外卖骑手事故影响因素研究

通过卡方检验、Logistic 回归和随机森林模型分析发现：每日工作时长与事故发生率最为相关——工作 10 小时以上骑手事故率达 61.54%，而 6~10 小时组仅为 5.90%。维修频率、顾客催单、商家出餐慢等因素也影响显著。多因素方差分析表明，这些因素之间存在明显交互效应，多重风险叠加会显著提高事故概率。

基于结论，我们从多方协同角度提出建议：用户应包容延时、理性评价；骑手需合理接单、配备保险；商家需提高出餐效率、设立休息点；平台应优化派单、设置时间缓冲；政府应明确劳动标准、提供维权支持，共同构建更安全的外卖生态系统。

关键词：骑手交通事故；logistic 回归分析；随机森林；多因素方差分析

一、调查方法与对象

（一）调查对象

我们通过对市各外卖站点和商圈等骑手密集地进行调查走访，对自愿参与调查的注册骑手进行问卷投放。为减少误差，采取“布鲁尔—简单随机抽样”的二阶段抽样法，主要调查了订单量较大，就业占比较多的专送和众包的在职骑手。收集到了 375 份外卖骑手的问卷调查。并在走访过程中对外卖骑手进行访谈调查，进一步了解骑手的工作情况。其中男性307 人，占比81.87%；女性68 人，占比 18.13%。

（二）调查问卷

在相关文献数据的查阅和实地询问的基础上制作了分别针对市外卖骑手和外卖消费者的调查问卷，问卷经过多次预调查和调整。

外卖骑手调查问卷：在骑手调查问卷的设计上，首先设计了一般人口学个人信息调查（年龄、性别、学历、工龄）和工作情况调查（工作性质、工作平台、维修交通工具频率、安全教育情况、工作时长）。再者设计了骑手违规情况调查（是否违规、违规原因、违规类型、处罚情况）。考虑到违规并不一定导致事故的发生，最后设计违规导致事故发生情况调查。

二、基于不同模型下事故影响因素分析

（一）骑手事故描述性统计

基于描述性统计及卡方检验结果，每日工作时长与骑手交通事故关联最为显著：每日工作超过10 小时的事故发生率高达61.54%，而工作 6~10 小时的事故率最低，仅为 5.90%。维修交通工具频率、客户是否催单及商家是否出餐慢也呈显著相关。经常维修交通工具的骑手事故比例较高（28.00%），而从无维修记录的骑手多数未发生事故（94.39%）。客户催单和商家出餐慢在事故组中占比分别为26.14% 和 23.23%，远高于非事故组。此外，工龄和交通违规处罚情况也具有统计显著性（p<0.05），但影响相对较弱。工龄 1 年以内的骑手事故率最高（15.91%），1~2 年者最低（9.15%）；有违规处罚记录的骑手更多出现在事故组中（20.55%）。综上，通过卡方检验的变量包括工龄、维修频率、每日工作时长、是否顾客催单、是否商家出餐慢及交通违规处罚情况共6 项。

（二）logistics 回归分析

根据对骑手发生交通事故的影响因素进行卡方检验，筛选出组间差异显著性大的指标，分别为每日的工作时长，维修交通工具频率，是否顾客催单，是否商家出餐慢，工龄，是否使用非机动车专用道，所属平台，交通违规处罚情况，是否有过交通违规经历共 9个主要影响因素，鉴于因变量“是”、“否”为二项式分布的非连续取值，本文选取研究因变量为二分变量的 logistics 回归模型对各因素的影响程度进行研究。

在AIC 准则下，当自变量为维修交通工具频率、每日的工作时长、是否顾客催单、是否商家出餐慢、交通违规处罚情况五个变量时，AIC 值为 52.423，达到最小。针对在逐步逻辑回归下筛选出来的五个个变量，我们可以得到维修交通工具的频率，维修交通工具频率、每日的工作时长等 p 值均小于 0.05，具有统计学意义。可将上述因素和是否发生交通事故进行逻辑回归，得到下式：

其中，P: 表示发生交通事故的概率；X1: 维修交通工具的频率；

X2: 每日的工作时；X3: 是否顾客催单；X4: 是否商家出餐慢；X5:交通违规处罚情况。上述因素均与发生交通事故的概率呈现正相关关系，且是否顾客催单和是否商家出餐慢影响程度较大。

