本發(fā)明涉及一種基于對(duì)應(yīng)分析模型的交通事故成因分析方法。

背景技術(shù)：

隨著國(guó)內(nèi)汽車保有量的逐步上升，交通事故問題也愈發(fā)突出；各種類型的交通事故層出不窮；在這些事故類型的背后必然存在著各種各樣的事故原因，基于駕駛員的、基于道路環(huán)境的等等；因此需要通過大量的數(shù)據(jù)進(jìn)行分析探索，找出造成各種事故類型因素之間的區(qū)別和聯(lián)系；從而針對(duì)性的預(yù)防交通事故的發(fā)生，提升道路的安全性。

目前對(duì)于交通事故成因分析的方法缺乏細(xì)致的分類，研究上大多集中在交通事故次數(shù)及其影響關(guān)系；而對(duì)于駕駛?cè)说鸟{駛行為分析、駕駛?cè)说氖鹿暑愋头治鋈狈ο鄳?yīng)的研究；現(xiàn)實(shí)中違章是導(dǎo)致最終發(fā)生交通事故的導(dǎo)火索，如何從駕駛?cè)说臍v史違章記錄來探索司機(jī)在駕駛過程中何種違章行為會(huì)導(dǎo)致何種類型的交通事故；其次駕駛?cè)说鸟{駛行為又和司機(jī)駕齡、性別駕駛的車輛不無(wú)關(guān)系；上述問題的解決對(duì)交通事故成因的分析有著積極的作用。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于對(duì)應(yīng)分析模型的交通事故成因分析方法，針對(duì)不同的交通事故類型，利用對(duì)應(yīng)分析和聚類的方法，將影響發(fā)生事故類型的成因進(jìn)行多維度分析探索，解決現(xiàn)有技術(shù)中存在的上述問題。

本發(fā)明的技術(shù)解決方案是：

一種基于對(duì)應(yīng)分析模型的交通事故成因分析方法，包括以下步驟，

S1、輸入交通違章數(shù)據(jù)和交通事故數(shù)據(jù)，并將交通違章數(shù)據(jù)和交通事故數(shù)據(jù)通過司機(jī)身份信息進(jìn)行關(guān)聯(lián)；

S2、交通事故類型和交通違章類型對(duì)應(yīng)分析，首先進(jìn)行探索性分析，使用數(shù)據(jù)透視圖統(tǒng)計(jì)違章數(shù)據(jù)，并通過閾值法篩選出后續(xù)分析的違章樣本數(shù)據(jù)；找出每種違章類型下對(duì)應(yīng)的事故人群及其發(fā)生的事故類型，統(tǒng)計(jì)每種事故類型在所有事故類型中的占比；其次，選取有代表性的事故類別及其事故類型進(jìn)行簡(jiǎn)單對(duì)應(yīng)分析；

S3、交通事故類型與司機(jī)駕齡、性別及駕駛車輛的多元對(duì)應(yīng)分析；從事故數(shù)據(jù)中提取事故責(zé)任方身份信息，及其對(duì)應(yīng)的事故類型、肇事車輛品牌類型、司機(jī)駕齡以及性別四類信息；將t類事故類型、y類駕駛車輛類型、j類駕齡類別、性別一一對(duì)應(yīng)，總共產(chǎn)生x＝(2*t*y*j)類組合；統(tǒng)計(jì)每一類組合所對(duì)應(yīng)的人數(shù)，利用統(tǒng)計(jì)學(xué)中對(duì)多元對(duì)應(yīng)分析的方法得出多重對(duì)應(yīng)關(guān)系。

進(jìn)一步地，步驟S1中，交通事故數(shù)據(jù)的特征向量為CS＝[C，K，V]，其中C為事故發(fā)生類型；K為人員信息，包括司機(jī)性別、駕齡、事故責(zé)任歸屬；V為車輛品牌信息；交通違章數(shù)據(jù)的特征向量為WS＝[A，H]，其中A為違章人員身份信息，H為違章人員的違章內(nèi)容。

進(jìn)一步地，所述步驟S2中，進(jìn)行探索性分析具體為：

S21、按照交通事故類型，將事故司機(jī)進(jìn)行分類；

S22、根據(jù)事故司機(jī)信息，從交通違章數(shù)據(jù)表中篩選出事故司機(jī)的違章記錄，統(tǒng)計(jì)每一事故類型司機(jī)各類違章的次數(shù)；

