+发表新主题
haha365365 发布于2007-4-29 08:52 1 次浏览 1 位用户参与讨论
跳转到指定楼层
事故调查与统计的目的是总结事故,利用统计方法对事故数据进行整理和加工。
道路交通事故的统计评价可以揭示事故的重点,从而做到有的放矢,并且确定碰撞事故中乘员受伤与事故严重程度的相互关系。对于不同的机构和不同研究目的,事故调查的项目也不同。
1 )政府道路交通事故统计
  政府主管部门所进行的事故统计具有二次事故统计的性质。这些统计结果来源于公安交通管理部门的事故调查报告。警察的事故现场调查数据不仅可供政府决策使用,而且也适用于解释事故原因和澄清事故责任。
事故调查表格和调查方法是这种多目标问题的最好方法(折中方法)。虽然有人曾经尝试用交通警察采集的事故数据对政府统计的特殊要求进行计算,但是,由于一系列制约因素的存在,有时缺乏令人信服的说服力。
这种交通事故统计方法主要适用于分析现行交通安全状态和地区乃至全国的事故现状。
2 )统计局事故数据
  国外一些国家常采取逐月或每年汇总的统计方式,并定期发布一次全国交通事故的详细统计结果。其一般包括 50 至 100 个有关参数,诸如季节、地点、道路状况和种类、视线情况、天气条件、事故原因、驾驶员违章、车辆缺陷、事故类型、事故种类以及直接物质损失和人身伤亡等一般事故数据。
上述两类都属于政府统计的性质。由于其数据面广,数据的精度受到了影响,误差首先受下述两个方面的影响:
•不是所有的事故真正被警察所采集处理(即官方未掌握或按规定不需掌握的事故数据);
•由于政府统计调查的特点,对事故报告统计不准确(报告误差)。
从事故研究的观点出发,政府事故统计不准确还受到下述方面的影响:
对于事故研究十分重要的一些事故特征(例如碰撞形式、是否系安全带等),在各国政府的统计中根本没有涉及到;
政府统计中某些调查特征(例如,受伤严重程度)的定义不精确,也不适用于某些目的的事故研究。
受伤严重程度的分类和描述仅分为三组:轻伤(标准为门诊处理)、重伤(住院治疗)和死亡(当场死亡或直接原因受伤间隔一段时间后死亡,各国不同取值不同,分别为 1 天、 3 天、 7 天、 1 个月或不限制天数等)。
3 )车辆保险机构的追溯性研究
这种观察研究可获得交通事故某一方面的详细信息。例如,对 HUK (德国机动车和健康义务保险联合会)的保险档案中交通事故数据的综合利用。从而获得与车辆、安全带使用、乘员的车内分布、车内碰撞接触部位以及分析事故过程必需的其它数据。
对于某些棘手的交通事故可以利用法院的档案、验尸报告、事故鉴定人员的鉴定材料、保险单以及事故调查报告(约 500 个数据)检验其正确性,这就需要利用大量案例进行深入研究。
4 )交通事故的跨学科研究
  这种追溯性、地区性的多学科大规模事故调查是对真实事故进行现场考察研究。它通过大量数据,全面地考虑与事故相关的各种工程技术、医学和心理学因素的影响。为了对事故进行精确的数据采集、分析和再现,每起事故最多要采集 2500 个数据。但是这种区域性事故研究必然受到研究地区、时间以及项目费用的制约。
各国大型汽车制造厂家、保险机构、政府主管部门、科研院所以及其它独立机构根据自身的研究目的,都有其详细而精确的特殊事故调查结果。
各个大型汽车制造厂家限于对其生产的汽车参与的交通事故进行调查研究,研究成果主要为其汽车安全措施的改进提供依据或对已实施的安全措施效果进行验证。但是,这种详细的结果一般仅限于自用,通常不予以公布。
  在德国,由汉诺威医学院( MHH )和柏林工业大学( TUB )合作成立的事故研究团队( UFO )受德国联邦公路工程研究所 (BASt) 的委托,自 1973 年以来,在下萨可森州首府汉诺威大区,对该地区的交通事故进行了深入的多学科交叉研究。由工程技术、医学和心理学科学工作者组成研究项目组,与地区警察和消防队密切合作,利用小型监听电台,收听警察和消防队的呼叫(报告)。一旦收听到事故,项目组人员马上驾驶两辆汽车,及时赶赴事故现场。如果有人员伤亡,若警察和 / 或救护组织尚未赶到现场,则他们中的医务工作者立即投入抢救工作,或立即将伤员送往医院,或跟踪采访受伤者。同时,工程技术人员立即调查事故现场。然后,医务人员可能跟踪伤员和采访事故其它当事人,工程技术人员则对事故车辆进行详细勘测。他们的事故现场资料是与警察互通有无的。如果警察到达事故现场晚,则他们就将调查资料寄给警察,反之亦然。这个研究组织也与该地区各大医院达成协议,配合他们对伤亡人员采访。
回复

使用道具 举报

已有1人评论

afeicao 发表于 2007-4-29 09:20:00
支持一下。。。。。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ| Archiver|手机版|小黑屋| 碧波制图网 Stonespider

Copyright © 2021-2023 Kangli Wu   All Rights Reserved.

Powered by Discuz! X3.5( 苏ICP备18011607号-1 )

快速
回复
返回
列表
返回
顶部