臺北市非號誌化路口肇事特性分析與改善策略研擬

國

立

交

通

大

學

交通運輸研究所

碩

士

論

文

臺 北 市 非 號 誌 化 路 口 肇 事 特 性 分 析 與 改 善 策 略 研 擬

Analysis of Traffic Accident and Safety Improvement Measures for

Unsignalized Intersection in Taipei City

研 究 生：謝易達

指導教授：黃承傳 教授

臺北市非號誌化路口肇事特性分析與改善策略研擬

Analysis of Traffic Accident and Safety Improvement Measures for

Unsignalized Intersection in Taipei City

研 究 生：謝易達 Student：Yi-Da Xie

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 2010

Taipei, Taiwan, Republic of China

臺 北 市 非 號 誌 化 路 口 肇 事 特 性 分 析 與 改 善 策 略 研 擬

學生：謝易達 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

交通事故地點可區分為「路段」及「路口」兩大類，路口又因交通管制方式 之不同，而可區分為號誌化路口與非號誌化路口；在主要道路匯集的交岔路口， 因交通量較大，必須設置號誌分配時相，供不同方向之車流通行，但在交通量未 達設置標準之路口，則以設置警告或禁制標誌（線）等設施，提升路口的顯著性 或區分車輛路權等，以避免交通事故發生。鑑於非號誌化路口與號誌化路口之態 樣不盡相同，但以往研究常將兩者合併，無法區別號誌化與非號誌化路口之交通 事故特性，故本研究特別針對非號誌路口之交通事故深入探討，找出影響肇事嚴 重程度之因素，做為研擬提升非號誌化路口交通安全的基本依據。 本研究以民國 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，並依文 獻回顧及實務上所能取得的資料，蒐集「人」、「車」、「路」、「環境」及「交 通管制因素」等 19 項研究變數；先構建具有最多顯著變數之多項羅吉特模式， 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。 在改善策略研擬部分，交通工程建議從提升路口能見度、改變路口 10 公尺內禁 止臨停標線及於交通標誌引進 ITS 技術著手，並選擇地點試辦，檢視其設置成效； 交通執法則建議應強化閃光號誌及停讓設施的管制力、取締路口 10 公尺內停車 等，以建立正確的用路權念；在教育宣導則建議可宣導駕駛人多加利用路口反射 鏡、轉彎前應注意左（右）後方來車等，以提升駕駛人交通安全觀念。

關鍵字：非號誌化路口、混合羅吉特模式、肇事嚴重程度

Analysis of Traffic Accident and Safety Improvement Measures

for Unsignalized Intersection in Taipei City

Student：Yi-Da Xie Advisors：Dr.

Cherng-Chwan

Huang

Institute of Traffic and Transportation

National Chiao Tung University

ABSTRACT

The accidents could be sorted to section and intersection by locations, and the intersections could be classified into signalized and unsignalized intersections. Intersections with high volume of traffic usually use traffic singals to separate the vehicles from different direction. But the volume of traffic in intersection without exceeding the criteria usually only install warning or prohibition sign (or marking) to promote visibility of intersection and confirm the right of way. In consideration of the accidents in signalized or unsignalized are different, this study focuses on the accidents of unsignalized intersections to find the influential factors of accident severity, and to propose the safety improvement measures.

This study is based the accident data of unsignalized intersection in 2008 in Taipei City. The severity is classified into three categories: “property damage only”, “injury” and “incapacitating and fatal injury". Depending on literature review and practical experience, there are 19 possible influential factors including “driver”, “vehicle”, “road”, “environment” and “traffic control”. Through the development of a most suitable logit model with maximum number of factors, we then explore the similarity of the classification of severity by nest logit model, and to investigate the difference of parameters by mixed logit model.

The results show that mixed logit model can well describe the accident severity for unsignalized intersections. For incapacitating and fatal injury, there are six positive variables (ex. cross between the same traffic flow etc.) and five negative variables (ex. net marking etc.). For injury, there are nine positive variables (ex. cross between the differ traffic flow etc.) and five negative variables (ex. male etc.).In this study, the proposed safety improvement measures in traffic engineering are to promote visibility of intersection, change the marking for parking near the intersection and integrate ITS with traffic sign. In enforcement, the measures are to intensify the effectiveness for flashing light and stop or yield sign (marking), ban parking near the intersection. Meanwhile, the measures in education are to promote the habit of drivers to use the reflectors and look out the rear vehicles before turning etc.

Key words: Unsignalized intersection, Mixed logit model, Accident

severity

誌

謝

畢業對同學而言，可能是新的開始；但對我而言，終於能夠脫離「北

市交大」的雙重身份了！當高中畢業進入中央警察大學之後，就過著跟一

般大學生截然不同的生活，當大學畢業考過三等特考，進入臺北市交通警

察大隊工作後，即受到前期學長姊的鼓勵，嘗試將自己的研究所目標訂在

「交通大學交通運輸研究所」。後來在因緣際會之下，到警察專科學校支

援 9 個月，在學校內與學生一起唸書，終於如願在符合資格後即考取了交

通運輸研究所，造就了我這 2 年擁有「臺北市交通警察大隊分隊長」及「交

通大學的臺北校區學生」的雙重身分，也讓我能夠去從一般校園的生活裡，

體會學習的自由及多樣化，拓展自己見識的領域。

進修的期間，時常要在上班地點及學校之間往返，除了要感謝 Uno、鎮

蓬、文雅、小黃、文嘉等人的幫忙，還有黃承傳老師、溫傑華老師及張季

倫、吳熙仁、林聖章、傅強等學長的指導，讓我得以順利完成學業之外，

也感謝前組長蘇裕展等長官的支持，減輕我工作上的壓力，以及身旁家人

與某人的鼓勵，使我能夠專心、如期地完成論文寫作；最後，我也期許逸

鈞、銘峰、筱瑜、元維、三隆學長及宛蓁學姊能夠接續完成在警大碩士班

的學業囉！

謝 易 達 謹誌于臺北

中華民國九十九年六月

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 研究目的與範圍 ... 2 1.3 研究項目與內容 ... 4 1.4 研究流程與方法 ... 5 第二章 文獻回顧 ... 7 2.1 交通事故改善策略之相關文獻 ... 7 2.2 肇事統計分析之相關文獻 ... 9 2.2.1 迴歸模式 ... 9 2.2.2 卜瓦松迴歸與負二項迴歸模式 ... 10 2.2.3 羅吉斯特迴歸模式 ... 13 2.2.4 羅吉特模式 ... 14 2.3 研究變數整理 ... 19

2.4 小結 ... 21 第三章 羅吉特模式之架構與構建程序 ... 22 3.1 多項羅吉特模式 ... 22 3.2 巢式羅吉特模式 ... 23 3.3 混合羅吉特模式 ... 24 3.3.1 混合羅吉特模式之推導 ... 24 3.3.2 各種參數分配狀況 ... 24 3.4 模式選擇 ... 26 3.5 羅吉特模式之校估與檢定 ... 27 3.6 模式構建程序 ... 28 第四章 資料蒐集與基本分析 ... 29 4.1 資料蒐集 ... 29 4.2 肇事嚴重程度分類 ... 29 4.3 肇事資料特性分析 ... 30 4.4 資料統計與交叉分析 ... 37 4.4.1 卡方檢定 ... 37 4.4.2 檢定結果 ... 38 4.5 小結 ... 52 第五章 模式校估與應用 ... 53 5.1 多項羅吉特模式 ... 53 5.2 巢式羅吉特模式 ... 60 5.3 混合羅吉特模式 ... 61

5.4 改善策略研擬 ... 66 5.5 小結 ... 72 第六章 結論與建議 ... 73 6.1 結論 ... 73 6.2 建議 ... 74 參考文獻... 75 附錄 1 多項羅吉特模式校估結果... 79 附錄 2 巢式羅吉特模式校估結果 ... 80 附錄 3 巢式羅吉特模式校估結果 ... 81 附錄 4 混合羅吉特模式校估結果 ... 82

