随着经济水平的飞速发展,我国的机动车保有量呈现出稳步上升的趋势,带来的安全隐患随之增加,道路交通安全形势非常严峻。人、车、路以及环境都会不同程度的造成交通事故的发生。研究表明,夜间交通事故占总交通事故数的比例较大,夜间照明不良是导致夜间交通事故的一个重要原因。同时城市道路交叉口处冲突点多,视线盲区大,管理较为复杂,所发生的交通事故也较多。因此,本文致力于研究夜间交叉口处照明对车辆行驶的影响。本文根据调查问卷数据和无人机采集的交叉口的数据,分析驾驶员的主观感受,识别车辆的行驶状态;并通过多项Logit模型和人工神经网络模型来分析照明对驾驶员经过交叉口时的车辆行驶特性的影响。本文首先使用调查问卷的方式,对驾驶员的主观感受数据进行收集和分析。调查问卷主要包括个人基本信息、驾驶信息、驾驶行为意向以及交叉口处驾驶意向四个部分。问卷中第三部分使用五级李克特量表设计。量表部分数据首先进行可靠性分析和因子分析,因子分析将变量浓缩为8个变量来代替原始变量。使用软件Stata对处理后的变量数据做多项Logit模型分析,得出影响驾驶员在不同照明条件下经过信号控制交叉口时的选择倾向的因素。而后对不同照明条件下驾驶员的选择倾向进行对比分析。除此之外,本文还利用无人机航拍采集车辆经过信号控制交叉口处的视频数据,使用照度仪采集交叉口照度数据并用激光测距仪测量交叉口路灯间距和路灯距离交叉口的距离。视频数据在用Tracker软件提取后,用Matlab对视频数据绘制速度和距离的散点图;通过对比整条道路上相邻断面的平均速度,相邻两断面两独立样本均值,平均累积分布偏差以及速度变化百分比来反应车辆的驾驶规律。最后,本文提出用速度变化来表示车辆经过交叉口前行驶状态的改变。速度变化为因变量,以速度、总交通量、直行车辆数、路灯间距以及路灯距离人行道的距离作为解释变量建立人工神经网络模型。该模型采用反向传播算法求解,以均方误差(MSE)作为模型收敛的评价标准。训练完成后,模型拟合效果较好。模型并输出了6个变量对速度变化的影响大小程度,最后通过控制变量法分析了照度对速度变化的影响变化曲线。结果为管理部门提供与道口安全相关的建议。