城市道路行人違章行為分析

張謙 ZHANG Qian；李貴峰 LI Gui-feng

（①西南交通大學(xué)交通運(yùn)輸與物流學(xué)院，成都 610031；②天津市市政工程設(shè)計(jì)研究總院，天津 300051）

（①School of Transportation and Logistic，Southwest Jiaotong University，Chengdu 610031，China；②Tianjin General Municipal Engineering Design&Research Institute，Tianjin 300051，China）

0 引言

據(jù)統(tǒng)計(jì)[1]，全球每年有124萬(wàn)人死于道路交通事故，行人已占到道路交通總死亡人數(shù)的1/4。公安部交通統(tǒng)計(jì)局顯示，2011年我國(guó)因道路交通事故死亡者中，交通方式為步行的占25.15%；事故造成的受傷者中，交通方式為步行的占17.21%，其中很大一部分原因是行人違章造成。

1 行人違章過(guò)街行為調(diào)查

調(diào)查地點(diǎn)的選取以行人交通產(chǎn)生量多并且具有典型土地使用功能的信號(hào)交叉口和路段為觀測(cè)地點(diǎn)。根據(jù)實(shí)際情況選擇3個(gè)典型交叉口：沙灣路-金沙路、交大路-群星路、人民中路-文殊院街，以及4條典型路段：青龍街（第三人民醫(yī)院外）、西大街（百盛商場(chǎng)外）、九里堤南路（全興花園外）、通錦路（鐵二院外）。每個(gè)信號(hào)交叉口選取2個(gè)方向的的進(jìn)口道進(jìn)行調(diào)查，共計(jì)7個(gè)地點(diǎn)，10個(gè)觀測(cè)點(diǎn)。結(jié)合現(xiàn)場(chǎng)調(diào)查情況和現(xiàn)有文獻(xiàn)資料的分析，選取了13個(gè)影響因素為調(diào)查內(nèi)容，分別為年齡、性別、結(jié)伴人數(shù)、等待時(shí)間、聚集人數(shù)、機(jī)動(dòng)車(chē)流量、車(chē)流間隙、行人紅燈時(shí)長(zhǎng)、人行橫道寬、過(guò)街距離、車(chē)道數(shù)、隔離護(hù)欄、距公交車(chē)站距離。調(diào)查了成都市的3個(gè)交叉口和4條路段的行人違章數(shù)據(jù)，共計(jì)10條人行橫道。從采集的錄像視頻中隨機(jī)對(duì)數(shù)據(jù)進(jìn)行抽樣提取，共提取了995個(gè)樣本，其中遵章樣本571個(gè)，違章樣本424個(gè)（闖紅燈190個(gè)、不走人行橫道234個(gè)）。

2 因子分析法及應(yīng)用

2.1 因子分析法

因子分析是研究變量的內(nèi)部關(guān)系，將相關(guān)性較強(qiáng)的一組變量歸為一類(lèi)，使得同類(lèi)型的變量相關(guān)性弱，而不同類(lèi)型的變量之間的相關(guān)性強(qiáng)，并在盡量不丟失信息的前提下，把眾多的原始變量歸結(jié)為較少的幾個(gè)因子變量，來(lái)分析解釋現(xiàn)實(shí)現(xiàn)象的一種多元統(tǒng)計(jì)方法，其目的是用不可觀測(cè)的變量計(jì)算可觀測(cè)隨機(jī)變量。模型如下所示：

式中：Xi為原始變量；Fj為公因子；εi為特殊因子；αij為因子荷載；βjp為因子貢獻(xiàn)系數(shù)。

2.2 結(jié)果分析

使用SPSS19.0統(tǒng)計(jì)分析軟件，計(jì)算出KMO值為0.721，Bartlett’s球形檢驗(yàn)的χ2統(tǒng)計(jì)值為0.000，可以看出相關(guān)系數(shù)矩陣為單位矩陣，變量間具有較強(qiáng)的相關(guān)性，因此適合進(jìn)行因子分析。利用主成分分析法抽取特征值大于1的共同因素，并使用最大方差法進(jìn)行正交旋轉(zhuǎn)，提取出了5個(gè)公共因子。其累積方差貢獻(xiàn)率大于77.375%，所以這5個(gè)公共因子能夠綜合反映行人違章行為的影響水平，分別定義為F1道路設(shè)施、F2交通流、F3時(shí)間特征、F4群體特征、F5個(gè)體特征。

3 行人違章過(guò)街行為L(zhǎng)ogistic模型分析

3.1 多項(xiàng)Logistic模型

在多項(xiàng)Logistic模型中，Logistic是由反應(yīng)變量中的不重復(fù)的類(lèi)別的對(duì)比形成的。然后，對(duì)每個(gè)Logistic分別建模。若反應(yīng)變量有J個(gè)類(lèi)別，多項(xiàng)Logistic模型中便有J-1個(gè)Logistic，最后一個(gè)類(lèi)別（即第J個(gè)類(lèi)別）作為參照類(lèi)。j類(lèi)成員的概率為：