圖

目錄

圖 1-1 交岔路口範圍平面圖 ... 3 圖 1-2 研究流程圖 ... 6 圖 2-1 現場圖 ... 19 圖 2-2 現場相片 ... 20 圖 3-1 巢式羅吉特模式架構 ... 23 圖 3-2 第 1、2 類嚴重程度同巢結構 ... 28 圖 3-3 第 2、3 類嚴重程度同巢結構 ... 28 圖 5-1 Limdep 3.0 軟體操作界面... 53 圖 5-2 閃光號誌參數值之正負機率分配圖 ... 64 圖 5-3 不同方向車流之交叉衝突參數值之正負機率分配圖 ... 65 圖 5-4 相同方向車流之交叉衝突參數值之正負機率分配圖 ... 66 圖 5-5 簡化網狀線 ... 67 圖 5-6 太陽能標記 ... 68 圖 5-7 路口 10 公尺標線繪設方式 ... 68 圖 5-8 LED 標誌牌面... 69 圖 5-9 小型車內輪差示意圖 ... 70 圖 5-10 行經路口的注意事項 ... 71 圖 5-11 行經非號誌化路口的注意事項 ... 71 圖 5-12 紅燈倒數裝置 ... 72

表

目錄

表 1.1 臺灣地區道路交通事故統計 ... 1 表 1.2 臺灣地區 96 年主要死亡原因及死亡人數 ... 2 表 1.3 臺北市道路交通事故統計 ... 2 表 2.1 相關文獻彙整表 ... 15 表 2.2 研究變數彙整表 ... 20 表 4.1 嚴重程度分類 ... 29 表 4.2 本研究肇事嚴重程度分類與我國現行法規之差異 ... 30 表 4.3 行向衝突分類 ... 30 表 4.4 路口型態分類 ... 31 表 4.5 當事人車種分類 ... 32 表 4.6 當事人性別分類 ... 32 表 4.7 當事人年齡分類 ... 32 表 4.8 第二當事人速度分類 ... 32 表 4.9 各造當事人車道數 ... 33 表 4.10 各造當事人車道寬度 ... 33 表 4.11 網狀線分類 ... 33 表 4.12 反射鏡分類 ... 34 表 4.13 路口停車分類 ... 34 表 4.14 「慢」字設施分類 ... 34 表 4.15 減速設施分類 ... 35

表 4.16 閃光號誌分類 ... 35 表 4.17 「停」「讓」設施分類 ... 36 表 4.18 天候分類 ... 36 表 4.19 日期分類 ... 36 表 4.20 時段分類 ... 37 表 4.21 列聯表 ... 37 表 4.22 嚴重程度與第二當事人速度之列聯表 ... 38 表 4.23 嚴重程度與第二當事人速度之卡方檢定表 ... 38 表 4.24 嚴重程度與第一當事人車種之列聯表 ... 39 表 4.25 嚴重程度與第一當事人車種之卡方檢定表 ... 39 表 4.26 嚴重程度與第二當事人車種之列聯表 ... 40 表 4.27 嚴重程度與第二當事人車種之卡方檢定表 ... 40 表 4.28 嚴重程度與行向衝突之列聯表 ... 41 表 4.29 嚴重程度與行向衝突之卡方檢定表 ... 41 表 4.30 嚴重程度與路口型態之列聯表 ... 42 表 4.31 嚴重程度與路口型態之卡方檢定表 ... 42 表 4.32 嚴重程度與網狀線之列聯表 ... 43 表 4.33 嚴重程度與網狀線之卡方檢定表 ... 43 表 4.34 嚴重程度與反射鏡之列聯表 ... 43 表 4.35 嚴重程度與反射鏡之卡方檢定表 ... 44 表 4.36 嚴重程度與天候之列聯表 ... 44 表 4.37 嚴重程度與天候之卡方檢定表 ... 44

表 4.38 嚴重程度與停讓設施之列聯表 ... 45 表 4.39 嚴重程度與停讓設施之卡方檢定表 ... 45 表 4.40 嚴重程度與性別之列聯表 ... 46 表 4.41 嚴重程度與性別之卡方檢定表 ... 46 表 4.42 嚴重程度與年齡之列聯表 ... 46 表 4.43 嚴重程度與年齡之卡方檢定表 ... 47 表 4.44 嚴重程度與慢字設施之列聯表 ... 47 表 4.45 嚴重程度與慢字設施之卡方檢定表 ... 47 表 4.46 嚴重程度與減速設施之列聯表 ... 48 表 4.47 嚴重程度與減速設施之卡方檢定表 ... 48 表 4.48 嚴重程度與飲酒情形之列聯表 ... 48 表 4.49 嚴重程度與飲酒情形之卡方檢定表 ... 49 表 4.50 嚴重程度與路口停車之列聯表 ... 49 表 4.51 嚴重程度與路口停車之卡方檢定表 ... 49 表 4.52 嚴重程度與閃光號誌之列聯表 ... 50 表 4.53 嚴重程度與閃光號誌之卡方檢定表 ... 50 表 4.54 嚴重程度與日期之列聯表 ... 50 表 4.55 嚴重程度與日期之卡方檢定表 ... 51 表 4.56 嚴重程度與時段之列聯表 ... 51 表 4.57 嚴重程度與時段之卡方檢定表 ... 51 表 4.58 類別變數卡方檢定結果 ... 52 表 5.1 納入第二當事人車種變數之多項羅吉特模式 ... 54

表 5.2 刪除不顯著變數之多項羅吉特模式 ... 54 表 5.3 納入第一當事人車種之多項羅吉特模式 ... 54 表 5.4 刪除第一當事人車種為大型車之多項羅吉特模式 ... 55 表 5.5 納入第一、二當事人車種之多項羅吉特模式 ... 56 表 5.6 刪除車種為大型車之多項羅吉特模式 ... 56 表 5.7 模式構建過程 ... 57 表 5.8 本研究之最適多項羅吉特模式 ... 59 表 5.9 單一隨機參數校估結果 ... 62 表 5.10 最適混合羅吉特模式 ... 63 表 5.11 不同方向車流交叉衝突當事人車道數統計表 ... 65 表 5.12 相同方向車流交叉衝突之當事人車種統計表 ... 66

第一章 緒論

1.1 研究背景與動機：

依據世界衛生組織（World Health Organization, W.H.O.）98 年 6 月 15 日於「道路安全全球現狀報告」指出，全球每年高達 127 萬人死於交通事 故，且其中 46％為「弱勢道路使用者」，即機車、行人和自行車等防護設備較 為不足之用路人。道路交通事故所造成的人員傷亡與財物損失，不僅是經濟 問題，其發生交通事故後對於當事人家庭生活的影響，也常會成為社會問題。 為了減少事故發生及其所衍生的社會問題，交通安全改善一直是各國政府相 關部門致力的重要工作之一。 依據我國交通部統計，民國 92 年至 97 年機動車輛年平均成長率為 2.66 ％（其中小客車年平均成長率為 1.90％，機車年平均成長率為 3.04％），而 道路里程數的年平均成長率則為 1.56％，顯見機動車輛與道路里程數雖逐年 增加，惟道路里程的成長速率卻不及機動車輛的成長，因而道路擁擠程度更 加嚴重，增加行車的危險性。另我國於民國 92 年至 97 年之交通事故年平均 件數為 15 萬 1,376 件，平均死傷人數高達 20 萬 1,701 人，顯示交通事故對 於人民生命財產之危害是不可忽視的（如表 1.1）。 表 1.1、臺灣地區道路交通事故統計 年度 合計 A1 類 A2 類 件數 死亡 受傷 件數 死亡 受傷 件數 受傷 92 120,223 2,718 156,303 2,572 2,718 1,262 117,651 155,041 93 137,221 2,634 179,108 2,502 2,634 1,248 134,719 177,860 94 155,814 2,894 203,087 2,767 2,894 1,383 153,047 201,704 95 160,897 3,140 211,176 2,999 3,140 1,301 157,898 209,875 96 163,971 2,573 216,927 2,463 2,573 1,006 161,508 215,921 97 170,127 2,224 227,423 2,150 2,224 983 167,977 226,440 平均 151,376 2,697 199,004 2,576 2,697 1,197 148,800 197,807 資料來源：交通部，民 98 依我國衛生署統計，事故傷害為我國 10 大死因中之第 5 位，其中的機動 車輛交通事故死亡人數亦居前 10 名之內（如表 1.2）。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。

