線路幅較狹窄，其中正豐街、祥豐街等路段坡度較大，且遊憩旅次較高，可能是外地駕駛人對路況不熟悉所致，如表 3.22。表 3.22 基隆地區省道各路線之肇事率統計 89 年 90 年 91 年路線編號起訖地名肇事次數肇事率肇事次數肇事率肇事次數肇事率台北縣縣市界-破瀨 13 0.14 26 0.19 33 0.37 破瀨-基市府 22 0.66 32 0.76 24 0.68 基市府-海洋大學 51 1.38 61 1.39 50 0.73 台 2 線海洋大學-台北縣縣市界 19 1.04 33 1.17 28 0.63 台 5 線台北縣縣市界-基隆 70 1.10 85 0.86 87 0.54 台 2 丁線八堵-台北縣縣市界 10 0.28 12 0.3 9 0.24 0 0.5 1 1.5 台北縣縣市界-破瀨破瀨-基市府基市府-海洋大學海洋大學-台北縣縣市界台北縣縣市界-基隆八堵-台北縣縣市界 89年 90年 91年肇事率圖 3-9 基隆地區各路線之肇事率統計由圖 3-9 顯示，除了「台 2 線台北縣縣市界-破瀨」路線 91 年之肇事率增加外，其他路線之肇事率皆有逐年降低之趨勢。

(31)

3.3 肇事分配特性

本研究是以基隆市轄內 89-91 年間 A1 類及 A2 類之肇事資料來統計，由表 3.23 顯示，三年間基隆市路口之肇事次數以「肇事次數 1 次」最多，佔路口數 73%以上，肇事次數在 3 次以上者所佔比例皆不到 8%，由圖 3-10 更可看出其肇事分配之偏態特性。表 3.23 基隆市 89-91 年各肇事發生次數之路口數統計路口數肇事次數 89 年百分比 90 年百分比 91 年百分比 1 221 75.7% 266 75.1% 264 73.5% 2 41 14.1% 53 15% 55 15.3% 3 21 7.2% 18 5.1% 22 6.1% 4 4 1.4% 9 2.5% 6 1.7% 5 2 0.7% 3 0.8% 6 1.7% 6 1 0.3% 2 0.6% 3 0.8% 7 1 0.3% 2 0.6% 0 0% 8 1 0.3% 1 0.3% 1 0.3% 9 0 0% 0 0% 2 0.6% 0 50 100 150 200 250 300 路口數 1 2 3 4 5 6 7 8 9 肇事次數 89年 90年 91年圖 3-10 基隆市 89-91 年各肇事發生次數之路口數統計

(32)

第四章基隆市肇事模式之構建

4.1 模式構建

本研究採用一般化的線性模式（Generalized Linear Model，以下簡稱 GLM）的卜瓦松迴歸模式及負二項迴歸模式來構建基隆市路口路段的肇事分析模式。在構建模式之前，首先將路口及路段之要因變數以因子分析來加以整合後，再以整合後之主要因子來構建模式。 4.1.1 因子分析因子分析的目的在於以簡潔、精確的方法來描述眾多變項之間的交互關係，以協助研究者對這些變項概念化，因子分析可以使用較少的向度來表示原來的資料結構，而且還能保有原來資料所能提供的大部分訊息。因子分析是一種潛在結構分析法，其理論大都假定每個指標（觀察值）均由兩個部份所構成，其一是共同因素，另一是唯一因素。共同因素比指標數（原始變項數）還少，而每個指標或原始變項皆有一個唯一因素。並假設唯一因素與共同因素彼此沒有相關，與其他變項的唯一因素間也沒有相關。至於所有共同因素間彼此的關係，可能有相關或可能皆沒有相關。在直交轉軸狀態下，所有的共同因素間彼此沒有相關；在斜交轉軸情況下，所有的共同因素間彼此就有相關。因子分析最常用的理論模式如下： Zj ＝aj1F1 +aj2 F2 + aj3 F3+…+ aji Fi +...+ ajm Fm + Uj 其中 Zj為第 j 個變項的標準化分數，Fi為共同因素，m 為所有變項共同因素的數目，Uj為變項 Zj的唯一因素，aji為因子負荷量。

(33)