（三） 随机森林模型

基于随机森林模型对骑手交通事故的分析，以是否发生事故为因变量，以工作时长、维修频率、是否顾客催单、是否出餐慢等 9个卡方检验筛选变量作为自变量，按 7:3 划分训练集与测试集进行建模。测试集中未发生事故的 47 个样本误判 4 个，发生事故的 8个样本正确预测 7 个。ROC 曲线显示 AUC 值为 0.947，表明模型性能优异

（四）多因素方差分析

（1）维修交通工具频率和顾客是否催单：顾客催单与维修频率降低共同作用时，事故率显著上升；无催单时，维修频率变化对事故率影响较小。表明顾客催单压力与车辆维护状况存在交互作用，共同影响骑行安全。

（2）维修交通工具频率和商家是否出餐慢：商家出餐慢与维修频率上升共同作用时，事故发生率显著提高；而出餐速度快时，维修频率变化对事故率影响不明显。表明商家出餐效率与车辆维护状况存在交互作用，共同影响骑手安全。

（3）顾客是否催单和商家是否出餐慢：顾客催单与商家出餐慢同时发生时，骑手事故发生率最高；单一因素存在时次之，两者均无时最低。维修交通工具频率、顾客催单及商家出餐慢等因素之间存在显著交互效应，共同加剧事故风险。平台与管理方应重点关注多因素叠加情境，采取针对性措施以减轻骑手压力、提升安全性。

三、调查结论与相关建议

基于对骑手事故影响因素的深入研究，发现每日工作时长、顾客催单、交通工具维修频率及商家出餐缓慢是四个关键因素。为此，从多方协同角度提出以下建议：

骑手层面：应强化自我防护意识，科学规划接单量，定期维护车辆并掌握防御性驾驶技能，严格避免超时疲劳工作。顾客层面：倡导参与“多等 5 分钟”等善意计划，主动延長等待时间；平台可将该行为兑换为积分或公益激励，培养包容型消费文化。商家层面：需着力提升出餐效率，推行“出餐倒计时”和责任明晰机制。平台应对低效商家实施流量调控，对高效商家给予优先展示，并联合建立延误响应的补偿制度。平台层面：应优化算法机制，推行弹性派单与拒单权限，建立骑手—用户双向评价体系。同时开发疲劳驾驶预警系统，引入压力感应及配送延时自动调整功能，完善车辆检修支持服务体系。政府与社会层面：加强舆论引导与政策支持，增设职业培训点和法律援助渠道，推动骑手休息站、充电桩等公共服务设施建设。

参考文献

[1] 耿纪超, 李雪, 杨力. 基于三方演化博弈的外卖骑手违规驾驶协同治理研究 [J]. 衡阳师范学院学报 ,2024,45(03):108-119.

[2] 李佳星 . 基于扎根理论的外卖骑手交通事故影响因素研究 [D].西南交通大学 ,2022.DOI:10.27414/d.cnki.gxnju.2021.000313.

[3] 尹锦锦 . 外卖骑手劳动权益保障的问题与对策研究 [D]. 济南大学 ,2024.

[4] 佀国磊 . 外卖 骑手交通事故风险分析 [J]. 兰州工业学院学报 ,2020,27(05):87-90.

[5] 陈福祥 , 叶万 宝 , 严淑珍 , 等 . 汕头市外卖骑手道路交通伤害发生现况及其影响因素分析 [J]. 伤害医学 ( 电子版 ),2019,8(04):33-40.

[6] 汤慧.“互联网+”新业态模式下骑手劳动关系认定的法律研究.DOI：10.19387/j.cnki.1009-0592.2019.12.252.

[7] 孙萍 .“算法 逻辑”下的数字劳动：一项对平台经济下外卖送餐员的研究 [J]. 思想战线 ,2019,45(06):50-57.

[8] 刘翠 , 李彤彤 , 何浩 , 马金平 , 刘元华 . 餐饮骑手的共同配送模式研究 [J]. 物流工程与管理 ,2019,41(03):115-117.

[9] 孙萍, 陈玉洁. “时间套利”与平台劳动：一项关于外卖配送的时间性研究 [J]. 新视野 ,2021(05):109-116.

[10] 邢鹏 , 何天润 . 三种运营模式下 O2O 外卖服务供应链质量努力策略研究 [J]. 中国管理科学 ,2020,28(09):115-126.基金项目：2024 年 10 月市（校级创新创业项目）（项目编号：gzlcx20242072）

作者简介：余 旺（2000.04-）女 汉族 中国 硕士研究生 研究方向：生物统计学