S23、根據(jù)統(tǒng)計(jì)后的各類違章數(shù)量，保留違章次數(shù)大于等于p次的違章類型，其中p為違章樣本篩選閾值；

S24、計(jì)算每一類型交通事故對(duì)應(yīng)的各種交通違章次數(shù)與每一類型交通違章的總次數(shù)的比值；

S25、以司機(jī)交通違章的比例為縱坐標(biāo)，司機(jī)交通違章的類型為橫坐標(biāo)，將各類型交通事故的司機(jī)所發(fā)生的各類交通違章的比例繪制在此坐標(biāo)系中，觀察各類事故類型司機(jī)的各類違章的比例，初步探索事故與違章關(guān)系。

進(jìn)一步地，所述步驟S24具體為，計(jì)算公式如下：

交通事故A＝{a₁，a₂，…a_i，…a_m}，其中a_i為交通事故類型，m為事故類型次序；

事故人數(shù)K＝{k₁，k₂，…k₃，…，k_m}，其中k_i為發(fā)生交通事故類型為a_i的人數(shù)；

違章類型B＝{b₁，b₂，…b_i，…，b_n}，b_i為交通違章類型，n為違章類型次序；

違章人數(shù)k_mb_n為司機(jī)交通事故類型是a_m的，其發(fā)生違章類型為b_n的次數(shù)；

違章類型為m的司機(jī)的總?cè)藬?shù)

司機(jī)違章總次數(shù)

司機(jī)違章類型比例矩陣

進(jìn)一步地，所述步驟S2中，選取有代表性的事故類別及其事故類型進(jìn)行簡(jiǎn)單對(duì)應(yīng)分析，選取的標(biāo)準(zhǔn)為：

其中，δ_n為各種事故類型的司機(jī)在每一類違章類型中的分布比例與總的事故類型人數(shù)分布比例2倍的差值；λ為事故類別與違章類別對(duì)應(yīng)異常閾值；μ為每一類違章類型人數(shù)的閾值。

選取標(biāo)準(zhǔn)的實(shí)際意義是找出各種事故類型的司機(jī)在每一類違章類型中的分布比例與總的事故類型人數(shù)分布比例的差值，以此得出違章類型與事故類型人數(shù)分布比例異常的值；

進(jìn)一步地，所述步驟S3中司機(jī)駕齡、性別、駕駛車輛類型與發(fā)生交通事故類型的多元對(duì)應(yīng)分析包括以下步驟：

S31、按照發(fā)生交通事故類型分類事故責(zé)任方司機(jī)；

S32、對(duì)這些司機(jī)的駕齡進(jìn)行簡(jiǎn)單統(tǒng)計(jì)，得到司機(jī)發(fā)生事故數(shù)量在司機(jī)駕齡上的變化趨勢(shì)；

S33、根據(jù)步驟S32得到的變化趨勢(shì)，將事故責(zé)任方司機(jī)的駕齡進(jìn)行分段分類；

S34、依據(jù)車輛的品牌系列將車輛分類；

S35、統(tǒng)計(jì)每類事故類型下各個(gè)司機(jī)的駕齡、性別、駕駛的車輛類型，進(jìn)行合并同類統(tǒng)計(jì)得到總共產(chǎn)生x＝(2*t*y*j)類組合及每一類組合下對(duì)應(yīng)的人數(shù)；

S36、將步驟S35得到的結(jié)果使用對(duì)應(yīng)分析的方法得出多重對(duì)應(yīng)關(guān)系，在二維空間坐標(biāo)中以點(diǎn)與點(diǎn)之間距離的形式直觀的反映變量間的關(guān)系。

本發(fā)明的有益效果是：該種基于對(duì)應(yīng)分析模型的交通事故成因分析方法，使用對(duì)應(yīng)分析方法對(duì)造成不同類型的事故成因進(jìn)行多維度探索，通過司機(jī)歷史違章記錄、駕齡、性別、車輛品牌與發(fā)生交通事故的類型，對(duì)司機(jī)駕駛行為及其影響因素進(jìn)行分析，得出多重對(duì)應(yīng)關(guān)系；從而實(shí)現(xiàn)交通事故的針對(duì)性預(yù)防，提升道路的安全性。