因子分析的理想情況，在於個別因子負荷量 aji不是很大就是很小，如此每個變項才能與較少的共同因素產生密切關聯。所謂因子負荷量為因素結構中，原始變項與因子分析時抽取出共同因素的相關性。在因子分析中有二個重要指標，一為「共同性」、二為「特徵值」（eigenvalue）。所謂共同性即每個變項在每個共同因素之負荷量的平方總和，也就是個別變項可以被共同因素解釋的變異量百分比，此值為個別變項與共同因素間多元相關的平方。從共同性的大小可以判定此原始變項與共同因素間之關係程度。至於特徵值是每個變項在某一共同因素之因子負荷量的平方總和，特徵值最大的共同因素最先被抽取，其次是次大者，最後抽取的共同因素之特徵值最小。將每個共同因素的特徵值除以原始變項為此共同因素可以解釋的變異量，因此抽取的因素愈少愈好，但抽取因素之累積解釋的變異量則愈大愈好。因子抽取的方法有主成分分析法、主軸法、一般化最小平方法、未加權最小平方法、最大概似法、Alpha 因素抽取法與映象因素抽取法等。以主成分分析法最為普遍，本研究採用此方法估計因子負荷量，主成分分析法是不考慮各變項的唯一因素，只考慮其共同因素。因子分析中，其轉軸方法可分「直交轉軸」（orthogonal rotations）及「斜交轉軸」（oblique rotations）二類，屬直交轉軸有最大變異法（ Varimax ）、四次方最大值法（ Quartimax ）、相等最大值法

（Equamax），屬斜交轉軸有直接斜交轉軸法（Direct Oblimin）、Promax

轉軸法。在直交轉軸法中，因素與因素間沒有相關，亦其相關為零，因素軸間的夾角等於 90 度；而斜交轉軸法，則表示因素與因素間彼此有某種程度相關，因素軸間的夾角不是 90 度。其中最大變異法是讓所有變項在同一因子負荷量平方的變異達到最大，如此可簡化對因子的解釋，各因子間的相關為零時，變項與共同因素之間的相關等於該變項在因子上的因子負荷量，故本研究乃採用直交轉軸法中的最大變異法來進行因子分析。

(34)

因子數目考量與挑選標準一般常以學者 Kaiser 所提之準則標準：選取特徵值大於一的因素，Kaiser 準則判斷應用時，因子分析之原始變項最好不要超過 30，其平均共同性最好在 0.7 以上，若樣本數大於 250 者，則平均共同性應在 0.6 以上（Stevens 1992）。當 Kaiser-Meyer-Olkin 的取樣適當性量數（即 KMO）值愈大時，表示變項間的共同因素愈多，愈適合進行因子分析。根據學者 Kaiser（1974）觀點，如果 KMO 值小於 0.5 時，較不宜進行因素分析。KMO 即為多變項相關係數之平方和與各淨相關係數平方和之比率，其計算公式如下： ) /( 2 2 2

∑

≠ ≠ ≠ + = j i ij j i ij j i ij r a r KMO 其中 rij：相關係數 aij：淨相關係數每一個變項的取樣適當性量數（MSA），MSA 類似 KMO，其計算公式也相似： ) /( 2 2 2

∑

≠ ≠ ≠ + = j i ij j i ij j i ij r a r MSA 其中 rij：相關係數 aij：淨相關係數在 MSA 中，相關係數之平方和與淨相關係數平方和只是計算與第 i 個變項有關的數據，並非計算整個矩陣。如果某一變數之 MSA 值小於 0.5 時，表示該變項不適合進行因子分析，可以考慮將該變項刪除。

(35)

表 4.1 指數家族之分配特性分配常態分配卜瓦松分配負二項分配珈碼分配表示符號 N（μ，σ2 ） P（λ） NB（kq/p， kq/p2 ） G（α，θ）

連結函數 identity Log Log reciprocal

4.1.3 肇事模式分析由於肇事資料具有稀少性、間斷性、隨機性及非負數性，所以除了傳統線性迴歸方法外，卜瓦松迴歸模式及負二項迴歸模式亦適合應用於肇事分析上，且不受一般線性迴歸須符合常態分配的假設限制，應用更為方便。一、卜瓦松迴歸模式（一）基本假設 1. 不同路段上之肇事發生視為獨立。 2. 影響肇事因素（如公路幾何特性、交通量）之資料無隨機誤差存在。（二）模式結構假設 n 個路段，則卜瓦松分配模式為 ! ) ( ) , , ( i y i i i i i i y e x Y p i i i λν ν λ ν λ = −

