全国旅游交通事故严重程度的时空分布及引致因素分析

doi:10.3969/j.issn.1004-9479.2023.09.2021325

摘要/Abstract

摘要：

为研究旅游交通事故严重程度的引致因素，以全国3 861起旅游交通安全事故为研究对象，在分析其时空分布特征的基础上，进一步将旅游交通事故严重程度作为因变量，车辆类型、路段类型、天气情况等12个因素为自变量，并借助有序多分类Logistic回归模型探究旅游交通安全事故严重性的引致因素。结果表明：（1）2010—2019年全国各等级旅游交通事故均呈现波动下降趋势；（2）旅游交通事故严重性等级呈现异质性分布特征，高发区主要集中于云南、湖南等地；（3）人员、车辆、道路、管理和环境五类引致因素与旅游交通事故严重程度显著相关，且其与各省域的联系强度差异是导致事故严重程度呈异质性分布的重要原因。研究结果有助于揭示全国旅游交通安全事故结果的特征及成因，为完善旅游交通安全管理提供理论依据。

关键词: 旅游交通事故, 交通安全, 时空分布, Logistic模型, 引致因素

Abstract:

To investigate the factors influencing the severity of tourism traffic accidents, this paper selected 3 861 tourism traffic safety accidents in China, based on the analysis of its spatialtemporal distribution characteristics, further examined the factors influencing the severity of tourism traffic accidents. An ordered multi-classified logistic regression model was employed to explore the contributing factors to the severity of tourist traffic safety accidents. The results show that: (1) From 2010 to 2019, the different severity levels of tourism traffic accidents in China show a fluctuating downward trend. (2) The severity levels of tourism traffic accidents display a heterogeneous distribution, with high-incidence areas mainly concentrated in Yunnan and Hunan provinces. (3) The five categories of factors, including personnel, vehicles, roads, management, and environment, are significantly correlated with the severity of tourism traffic accidents. The varying strength of their connection with different provincial domains is an important reason for the heterogeneous distribution of accident severity. The results help to reveal the characteristics and causes of tourism traffic safety accidents nationwide and provide a theoretical basis for improving tourism traffic safety management.

Key words: tourism traffic accidents, traffic safety, spatial and temporal distribution, Logistic model, causing factors

赖菲菲, 谢朝武, 黄锐. 全国旅游交通事故严重程度的时空分布及引致因素分析[J]. 世界地理研究, 2023, 32(9): 159-169.

Feifei LAI, Chaowu XIE, Rui HUANG. Analysis on the spatio-temporal distribution of severity and causing factors of tourism traffic accidents in China[J]. World Regional Studies, 2023, 32(9): 159-169.