截 取 其 中 「 機 動 車 輛 」 部 分 表 1.2、臺灣地區 96 年主要死亡原因及死亡人數 資料來源：衛生署，民 97 1.2 研究目的與範圍 臺北市為我國主要的政治、經濟中心，車輛持有與使用率甚高，其土地 面積雖僅占全國的 0.75％，但民國 92 年至 97 年間，臺北市交通事故件數平 均每年高達 2 萬 6,516 件（包含 A1、A2 及 A3 類），其中 A1 類及 A2 類交通事 故件數為 1 萬 5,301 件，佔臺灣地區道路交通事故件數比例平均約為 10.25 ％（如表 1.3），因此本研究擬以臺北市為地理研究範圍。 表 1.3、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 92 27,845 87 15,148 12,610 15,235 12.67% 93 26,572 93 14,871 11,608 14,964 10.91% 94 27,765 79 15,858 11,828 15,937 10.23% 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% 平均 26,516 83 15,219 11,215 15,301 10.25% 資料來源：臺北市政府警察局交通警察大隊，民 98 序位 死亡原因 死亡人數 1 惡性腫瘤 Malignant neoplasms 40,306 … … … 5 事故傷害

Accidents and adverse effects 7,130

… … …

8 腎炎、腎徵候群及腎性病變

Nephritis, nephrotic syndrome and nephrosis 5,099

→ 機動車交通事故

Motor vehicle traffic accidents 4,007

9 自殺

交通事故地點一般可區分為「路段」及「路口」兩大類，路口為道路系 統車流匯集之處，對於車流是否能順暢且安全通過影響甚大；而在主要道路 匯集的交岔路口，通常會透過設置號誌，以時相分配方式來提供不同方向的 車流通行，藉以提升行車順暢及交通安全；然而對於路口交通量未達設置標 準者（道路交通標誌標線號誌設置規則第 226 條），則以設置警告標誌、閃 光號誌或「停」、「讓」標誌（字）等交通設施提升路口之顯著性，提醒行經 該處之駕駛人注意，並區分不同方向車流之優先通行權。惟此種非號誌化路 口之管制方式，卻將路口穿越的注意義務均附加在次要路權的駕駛人身上； 當次要路權的駕駛人行經該處時，必頇自行判斷並等待主要道路車流出現安 全間距時即時通過；另相關路口研究資料常將號誌化路口及非號誌路口合併 為「路口」交通事故，或以號誌化路口做為主要研究對象；鑑於非號誌化路 口之態樣與號誌化路口不盡相同，且現實生活中，除了既有的交通管制設施 之外，亦有民眾會自行加掛特殊牌面，加強警示作用，故將「號誌化」與「非 號誌化」路口合併研究將無法找出非號誌化路口之事故特性，故本研究將以 臺北市非號誌化路口做為研究範圍，找出影響非號誌化路口肇事嚴重程度的 重要成因，並研擬改善建議。 路口範圍則可界定為兩條以上道路平面交岔重疊區域，及從該區域向外 延伸 10 公尺以內之範圍。以四岔路口為例，其路口涵蓋區域之平面圖，如 圖 1-1 所示。 圖 1-1 交岔路口範圍平面圖 我國現行對於交通事故之分類，係依照事故當事人傷亡程度，區分為 A1 類（當事人肇事後 24 小時內死亡者）、A2 類(當事人肇事後超過 24 小 時死亡或受傷者)及 A3 類（當事人均無傷亡，僅有單純財損者）交通事故。 因 A1 類及 A2 類交通事故將來可能涉及刑事告訴（如過失致死、過失傷害 等）問題，故現行警察機關僅針對 A1 類及 A2 類交通事故填報「道路交通 事故調查報告表」，詳填事故現場概況；相較之下，A3 類交通事故資料則

顯得較不完備，故我國交通事故研究多以 A1 及 A2 類交通事故做為主要研 究對象，研擬降低傷亡程度之策略。惟本研究將嘗詴藉由查閱現場資料（如 現場圖、現場相片等），將 A3 類事故資料整併納入，以建立完整的資料 庫，一併列為本研究對象，以力求完備。 從有關交通事故分析之研究得知，人為因素並非交通事故發生的唯一被 影響因素，而是用路人與道路環境、交通工程設施因素彼此交互影響，故交 通安全的改善工作有所謂的 3E 政策，即包括工程（Engineering）、教育 （Education）、執法（Enforcement）等手段。工程手段係指透過標誌、標線 與號誌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； 教育手段則是藉由學校、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；而執法手段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。綜上所述，本研究主要目的可 歸納為： 一、分析臺北市非號誌化路口之主要肇事原因、當事人（如年齡、性別）、 車輛種類及現場環境（如天候、路口幾何設計型式、道路寬度）等特性。 二、構建非號誌化路口交通事故嚴重程度之模式，據以探討當事人、駕駛車 輛、道路環境與交通工程設施等可能影響因素對非號誌化路口交通事故 之影響情形。 三、依據模式分析結果，以及非號誌化路口交通事故主要原因，以 3E 政策（教 育、工程、執法）觀點，針對本研究範圍之事故特性研擬改善對策，如 擬訂宣導對象範圍及內容、工程改善或針對危害用路人安全之違規項目 加強執法取締等。 1.3 研究項目與內容 一、問題界定：就本研究之研究動機、研究目的、研究範圍課題與範圍予以 說明，並對所欲採用的研究方法及採用的原因予以簡述，最後則說明本 研究之研究流程及論文結構。 二、文獻回顧：首先檢視國內、外對於路口交通事故分析及改善方式，其次 回顧交通事故常用的分析方法，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；因本研究主要為探討駕駛人在非號誌化路口交通 事故之影響因素，交通事故類型又包含用路人自身及道路環境等特性， 且單一變數對肇事嚴重程度並非必為正面或負面性之影響，故本研究將 選擇混合羅吉特方法構建非號誌化路口之肇事模式，據以分析各因素的 影響程度，並作為研擬改善策略的參考。 三、資料蒐集與整理：臺北市政府警察局已於 97 年度開始啟用交通事故資訊 e 化系統，將交通事故卷宗資料（包含現場圖、當事人談話紀錄表、現場 相片等）逐頁掃瞄以數位化方式存管，俾利各相關單位調閱應用，故本 研究將以臺北市 97 年度非號誌化路口交通事故資料為主要依據，逐案調

閱現場處理資料，以補充現有交通事故現場資料內容不足之處，並建立 完整的事故資料庫俾供分析。 四、基本資料統計分析：將臺北市 97 年度非號誌化路口交通事故資料，以碰 撞型態（同向側撞、路口角撞事故等）、當事人特性（年齡、性別等）、 車種（機車、汽車等）及現場環境（天候、道路寬度等）等予以分類， 並進行基本統計分析，以找出有明顯差異之變數，做為構建模式之參考。 五、肇事模式構建與分析：將統計分析後之解釋變數，選擇影響非號誌化路 口交通事故嚴重程度的可能因子，構建混合羅吉特模式，以找出顯著的 影響變數。 六、改善策略研擬：以混合羅吉特模式校估結果為基礎，對臺北市非號誌化 路口交通事故顯著之影響變數，研擬宣導、工程及執法重點方向之改善 策略。 七、結論與建議：將研究過程所發現之主要結論及建議事項加以綜合歸納， 並以條列方式說明。 1.4 研究流程與方法 本研究所採用之研究方法概述如下： 一、資料蒐集與分析：蒐集臺北市 97 年度非號誌化路口交通事故資料，依現 場圖及相片內容，建置完整之交通事故現場資料內容，並針對事故碰撞 型態（前後追撞、同向側撞、路口角撞事故等）、當事人特性（年齡、 性別等）、車種（機車、汽車等）及現場環境（天候、舖面、道路寬度 等）進行基本統計分析並尋找各變數特性，俾做為構建模式之用。 二、肇事模式構建：依非號誌化路口交通事故特性分析結果，選擇影響嚴重 程度的可能因子構建混合羅吉特模式並校估參數的顯著程度，以找出非 號誌化路口交通事故之重要影響變數，並檢視混合羅吉特模式應用於非 號誌化路口交通事故分析的適合性。 三、改善策略研擬：以混合羅吉特模式校估結果為基礎，對影響臺北市非號 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 宣導、工程及執法面之改善策略。