(38)

Y

i：路段

i

的肇事次數 νi：某肇事之曝光量資料總數

x

i：各路段的幾何特性交通條件 λi：路段

i

的肇事率卜瓦松模式隱含著其平均數可等於其變異數，即 E(Yi)=Var(Yi)=λiνi 其肇事率λi與道路幾何等因素 xi之關係式如下： λi=exp(βxi) 其β的最大概似函數為

( )

[

][

]

! ) exp( ) exp( exp i y i i y x x L i β β β =Π − 卜瓦松迴歸模式可以最小平方法及最大概似法校估參數，並以皮爾森卡方檢定模式配適度及以 t 值檢定個別參數是否顯著。以最大概似法(ML)校估參數其使用時機有二：（一）當隨機變數 Y 之機率分配已知，以 ML 校估參數，可得一致且有效之估計值，但若不確定 Y 之機率分配，則不適用。（二）若無法確知 Y 之機率分配時，則須對 Y 之機率分配作假設，並以假設機率分配所對應之概似函數，利用 ML 進行參數校估。二、負二項迴歸模式負二項迴歸模式是由卜瓦松迴歸模式推衍出來的，當肇事資料之平均數不等於其變異數時，即資料的離散程度過大，則以此模式分析。

(39)

（一）基本假設 1. 不同路段上之肇事發生視為獨立。 2. 影響肇事因素（如公路幾何特性、交通量）之資料無隨機誤差存在。（二）模式結構在卜瓦松迴歸模式中λi=exp(βxi)，而負二項模式之肇事率比卜瓦松模式多一個誤差項，表示如下：lnλi=βxi+εi exp（εi）為珈瑪分配之誤差項，故 exp（εi）～G（1，α），其條件機率為

[

][

]

i y i i i i i y y p i ) exp( ) exp( exp λ ε λ ε ε = − 則其肇事次數的最大概似函數估計為

( )

_[

_]

α θ λ θ θ θ θ _θ 1 ), ( , ) 1 ( ! ) ( ) ( = + = − Γ + Γ = i i y i i i i i u u u y y y p i 其變異數可表為

var[yi]=E[yi][1+ αE[yi]]

當α等於 0 時，變異數等於平均數則用卜瓦松迴歸模式，α不等於 0 時，則用負二項迴歸模式。

負二項迴歸模式則以最大概似法校估參數，以皮爾森卡方檢定模式配適度及以 t 值檢定個別參數是否顯著，其所須校估之參數除線性

(40)

參數βj 外，尚有過度離散參數α，若經檢定發現過度離散參數α顯著，則表示在顯著水準下有過度離散情形存在，此時將不適用卜瓦松迴歸模式，而須改採負二項迴歸模式；反之，若過度離散參數α不顯著，則表示在顯著水準下未有過度離散情形存在，此時卜瓦松迴歸模式仍適用。若欲檢查模式之配合度或比較不同模式之優劣，可由模式之 AIC （Akaike＇s Information Criterion）值來判斷其適合度。AIC 值係由 Akaike（1971）提出，其定義為 k ML AIC =−2 +2 其中 k 為自由度參數之數目，ML 為對數最大概似值。AIC 值愈小則表示模式愈好，其適合度愈佳，故進行最佳模式選擇時應選擇 AIC 值最低者。 4.1.4 模式配適度檢定為了解模式值μ對實際值 y 之配適程度，以及模式是否可以接受，可用皮爾森卡方（ Pearson χ2 Statistic）檢定，其檢定方法為 HO ：模式值與實際值配適良好若χ2 >χn-r2 ，則拒絕 HO，即模式之適合度不佳 χ2 ＜χn-r2 ，則接受 HO，模式值與實際值配適良好

(41)

4.1.5 參數顯著性檢定一、個別參數之檢定檢定個別參數之顯著性，可利用漸近 t 檢定，顯著水準以 0.05 為準。 HO ：βj= 0 t* =βj / Sβj 其中βj為參數之估計值 Sβj為參數估計之標準誤若 t* >tn ，則拒絕 HO，表示參數顯著 t* ≦tn ，則接受 HO，表示參數不顯著二、離散參數之檢定檢定離散參數之顯著性，可利用漸近 t 檢定，顯著水準以 0.05 為準。 HO ：肇事資料未呈現過度離散若 t* >tn-r ，則拒絕 HO，表示參數顯著，即資料呈現過度離散 t* ≦tn-r ，則接受 HO，表示參數不顯著，即資料未呈現過度離散