附圖說明

圖1是本發(fā)明實(shí)施例基于對(duì)應(yīng)分析模型的交通事故成因分析方法的流程示意圖。

圖2是實(shí)施例中得到的事故類型及其對(duì)應(yīng)的違章類型的示意圖。

圖3是實(shí)施例中事故類型及其違章類型簡(jiǎn)單對(duì)應(yīng)的散點(diǎn)圖。

圖4是實(shí)施例中多元對(duì)應(yīng)分析的類別點(diǎn)聯(lián)合圖形。

具體實(shí)施方式

下面結(jié)合附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施例。

實(shí)施例

實(shí)施例應(yīng)用統(tǒng)計(jì)學(xué)中的對(duì)應(yīng)分析方法對(duì)造成不同類型的事故成因進(jìn)行多維度探索。實(shí)施例通過駕駛?cè)藲v史違章記錄探索司機(jī)在駕駛過程中何種違章行為會(huì)導(dǎo)致何種類型的交通事故；其次分析得出駕駛?cè)说鸟{駛行為和司機(jī)駕齡、性別駕駛的車輛的關(guān)系。

實(shí)施例的基于對(duì)應(yīng)分析模型的交通事故成因分析方法，包括以下步驟：輸入交通事故數(shù)據(jù)和交通違章數(shù)據(jù)，二者通過司機(jī)身份信息關(guān)聯(lián)；對(duì)司機(jī)交通事故類型及其交通違章類型進(jìn)行對(duì)應(yīng)分析；對(duì)司機(jī)交通事故類型和司機(jī)駕齡、性別、車系多重對(duì)應(yīng)分析。

實(shí)施例的基于對(duì)應(yīng)分析模型的交通事故成因分析方法，通過司機(jī)歷史違章記錄、駕齡、性別、車輛品牌與發(fā)生交通事故的類型，對(duì)司機(jī)駕駛行為及其影響因素進(jìn)行分析；從而實(shí)現(xiàn)交通事故的針對(duì)性預(yù)防，提升道路的安全性。

交通違章數(shù)據(jù)包括：違章人員身份信息、違章人員的違章內(nèi)容。

交通事故數(shù)據(jù)包括：事故發(fā)生類型、司機(jī)性別、責(zé)任歸屬、駕齡、車輛品牌信息。

該種基于對(duì)應(yīng)分析模型的交通事故成因分析方法，如圖1，包括以下步驟，

S1、輸入交通違章數(shù)據(jù)和交通事故數(shù)據(jù)，并將交通違章數(shù)據(jù)和交通事故數(shù)據(jù)通過司機(jī)身份信息進(jìn)行關(guān)聯(lián)；交通事故數(shù)據(jù)的特征向量為CS＝[C，K，V]，其中C為事故發(fā)生類型；K為人員信息，包括司機(jī)性別、駕齡、事故責(zé)任歸屬；V為車輛品牌信息；交通違章數(shù)據(jù)的特征向量為WS＝[A，H]，其中A為違章人員身份信息，H為違章人員的違章內(nèi)容。

S2、交通事故類型和交通違章類型對(duì)應(yīng)分析，首先進(jìn)行探索性分析，使用數(shù)據(jù)透視圖統(tǒng)計(jì)違章數(shù)據(jù)，并通過閾值法篩選出后續(xù)分析的違章樣本數(shù)據(jù)；找出每種違章類型下對(duì)應(yīng)的事故人群及其發(fā)生的事故類型，統(tǒng)計(jì)每種事故類型在所有事故類型中的占比；其次，選取有代表性的事故類別及其事故類型進(jìn)行簡(jiǎn)單對(duì)應(yīng)分析。

步驟S2中，進(jìn)行探索性分析具體為：

S21、按照交通事故類型，將事故司機(jī)進(jìn)行分類；

S22、根據(jù)事故司機(jī)信息，從交通違章數(shù)據(jù)表中篩選出事故司機(jī)的違章記錄，統(tǒng)計(jì)每一事故類型司機(jī)各類違章的次數(shù)；

