论文部分内容阅读
2013至2017年,我国共发生5.62万起电动自行车肇事致人伤亡的交通事故,这些交通事故直接导致约7.2万人员伤亡和1.11亿元财产损失。电动自行车闯红灯是造成这些事故的主要违法行为之一,因此减少电动自行车闯红灯行为是降低交通事故数,进而改善交通环境的重要途经。然而只有弄清影响电动自行车闯红灯行为的因素,才能减少这种行为的发生。基于此,本文结合实际观察与相关文献,以电动自行车为研究对象,重点分析城市信号交叉口电动自行车的闯红灯行为,揭示影响闯红灯行为的重要因素及其影响程度,并建立模型预测电动自行车的过街行为。具体研究工作如下:(1)获取了电动自行车闯红灯行为数据。选取深圳市的3个典型信号交叉口进行视频录制,获取与整理数据之后,通过统计分析发现,电动自行车闯红灯的比例约占60%。(2)揭示了电动自行车骑行者等待忍耐时间分布规律。基于调查数据,利用生存分析法中的Kaplan-Meier非参数法,分析了天气、过街区域、载人、外卖及同向违法诱导等因素对骑行者等待忍耐时间的影响,借此研究不同因素对闯红灯行为的影响。研究表明,同样的等待忍耐时间,骑行者在雨天的生存率高于非雨天,未载人的骑行者高于载人的骑行者。非雨天时相同的等待忍耐时间,斑马线区域过街的电动自行车骑行者生存率明显高于非斑马线区域过街的骑行者,而这种现象在雨天不明显。非雨天时受到同向违法诱导因素的影响,其他等待的电动自行车骑行者生存率偏低,雨天时该部分群体的生存率高。(3)建立了电动自行车闯红灯行为的Cox风险模型并分析影响因素。利用调查数据构建电动自行车骑行者等待忍耐时间的Cox风险模型,从而研究影响因素的影响程度,研究发现,外卖、二次过街因素对电动自行车骑行者过街时的等待忍耐时间没有显著影响,天气的影响程度比较大,非雨天的风险率约是雨天的两倍,过街区域因素与载人因素的影响程度相近,并且都偏大。(4)分析了信号交叉口电动自行车的过街行为的预测模型。借助因子分析获得影响电动自行车骑行者闯红灯行为的公因子,即道路因子、个人特征因子、环境因子、诱导因子和交通因子,利用公因子建立预测电动自行车骑行者过街行为的Logistic回归模型,通过该模型可预测其他信号交叉口的电动自行车骑行者闯红灯的几率,并且借助该回归模型可知,道路因子和个人特征因子对过街行为的影响强度比较大,交通因子和诱导因子的影响强度比较小。