第二章 文獻回顧

本研究主要目的為探討臺北市非號誌化路口交通事故特性與找出影響事 故發生的因素，俾研擬防制與改善策略。以下便針對前揭議題進行相關文獻 之回顧與整理。首先，回顧現今國內外與非號誌化路口交通事故特性相關之 文獻。接著回顧有關交通事故分析方法與模式之文獻。 2.1 交通事故改善策略之相關文獻 Wong 等(2010)【23】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，並且會嘗詴去採取不 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詴誤行為。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 ITS(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)【24】為探討 2005 年夏威夷對於駕駛人行經行人穿越道策略改變對 駕駛行為之影響，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。 湯儒彥（民 87）【4】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。

劉正揚（民 88）【5】以「臺灣地區易肇事路段改善計畫」第 14、15 期中之 61 個 路口為研究對象，藉由問卷調查分析、路口主要肇因之判定，並藉由相關文獻研 擬各項肇事原因之可行改善措施，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。該研究發現，易肇事路口肇事主因較常見者依序為「車速 過快」、「駕駛人違規駕駛」及「視線不良」等；而易肇事路口之主要改善措施共 包括設置號誌、標線、反光標記、標誌、告示牌、改變中央分隔島、減速標線、 測速照相、路口網狀線、時相變更與閃光號誌等 11 項，其中設置號誌、標線、時 相變更等 3 項有明顯改善成效，而設置閃光號誌及測速照相並無明顯改善成效。 吳易真(民 92)【6】於基隆市交通事故分析及安全改善之研究中，以交通工程觀 點，研擬對於路口交叉撞、側撞改善策略，其應以清除視障、以標線或反光路面 標記來突顯路口存在、主要道路設置警告標誌及次要道路設置「停」、「讓」字標 誌，或於夜間低流量時段以閃光號誌取代三色號誌以提醒駕駛人等方式，以減少 路口肇事率。 Al-Ghamdi（2002）【25】為探討影響交通事故嚴重之主要原因，以阿拉伯利 雅德 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，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。 Mussone 等（1999）【26】為評估交岔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 件事故發生在交岔路口，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。 吳宗修(民 87)【10】在非號誌化路口肇事責任鑑定原則中，以路權規範為基 礎，結合了當事人車輛不同之行向，研訂出了 15 種路口之穿越型態，並且針 對 7 種有潛在車流衝突之型態，配合了圖解法繪出，將每種型態之違反路權 優先規範而引發車流衝突動向，作為判定肇事責任之基本原則，並考量道路

彎曲、路幅、路型與當事人本身狀態，將責任再加以修正。 葉名山、林世淵等(民 93)【11】在肇事鑑定芻型與理賠機制之研究中，對於 非號誌化路口之不同行向，輔以左、右方車於不同車速、飲酒情形下，制定 各類型事故型態，並採用了專家問卷調查與權重分析方法之方式，擬定了兩 車非號誌化路口之肇責乘數分攤表，總模式判中率為 76％。 陳婉郁(民 93)【12】在路口橫向碰撞事故之鑑定分析中，僅將肇事地點為非 號誌化且無幹、支線道區分之路口，且以橫向及雙方均為直行動作作為探討 之依據，即僅探討非號誌化路口左方車之肇事因素，以進行較細部之分析， 其考慮變數有右方車是否靠右行駛、車損部位(雙方變數)、是否超速、是否 飲酒、是否預見、當事人採取措施等。 黃士軒(民 96)【7】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。 2.2 肇事統計分析之相關文獻 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， 而這些迴歸模式又可分為迴歸、卜瓦松迴歸及負二項迴歸、羅吉斯特等總體 模式。以下茲分述各類常用模式之相關文獻。 2.2.1 迴歸模式 迴歸（Regression）分析方法是以一個或多個自變數預測、描述或估計 一特定應變數的分析方法，其用途相當廣泛。而迴歸模式則必頇滿足殘差項 合於不偏性、均齊變異性、獨立性及常態性之基本假設。茲將相關文獻敘述 如下： Zegeer(1988)【27】構建迴歸模式來分析雙車道公路交通事故、交通特性及 公路幾何間之關係，並依不同交通量水準構建子模式。研究結果發現，影響 肇事之重要變數有平均每日交通量、彎曲路段百分比、沿線交岔路口數、道 路寬度及地形為丘陵或平地等。

黃新薰(民 79)【13】透過迴歸分析方法對連續開車時數與大貨車之行車安全 作深入之研究。研究結果發現，連續開車時數與駕駛人所承擔之風險呈指數 函數關係，而其工作時間、車種類別及載重等因素對連續開車的大貨車駕駛 人發生交通事故具有顯著影響，而年齡與駕駛經驗則無顯著影響。 歐輝政、吳木富(民 81)【14】蒐集民國 68 年至 80 年間之高速公路交通事故、 收費站交通量資料進行以下 4 種分析：（1）肇事原因探討-探討不同肇事原 因之肇事次數及嚴重程度；（2）車種對肇事之影響分析-除分析各車種肇事 次數及嚴重程度外，並配合各類車種交通量分析該車種之肇事率、嚴重程度 及交通量指標，最後再針對特定車種分析其肇事原因；（3）季節變化對肇事 之影響分析-將肇事次數及嚴重程度資料按月統計，並進行季節指數分析，以 找出肇事次數及嚴重程度較高之月份；（4）事故長期趨勢分析-分別以肇事 次數及嚴重程度為應變數，曝光量為自變數，建立兩個雙曲線之迴歸模式。 Levine 等(1995)【28】欲研究美國檀香山每天肇事次數的變化，觀測 1990 年 每日交通事故案件，其採用的分析方法為迴歸模式，應變數為某特定日的肇 事次數，自變數共為 33 個，區分為 10 種，包含交通趨勢、交通流量、特定 日期、特定月份、主要假日、普通假日、財物損失、天氣、失業率及旅遊人 數族群等。研究結果發現星期五、星期六、普通假日及降雪等因素會導致較 高的肇事次數，而主要假日與失業率因素的提高則會減低肇事次數。 2.2.2 卜瓦松迴歸與負二項迴歸模式 卜瓦松迴歸（Poisson Regression）模式屬於一般化線性模式的一種， 其應變數資料特性應符合卜瓦松分配，即平均值頇與變異數相等；為了克服 迴歸常態性基本假設的一些謬誤，因此其模式之校估方法不同於迴歸模式， 而是以最大概似法校估參數，卜瓦松迴歸模式主要用於稀少事件之分析，且 因交通事故案件數具稀少之特性，因此交通事故研究者多以卜瓦松迴歸方法 建立肇事分析及預測模式；另負二項迴歸（Negative Binomial Regression） 模式亦屬一般化線性模式之一，其應變數資料特性則符合負二項分配，與卜 瓦松迴歸模式相較，允許變異數大於平均數，且可處理資料過度離散之問題， 因此亦有將本模式用於肇事分析之趨勢。茲將國內外相關文獻分述如下： Joshua 等(1990)【29】研究美國維吉尼亞地區之公路幾何設計與大貨車肇事 之間的關係，該研究同時使用迴歸與卜瓦松迴歸模式來進行分析比較。研究 結果顯示卜瓦松迴歸較迴歸模式較能正確地描述大貨車交通事故與變數間的 關係。

