文|史说百家

编辑|史说百家

交通死亡占人类非自然死亡的大部分，全世界每年约有1万人死于交通事故，调查交通事故原因并完善相应的预防政策对于减少交通死亡人数至关重要。

许多研究表明，除了不小心驾驶等内部主观因素和雨雪雾等外部气象因素外，雾霾污染等环境因素也是交通死亡的重要驱动因素。

雾霾为什么会影响到交通运行，甚至引发交通事故？我们又有没有什么办法来应对这种情况？

许多国家都制定了气象预警政策，包括大雾预警、高温预警等，以及雾霾污染预警等环境预警政策。

我们还应该知道的是，交通安全领域的研究包括大量关于预警政策的研究，但几乎所有研究都集中在气象预警政策上，而环境预警政策在很大程度上被忽视。

环境预警与气象预警有明显区别，以气象大雾预警和环境雾霾预警为例，前者主要影响人的视力，但不对人体健康造成危害，而后者主要损害个人健康，对视力的影响远小于前者。

先前的研究已经证明，环境雾霾污染更容易通过加剧驾驶员的生理和心理状态来降低驾驶性能，而不是像大雾那样模糊驾驶员的视线，因为最严重的极重雾霾预警只能造成1000米左右的视觉影响， 这对道路驾驶的影响有限。

首先是雾霾污染与交通的反向因果关系，交通车辆是通过颗粒物排放形成烟雾污染物的重要贡献者，虽然许多学者研究了交通对烟雾污染形成的影响，但我们反过来评估了雾霾污染对交通的影响。

第二个问题是复杂多变的气象因素的干扰，雾霾污染的形成和交通事故的发生与温度、湿度、大雾、大风等天气条件密切相关，我们需要消除这些气象因素的干扰。

本我们利用回归不连续性设计（RDD）策略和高维固定效应方法，来解决了反向因果关系和气象干扰问题，RDD是一种准自然实验方法，其基本思想是，基于不同PM2.5浓度发出的雾霾预警信号，是减少预警信号断点附近小窗口内交通死亡的因素之一。

同时，其他因素必须在该范围内保持相对不变，PM2.5浓度的轻微上升只会导致预警信号的发生，如果导致交通死亡人数的不连续变化。

这些变化可能体现预警信号对交通死亡的影响，在RDD策略中，还可以分组控制温度、湿度、雾、雨、雪、风等天气因子的高维固定效应，可以严格排除气象因子对估计的干扰，

我们收集了中国司法文书网2016年至2020年所有交通死亡案件的记录，整理了295个都道府县城市每天的交通死亡人数。

根据不同雾霾污染等级的PM2.5浓度，我们分别构建了RDD模型，以估计不同雾霾污染预警信号对减少交通死亡的影响，此外还对不同的驾驶员特征、车辆类型和道路位置进行了异质性分析。

我们利用RDD来评估烟雾警告信号对交通死亡的影响，雾霾预警信号主要依靠PM2.5浓度。

当浓度超过警告阈值时，CEPA会发出警告信号，提示驾驶员相应地调整驾驶行为，相反，当浓度略低于阈值时，不会发出警告信号，但驾驶员仍可能受到警告的影响。

因此我们可以将雾霾预警信号视为准自然实验的外源性冲击，以PM2.5浓度高于阈值的样本为实验组，低于该浓度的样本为对照组，在浓度阈值附近的小窗口中，只有警告信号突然变化，而其他因素保持连续。

如果在这个较小的窗口中，我们观察到实验组的交通死亡人数与对照组相比在警告信号之前和之后也突然跳跃，那么交通死亡人数的变化可以归因于警告信号的影响。

首先，我们识别了与“死亡”相关的文本，删除了那些没有导致死亡的“交通犯罪”记录，如酒后驾车等，以确保每个样本都是一个交通死亡案例，其次，我们从判决书的摘要陈述中提取了事故中死亡的人数。

第四，从公诉人的详细流程陈述中，我们定位并抓取了事故的确切日期和城市、驾驶车辆的特征（两个或四个轮子）、路段特征（城市或乡村、高速公路或非高速公路），

我们还从司机的信息中抓取了司机的人口特征（性别、教育和年龄），最后，我们计算了295年至2016年中国2020个城市的每日交通死亡人数。

与现有的交通事故研究数据集相比，交通犯罪数据可能具有三个优势，首先，数据是全国整体样本，关于交通事故的大部分现有证据都是基于区域样本，而使用了更广泛的整体数据。

其次，选择了日高频数据，以促进天气和日常雾霾污染数据在时空维度的整合，有望提高估计的精度。

最后，每条犯罪记录都包含详细信息，例如驾驶员的人口特征，碰撞的具体位置以及车辆的特征，这些信息可用于进行详细的异质性分析，以发现更多有关影响的信息。

我们的主要变量是2020年至2016年中国295个城市的每日交通死亡人数，从文件中，我们整理了驾驶员的个人特征、车辆类型和道路位置，根据上述信息，我们将驾驶员有罪的交通死亡分为以下几类。

