“Micro-mobility”,中文术语为“微出行”、“微移动”,定义为由驾驶由人力或机动马达推动的小型设备或车辆、速度在50公里/小时以下、出行距离较短的运输模式。城市微出行群体规模日渐扩大,同时其道路安全形势也日益严峻,成为了社会普遍关注的热点问题。微出行群体的道路死亡数占据了全世界道路死亡总人数的28%,在东南亚、非洲和西太平洋等发展中国家地区,微出行群体占道路死亡总人数的比例更大,达到了35%-45%。在中国发生的所有道路交通事故中,有近30%的事故与微出行群体所驾驶的自行车,两轮电动车与摩托车,三轮电动车与摩托车有关。由于“微出行”群体的风险因素问题近年才逐步被研究人员关注和重视,目前尚还比较缺乏对微出行群体的整体道路安全研究,大多数的相关研究仅仅针对微出行方式中的某几类,如:电动两轮车、摩托车等。由出行距离和出行工具共同定义的城市微出行方式,亟待研究者对其展开整体的道路风险研究。研究者们在对各种道路群体的道路风险研究中发现,道路事故风险的主要因素包含人为因素、车辆、道路、环境四类。然而,过去的研究中对城市微出行群体的道路安全研究较为缺乏,特别是缺乏综合考虑道路事故风险的内外在影响对交通安全产生的影响研究。本研究以官方事故数据集和驾驶员内在风险因素问卷量表数据为数据来源,对道路事故风险的内在因素和外在因素同步进行研究,研究建立事故风险指标,构建与实际道路事故数据拟合的道路事故风险模型,探究不同道路事故风险因素的作用。然后,对道路事故风险外在因素的研究结果的风险可视化,对道路事故风险内在因素的研究结果进行群体风险画像。最终,本项研究将内在因素和外在因素模型的风险指标进行综合评价。本文的主要研究工作如下:首先,本文基于结构方程模型方法进行微出行群体内在因素的道路风险建模。以心理起因理论和计划行为理论为基础设计风险框架与问卷,基于1319份微出行群体的问卷量表数据,建立了基于结构方程模型的微出行群体内在因素风险模型,探究内在因素对风险驾驶行为和道路风险程度两类风险指标的影响机制及作用。模型的拟合指标良好,模型结果显示:（1）微出行群体的内在因素遵循着“人格特质-态度/感知-风险行为-道路事故风险”这一层层影响的机制,且内在风险因素中仍然存在着未被发现的异质性。同时,研究提出了“内在因素-错误驾驶-违规驾驶-道路事故风险”的新型中介影响机制。（2）愤怒是人格特质种对道路风险最强的影响因子。感觉反馈、无规范感和焦虑对道路风险的影响效应依次变弱。利他性是唯一对道路风险指标具有抑制作用的,而且抑制作用较强。驾驶员对风险的态度是影响道路风险发生的最重要的中间因素。然后,本文基于贝叶斯网络方法进行了道路事故风险外在因素建模。以武汉市公安局交通管理局16-18年事故数据集中的2060起事故数据作为数据来源,采用贝叶斯网络方法对微出行群体的道路事故风险因素进行建模,以事故伤害情况作为主要的风险指标,分析微出行群体道路事故风险的影响机制。结果发现,模型有效性较好,事故伤害情况指标的平均预测误差值为10.13%,预测命中率为95.1%。事故死亡情况指标的平均预测误差值为0.2%,预测命中率100%。在风险模型基础上,本研究根据该网络对事故伤害情况节点进行了敏感性分析,分析前置风险因素的对这一重要节点的影响的重要程度,并筛选出了10个前置敏感变量。最后,依次将这些敏感变量设为证据节点,对事故伤害情况三个状态的概率结果进行了推理。之后,本文进行了道路事故风险模型的可视化表达。道路事故风险模型的可视化表达。首先,基于第二章中内在因素风险模型的影响效应结果计算风险画像指标,对微出行群体内在因素的进行风险画像分析。然后,将论文第四章中的贝叶斯网络外在因素风险模型的事故风险指标结果与事故发生地点数据相结合的匹配到武汉市的路网上,在绘制出武汉市路网风险热力图。最后,本文对微出行群体的道路事故风险内外因进行了综合评价。根据道路事故风险内因模型和外因模型的两种风险指标的相同理论基础——风险=概率*后果,对两个风险指标进行对齐后,计算出各自的单位变化率结果。然后,进行综合比较和评价。本文对道路事故风险内外因的建模研究,可以在微观上发现并弥补微出行群体在城市道路交通系统中的风险脆弱点,并在宏观上为政府提供对微出行群体驾驶员的交通管理措施与建议。本项对道路事故风险因素的进行综合研究的成果,将对减少人员伤亡及财产损失,改善城市微出行群体的道路风险状况具有重要意义。