(42)

4.2 路口及路段肇事變數之因子分析

因子分析最初主要應用在心理學領域方面，後來則廣泛被應用在其他領域上，其主要利用變異互變異矩陣或相關來計算，從複雜的因素中找出少數潛在的共通因子，應用因子運算，轉軸後可得因子負荷量，再利用其所得結果加以分析。本研究乃採用因子分析中的主成分分析法來估計其因子負荷量，並以直交轉軸中的最大變異法來進行因子分析。 4.2.1 路口肇事變數之因子分析將基隆市路口肇事之要因變數：時段（白天與晚上）、日期（假日與非假日）、尖峰時間（尖峰與非尖峰）、天候（雨天與非雨天）、光線（日間自然光線與非日間自然光線）、道路型態（四岔路與非四岔路）、路面狀況（乾燥與濕濘）、有無缺陷、有無障礙、視距是否良好、有無號誌等十一個變數分為二群後進行因子分析。因「有缺陷」的情況甚少，故將「有無缺陷」變數刪除，不作分析，以 SPSS 軟體對十個變數進行因子分析後，依學者 Kaiser（1974）指出，當 KMO 值低於 0.5 時，即不宜進行因子分析，經由 Kaiser-Meyer-Olkin 的取樣適當性量數（即 KMO）及每一個變項的取樣適當性量數（即 MSA）檢核後，發現「道路型態（四岔路與非四岔路）」之 MSA 小於 0.5，顯示該變項不適合進行因子分析，故刪除該變數後進行第二次因子分析，得表 4.2 所示。

(43)

表 4.2 基隆市路口肇事以九個要因變數轉軸後之因子負荷量因子別變數第一因子第二因子第三因子第四因子 V1 天候（雨天與非雨天） 0.974 0.041 0.020 0.015 V2 路面狀況（乾燥與濕濘） 0.973 0.044 0.008 0.012 V3 時段（白天與晚上） 0.072 0.870 0.018 -0.120 V4 光線（日間自然光線與非日間自然光線） 0.032 0.847 -0.020 0.062 V5 視距是否良好 0.022 0.000 0.833 0.070 V6 有無障礙 0.022 0.047 0.827 -0.060 V7 日期（假日與非假日） -0.007 0.155 -0.005 0.819 V8 尖峰時間（尖峰與非尖峰） 0.099 -0.372 -0.088 0.546 V9 有無號誌 -0.038 -0.065 0.262 0.310 寄與率（﹪） 21.262 18.301 16.167 12.136 累積寄與率（﹪） 21.262 39.563 55.730 67.866 本因子分析原則上取因子負荷量絕對值大於 0.4 之變數加以分析。由上表顯示，第四因子中「有無號誌」之轉軸後因子負荷量小於 0.4，故將該變數刪除，再以八個變數進行第三次因子分析。此次因子分析經由 Kaiser-Meyer-Olkin 的取樣適當性量數（即 KMO）及每一個變項的取樣適當性量數（即 MSA）檢核，每一個變數之 KMO 及 MSA 皆大於 0.5，表示適合進行因子分析。且由原來相關係數減去再製相關係數所得之殘差中，亦只有 25%大於 0.05，表示本因子分析還算成功。

(44)

由此分析可抽出四個特性較為顯著之因子，其累積寄與率達 75.8﹪，累積寄與率是將每個因子所能解釋的變異百分比累加而得，即此四個因子足夠說明原有的八個變數。因子的解釋能力由第一個因子的 23.9﹪說明能力逐次遞減到第四因子 13.4﹪，如表 4.3 所示。將此四個因子分別命名為（1）路面狀況因子（2）能見度因子（3）視線因子（4）交通量因子，茲將各因子的特性說明如下：第一因子：路面狀況因子「天候（雨天與非雨天）」與「路面狀況（乾燥與濕濘）」二變數得點較高，因其二變數與路面乾溼狀況較有關，故命名為路面狀況因子。第二因子：能見度因子「時段（白天與晚上）」與「光線（日間自然光線與非日間自然光線）」二變數得點較高，因此二變數與能見度較有關，故命名為能見度因子。第三因子：視線因子「有無障礙」與「視距是否良好」二變數得點較高，因其二變數與視線較有關，故命名為視線因子。第四因子：交通量因子「日期（假日與非假日）」與「尖峰時間」二變數得點較高，因此二變數與交通流量有關，故命名為交通量因子。