Miaou 等(1994)【30】欲了解北卡羅來納州內州際公路的公路幾何設計與大貨 車肇事之間的關係，該研究採用卜瓦松迴歸模式進行模式構建。研究結果顯 示年平均每日交通量(AADT)、轉彎半徑及坡度等因素均對大貨車肇事率有顯 著的影響。此外，該研究亦發現使用卜瓦松迴歸模式的限制，即事故變數的 期望值應與變異數相同，然而在大部分的肇事研究中，事故變數的變異數大 於期望值，顯示肇事資料呈現過度離散。 Daniel 等(1993)【31】欲探討美國密西根州 1987 年 5 月至 1988 年 4 月間聯 結車肇事的影響因素，並假設其交通事故的發生符合卜瓦松分配，又為避免 肇事率出現負值及使各變數對肇事率之效果得以合理表示，故選擇對數線性 之函數型態進行模式構建。模式所選用之反應變數為有聯結車的肇事率，解 釋變數則有車輛特性、時間因素(白天、夜晚)、道路型態(高速公路、主要道 路、其他)、地區特性(都市、郊區)等。研究結果發現聯結車的車廂聯結數對 其肇事率有明顯之影響，然而環境因素對其肇事率之影響更甚。 Kraus 等（1993）【32】蒐集美國加州三個城市 1986 年至 1987 年間高速公路 系統之肇事、公路特性及交通量資料，作為分析及模式校估之基礎。該研究 假設交通事故之發生符合卜瓦松分配，並且選擇對數線性之函數型態進行構 建；進一步以肇事率為應變數，公路特性、時間、交通量為影響變數，分別 構建車道上、路外之肇事率模式。研究結果發現中央護欄有助於減少左側路 外事故之發生、夜間或週末假日較易發生事故、公路右側幾何特性影響右側 路外事故之發生，另交通量對肇事發生之影響將視肇事地點為路外或車道上 而不同。 Fridstrøm 等(1995)【33】透過卜瓦松迴歸模式分析隨機變數（如曝光量、天 候、日夜等）對肇事發生的影響。研究結果發現卜瓦松迴歸模式在時間序列 的資料設定下，幾乎可以解釋所有的系統變動，但如果所分析的事件不具獨 立樣本特性時，則建議使用負二項迴歸模式比較適合。 Shankar 等(1995)【34】研究發現卜瓦松迴歸模式適合於交通事故發生之分析， 但亦需符合平均數與變異數相等的基本假設。然而資料如果過度離散(即變異 數大於平均數)或較少離散(即變異數小於平均數)時，將導致參數估計值有所 偏誤，而負二項迴歸模式則可以克服資料過度離散的偏誤。該研究利用負二 項迴歸模式構建交通事故頻率與道路幾何設計、天候及其他季節性因素間的 關係，研究結果顯示道路幾何設計與氣候間的交互關係會影響交通肇事頻 率。

戚培芳(民 86)【17】蒐集民國 80 年至 84 年之肇事資料，考量公路特性、交 通特性及管制措施三大類肇事影響因素，以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。研究結 果發現三種路段之肇事分析模式有所差異，除模式解釋變數不盡相同外，亦 各有不同之適用模式(如收費站路段適用卜瓦松迴歸，而主線及交流道路段則 以負二項迴歸模式較佳)，這顯示主線及交流道路段之肇事發生存在過度離散 的情形；且經由分析結果，可獲得以下結論：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，亦受到鄰近路段之影響，故 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.肇事次數隨每車道延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。 Ivan 等(1999)【35】採用卜瓦松迴歸模式構建雙車道之單一車輛與多車輛事 故預測模式，該研究以不同的交通情況及位置特性為獨立變數分析對肇事率 的影響。研究結果顯示，對單一車輛而言碰撞肇事率會隨著交通量、路肩寬 度及視線距離的增加而降低，而多車輛肇事率則隨著號誌數、交通量重車比 例及路肩寬度的增加而升高。 Abdel-Aty 等(2000)【36】以 1992 年至 1994 年間美國佛羅里達州主要道路的 交通事故資料，採用負二項迴歸模式來分析肇事率。研究結果發現隨著年平 均每日交通量的增加、駕駛人超速、道路寬度縮減等因素皆對提升肇事率有 顯著影響。 Greibe（2003）【37】欲分析丹麥地區每日平均交通量與交通事故的關聯性， 利用自己與 Hemdorff 在 1995 年與 1998 年所做的路口與路段之事故研究，藉 由卜瓦松迴歸模式構建一個路口與路段事故預測模式，以分析道路幾何設計、 土地使用等要素是否對肇事有顯著影響；其構建模式包括所有事故、所有受 傷事故、穿越事故與轉彎事故。該研究所選取之變數包括交通量、路段長度、 速限、單行道與否、車道數、路幅寬度、分隔島類型、路邊停車與否、道路 類別、公車站設置與否等。研究結果發現路邊停車和速限在事故中存在相當 的影響性，而號誌路口雖較少因穿越道路所發生的交通事故，但卻有相當多 車輛追撞的事故，加上透過車流量與影響因素間之關係，能夠有效的解釋關 於肇事的影響因素。

2.2.3 羅吉斯特迴歸模式 羅吉斯特迴歸（Logistic Regression）為一種線性機率模型，其分析模 式和複迴歸分析相似，而不同的部份之一是羅吉斯特迴歸可以檢測類別尺度 的應變數，使用羅吉斯特迴歸的目的是在於建立一個最精簡和最能配適的分 析結果，而且在實用上合理的模式，建立模式後可用來預測一應變數與一組 自變數之間的關係。茲將相關文獻敘述如下： 林雅俐等（民 89）【18】針對機車騎士族群進行問卷調查，欲藉由問卷調查 的資料探討機車騎士者態度、行為、及其人口特性與交通意外事故的關連性， 本研究所使用的方法有因素分析、羅吉斯特迴歸與卜瓦松迴歸，利用因素分 析歸納出影響事故發生的共同因素，透過羅吉斯特迴歸與卜瓦松迴歸來預測 事故的發生概率及其平均數，研究結果發現，地域性、是否曾酒後騎車以及 市區騎車的頻率將影響事故之發生率。 林豐福等(民 90)【19】利用羅吉特迴歸模式構建臺灣 60 歲以上機車騎士之交 通事故發生機率模式，該研究以交通部統計處所做的機車使用狀況調查報告 書中的資料進行分析，研究結果發現女性機車騎士發生交通事故之機率稍高 於男性，且 60 歲以上之女性機車騎士者發生交通事故的機率，也不亞於 60 歲以下之男性；在低曝光量程度時，60 歲以上機車騎士發生交通事故的機率， 會明顯高於自用小客車。 楊宗璟等（民 90）【20】欲探討車型與受力的一些因素是否會對汽機車傷亡 機率造成影響，因此蒐集了車輛行車事故鑑定委員會民國 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，研 究結果發現，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。 莊智仁(民 92)【21】欲透過個人違規紀錄來預測交通事故的發生，該研究利 用羅吉斯特迴歸與類神經網路進行分析，研究結果發現許多違規因素對交通 事故的發生有顯著影響，而這些違規行為因素包括闖單行道、酒後駕車、車 輛設備未依規定及未禮讓直行車或行人等。 Amoros 等(2003)【38】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。 曾貴楷（民 96）【8】以臺中市民國 89 年計程車交通事故資料，採用羅吉斯 特迴歸建構肇事嚴重程度模式，考量因素包含肇事日期、時段、地區速限、 天候狀況、號誌、事故位置、年齡、事故責任等變數；研究結果發現當計程 車事故責任愈重，對方駕駛愈容易在事故中傷亡；此外，男性駕駛較容易造 成對方駕駛之傷亡；而在所有車種的駕駛中最安全的為大客(貨)車駕駛，最 危險的為自行車騎士與行人，其次為機車騎士。 2.2.4 羅吉特模式 羅吉特（Logit）模式通常應用於運輸學上之個體選擇行為。個體選擇行 為模式理論基礎主要來自兩個與行為有關的領域，一為經濟學的消費者行為， 另一為心理學的選擇行為。在不同假設下這兩種不同的行為理論在某些情況 下可得到相同的結果。不過由消費者行為導出的理論應用較廣，說明較易， 而羅吉特模式即為依據消費者行為所導出，而近年來亦有將其應用於交通事 故嚴重程度之分析上，茲將相關文獻詳述如下： Shankar 等（1996）【39】透過巢式羅吉特模式探討美國華盛頓州 1988 至 1993 年郊區高速公路事故之嚴重程度。該研究定出 4 種事故嚴重程度，分別為僅 財損、輕傷、重傷、傷殘或死亡，並且分析道路幾何因素、發生時間、肇事 原因、事故型態、氣候變數、駕駛者特性與結果，並將某些個別變數結合成 一相互影響變數，並透過概似比檢定；其研究結果發現，經由各種共生變數 之驗證結果，可以得知巢式羅吉特亦為評估事故嚴重度與交通安全的一個良 好方法。 林佐鼎等（民 90）【22】欲以個體觀點探究肇事之嚴重程度，蒐集了臺南市 都市地區民國 86 年 7 月至 87 年 12 月間之「道路交通事故調查報告表」資料 內容，並透過逐步羅吉特模式進行分析，分析都市地區路段及路口內，各當 事人肇事後傷害程度的機率；研究結果發現，在路口部分，性別、年齡、車 種、酒後駕車與事故原因都對事故傷亡程度有顯著影響，在路段部份，對事 故傷亡程度有顯著影響的變數則有性別、限速、慢車道是否設有分隔島。 Sunanda 等（2002）【40】以美國佛羅里達州 10 年間車輛撞擊固定物的交通 事故資料，構建多元羅吉特模式，結果發現速率、是否使用安全帶、碰撞角 度、酒醉駕車，及是否有事故責任等均是造成不同嚴重程度的主因。

