0 引言

突发性交通事故是造成交通拥堵的重要原因之一。Lindesy^[1]研究发现,突发性交通事故所引起的时间延误占总时间延误的60%，先进的交通事故信息系统对解决这类交通拥挤问题特别有效。当发生交通事故时，及时为出行者提供交通事故信息，可以使出行者合理调整出行行为，从而避免出行延误，因此，交通事故信息对缓解交通拥堵，减少二次事故等具有重要的现实意义。

目前，学者们对交通信息作用下小汽车出行者路径选择行为方面的研究取得了很大进展。石小法等^[2]将不同类型的出行者对路段运行时间的预测看作不同的随机过程，研究了交通信息对出行者路径选择行为的影响；杨凡等^[3]将交通信息(运行速度)分为若干个等级的定性信息，研究了分级交通信息影响下出行者的日常出行决策行为和对交通信息的感知行为；石京等^[4]在调查驾驶员对交通信息响应状况的基础上，建立了信息作用下驾驶员路径选择行为模型，对影响驾驶员路径改变倾向的各种因素进行了研究；马飞等^[5]通过建立有序Logistic模型,对驾驶员在交通广播、可变信息板、车载GPS、道路指示牌等多源诱导信息影响下的路径变更行为进行了研究。

近几年,也有学者对交通事故下出行者的出行行为进行了探讨，如龙雪琴等^[6]基于经济学中的前景理论，对交通事故下出行者的非理性路径选择行为进行了研究，主要探讨了出行者的路径选择行为机理；胡春斌^[7]通过对驾驶员路径选择行为影响因素的分析，采用模糊推理及层次分析法建立了事故信息下驾驶员路径选择模型；G. Chen等^[8]分析了事故信息的内容、及时性及精确性等属性对出行者路径选择决策行为的影响；T. Kusakabe等^[9]通过建立在提供交通事故持续时间或拥挤路段长度等事故信息时出行者对驶出匝道的选择模型，研究了城市快速路上可变信息板提供的交通事故信息对出行者路径选择行为的影响；Y. Xuan等^[10]运用同一组实测数据通过不同的离散分析方法研究了高速公路可变信息标志提供的交通事故信息对出行者路径改变行为的影响。

目前国内对交通事故信息影响下出行者路径选择行为的研究还比较少。随着智能交通的发展，先进的信息技术、网络技术被运用于交通领域，为获得更多的交通信息提供了技术条件。在这个大背景下，交通事故信息的内容也逐渐丰富起来，由只能提供事故发生时间、地点的简单系统到可提供事故路段平均车速、事故发生时替代路径及其交通运行状况等更加详细的信息系统。在这种技术背景下，有必要对出行者在不同详细程度的出行信息影响下的路径选择行为进行研究，为道路交通事故信息发布策略的制订提供一定的科学依据。有研究表明，当交通事故性质严重、出事地点通行能力下降较大时，出行信息系统可以在很大程度上缓解交通网络拥挤、降低系统出行费用; 而当交通事故性质较轻、出事地点通行能力下降较小时，出行信息系统不仅不能缓解交通网络拥挤，反而会增加系统出行费用^[11]。本文假设所涉及的交通事故信息为前者，即由于这种交通事故导致事故路段产生了严重的交通拥堵，轻微的交通事故不在本文研究范围内。

1 居民路径选择行为调查与分析

采用RP与SP相结合的方法对发生交通事故时，小汽车出行者的出行路径选择行为进行调查。其中RP调查的内容主要包括：(1)在出行者的出行经历中发生交通事故时，其习惯采取的路径选择结果(原路径或替代路径)及选择的原因；(2)是否有接收到交通事故信息；(3)交通事故信息的类型。SP调查的内容主要为假设当交通事故发生时，出行者在接收到包含不同内容的交通事故信息时，其可能做出的路径选择结果。为本文研究不同类型交通事故信息对出行者路径选择行为的影响提供数据支撑。基础问卷部分则包括出行者的社会经济属性、出行目的等可能影响出行者路径选择结果的因素。调查所设计的问卷类型为结构化问卷形式，共设计20个问题，在选项中对年龄、收入等连续量进行离散化处理，被调查者根据自身的情况进行单项或多项选择。为保证被调查的出行者均为小汽车拥有者，调查地点选择重庆市南岸区几个流量较大的大型停车场，调查方式为现场发放问卷、被调查者填写完毕后现场回收的方式，共获得问卷326份，其中有效问卷313份，无效问卷13份。