(45)

表 4.3 基隆市路口肇事以八個要因變數轉軸後之因子負荷量因子別變數第一因子路面狀況因子第二因子能見度因子第三因子視線因子第四因子交通量因子共同性 V1 天候（雨天與非雨天） 0.974 0.041 0.024 0.025 0.952 V2 路面狀況（乾燥與濕濘） 0.973 0.045 0.011 0.023 0.949 V3 時段（白天與晚上） 0.072 0.873 0.030 -0.090 0.776 V4 光線（日間自然光線與非日間自然光線） 0.034 0.844 -0.019 0.060 0.717 V5 有無障礙 0.015 0.037 0.845 -0.050 0.718 V6 視距是否良好 0.016 -0.015 0.842 0.051 0.712 V7 日期（假日與非假日） -0.023 0.129 0.049 0.878 0.790 V8 尖峰時間（尖峰與非尖峰） 0.094 -0.392 -0.068 0.533 0.451 特徵值 1.911 1.650 1.433 1.073 -寄與率（﹪） 23.888 20.630 17.913 13.408 -累積寄與率（﹪） 23.888 44.519 62.432 75.840

(46)

-4.2.2 路段肇事變數之因子分析將基隆市路段肇事之要因變數：時段（白天與晚上）、日期（假日與非假日）、尖峰時間（尖峰與非尖峰）、天候（雨天與非雨天）、光線（日間自然光線與非日間自然光線）、道路型態（直路與非直路）、路面狀況（乾燥與濕濘）、有無缺陷、有無障礙、視距是否良好、快車道數（四個快車道數與非四個快車道數）、速限（≦40 公里與＞40 公里）、有無分向設施、有無標誌等十四個變數各分成二群進行因子分析。因「有缺陷」的情況甚少，故將「有無缺陷」變數刪除，不作分析，以 SPSS 軟體對十三個變數進行因子分析後，經由 Kaiser-Meyer-Olkin 的取樣適當性量數（即 KMO）及每一個變項的取樣適當性量數（即 MSA）檢核後，發現「道路型態（直路與非直路）」、「快車道數」及「尖峰時間」之 MSA 小於 0.5，顯示此三個變項不適合進行因子分析，故刪除此三變數後，以十個變數進行第二次因子分析，得表 4.4 所示。

(47)

表 4.4 基隆市路段肇事以十個要因變數轉軸後之因子負荷量因子別變數第一因子第二因子第三因子第四因子第五因子 V1 時段（白天與晚上） 0.967 0.049 0.015 -0.014 -0.027 V2 光線（日間自然光線與非日間自然光線） 0.966 0.070 0.004 -0.009 -0.044 V3 天候（雨天與非雨天） 0.054 0.971 0.034 0.001 0.004 V4 路面狀況（乾燥與濕濘） 0.062 0.970 0.030 0.006 0.002 V5 視距是否良好 0.002 0.026 0.805 -0.028 -0.068 V6 有無障礙 0.085 -0.002 0.802 -0.051 0.014 V7 日期（假日與非假日） -0.061 0.030 0.218 0.107 0.134 V8 有無標誌 -0.058 0.013 0.064 0.831 -0.213 V9 速限 0.076 -0.021 -0.081 0.615 0.468 V10 有無分向設施 -0.064 0.000 0.057 -0.093 0.876 寄與率（﹪） 19.000 18.933 13.546 10.929 10.569 累積寄與率（﹪） 19.000 37.933 51.479 62.409 72.978 本因子分析原則上取因子負荷量絕對值大於 0.4 之變數加以分析，由上表顯示，第三因子中「日期（假日與非假日）」之轉軸後因子負荷量小於 0.4，故將該變數刪除，另第五因子只包含「有無分向設施」一項變數，涵蓋變數太少，故將其刪除較為適合，以八個變數進行第三次因子分析。此次因子分析經由 Kaiser-Meyer-Olkin 的取樣適當性量數（即 KMO）及每一個變項的取樣適當性量數（即 MSA）檢核，每一個變數