图/表 7

参考文献 28

1	中华人民共和国国家统计局. 中国统计年鉴. 北京: 中国统计出版社, 2020.
	National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook. Beijing: China Statistics Press, 2020.
2	马壮林, 张宏璐, 谭晓伟. 高速公路连续下坡路段交通事故时空分布特征研究. 中国安全科学学报, 2014, 24(5): 85-91.
	MA Z, ZHANG H, TAN X. Temporal-spatial distribution characteristics of traffic accidents on freeway continuous downgrade segment. China Safety Science Journal, 2014, 24(5): 85-91.
3	张光南, 钟俏婷, 杨清玄. 交通违法事故时空分布特征及其影响因素——以广州市为例. 交通运输系统工程与信息, 2019, 19(3): 208-214.
	ZHANG G, ZHONG Q, YANG Q. Temporal-spatial characteristics and influencing factors of at-fault traffic crashes: A case study in Guangzhou. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(3): 208-214.
4	陆欢, 戢晓峰, 杨文臣, 等. 高原山区公路环境下交通事故形态致因分析. 中国安全科学学报, 2019, 29(5): 44-49.
	LU H, JI X, YANG W, et al. Cause analysis of different patterns of traffic accidents on plateau mountain roads. China Safety Science Journal, 2019, 29(5): 44-49.
5	胡骥, 闫章存, 卢小钊, 等. 基于有序Logit与Probit模型的交通事故严重性影响因素分析. 安全与环境学报, 2018, 18(3): 836-843.
	HU J, YAN Z, LU X, et al. Analysis for the influential factors of the accident severity based on the ordinal Logit and Probit models. Journal of Safety and Environment, 2018, 18(3): 836-843.
6	徐鑫. 我国道路交通事故规律特点及预防对策分析. 中国安全科学学报, 2013, 23(11): 120-125.
	XU X. Analysis of road traffic accidents in China and measures to prevent them. China Safety Science Journal, 2013, 23(11): 120-125.
7	王兆峰. 旅游交通对旅游产业发展影响的实证分析——以张家界为例. 财经理论与实践, 2009, 30(4): 112-116.
	WANG Z. The research of the influence of the tourism transportation to the tourism development in Zhang Jiajie.The Theory and Practice of Finance and Economics, 2009, 30(4): 112-116.
8	ROSSELLO J, SAENZ-DE-MIERA O. Road accidents and tourism: The case of the Balearic Islands (Spain). Accident Analysis & Prevention, 2011, 43(3): 675-683.
9	CAREY M J, AITKEN M E. Motorbike injuries in Bermuda: A risk for tourists. Annals of Emergency Medicine, 1996, 28(4): 424-429.
10	LEGGAT P A, WILKS J. Overseas visitor deaths in Australia, 2001 to 2003. Journal of Travel Medicine, 2009, 16(4): 243-247.
11	DIOKOA L D A N, HARRILL R. Killed while traveling - trends in tourism-related mortality, injuries, and leading causes of tourist deaths from published English news reports,2000-2017 (1H). Tourism Management, 2019, 70: 103-123.
12	PAGE S J, MEYER D. Tourist accidents an exploratory analysis. Annals of Tourisrn Research, 1996, 23(3): 666-690.
13	WANG Y, VENEZIANO D, RUSSELL S, et al. Traffic safety along tourist routes in rural areas. Transportation Research Record: Journal of the Transportation Research Board, 2016, 2568(1): 55-63.
14	PRIDEAUX B. Internation Tourists and Transport Safety//WILKS J,PAGE S J.Managing Tourist Health and Safety in the New Millennium. Netherlands: Pergamon an Imprint of Elsevier Science, 2003.
15	林洁. 没有比安全更美的风景——几起旅游事故案例解析. 湖南安全与防灾, 2015(10): 9-11.
	LIN J. There is no more beautiful scenery than safety -- Analysis of several cases of tourism accidents. Safety and Disaster Prevention in Hunan, 2015(10): 9-11.
16	ILIE G, CIOCOIU C N. Application of fishbone diagram to determine the risk of an event with mutiple causes. Management Research and Practice, 2010, 2(1): 1-20.
17	许玲燕, 王慧敏, 马显莹, 等. 云南旱灾风险管理框架及对策研究. 地域研究与开发, 2013, 32(2): 103-108.
	XU L, WANG H, MA X, et al. Study on framework and adaptive strategies of drought disaster risk management in Yunnan province. Areal Research and Development, 2013, 32(2): 103-108.
18	KANTI BOSE T. Application of fishbone analysis for evaluating supply chain and business process- A case study on the ST James hospital. International Journal of Managing Value and Supply Chains, 2012, 3(2): 17-24.
19	范柏乃, 兰志勇. 公共管理研究与定量分析方法. 北京: 科学出版社, 2013.
	FAN B, LAN Z. Research and Quantitative Analysis Method of Public Management. Beijing: Science Press, 2013.
20	王士君, 浩飞龙, 姜丽丽. 长春市大型商业网点的区位特征及其影响因素. 地理学报, 2015, 70(6): 893-905.
	WANG S, HAO F, JIANG L. Locations and their determinants of large-scale commercial sites in Changchun, China. Acta Geographica Sinica, 2015, 70(6): 893-905.
21	戢晓峰, 祝皋. 超大城市昼夜交通事故严重程度致因对比分析——以深圳市为例. 中国安全生产科学技术, 2020, 16(2): 142-148.
	JI X, ZHU G. Comparative analysis on causes of severity of traffic accidents at day and night in megacities: Taking Shenzhen as example. Journal of Safety Science and Technology, 2020, 16(2): 142-148.
22	马壮林, 张祎祎, 杨杨, 等. 公路隧道交通事故严重程度预测模型研究. 中国安全科学学报, 2015, 25(5): 75-79.
	MA Z, ZHANG Y, YANG Y, et al. Research on models for predicting severity of traffic accident in highway tunnel. China Safety Science Journal, 2015, 25(5): 75-79.
23	WELLMAN B, BERKOWITZ S D. Social Structures:A Network Approach. New York: Cambridge University Press, 1988.
24	冯忠祥, 雷叶维, 张卫华, 等. 道路环境对绕城高速公路交通事故严重程度影响分析. 中国公路学报, 2016, 29(5): 116-123.
	FENG Z, LEI Y, ZHANG W, et al. Analysis on traffic accident severity influenced by road environment on circular highway. China Journal of Highway and Transport, 2016, 29(5): 116-123.
25	孙平, 宋瑞, 王海霞. 我国道路交通事故成因分析及预防对策. 安全与环境工程, 2007, 14(2): 97-100.
	SUN P, SONG R, WANG H. Analysis of the causes of traffic accidents on roads and countermeasures. Safety and Environmental Engineering, 2007, 14(2): 97-100.
26	张丽霞, 刘涛, 潘福全, 等. 驾驶员因素对道路交通事故指标的影响分析. 中国安全科学学报, 2014, 24(5): 79-84.
	ZHANG L, LIU T, PAN F, et al. Analysis of effects of driver factors on road traffic accident indexes. China Safety Science Journal, 2014, 24(5): 79-84
27	孔令铮. 交通事故致因中的人为因素分析. 中国安全科学学报, 2013, 23(1): 28-34.
	KONG L. Human factors in causation of traffic accidents. China Safety Science Journal, 2013, 23(1): 28-34.
28	洪汉池, 黄红武. 客车侧翻碰撞中安全带对乘员损伤的影响分析. 重庆大学学报, 2016, 39(3): 140-146.
	HONG H, HUANG H. Influence of the seatbelt on passenger injury during bus rollover. Journal of Chongqing University, 2016, 39(3): 140-146.