1.1 出行者交通信息关注度与是否改变出行路径的交叉分析

通过对问卷调查表进行整理分析，得出当路段发生交通事故时出行者对交通信息的关注度及选择是否改变出行路径的交叉分析统计结果，见图 1。可以看出，在对交通信息关注度较低的出行者中，改变出行路径的出行者比例较低，这很可能是由于大部分出行者根本没有获得事故路段的交通事故信息。

1.2 出行者没有改变出行路径的原因分析

问卷调查结果显示，出行者在发生交通事故时没有改变出行路径的原因主要分为6种情况：(1)没有获得交通事故信息；(2)不了解事故路段的交通状况；(3)不知道事故路段的可替代路段；(4)不了解替代路段的交通运行状况；(5)收到交通事故信息的时间太晚，已经驶入事故路段；(6)其他原因。这6种原因所占的比例如图 2所示。在这6种原因中，情况(2)和情况(4)等原因所占比例最大。这表明目前发布的交通事故信息还不够完善，有待进一步增加相关事故信息，以更好地引导出行者出行。

1.3 不同交通事故信息度影响下出行者出行路径的选择意向

本文所定义的交通事故信息度，即交通事故信息的详细程度，指交通事故信息提供的有关交通事故对道路交通影响的详细程度。按交通事故信息度的不同，将交通事故信息分为3种类型：(1)基本事故信息(事故发生的时间、地点、类型)；(2)较详细事故信息(基本事故信息+事故路段平均车速、排队长度)；(3)详细事故信息(较详细事故信息+替代路径及其交通运行状况)。图 3显示了3种事故信息影响下出行者出行路径的改变意向，随着交通事故信息详细度的增加，出行者改变出行路径的意向也逐渐增强。

2 路径选择模型的建立

分析交通事故信息的详细程度对出行者路径选择行为的影响，可以有两种方法：(1)将交通事故信息详细程度作为1个变量，代入模型中(简称变量法)；(2)分别建立不同交通事故信息详细度下的路径选择模型，即分组法。本文分别用两种方法建立模型进行研究。

采用二值Logistic模型^[12]进行小汽车出行者路径选择行为的建模，具体模型形式如下：

(1)

式中，p为小汽车出行者改变出行路径(选择替代路径)发生的概率；x_i(i=1,2,…,k)为影响小汽车出行者路径选择的各影响因素；β₀为常数项，表示除本文考虑的因素外，其他未考虑因素的影响作用；β_i(i=1,2,…,k)为偏回归系数，表示各影响因素对出行者影响的作用程度。

2.1 影响因素确定

对问卷数据进行分析，初步确定出行者的性别、年龄、性格(保守、冒险)、对交通事故信息的关注度、对路网的熟悉程度(了解的替代路径条数)、出行目的、事故信息接收时间、事故信息内容丰富度8个影响因素，8个影响因素在模型中的具体定义如表 1所示。其中，基本事故信息包括事故发生的时间、地点、类型；较详细事故信息在基础事故信息的基础上增加了事故路段的平均车速、排队长度；详细事故信息在较详细事故信息的基础上增加了替代路径的相关信息，包括可替代路径及各替代路径的交通运行状况。

2.2 模型的建立

本文共建立3个模型，即模型1、模型2、模型3。其中，模型1以RP调查数据为基础，将交通事故信息作为模型中的一个变量(事故信息内容的丰富度)纳入模型中，以探究交通事故信息内容丰富度的增加对出行者路径选择行为的影响；模型2以SP调查数据为基础，对出行者在接收到基本事故信息下的路径选择行为进行建模，以探究出行者在基本事故信息的影响下，出行路径选择行为的变化规律；模型3同样以SP调查数据为基础，对出行者在接收到详细事故信息下的路径选择行为进行建模，以探究出行者在详细事故信息的影响下，出行路径选择行为的变化规律。

在确定最终可以进入模型中的变量之前，需要对最初考虑的变量在一定水平上进行挑选，去除对因变量无影响或影响作用不显著的因素。方法通常有：(1)正向逐步选择法；(2)反向逐步选择法；(3)混合逐步选择法。本文以正向逐步选择法逐一筛选模型变量，在正向逐步选择过程中,Score统计量用来做加入选择，以选择概率(P值)等于0.2为筛选变量的标准，当P值小于0.2时，变量对选择结果的影响显著，该变量可以进入模型中；反之，则认为该变量对选择结果的影响不显著，不纳入模型中。本文没有用常用的P值=0.05作为筛选条件，这是为了避免遗漏掉某些重要的自变量。以模型1的变量筛选为例，变量逐步筛选的结果如表 2所示，最终性别和年龄两个变量未能进入模型变量中。以同样的方法对模型2、模型3进行变量筛选，在模型2中，出行者的性别、年龄同样未能进入模型中；在模型3中，出行者的性别、年龄、了解替代路径的条数未能进入模型中。