S23、根據(jù)統(tǒng)計(jì)后的各類違章數(shù)量，保留違章次數(shù)大于等于p次的違章類型，其中p為違章樣本篩選閾值；

S24、計(jì)算每一類型交通事故對(duì)應(yīng)的各種交通違章次數(shù)與每一類型交通違章的總次數(shù)的比值，計(jì)算公式如下：

交通事故A＝{a₁，a₂，…a_i，…a_m}，其中a_i為交通事故類型，m為事故類型次序；

事故人數(shù)K＝{k₁，k₂，…k₃，…，k_m}，其中k_i為發(fā)生交通事故類型為a_i的人數(shù)；

違章類型B＝{b₁，b₂，…b_i，…，b_n}，b_i為交通違章類型，n為違章類型次序；

違章人數(shù)k_mb_n為司機(jī)交通事故類型是a_m的，其發(fā)生違章類型為b_n的次數(shù)；

違章類型為m的司機(jī)的總?cè)藬?shù)

司機(jī)違章總次數(shù)

司機(jī)違章類型比例矩陣

S25、以司機(jī)交通違章的比例為縱坐標(biāo)，司機(jī)交通違章的類型為橫坐標(biāo)，將各類型交通事故的司機(jī)所發(fā)生的各類交通違章的比例繪制在此坐標(biāo)系中，觀察各類事故類型司機(jī)的各類違章的比例，初步探索事故與違章關(guān)系。

S26、選取有代表性的事故類別及其事故類型進(jìn)行簡(jiǎn)單對(duì)應(yīng)分析，選取的標(biāo)準(zhǔn)為：

其中，δ_n為各種事故類型的司機(jī)在每一類違章類型中的分布比例與總的事故類型人數(shù)分布比例2倍的差值；λ為事故類別與違章類別對(duì)應(yīng)異常閾值；μ為每一類違章類型人數(shù)的閾值。

選取標(biāo)準(zhǔn)的實(shí)際意義是找出各種事故類型的司機(jī)在每一類違章類型中的分布比例與總的事故類型人數(shù)分布比例的差值，以此得出違章類型與事故類型人數(shù)分布比例異常的值；

S3、交通事故類型與司機(jī)駕齡、性別及駕駛車輛的多元對(duì)應(yīng)分析；從事故數(shù)據(jù)中提取事故責(zé)任方身份信息，及其對(duì)應(yīng)的事故類型、肇事車輛品牌類型、司機(jī)駕齡以及性別四類信息；將t類事故類型、y類駕駛車輛類型、j類駕齡類別、性別一一對(duì)應(yīng)，總共產(chǎn)生x＝(2*t*y*j)類組合；統(tǒng)計(jì)每一類組合所對(duì)應(yīng)的人數(shù)，利用統(tǒng)計(jì)學(xué)中對(duì)多元對(duì)應(yīng)分析的方法得出多重對(duì)應(yīng)關(guān)系。

步驟S3中司機(jī)駕齡、性別、駕駛車輛類型與發(fā)生交通事故類型的多元對(duì)應(yīng)分析包括以下步驟：

S31、按照發(fā)生交通事故類型分類事故責(zé)任方司機(jī)；

S32、對(duì)這些司機(jī)的駕齡進(jìn)行簡(jiǎn)單統(tǒng)計(jì)，得到司機(jī)發(fā)生事故數(shù)量在司機(jī)駕齡上的變化趨勢(shì)；

S33、根據(jù)步驟S32得到的變化趨勢(shì)，將事故責(zé)任方司機(jī)的駕齡進(jìn)行分段分類；

S34、依據(jù)車輛的品牌系列將車輛分類；

S35、統(tǒng)計(jì)每類事故類型下各個(gè)司機(jī)的駕齡、性別、駕駛的車輛類型，進(jìn)行合并同類統(tǒng)計(jì)得到總共產(chǎn)生x＝(2*t*y*j)類組合及每一類組合下對(duì)應(yīng)的人數(shù)；

S36、將步驟S35得到的結(jié)果使用對(duì)應(yīng)分析的方法得出多重對(duì)應(yīng)關(guān)系，在二維空間坐標(biāo)中以點(diǎn)與點(diǎn)之間距離的形式直觀的反映變量間的關(guān)系。

實(shí)驗(yàn)驗(yàn)證

實(shí)施例方法中所做的數(shù)據(jù)分析處理，主要使用EXCEL和IBM SPSS Statistics22.0統(tǒng)計(jì)分析軟件；涉及到EXCEL的篩選、比對(duì)、數(shù)據(jù)透視表等基礎(chǔ)處理手段以及SPSS中的對(duì)應(yīng)分析方法。