Bédard 等（2002）【41】以 1975 年至 1998 年間的美國交通死亡事故資料， 利用二元羅吉特模式，分析單一車輛碰撞固定物而死亡的影響因素，結果發 現年齡較大、女性、血液酒精濃度大於 0.30％有較高的死亡勝算比，駕駛側 撞、車速超過每小時 111 公里和未繫三點式安全帶都是造成死亡的主要因素。 Ahmad 等（2005）【42】以美國加州 1997 年至 2000 年間大貨車交通事故資料， 利用多項羅吉特模式，分別構建郊區及都會區大貨車事故嚴重程度之預測模 式，其研究結果發現，有 13 項變數（超速、貨車單車事故、車道數、地形及 中央實體分隔設施等）在郊區事故模式有顯著影響而都會區則不顯著、有 17 項變數（駕駛者年齡、車流型態、第一撞及點位置及雨天等）則是在都會區 事故模式顯示而郊區則不顯著。 John 等（2008）【43】以美國華盛頓州多車道公路 1990 年至 1994 年間的交 通事故資料，構建混合羅吉特模式並分析各變數（包含駕駛人、車輛及道路 環境等）對於肇事嚴重程度之影響；其研究結果發現，天候因素（如降雪量） 可做為模式中的隨機因子（random parameters），而道路坡度、路面摩擦係 數等則可做為模式中的固定因子（fixed parameters），藉以構建出良好的 分析模式。 Pai 等（2009）【44】以英國 1991 年至 2005 年間 T 字路口的交通事故資料， 以汽、機車事故碰撞型態（approach-turn、angle crossing、angle merging） 分別構建 3 種混合羅吉特模式，研究結果發現，在未開發道路及視線不良的 情況下，機車路權常被其他駕駛人所忽視；另年長者及女性駕駛人在路口則 比較容易發生與安全間距有關之事故類型。 茲將上述文獻之重點彙整如表 2.1 表 2.1 相關文獻彙整表 研究方法 作者 (年代) 研究目的 研究結果 迴歸模式 (Regression) Zegeer （1988） 雙車道公路交通事 故與交通特性、公 路幾何間之關係。 影響肇事之變數有 AADT、交岔 路口數、道路寬度及地形等。 黃新薰 (民 79) 連續開車時間與大 貨車行車安全之關 係。 連續開車時間與駕駛人風險呈 指數函數關係，影響變數為工 作時間、車種、車輛載重等。 歐輝政 吳木富 (民 81) 高速公路交通事故 分析。 分別以肇事次數及嚴重程度為 應變數，曝光量為自變數，建 立兩個雙曲線迴歸模式

Levine 等 (1995) 美國檀香山每日交 通事故次數變化。 發生時間為週五、週六及普通 假日，天候為降雪時，會提高 肇事次數；而特別假日與失業 率提高，則會降低肇事次數。 卜瓦松、負二項 迴歸模式 (Poisson Regression & Negative Binomial Regression) Joshua 等 (1990) 美國維吉尼亞地區 大貨車交通事故與 公路幾何設計之關 係。 卜瓦松迴歸模式較迴歸模式較 能正確地描述大貨車交通事故 與變數間的關係。 Miaou 等 (1994) 美國北卡羅來納州 大貨車交通事故與 公路幾何設計之關 係。 AADT、轉彎半徑及坡度等因素 均對大貨車肇事率有顯著的影 響。 Daniel 等 (1993) 美國密西根州聯結 車交通事故分析。 聯結車的車廂聯結數對肇事率 有明顯之影響；環境因素對其 肇事率之影響更大。 Kraus 等 （1993） 美國加州高速公路 交通事故分析。 夜間或週末假日肇事率較高， 另交通量對肇事發生之影響將 視肇事地點為路外或車道上而 不同。 Fridstrom 等(1995) 分析隨機變數（曝 光量、天候、日夜） 等因素對肇事發生 之影響。 卜瓦松迴歸模式在時間序列的 資料設定下，幾乎可以解釋所 有的系統變動，但如果所分析 的事件不具獨立樣本特性時， 則建議使用負二項迴歸模式比 較適合。 Shankar 等 (1995) 道路幾何設計、天 候及季節因素對交 通事故肇事頻率之 影響。 道路幾何設計與天候之交互關 係會影響交通事故之肇事頻 率。 戚培芳 (民 86) 構建高速公路主線 路段、交流道及收 費站交通事故分析 模式。 1. 公路幾何特性對於肇事之 發生有顯著影響。 2. 肇事次數隨每車道延車公 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。

Ivan 等 (1999) 雙車道之單一車輛 與多車輛交通事故 預測模式構建。 單一車輛肇事率會隨著交通 量、路肩寬度及視線距離的增 加而降低，而多車輛肇事率則 隨著號誌數、交通量重車比例 及路肩寬度的增加而升高 Abdel-Aty 等(2000) 美國佛羅里達州交 通事故分析。 AADT 增加、駕駛人超速、道路 寬度縮減等因素皆對提升肇事 率有顯著影響。 Grebie (2003) 丹麥每日平均交通 量與意外事故因素 之關聯性。 路邊停車和速限在事故中存在 相當的影響性，另號誌化路口 則多為車輛追撞事故。 羅吉斯特迴歸 模式 (Logistic Regression) 林雅俐等 （民 89） 機車駕駛人態度、 行為及人口特性與 交通事故關聯性。 駕駛人地域性、是否曾酒後騎 車以及市區騎車的頻率會影響 事故發生之平均次數。 林豐福等 (民 90) 臺灣 60 歲以上機 車騎士之交通事故 分析。 女性駕駛人肇事率略高於男性 駕駛人；60 歲以上機車駕駛人 肇事率明顯高於小客車駕駛 人。 楊宗璟等 (民 90) 事故車種與碰撞方 向對汽、機車傷亡 程度之影響。 機車當事人較易受傷，且碰撞 方向為正前方時，無論是汽車 或機車當事人都會比其他碰撞 方向嚴重。 Al-Ghamdi (2002) 影響阿拉伯利雅德 交通事故之顯著肇 事因素。 影響事故嚴重程度的最顯著因 子為肇事地點及肇事原因。 莊智仁 (民 92) 以個人違規紀錄預 測交通事故發生。 闖單行道、酒後駕車、車輛設 備未依規定及未禮讓直行車或 行人等，對交通事故發生有顯 著影響。 Amoros 等 (2003) 法國交通事故特性 分析。 在肇事率方面，新手駕駛較一 般駕駛高出 0.43 倍，但持學習 駕照者卻少 0.58 倍；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。且因道路種類不同，肇事 率與嚴重程度也有所差異。

