你知道冬天和夏天，哪個季節比容易出車禍嗎？
白天、晚上、假日、平日，哪些時間點車禍的機率最高？
根據Gabriele Prati的研究，結果可能會讓你大跌眼鏡。不過沒關係，小編會替各位解析這些數據背後的含義。
（備註：本文指的車禍皆是指自行車相關之交通事故。）
哪個季節最容易出車禍？
©2017 Prati et al
1. 夏季 (31.7%)
2. 春季 (29.8%)
3. 秋季 (22.3%)
4. 冬季 (16.2%)
春夏是最容易發生車禍的季節，而這原因為何？
研究中並沒有很仔細地說明，不過，也大概可以預測，是因為春夏兩季騎車的人比較多。
為何春夏騎車的人多呢？因為天氣好，在外面騎車很舒服，也比較不容易遇到下雨的情況。
而騎車的人多，車禍的機率自然就會上升。
像現在冬天，你可以發現其實路上騎車的人明顯比之前少，除非一些特別熱愛自行車或有練車需求的人，大多數都會選擇其他交通工具，來避開刺冷的寒風。
哪個時段最容易出車禍？
©2017 Prati et al
1. 白天 (6:00 AM 至 6:00 PM) (82.0%)
2. 晚上 (6:00 PM 至午夜) (15.9%)
3. 深夜 (午夜至 6:00 AM) (1.8%)。
一開始看到這樣的數據，我們可能會有一個誤區：奇怪？白天視線比較好，怎麼會比較容易出車禍呢？
在判斷出車禍的機率時，我們不能只考慮現實因素。在外騎車，尤其是市區內，這是一個和所有駕駛進行互動的過程。
也就是說，其他駕駛的行為，也會影響我們騎車的安全。
而最多駕駛人同時在路上的時間，就是白天，這大幅提升了車禍的機率。
此外，大部分車友騎車的時間，也會是白天時段，基數大，那出意外的機率也隨之上升，因此才會得到這樣的數據結果。
平日和週末哪個最容易出車禍？
©2017 Prati et al
1. 平日 (78.7%)
2. 週末 (21.3%)
我們先了解作者對平日和週末的定義。
平日就是週一到週五，假日是週六和週日。不考慮節慶假期。
而平日有五天，平均每天事故率將近16%，而假日只有10.5%。平日的事故率是假日的約1.5倍。
這個也很好理解，平日車流量大，尤其是上下班時段，在這個時間騎乘，往往要面臨最大的風險。
哪種天氣最容易出車禍？
©2017 Prati et al
1. 晴天 (88.8%)
2. 雨天 (4.8%)
3. 其他天氣條件 (如霧、雹、強風等) (6.4%)。
這也是一個反直覺的數據，照理來講，雨天、起霧、颱風，這種惡劣天氣，不只道路溼滑，而且視線不佳，車禍的機率不是會更高嗎？
是的，但仍需要思考兩個點：
1. 你會在惡劣天候騎車出門嗎？
假設你住市區，發現今天雨下很大還要上班（真可憐），即使你平常都用自行車通勤，在這種情境下，你應該會選擇搭公車或開車出門。
同理，其他天氣狀況也一樣，你不會想用肉體去跟惡劣的天氣對抗。
而不用上班的人更不用講，即使你今天是要出門練車，看到外面狂風暴雨，你也會乖乖的把車裝到訓練台上。
2. 惡劣天候令我們更加警惕
天氣好、車少、路大，這些都為我們騎行過程中帶來安全，可是，當我們感到安全，就容易放鬆緊惕，反應力下降，不會時時刻刻注意路況，甚至連紅綠燈都忽略了。
相反的，雨天讓那些必須在雨中騎車的人更加小心，因為你知道你在一個危險的環境，稍有不慎就會出事。
路面的乾與濕也是同理，在此直接放上表格，就不額外說明。
路面乾燥時，占事故率的九成，好可怕？©2017 Prati et al
數據分析
單從數據上看，我們會得到一個很奇怪的結論：在夏季的平日白天天氣晴朗的時段，最容易出車禍。
這不合常理，但也是統計學中有趣的部分，按整個樣本來看，晴天出車禍的比較多，為什麼？因為大部分人都在晴天騎車。
但我們今天換個情境，100個人在晴天騎車和100個人在颱風天騎車，誰出事的機率比較大？
因此，小編鼓勵各位車友，在看到數據後，還要去思考，這些數據是怎麼推論出來的。
結論
其實，到底哪些情境下，最容易出車禍，已經不是本文章的重點了。
從這些數據的背後，我們可以發現兩件事：
1. 人多的時候容易出車禍
交通是與其他駕駛人交互作用的過程，天氣與時辰只是次要因素。晴天事故率高，是因為絕大多數人喜歡在晴天出門騎車，路上人一多，事故率就會上升。
2. 騎車時隨時要保持戒心
在天氣好時騎車，感到很放鬆，正好，路上每個人都是這麼想的，這樣其實並沒有比雨天騎車安全到哪裡。
除非你很熟悉該路段，否則騎行時，請隨時注意路況、路口、號誌、標線、人、車等會與你相互影響的交通環境。
參考資料
Prati G, De Angelis M, Marín Puchades V, Fraboni F, Pietrantoni L. Characteristics of cyclist crashes in Italy using latent class analysis and association rule mining. PLoS One. 2017 Feb 3;12(2):e0171484. doi: 10.1371/journal.pone.0171484. PMID: 28158296; PMCID: PMC5291444.