如圖1，一種基于對(duì)應(yīng)分析模型的交通事故成因分析方法，包括以下步驟：

輸入司機(jī)違章數(shù)據(jù)和事故數(shù)據(jù)，二者通過司機(jī)身份信息相互對(duì)應(yīng)。

案例數(shù)據(jù)包含了某市2015年全年的56651起交通事故數(shù)據(jù)以及2014-2016兩年的61473起交通違章數(shù)據(jù)，涉及人員113302余人；其中，事故數(shù)據(jù)包括司機(jī)身份證號(hào)、事故類別、責(zé)任承擔(dān)信息、司機(jī)駕齡、性別、肇事車輛品牌；違章數(shù)據(jù)包括司機(jī)身份證號(hào)、違章代號(hào)、違章內(nèi)容。

通過EXCEL表格處理，將事故發(fā)生類型為同一類的司機(jī)及其違章類型數(shù)據(jù)合并提取，得到發(fā)生某類事故的司機(jī)其常發(fā)性違章類型情況；依據(jù)某種違章類型的發(fā)生數(shù)量將200種違章數(shù)據(jù)篩選至20種，結(jié)果如圖2所示。

對(duì)比事故中負(fù)有責(zé)任的駕駛員與其兩年內(nèi)違章情況發(fā)現(xiàn)，其違章類型集中在某幾類；并且發(fā)現(xiàn)不同的事故類型對(duì)應(yīng)著不同的違章高發(fā)類型，即發(fā)生某一類交通事故的人經(jīng)常性的違章某一種類型；圖2顯示了發(fā)生9類交通事故類型的司機(jī)對(duì)應(yīng)的發(fā)生20類高發(fā)交通違章類型所占的比例；例如發(fā)生追尾事故的人其發(fā)生“進(jìn)入導(dǎo)向車道、不按規(guī)定方向行駛的”這一違章類型就比其他違章類型都要高(占比22.29％)；事故發(fā)生類型是違反交通信號(hào)的司機(jī)，其發(fā)生“駕駛機(jī)動(dòng)車在高速公路、城市快速路以外的道路上不按規(guī)定車道行駛的”這一事故類型占比高達(dá)60.66％；因此猜想，可以通過司機(jī)歷史違章行為預(yù)先判斷可能發(fā)生的事故類型，以便有司機(jī)針對(duì)性的防范交通事故的發(fā)生；

根據(jù)上述探索思路，選取有代表性的事故類別及其事故類型進(jìn)行對(duì)應(yīng)分析；選取δ_n>0，c_n＞50的作為實(shí)驗(yàn)的違章類型，依據(jù)得到的矩陣，選取事故類型序號(hào)為1-7作為實(shí)驗(yàn)的事故類型；選取標(biāo)準(zhǔn)的實(shí)際意義是找出各種事故類型的司機(jī)在每一類違章類型中的分布比例與總的事故類型人數(shù)分布比例的差值，以此得出違章類型與事故類型人數(shù)分布比例異常的值；實(shí)驗(yàn)對(duì)象及結(jié)果表1

表1實(shí)驗(yàn)的事故類別及違章類別

將上述7類事故類型及其分別對(duì)應(yīng)的13類違章高發(fā)類型的數(shù)量，進(jìn)行對(duì)應(yīng)分析。

表2對(duì)應(yīng)分析的統(tǒng)計(jì)摘要表

a.自由度72

表2為對(duì)應(yīng)分析的統(tǒng)計(jì)摘要表，在本次實(shí)驗(yàn)中，按照事故類別(7類)減1，即6個(gè)維度；“慣量比例”表示特征值，是衡量解釋數(shù)據(jù)變異能力的指標(biāo)；表中第一維度展示了42.8％的變異，第二維度展示了剩余的28.4％的變異；二維的標(biāo)準(zhǔn)差0.22-0.30，說明點(diǎn)估計(jì)值比較準(zhǔn)確，因子的相關(guān)系數(shù)-0.024，則說明因子分解非常穩(wěn)定；因此本次對(duì)應(yīng)分析實(shí)驗(yàn)的可靠性較高。