以进一步研究对不同驾驶员，车辆和道路的不同影响：男性驾驶员，女性驾驶员，老年驾驶员（年龄≥60岁），年轻驾驶员（≤35岁），中年驾驶员（35<年龄<60岁），受教育程度较低的驾驶员（大学以下）， 受过良好教育的司机（大学及以上），四轮车，两轮车，城市道路，乡村道路，高速公路和非高速公路。

处理变量“是否预警”表示每日PM2.5浓度是否达到相应的预警临界值，我们假设当日PM2.5浓度超过预警临界阈值时，将其视为预警样本，并将相应值设置为1，否则，它设置为 0。

我们的RDD策略的有效性取决于运行变量的连续性，如果运行变量不是随机连续分布在截止点，那么估计的效果可能是由于运行变量而不是预警策略，使我们的RDD策略不可靠。

不同雾霾水平警告下处理变量的直流密度检验.

将雾霾污染和交通相关的日常气象因素作为控制变量，包括连续变量和离散变量，不仅可以提高估计的准确性，还可以尽可能防止估计误差，连续变量是湿度和温度。

其中离散变量包括多个天气类别： 小雨、中雨、强雨、雷雨、雨夹雪、小雪、大雪、多云、晴天、沉闷和有雾以及九个风向，东风、东北风、东南风、北风、西北风、西南风、西风、南风、无风。

以及3个风速分类，3~4，4~5，5以上，控制变量的描述性统计量，所有气象数据均来自中国国家环境监测中心。

汇总统计信息。

为了更直观地了解雾霾预警信号对交通死亡的影响，我们提出了三次预警前后交通死亡人数的线性和二次趋势，拟合曲线如图所示，图表中的每个点表示相应PM2.5浓度下的交通死亡人数。

轻雾霾预警合适。（a） 线性和 （b） 二次。

实线表示对数据的非参数拟合，在轻雾霾和中度雾霾预警阈值后，每日交通死亡人数明显上升，而极重雾霾预警阈值的上升不如轻雾霾和中度雾霾预警阈值明显。

中度雾霾预警配件。（a） 线性和 （b） 二次。

从散射分布点看，轻度雾霾预警相对集中，优于中度雾霾预警分布，最后是极重雾霾预警，轻雾霾预警和中度雾霾预警在断点前后曲线趋势变化中相对稳定，而特重雾霾预警则相反。

极重雾霾预警配件。（a） 线性和 （b） 二次。

采用模型对交通死亡的轻雾霾、中度雾霾和极重雾霾预警信号进行RDD估计，在下表中，第一列和第二列分别说明了轻雾霾预警信号的线性和二次回归结果。

预警策略在治理变量前的系数为显著负值，表明轻雾霾预警信号将显著降低交通死亡人数，具体而言，一个轻微的雾霾预警信号将使总死亡人数减少约3.6%（0.015/0.418）。

RDD估计雾霾对交通死亡的预警。

第3和4列是中度雾霾预警信号的回归，同样，其在政策处理变量之前的系数为显著负，表明发出中度雾霾预警信号将使总交通死亡人数减少约4.3%。

令人惊讶的是，我们从第5和6栏发现，极重雾霾预警信号的估计系数虽然为负，但并不显著，这意味着极重雾霾预警信号不会导致交通死亡人数减少。

RDD结果表明，轻雾霾和中度雾霾预警显著降低了交通事故死亡人数，而极重雾霾预警信号则没有，这与不连续拟合曲线的结果一致，有两种机制可以决定个人对烟雾污染的反应，

一是自我意识机制，即个体通过视觉观察或其他生理方式自主感知雾霾污染，在没有预警信号的情况下主动采取防护措施，二是预警信号机制，即个体对雾霾污染的发生不太敏感，雾霾预警信号的发出，使其意识到室外环境污染程度高，并采取相应的预防措施。

我们认为，当PM2.5浓度接近轻雾霾和中度雾霾预警断点时，驾驶员往往无法通过视线直接感知环境雾霾污染，这时，他们需要在做出行为反应之前接收到雾霾预警信号，小心驾驶，即自我识别机制不起作用。。