式中：αj和βjk分別為回歸截距和回歸系數(shù)；x為解釋變量，k為變量個(gè)數(shù)。

3.2 Logistic回歸分析

多項(xiàng)Logistic模型采用最大似然估計(jì)法標(biāo)定，即通過(guò)建立似然函數(shù)，將觀測(cè)數(shù)據(jù)的概率表述為未知參數(shù)的函數(shù)。模型參數(shù)的最大似然估計(jì)是選擇能夠使這一函數(shù)值達(dá)到最大的參數(shù)估計(jì)值。本文將得到的5個(gè)公共影響因素帶入Logistic回歸模型中，并采用混合逐步選擇法作似然比概率檢驗(yàn)，取顯著性水平0.05選擇最優(yōu)建模變量。該回歸過(guò)程通過(guò)計(jì)算每一步入選變量的wald統(tǒng)計(jì)量值，并刪除最小wald值對(duì)應(yīng)的變量，直至所有變量都滿(mǎn)足設(shè)定的顯著性水平結(jié)束回歸。經(jīng)計(jì)算得出，除F5外其余四個(gè)變量的wald檢驗(yàn)結(jié)果P值小于0.05，檢驗(yàn)效果顯著，可以作為最優(yōu)建模變量。最后將篩選出的4個(gè)成分代入Logistic回歸模型，通過(guò)SPSS19.0統(tǒng)計(jì)分析軟件對(duì)模型進(jìn)行標(biāo)定，得到以下模型：P（y=1｜0）

均以行人遵章行為作為參照類(lèi)別，“遵章過(guò)街”=0，“闖紅燈違章過(guò)街”=1，“空間違章過(guò)街”=2。在闖紅燈違章類(lèi)中，F(xiàn)1（道路環(huán)境）、F4（群體特征）、F2（時(shí)間特征）的顯著性水平 P值很小，wald檢驗(yàn)值分別為 23.681、21.185和14.288，表明其對(duì)行人闖紅燈違章行為選擇的作用很大。4個(gè)因子變量的重要性有如下大小關(guān)系：道路環(huán)境>群體特征>時(shí)間特征>交通流。在不走人行橫道違章類(lèi)中，F(xiàn)1（道路環(huán)境）、F3（交通流）、F4（群體特征）的顯著性水平P值最小，wald檢驗(yàn)值分別為24.891、24.015、11.561，表明其對(duì)不走人行橫道違章行為選擇的作用很大。4個(gè)因子變量的重要性有如下關(guān)系，道路設(shè)施>交通流>群體特征>時(shí)間特征。

3.3 Logistic回歸模型檢驗(yàn)

回歸模型的擬合優(yōu)度檢驗(yàn)可以通過(guò)Personχ2、偏差統(tǒng)計(jì)量和Hosmer-Lemeshow統(tǒng)計(jì)量。經(jīng)計(jì)算得知，Personχ2、偏差統(tǒng)計(jì)量和Hosmer-Lemeshow統(tǒng)計(jì)量的P值均大于0.05，所以在顯著性水平A=0.05的條件下，χ2檢驗(yàn)不顯著，認(rèn)為模型擬合數(shù)據(jù)較好。本文共收集到995個(gè)有效樣本，闖紅燈違章類(lèi)別的190個(gè)觀測(cè)值中，有138個(gè)預(yù)測(cè)正確，正確率達(dá)到72.63%；闖紅燈違章類(lèi)別的234個(gè)觀測(cè)值中，有144個(gè)預(yù)測(cè)正確，正確率達(dá)到61.54%；不走人行橫道遵章類(lèi)別的571個(gè)觀測(cè)值中，有454個(gè)預(yù)測(cè)正確，正確率達(dá)到79.51%；在全部的995個(gè)觀測(cè)值中，有736個(gè)預(yù)測(cè)正確，總正確率達(dá)到73.97%。該結(jié)果反映出該模型能夠較好地?cái)M合數(shù)據(jù)，構(gòu)建模型所選定的4個(gè)影響因素會(huì)影響到行人違章行為選擇的結(jié)果。

4 結(jié)論

①本文將行人平面過(guò)街行為按違章與否可分為：闖紅燈違章行為、不走人行橫道違章行為及遵章行為。從行人自身因素、交通狀況及道路環(huán)境三個(gè)方面選取了13個(gè)影響指標(biāo)，對(duì)其影響進(jìn)行實(shí)地觀測(cè)。

②采用因子分析法對(duì)影響指標(biāo)降維，提取出5個(gè)公因子，以過(guò)街行為為因變量，以5個(gè)公因子為自變量，建立無(wú)序多分類(lèi)Logistic回歸模型，篩選出了4個(gè)有效自變量。根據(jù)計(jì)算記過(guò)并分析出不同違章行為影響因素的效用值，為后期行人過(guò)街安全改善政策提供了有效的理論依據(jù)。

[1]世界衛(wèi)生組織.道路安全全球現(xiàn)狀報(bào)告[R].2013.

[2]關(guān)宏志.非集計(jì)模型—交通行為分析的工具[M].北京：人民交通出版社，2004.

[3]張文彤.SPSS統(tǒng)計(jì)分析高級(jí)教程[M].北京：高等教育出版社，2004.