变量类型	变量	赋值	含义	变量类型	变量	赋值	含义
事故严重性	事故严重性	1	轻微事故（轻伤1~2人）	道路	路段类型	0	安全路段
		2	一般事故（重伤1~2人或轻伤≥3人）		路段类型	1	危险路段（急转弯、急坡）
		3	重大事故（死亡1~2人或重伤3~10人）		路面环境	0	干燥
		4	特大事故（死亡≥3人或重伤≥11人）		路面环境	1	湿滑
人员	紧急避让	0	否		路面破损	0	否
	紧急避让	1	是		路面破损	1	是
	违章操作	0	否	环境	旅游淡旺季	0	旅游淡季（其他月份）
	违章操作	1	是		旅游淡旺季	1	旅游旺季（7—8月）
	他人过失	0	否		天气情况	0	晴天或阴天
	他人过失	1	是		天气情况	1	不利天气
车辆	机械故障	0	否	管理	安全提醒	0	否
	机械故障	1	是		安全提醒	1	是
	车辆类型	0	其他车辆		资质认证	0	否
	车辆类型	1	旅游大巴车		资质认证	1	是

变量类型	变量	赋值	含义	变量类型	变量	赋值	含义
事故严重性	事故严重性	1	轻微事故（轻伤1~2人）	道路	路段类型	0	安全路段
		2	一般事故（重伤1~2人或轻伤≥3人）		路段类型	1	危险路段（急转弯、急坡）
		3	重大事故（死亡1~2人或重伤3~10人）		路面环境	0	干燥
		4	特大事故（死亡≥3人或重伤≥11人）		路面环境	1	湿滑
人员	紧急避让	0	否		路面破损	0	否
	紧急避让	1	是		路面破损	1	是
	违章操作	0	否	环境	旅游淡旺季	0	旅游淡季（其他月份）
	违章操作	1	是		旅游淡旺季	1	旅游旺季（7—8月）
	他人过失	0	否		天气情况	0	晴天或阴天
	他人过失	1	是		天气情况	1	不利天气
车辆	机械故障	0	否	管理	安全提醒	0	否
	机械故障	1	是		安全提醒	1	是
	车辆类型	0	其他车辆		资质认证	0	否
	车辆类型	1	旅游大巴车		资质认证	1	是

变量			系数	标准误	Wald值	P值	OR值
事故严重性		Y=1(轻微事故)	1.233^**	0.511	5.831	0.016	3.431 5
		Y=2(一般事故)	1.682^***	0.511	10.834	0.001	5.376 3
		Y=3(重大事故)	3.084^***	0.512	36.238	0.000	21.845 6
人员	紧急避让	X₁=0(否)	0.216^***	0.076	8.109	0.004	1.241 1
		X₁=1(是)	0^a	—	—	—	—
	违章操作	X₂=0(否)	－0.344	0.237	2.102	0.147	0.708 9
		X₂=1(是)	0^a	—	—	—	—
	他人过失	X₃=0(否)	0.621^***	0.094	43.782	0.000	1.860 8
		X₃=1(是)	0^a	—	—	—	—
车辆	机械故障	X₄=0(否)	－0.136	0.114	1.418	0.234	0.872 8
		X₄=1(是)	0^a	—	—	—	—
	车辆类型	X₅=0(其他车辆)	－0.558^***	0.065	74.750	0.000	0.572 4
		X₅=1(旅游大巴车)	0^a	—	—	—	—
道路	路段类型	X₆=0(安全路段)	－0.437^*	0.245	3.165	0.075	0.646 0
		X₆=1(危险路段)	0^a	—	—	—	—
	路面环境	X₇=0(干燥)	－0.608^***	0.102	35.396	0.000	0.544 4
		X₇=1(湿滑)	0^a	—	—	—	—
	路面破损	X₈=0(否)	1.443^***	0.233	38.348	0.000	4.233 4
		X₈=1(是)	0^a	—	—	—	—
环境	旅游淡旺季	X₉=0(旅游淡季)	－0.177^**	0.070	6.349	0.012	0.837 8
		X₉=1(旅游旺季)	0^a	—	—	—	—
	天气情况	X₁₀=0(晴或阴）	－0.216^***	0.066	10.562	0.001	0.805 7
		X₁₀=1(不利天气)	0^a	—	—	—	—
管理	安全提醒	X₁₁=0(否)	0.868^***	0.306	8.046	0.005	2.382 1
		X₁₁=1(是)	0^a	—	—	—	—
	资质认证	X₁₂=0(否)	1.110^***	0.374	8.832	0.003	3.034 4
		X₁₂=1(是)	0^a	—	—	—	—