圖3所示的是對(duì)應(yīng)分析的散點(diǎn)圖，圖3中比較明顯的是出現(xiàn)事故類別為“1”和類別“7”的司機(jī)，與違章類型“g”、“b”、“d”的相關(guān)性較高；出現(xiàn)事故類別為“3”的司機(jī)與違章類型“a”和“f”的相關(guān)性較高；出現(xiàn)事故類別為“2”的司機(jī)與違章類型“e”的相關(guān)性較高；出現(xiàn)事故類別為“4”的司機(jī)與違章類型“c”的相關(guān)性較高；出現(xiàn)事故類別為“5”和“6”的司機(jī)其在違章類別上沒有明顯的差異。

其次根據(jù)違章類型及對(duì)應(yīng)的數(shù)量來看，出現(xiàn)事故類型為“1”、“3”、“6”、“7”的司機(jī)，可近似的劃分為一類；由此可以推測(cè)出，這一類事故司機(jī)的駕駛行為存在較大的相似。

從事故數(shù)據(jù)中提取事故責(zé)任方身份信息，及其對(duì)應(yīng)的事故類型、肇事車輛品牌類型、司機(jī)駕齡以及性別四類信息，如表3；事故類型按照原始數(shù)據(jù)分為九類，具體分類情況及權(quán)重頻率如表3中分表1所示；肇事車輛品牌類型按照車系分為六類，具體分類情況及權(quán)重頻率如表3中分表2所示；駕齡類別按照責(zé)任方司機(jī)駕齡分布情況分為4類；具體分類情況及權(quán)重頻率如表3中分表3所示；事故責(zé)任方性別分類及其權(quán)重頻率如表3中分表4所示。

將29098起事故中事故責(zé)任方發(fā)生的事故類型、駕駛車輛類型、駕齡類別、性別一一對(duì)應(yīng)，總計(jì)產(chǎn)生356種有效組合類型，利用統(tǒng)計(jì)學(xué)中對(duì)多元對(duì)應(yīng)分析的方法，以點(diǎn)的形式在二維空間中更加直觀的通過距離反應(yīng)兩個(gè)分類變量間的關(guān)系。

表3描述性統(tǒng)計(jì)匯總表

變量主體正態(tài)化；

處理結(jié)果的模型摘要表顯示：Cronbach's Alpha平均值等于0.572，在探索性研究上該信度值處于可接受范圍；維度1和維度2對(duì)模型的變量解釋度總計(jì)達(dá)到87.6％，視為反映了模型的大部分特征；因此在該案例中選用多重對(duì)應(yīng)分析的統(tǒng)計(jì)工具是合適的。

表4模型摘要

a.Cronbach's Alpha平均值是基于平均特征值；

圖4所示的是多元對(duì)應(yīng)分析的散點(diǎn)圖，即通過圖形的方式展現(xiàn)類別和樣本的潛在關(guān)系，列點(diǎn)與行點(diǎn)的距離越近表示關(guān)系越密切；最終得出的結(jié)果比較直觀的是：

駕齡為0-2年的司機(jī)更易發(fā)生追尾的事故類型；駕齡為3-7年的司機(jī)容易發(fā)生違反交通信號(hào)的事故類型；駕齡為8-12年的司機(jī)更易發(fā)生因停車時(shí)未掛低速檔、未拉駐車制動(dòng)，導(dǎo)致車輛滑行的事故類型；12年以上的老司機(jī)不具有特定事故發(fā)生類型。

男性司機(jī)更易發(fā)生因停車時(shí)未掛低速檔、未拉駐車制動(dòng)，導(dǎo)致車輛滑行的事故類型；女性司機(jī)更易發(fā)生未按規(guī)定讓行的事故類型；男女司機(jī)都容易發(fā)生逆行的事故類型。

數(shù)據(jù)分析顯示：國(guó)產(chǎn)車的車主更易發(fā)生因停車時(shí)未掛低速檔、未拉駐車制動(dòng)，導(dǎo)致車輛滑行的事故類型；美系車的車主更易發(fā)生倒車的事故類型；韓系車的車主更易發(fā)生追尾的事故類型；日系車的車主發(fā)生的事故類型大多為依法應(yīng)負(fù)全責(zé)的其他類型；國(guó)產(chǎn)車相對(duì)較易發(fā)生交通事故且事故類型更復(fù)雜；而德系車相對(duì)其他類型的車來說較安全。

總的看來：駕駛國(guó)產(chǎn)車，駕齡為8-12年的男性司機(jī)，相對(duì)于類別來說更易發(fā)生因停車時(shí)未掛低速檔、未拉駐車制動(dòng)，導(dǎo)致車輛滑行的事故類型。