由上述分析结果，3个模型的初步形式分别为：

(2)

(3)

(4)

2.3 模型的标定与检验

对于多元回归的检验，通常包括两个部分：模型整体拟合优度的检验；模型中各个偏回归系数的检验。表 3显示了3个模型整体拟合优度的检验结果。在Logistic回归模型中，用Cox & Snell 检验和Nagelkerke检验来检验模型整体的拟合优度，相当于线性回归中的R²，其值越接近于1，表明模型的整体拟合效果越好。可以看出，3个模型的拟合效果均达到了相应的要求。

3个模型的参数标定结果及单参数的检验结果如表 4所示，其中回归系数β值为参数标定结果，Wald值为模型的单参数检验值。在Logistic回归模型中，Wald值大于临界值3.84时，显著性水平达到0.05；Wald值大于临界值2.71时，显著性水平达到0.1。Wald值越大，表明回归系数的显著性水平越高。由模型的标定结果可以看出，模型中大多数参数的Wald值均大于3.84，达到了0.05的显著性水平；个别值在2.71～3.84范围内，达到了0.1的显著性水平。

由模型1的参数标定结果可以看出，事故信息内容的丰富度对小汽车出行者路径选择行为影响作用最大，事故信息内容的丰富度每增加1个单位，出行者出行路径的改变概率增加exp(2.355)-1=2.877倍，这与调查中显示的事故发生时出行者未改变出行路径是由于未能收到详细、准确的交通事故信息相一致。

出行者能否在进入事故路段前接收到事故信息对其路径的选择也有较大影响。进入事故路段前接收到事故信息要比进入事故路段后接收到事故信息路径改变概率大，这是由于出行者在进入事故路段之后再改变路径往往要花费更高的代价，有时甚至没有折返更改路径的条件。这表明事故信息发布应具有及时性。

出行者非弹性出行(通勤出行)比弹性出行改变出行路径的概率要高一些，因为非弹性出行具有严格到达时间的限制，且非弹性出行的出行者通常对路网比较熟悉，能够快速地选择出方便的替代路径，以避免由于交通事故产生的出行延误。

出行者对路网的熟悉程度在一定程度也会影响到出行者的路径选择行为。随着出行者对路网熟悉程度的增加，出行者改变出行路径的概率也增加，因为熟悉路网的出行者在改变出行路径时将免去由于搜索替代路径而产生的间接成本。出行者对交通信息的关注度也会对出行路径的选择产生影响，随着出行者对交通信息关注度的增加，出行者改变出行路径的概率也增加。随着出行者冒险倾向的增加，出行者改变出行路径的概率也增加。

2.4 模型2与模型3的对比分析

模型3比模型2的常数项大，说明在其他影响因素相同的情况下，出行者在详细事故信息的影响下改变出行路径的概率要大于在基本事故信息影响下改变出行路径的概率。这与模型1的标定结果一致，即随着事故信息详细度的增加，出行者改变出行路径的概率也增加。

模型2与模型3中，冒险性格者较保守性格者出行路径的改变概率分别增加exp(0.330)-1=0.39倍和exp(0.234)-1=0.26倍,保守性格者与冒险性格者的路径选择行为逐渐趋于一致，表明在详细交通事故信息下，在事故路段交通运行状况及替代路径交通运行状况等详细交通事故信息的引导下，保守性格者会增大改变出行路径的概率，并逐渐趋近于冒险性格者。

模型2与模型3中，非弹性出行者比弹性出行者出行路径的改变概率分别增加0.79倍和0.44倍。在事故路段和替代路段等交通事故详细信息的影响下，弹性出行者能更加准确地预期到各个路段的出行时间，从而做出改变出行路径的行为决策，其路径选择行为逐渐趋近于非弹性出行者。

3 结论

本文研究了交通事故信息的详细程度对出行者路径选择行为的影响。研究结果表明，交通事故信息及其发布时间对不同类别出行者的影响不同。其中:(1)交通事故信息的详细程度对小汽车出行者出行路径的选择具有显著影响，随着交通事故信息详细度的增加，出行者改变出行路径的概率也增加；(2)交通事故信息发布得越及时，出行者改变出行路径的概率越大；(3)详细交通事故信息对于保守性格者、弹性出行者具有更显著的引导作用。交通事故信息所包括的内容丰富，本文所涉及的只是其中的部分属性，对事故持续时间、影响范围等重要信息对出行者路径选择行为的影响机理将是下一步的研究方向。随着先进的智能交通技术的进一步发展，交通事故信息量增大，对出行者的影响规律也将更加凸显。