变量			系数	标准误	Wald值	P值	OR值
事故严重性		Y=1(轻微事故)	1.233^**	0.511	5.831	0.016	3.431 5
		Y=2(一般事故)	1.682^***	0.511	10.834	0.001	5.376 3
		Y=3(重大事故)	3.084^***	0.512	36.238	0.000	21.845 6
人员	紧急避让	X₁=0(否)	0.216^***	0.076	8.109	0.004	1.241 1
		X₁=1(是)	0^a	—	—	—	—
	违章操作	X₂=0(否)	－0.344	0.237	2.102	0.147	0.708 9
		X₂=1(是)	0^a	—	—	—	—
	他人过失	X₃=0(否)	0.621^***	0.094	43.782	0.000	1.860 8
		X₃=1(是)	0^a	—	—	—	—
车辆	机械故障	X₄=0(否)	－0.136	0.114	1.418	0.234	0.872 8
		X₄=1(是)	0^a	—	—	—	—
	车辆类型	X₅=0(其他车辆)	－0.558^***	0.065	74.750	0.000	0.572 4
		X₅=1(旅游大巴车)	0^a	—	—	—	—
道路	路段类型	X₆=0(安全路段)	－0.437^*	0.245	3.165	0.075	0.646 0
		X₆=1(危险路段)	0^a	—	—	—	—
	路面环境	X₇=0(干燥)	－0.608^***	0.102	35.396	0.000	0.544 4
		X₇=1(湿滑)	0^a	—	—	—	—
	路面破损	X₈=0(否)	1.443^***	0.233	38.348	0.000	4.233 4
		X₈=1(是)	0^a	—	—	—	—
环境	旅游淡旺季	X₉=0(旅游淡季)	－0.177^**	0.070	6.349	0.012	0.837 8
		X₉=1(旅游旺季)	0^a	—	—	—	—
	天气情况	X₁₀=0(晴或阴）	－0.216^***	0.066	10.562	0.001	0.805 7
		X₁₀=1(不利天气)	0^a	—	—	—	—
管理	安全提醒	X₁₁=0(否)	0.868^***	0.306	8.046	0.005	2.382 1
		X₁₁=1(是)	0^a	—	—	—	—
	资质认证	X₁₂=0(否)	1.110^***	0.374	8.832	0.003	3.034 4
		X₁₂=1(是)	0^a	—	—	—	—

[1]	虞加林, 胡银根, 李祥, 张豪. “双安全”视阈下我国耕地变化驱动力研究进展与可视化分析[J]. 世界地理研究, 2023, 32(8): 112-125.
[2]	付逸飞. 入户盗窃犯罪的时空分布热点及其机理研究——以A市CP区警情分析为例[J]. 世界地理研究, 2021, 30(5): 1005-1014.
[3]	朱尧, 邹永广, 李强红, 李志强. 网络关系视角下中国公民出境旅游安全感知事件时空分布特征[J]. 世界地理研究, 2020, 29(6): 1304-1312.
[4]	吴鸣明, 李俊峰, 杨鑫宇. 芜湖市城市公园体系等级结构及其时空分布格局[J]. 世界地理研究, 2020, 29(2): 406-415.
[5]	王若宇, 薛德升, 刘晔, 黄旭. 基于空间杜宾模型的中国高学历人才时空分异研究[J]. 世界地理研究, 2019, 28(4): 134-143.
[6]	徐薛艳龙涛孙雪飞. 上海中心城区海外游客兴趣点（POI）时空分布特征研究[J]. 世界地理研究, 2018, 27(05): 147-156.
[7]	包富华陈瑛. 近10年以来中国出境旅游的时空分布特征研究[J]. 世界地理研究, 2017, 26(2): 127-139.
[8]	程薇，吴健平 . 国外犯罪时空分布研究综述 [J]. 世界地理研究, 2013, 22(18): 151-158.