曾貴楷 (民 96) 臺中市計程車交通 事故分析。 計程車肇事責任愈重，對造當 事人愈容易在事故中傷亡；而 在所有車種的駕駛中最安全的 為大客(貨)車駕駛，最危險的 為自行車騎士與行人，其次為 機車騎士 羅吉特 模式 (Logit) 林佐鼎等 (民 90) 以臺南市交通事故 資料構建都會區肇 事嚴重程度之預測 模式。 1. 路口事故之顯著變數為性 別、年齡、車種與酒後駕車 與否等。 2. 路段事故之顯著變數為性 別、限速及快慢車道是否設 置分隔島等。 Sunanda 等 (2002) 美國佛羅里達州車 輛撞擊固定物之交 通事故分析。 速率、是否使用安全帶、碰撞 角度、酒醉駕車及事故責任與 否，為影響嚴重程度之變數。 Bedard 等 (2002) 美國車輛撞擊固定 物之死亡交通事故 分析。 年齡、性別、血液酒精濃度、 撞擊方向及速率等，為造成死 亡事故的顯著變數。 Ahmad 等 （2005） 美國加州大貨車郊 區及都會區交通事 故分析。 13 項變數（超速、貨車單車事 故、車道數、地形及中央實體 分隔設施等）在郊區事故模式 有顯著影響而都會區則不顯 著、有 17 項變數（駕駛者年齡、 車流型態、第一撞及點位置及 雨天等）則是在都會區事故模 式顯示而郊區則不顯著 John 等 （2008） 美國華盛頓州多車 道公路交通事故分 析。 天候因素（如降雪量）可做為 模式中的隨機因子（random parameters），而道路坡度、 路面摩擦係數等則可做為模式 中的固定因子（fixed parameters），藉以構建出良 好的分析模式。

Pai 等 (2009) 英國 T 字路口交通 事故分析。 在未開發道路及視線不良的情 況下，機車路權常被其他駕駛 人所忽視；另年長者及女性駕 駛人在路口則比較容易發生與 安全間距有關之事故類型。 2.3 研究變數整理 茲將文獻所歸納之顯著研究變數，與本研究將蒐集之變數，整理如表 2.2 所示；有關未納入蒐集變數部分，茲說明如下：「變換車道」非屬非號誌化 路口所特有之交通事故型態，另有關「交通量」、「坡度」及「舖面」部分， 因本研究肇事地點並非均所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；至「車損部位」、「右方車 是否靠右」及「車輛終止位置是否通過路口中心處」等，對於次要道路之駕 駛人，仍應負擔其注意及禮讓義務，不會因為前揭事由而免除其注意義務； 此外，有關「車輛保護裝置」，經查本研究資料內未有駕駛人未繫安全帶的 情形，故亦未納入；在「土地使用」部分，則因本研究範圍係屬臺北市內， 均可視為已開發之處所，其開發與否之差異性較低。 在參照以往研究變數部分，茲利用目前臺北市政府警察局交通警察大隊 交通事故資訊 e 化系統調閱其現場圖、現場相片（如圖 2-1、圖 2-2），得知 現場交通設施（如「慢」字設施、減速設施、反射鏡及「停」「讓」設施、 車道數及車道寬度等）資訊，亦作為本研究蒐集之對象。 圖 2-1 現場圖

圖 2-2 現場相片 表 2.2 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 第一當事人性別 年齡 第一當事人年齡 超速 第二當事人超速或未減速 飲酒情形 飲酒情形 變換車道 - 車 車種 兩造當事人車種 碰撞型態 碰撞型態 交通量 - 車損部位 - 右方車是否靠右 - 車輛終止位置是否通過 路口中心處 - 車輛保護裝置 -

路 視線(周圍有無阻礙視距之物) 路口十公尺內違停車輛 道路型態 道路型態 舖面 - 坡度 - - 慢字標誌(字) - 減速標線(墊) - 反射鏡 - 車道數 - 車道寬度 環境 日期(含季節、週末與非週末等) 日期（例假日與工作日） 時段 時段 天候 天候 土地使用(開發與未開發) - 交通管制 因素 路權優先順序 路權優先順序 閃光號誌 閃光號誌 - 停讓標誌(字) 2.4 小結 因交通事故案件具有稀少之特性，故以往多假設交通事故發生符合卜瓦 松或負二項分配，而以卜瓦松或負二項迴歸模式來構建分析模式，以預測交 通事故發生件數，藉以針對發生件數較多之地點做為優先改善對象；惟單純 以「發生件數」作為衡量標準有失其客觀性，以我國交通部運輸研究所為例， 則將易肇事地點之評定指標，加入該件事故所造成之傷亡人數，將受傷及死 亡賦予不同權重，以肇事後之嚴重程度做為主要衡量指標；而近年來亦有學 者將研究個體選擇行為之羅吉特模式，以肇事後嚴重程度做為選擇方案，以 預測肇事後之嚴重程度，而非預測某一地點之肇事頻率。 由於混合羅吉特模式可容許誤差項間不相等且各為獨立，且可依研究模 型需要而假設參數之分配型態，因此使模式之解釋表達能力更為貼近現實狀 況，亦能夠考量各肇事案件（即研究個體）之異質性，故其模式之解釋能力 較多項或巢式羅吉特模式更能符合實際情形，因此本研究也嘗詴以混合羅吉 特模式，構建臺北市非號誌化路口肇事分析模式，做為改善策略研擬之參考。

第三章 羅吉特模式之架構與構建程序

羅吉特模式原本主要應用於方案選擇行為之研究，又近年來始推廣應用於肇 事嚴重程度之分析，由於本研究嘗詴以混合羅吉特模式，探討影響臺北市非號誌 化路口肇事嚴重程度之因素，以做為研擬改善策略之參考，故本章先將有關羅吉 特模式之架構原理與構建程序分別介紹如下。 3.1 多項羅吉特模式 McFadden(1970)由最大效用理論發展出羅吉特模型，最大效用理論係假 設一個受訪者在選擇各種可能的方案時，將選擇效用最大的方案。例如，受 訪者 n 在面對 jn 種替選方案時，僅有在(3-1)式的狀況下，選擇替選方案 i。 i j C j U U_in  _jn,  _n,  ………(3-1) 其中，U 表示替選方案 i 所能帶給受訪者 n 的效用，在本研究中，_in U 代_in 表 3 種不同嚴重程度肇事類別的效用值。而C_n ：



1,2,j_n



為受訪者 n 所能選 擇之替選方案之集合，其效用函數U 又可用以下兩種變數來表示： _in ) , ( _{in n} in U Z S U  ………(3-2) 其中，Z 表示替選方案 i 對受訪者 n 之屬性向量，而_in S 表示受訪者 n 之_n 社會經濟特性向量。 一般假設效用函數U 為隨機變教，因為效用函數中經常存在一些不可衡_in 量之部分，而這些不可衡量的部分有時亦包括誤差（measurement error）與 函數誤差（specification error）。所以隨機效用函數U 可用效用之可衡量_in 部分V_in(Z_in,S_n)與效用之不可衡量部分_in(Z_in,S_n)表示為(3-3)式 ) , ( ) , ( _{in n in in n} in in V Z S Z S U   ………(3-3) 為了方便起見，一般均假設效用函數為線性，因此(3-3)式可改寫為 in ink k nk in in n in X x U   



  ………(3-4) 其中X 表示受訪者 n 對於替選方案 i 之_in k 個解釋變數向量，_nk為受訪 者 n 之係數向量，_in則為誤差項；於本研究中，_nk代表研究變數x_ink對於肇 事嚴重程度U 效用之影響，倘_in nk大於 0，則代表xink對於U 有正向影響，in nk 小於 0 則為負向影響。