而预警信号机制起作用，当PM2.5浓度接近极重雾霾预警临界值时，驾驶员会注意到雾霾污染，并自发采取对策，在这种情况下，极重雾霾预警信号将不再起到提醒作用，我们认为，极重雾霾预警的失败是由于自我意识机制，而不是预警信号机制。

我们在PM2.5 变量部分中测试了 PM3.3 浓度作为运行变量的连续性，在这里我们进一步测试了其他协变量的连续性，本文协变量是影响交通安全和雾霾污染的连续天气变量，主要包括最高温度、最低温度、平均温度和湿度。

如果这些协变量在雾霾预警发布时在临界点处出现显著跳跃，那么交通死亡人数突然“跳跃”的影响可能是由于雾霾预警信号以外的这些跳跃协变量造成的，从而导致我们之前估计的偏差。

轻雾霾预警临界值的连续性试验。（a） 最高温度，（b） 最低温度，（c） 平均温度和 （d） 湿度

通过绘制PM2.5浓度与这些协变量的拟合曲线来检查协变量在临界值处的连续性，下面的图片显示了轻雾霾、中度雾霾和极重雾霾预警政策截止时的协变量检验结果。

从图中可以看出，各协变量在策略截止前后均表现出较好的连续性，且无明显跳跃，表明协变量满足连续性假设，证实了我们RDD基本估计结果的可靠性。

极重雾霾预警临界值的连续性试验。（a） 最高温度，（b） 最低温度，（c） 平均温度，（d） 湿度。

RDD估计结果也受到带宽范围的影响，我们使用参数和非参数方法来测试带宽选择的灵敏度，首先，我们使用参数化方法进行测试，结果如表所示，根据基准回归中的初始带宽。

我们将带宽调整为重新估计如图所示，新带宽下轻雾霾预警和中度雾霾预警的估计系数仍为显著负，而极重雾霾预警也微不足道，关于估计系数的值，虽然绝对值略大于基本结果，但与之前的结果基本一致，这表明我们的RDD估计策略不依赖于带宽的选择。

RD结果在不同的D带宽内

之后我们进一步通过非参数估计进行了带宽测试，基于RDD非参数估计的最优带宽，我们按顺序将最优带宽的10%在20-200%的范围内进行估计，以测试其对带宽选择的敏感性。

如图所示，估计结果主要分布在0.013和0.015之间，在5%置信水平下具有显著性，这与基本估计基本一致，也使我们相信我们的基准参数估计结果是鲁棒的。

带宽测试的非参数估计

我们从官方的中国判决在线获得了2016年至2020年中国每日城市交通死亡数据的几乎整个样本，基于预警信号PM2.5浓度阈值，构建严格的RDD策略来识别雾霾预警策略，并采用高维固定效应法消除各种气象因素的干扰，以准确估计雾霾预警信号对交通死亡的积极影响。

之后重点关注环境预警政策对交通安全的影响，从“预警”而非“监管”的角度丰富环境政策研究，并将环境政策的范围扩大到交通安全，对雾霾污染监管和交通安全相关的政策制定具有借鉴意义。

建议交通部门会同气象部门、环境部门建立气象环境联合交通预警体系，既涉及极端天气因素，也涉及环境污染因素。

从而在更大范围内减少交通事故数量，考虑到黄色和橙色雾霾警告信号对减少交通事故死亡人数的重大影响，政府可以在交通管理中更广泛地利用这些警告信号。

这些信号用于提醒驾驶员注意路况，并促使他们采取相应的预防措施，即使雾霾不会显著影响能见度，从而降低发生交通事故的可能性。

根据研究结果，女性司机、高学历司机、老年司机、摩托车骑手以及在农村道路和高速公路上行驶的司机更容易受到雾霾警告信号的影响，并表现出相应的预防性驾驶行为，我们建议政府根据这些特点制定有针对性的教育和培训计划，以提高其他人群对雾霾警告信号的认识，并鼓励他们采取主动驾驶行。

参考文献：

赛戈尔：使用大气温度反转估计空气污染对道路安全的影响。2019

李燕，薛萌，德勒尤，谢燕益：1973—2017年中国雾霾日数时空分布特征及相关因素。2019

冯彤，杜华：环境法规对空气污染的空间溢出效应——来自中国城市群的证据。 2020

李克强：人口和能源价格如何影响中国的环境污染？2019

在阅读此文后，烦请您关注+评论，方便剩下后续事件有新的进展能够让您迅速关注到

END