(48)

之 KMO 及 MSA 皆大於 0.5，表示適合進行因子分析。且由原來相關係數減去再製相關係數所得之殘差中，亦只有 14%大於 0.05，表示本因子分析還算成功。由此分析可抽出四個特性較為顯著之因子，其累積寄與率達 77.9﹪，即此四個因子足夠說明原有的八個變數。因子的解釋能力由第一個因子的 23.7﹪說明能力逐次遞減到第四因子 13.8 ﹪，如表 4.5 所示。將此四個因子分別命名為（1）路面狀況因子（2）能見度因子（3）視線因子（4）交通限制因子，茲將各因子的特性說明如下：第一因子：路面狀況因子「天候（雨天與非雨天）」與「路面狀況（乾燥與濕濘）」二變數得點較高，因其二變數與路面乾溼狀況較有關，故命名為路面狀況因子。第二因子：能見度因子「時段（白天與晚上）」與「光線（日間自然光線與非日間自然光線）」二變數得點較高，因此二變數與能見度較有關，故命名為能見度因子。第三因子：視線因子「有無障礙」與「視距是否良好」二變數得點較高，因其二變數與視線較有關，故命名為視線因子。第四因子：道路限制因子「有無標誌」與「速限（40 公里以內）」二變數得點較高，因故此二變數與道路限制有關，故命名為道路限制因子。

(49)

表 4.5 基隆市路段肇事以八個要因變數轉軸後之因子負荷量因子別變數第一因子路面狀況因子第二因子能見度因子第三因子視線因子第四因子道路限制因子共同性 V1 天候（雨天與非雨天） 0.971 0.054 0.027 -0.001 0.947 V2 路面狀況（乾燥與濕濘） 0.971 0.062 0.023 0.003 0.947 V3 時段（白天與晚上） 0.048 0.969 0.032 -0.008 0.942 V4 光線（日間自然光線與非日間自然光線） 0.069 0.968 0.022 -0.006 0.942 V5 視距是否良好 0.035 -0.017 0.819 -0.013 0.672 V6 有無障礙 0.007 0.063 0.812 -0.019 0.664 V7 有無標誌 0.017 -0.053 0.066 0.753 0.574 V8 速限 -0.015 0.042 -0.095 0.730 0.544 特徵值 1.894 1.893 1.346 1.101 - 寄與率（﹪） 23.676 23.665 16.830 13.757 - 累積寄與率（﹪） 23.676 47.341 64.171 77.928 -

(50)

4.3 路口及路段肇事模式分析

本研究採用一般化的線性模式（Generalized Linear Model，以下簡稱 GLM）的卜瓦松迴歸模式及負二項迴歸模式來構建基隆市路口路段的肇事分析模式。本模式先採用卜瓦松迴歸模式進行構建，且假設其平均數等於變異數。lnλi=βxi 當肇事資料之平均數不等於其變異數時，即資料的離散程度過大，則以負二項迴歸模式分析。此時 lnλi=βxi+ε , ε（1.0，α 2 ）模式的一般式為 Var[yi]=E(yi){1+αE(yi)}

則 Var[yi]/E(yi)= 1+αE(yi)

因此當α=0 時，平均數等於變異數，則其肇事模式之分配為卜瓦松迴歸模式。當α≠0 時，平均數不等於變異數，表示資料有過度離散之情形，則其肇事模式之分配為負二項迴歸模式。本研究採用計量軟體 LIMDEP7.0 來進行卜瓦松迴歸模式及負二項迴歸模式之肇事分析，二者皆使用最大概似法來估計檢定，以便找出基隆市路口及路段之肇事最佳模式。 4.3.1 路口肇事模式 依據前章路口肇事要因變數因子分析之結果，得四個主要因子，分別為路面狀況因子（雨天與非雨天、乾燥與濕濘）、能見度因子（白天與晚上、日間自然光線與非日間自然光線）、視線因子（有無障礙、視距是否良好）、交通量因子（假日與非假日、尖峰時間）。本研究因變數為 89-91 年間路口發生之肇事次數（單位：次），自變數則以上述四個因子、「道路型態（四岔路與非四岔路）」及「有