當_in假設為符合獨立且完全相同（Independently and Identically Distributed, IID）之 Gumble 分配時，則可推導出多項羅吉特（Multinormal Logit, MNL）模式，其方案機率如(3-5)式



 j v V in _j i e e P ………(3-5) 其中V 為方案 i 對受訪者 n 之效用；_i V 為方案 j 對受訪者 n 之效用。 _j 由於多項羅吉特已假設方案為獨立且不相關（Independence of

Irrelevant Alternative, IIA），故兩兩方案之選擇機率僅與該方案之效用 有關，而與其他方案之效用無關，但也由於此假設要求各方案間應為完全獨 立，如何決定何謂不同的方案即為一大難題，故後來則有學者提出了巢式羅 吉特模式。

3.2 巢式羅吉特模式

為解決多項羅吉特模式假設 IIA 所可能產生的問題，McFadden(1978)利 用一般化極值模式（Generalized Extreme Value），將方案間的相似程度納 入考量，推導出巢式羅吉特模式（Nested Logit, NL）以避免 IIA 假設的缺 點；此模式主要的特點在於將具有相似性的方案放置在同一巢中，並藉由包 容值參數μ的大小來說明巢內方案相似度的高低。理論上而言，巢式架構可 延伸至無限多層，由於牽涉到可能的組合太多及校估上的困難，實際應用上 都以 2 層巢式架構為主；如圖 3-1 所示，於本研究中做為校估肇事嚴重程度 相似性之參考。 嚴重程度1 (死亡) 嚴重程度2 (受傷) 嚴重程度3 (僅財損) μ 圖 3-1 巢式羅吉特模式架構 以 2 層巢式架構為例，假設模式中共有 M 個巢，巢 m 中有 Nm 個方案，並 令方案 i 為巢 m 中之方案，則方案機率P 則如(3-6)所示。 _in         m m n i M M m m I V M I I m i n nm in e e e e P P P       



………(3-6)  



 Vj m e I ln 

其中P 為巢 m 被選到的邊際機率，_nm Pn im 為方案 i 在巢 m 中被選到的條 件機率，I 稱為包容值，為巢 m 的綜合效用，_m _m則為包容值參數，用以說明 巢內方案的相似程度。McFadden（1978）指出，當包容值參數_m介於 0 至 1 之間時，此模式將滿足效用最大原則，另當_m 1時，表示巢內方案完全不相 似，即該巢式羅吉特模式可簡化為多項羅吉特模式，亦顯示多項羅吉特為巢 式羅吉特的一個特例，且當_m愈趨近於 0 時，則表示巢內方案的相似度愈高； 以圖 3-1 為例，倘μ值愈接近 0，表示嚴重程度 1（死亡）與嚴重程度 2（受 傷）相似性愈高；反之，當μ值愈接近 1 時，則表示嚴重程度 1（死亡）與嚴 重程度 2（受傷）不相似，故能當成 2 獨立方案。 3.3 混合羅吉特模式

McFadden 與 Train（2000）提出混合羅吉特（Mixed Multinomal Logit,MMNL） 模式，其考慮各變數對於方案選擇存在不同影響，因此在效用指定上，混合 羅吉特的參數值被設定為隨機而非固定值，使得變數具有個別的一組邊際效 用。另外，混合羅吉特藉由將參數指定為隨機變數，解除了 IIA 的限制，允 許有隨機偏好變異以及方案異質性和共變異。以下說明此模式之推導及參數 校估方式。 3.3.1 混合羅吉特模式之推導 混合羅吉特模式認為受訪者之偏好應該不同，因此假設邊際效用服從 某種分配，其受訪者 n 選擇方案 i 的機率則表示如(3-8)式



 L  f  d P_{in in}( ) ( ) ………(3-8) 其中L_in()為特定參數下之羅吉特選擇機率：



 j V V in _jn in e e L _{( )} ) ( ) ( _   ………(3-9) 而 f()是參數密度函數；V_in()是可衡量之效用。如果將效用指定為 線性組合，即V_in()X_in，則混合羅吉特模式的選擇機率可表示如(3-10) 式     d f e e P j X X in _jn in

 

   ( ) ………(3-10)

3.3.2 各種參數分配狀況 計算混合羅吉特的選擇機率時，並非取決於β值，而是取決於描述β 分配的參數。若β為常態分配，其平均值為 b，變異數為 W，則 b 和 W 為描 述β分配的參數，β是積分而得的數值，通常以 f(|)表示β分配受限於 θ。實證研究時，f()究竟為何種分配，則頇由研究者探索之後主觀認定， 而θ是校估而得。以下說明常用的分配，各種分配主要的差異是性質符號 和分配二端的長度不同。另外，亦說明多項羅吉特可視為混合羅吉特之特 定 f(|)為某種分配的選擇機率。 一、參數為固定值，無變異數 當(3-10)式的 f()退化為 b時，多項羅吉特可視為混合羅吉 特的一個特例。亦即， f()退化為以下的形式：       b for b for f    , 0 , 1 ) ( ………(3-11) 則(3-10)式的選擇機率即退化為多項羅吉特模式：



   j X X in _jn in e e P _  ………(3-12) 因此多項羅吉特模式可視為指定 f()沒有變異的混合羅吉特模式。 二、常態分配（Normal Distribution） 若將參數指定為常態分配，意味著受訪者對於變數有或正或負的 偏好存在。令參數



2



, ~    N ，則由統計查表可知，倘受訪者偏好集 中於三個標準差之內時，P



 3



0.9973。 三、對數常態分配（Lognormal Distribution） 對數常態分配的特色為右偏分配，且右邊尾端無限延伸。將參數 設定為服從對數常態分配即意味著，受訪者對方案屬性有無限大的邊 際效用，就應用於肇事嚴重程度而言，似乎不甚合理；然而對數常態 分配的優點是，可強迫參數的性質符號為相同，即所有受訪者有同樣 正面或負面的偏好。

四、三角分配（Triangular Distribution） 三角分配的範圍受限於-2a~2a 之間，反映出受訪者的偏好變異程 度受限於某個範圍內，較能合理解釋偏好的變異，其三角分配的密度 函數可表示如(3-13)式







  a a f 2 4 1 ) ( ₂ ………(3-13) 五、均勻分配（Uniform Distribution） 均勻分配為情況都同程度可能性出現時的機率分配模式，參數分 配範圍受限於 a~b，期望值μ和變異數σ分別為： 3 2 2 ) (X b a b a E        ， 有關混合羅吉特應用於交通事故肇事嚴重程度研究時，依 John（2008） 【38】、Chih-Wei Pai（2009）【39】等學者之研究，均以常態分配（Normal Distribution）做為參數分配形態，故本研究亦將該參數形態假設符合常 態分配。 3.4 模式選擇 多項羅吉特雖然在某些方面有其使用上的優點，但由於其選擇方案頇滿 足 IIA 特性，應用上較受限制，因此本研究將應用混合羅吉特以避免選擇方 案（即肇事嚴重程度）之區分未符合 IIA 的假設。另混合羅吉特係由多項羅 吉特發展而來，由於混合羅吉特可以採用任何隨機效用型態，因此使用上亦 較多項羅吉特更有彈性，其模式架構與多項羅吉特之差異為參數由於β為隨 機變數且可依不同屬性的行為採用不同的機率密度函數，因此，混合羅吉特 又可稱為「隨機參數羅吉特（Random Parameter Logit, RPL）」或「隨機係 數羅吉特（Random Coefficient Logit, RCL）」模式。由上述可知，研究者 可依研究需要選擇所需的機率密度分配，因此克服了傳統將所有個體受訪者 視為同質性且無差異之缺點，將每位受訪者之性質或偏好視為非均質之情況 下，表現出因為不同受訪者對於方案所產生之不同效用，在模式中，若交通 事故特性變數所對應的參數為隨機變數，則可以表現出此部分之不可觀察的 偏好異質性；另外，非隨機變數亦可以透過模式間之交互作用表達出每一件 交通事故之異質性。混合羅吉特所呈現之效用函數如(3-14)式所示





in k ink k in k ink k in x b z x U 



  



  ………(3-14)