無控制人行橫道車輛避讓率估計方法研究

張陳楠 楊城城

摘 要：無控制人行橫道行人與車輛相遇時，雙方各自選擇通過或等待的決策是相互獨立的。為量化無控制人行橫道處的車輛避讓率，通過皮爾遜分析法研究了影響人車交互過程的主要因素，在此基礎上以影響人車交互的主要因素為變量建立了路段無控制人行橫道人車交互避讓率估計模型，可為交通管理部門對交通安全的改善和通行效率的提高提供借鑒，具有實踐價值。

關鍵詞：交通工程;人車交互;概率模型;避讓率

中圖分類號：U491.1 ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ?文章編號：1006—7973（2020）08-0131-03

在無信號控制路段人行橫道處，行人與車輛相遇時以人車交互規則通過，即車輛應當禮讓行人先行通過，然后車輛通過。而在實際交通環境中，部分駕駛員存在搶先行人通過的現象，在很大程度上增加了人車沖突的概率，在嚴重時還可能進一步引發交通事故。實際交通環境中存在4種人車交互情形：①車讓人同時人讓車;②車讓人;③人讓車;④人不讓車同時車不讓人。如圖1所示。

車輛避讓率是指車輛與過街行人之間上述4種情形發生的過程。依據相關規定，“車讓人”已由一種理念轉變為具有強制性的交通法規。這將在一定程度上改變駕駛員與過街行人的交互行為，進而引起人車交互避讓率的改變。

目前，國內外眾多學者針對無控制人行橫道人車交互行為的影響因素進行了較多研究。已有研究發現交通環境因素[1， 2]、行人因素[3]、車輛因素[4]等均會影響信號控制交叉口人車交互機制。而人車交互行為也會直接影響信號控制交叉口交通模型（包括通行能力估計模型、延誤估計模型等、信號配時等）。Kathuria [5]等人研究利用先進的軌跡數據分析非信號交叉口在復雜交通環境下的道路使用者交互行為，提出了一種基于道路使用者行為的行人—車輛交互行為分類方法。TingFu [6]基于視覺的軌跡數據研究了無信號控制交叉口人車交互第二階段的交互行為;胡宏宇等[7]基于視頻圖像處理技術分析了信號交叉口人車交互行為中交互行為的辨識方法。本文則在上述學者研究基礎上，運用交叉口視頻數據分析交叉口人車交互行為，建立人行橫道處的人車交互模型。通過此模型可得到不同人車交互的概率，此概率可用于交叉口或路段通行人行橫道的安全程度估計，判斷人車交互的危險程度，并根據模型中的參數實施交通管理措施，以提高道路的交通安全。

1 人車交互影響因素

1.1 行人決策影響因素

根據前人研究，在無控制人行橫道處影響行人選擇通過與否的因素包括以下方面：交通監控設施、光線強度、車流量、車速、道路寬度、車輛與行人的距離、車輛種類、人行橫道幾何因素（長度和寬度等）、行人流量、行人特征。在對影響行人決策的因素進行相關性分析之前，首先通過問卷調查對其中的車輛特征、行人特征以及光線強度進行定量描述。

車輛特征：行人在面對不同種類的車輛時，感受到的安全程度是不同的。研究中將所有車輛進行了3個方面的劃分：小型車（小汽車）、中型車以及大型車，并根據李克特五分量將過街行人對不同特征車輛的安全感知程度進行5級劃分設計調查問卷，于上海市楊浦區內江路—控江路、安圖路—延吉東路交叉口處對行人發放并現場收回。通過問卷調查得到行人對不同特征車輛的安全感知程度：小汽車1.44、中型車2.51和大型車3.75。

行人特征：人車交互時不同行人會對車輛決策產生影響[8]。在研究中，對行人進行三個類別的劃分：青年、中年及老年人。與車種特征研究類似，通過問卷調查得到駕駛員對青年、中年及老年人的讓行意愿分別為1.30、1.720和2.45。

光線強度：光線強度也會對人車決策產生影響[9]。研究中定義人車交互時在白天、傍晚和夜間的光線值分別為3、2和1。

經過對車輛特征、行人特征以及光線強度的量化以后，所有影響人車交互過程的因素在分析時便可量化取值。然而，由于有些影響因素結論的得出不是采用定量方法，導致無法判斷這些因素與避讓率的相關程度。因此，在建模之前首先需要分析行人（車輛 ）避讓率與各影響因素之間的相關性，研究中使用SPSS軟件采取Pearson相關性分析法進行分析。

采用視頻觀測的方式進行數據采集（包括交通環境狀況），觀測地點：上海市楊浦區周家嘴路、隆昌路、控江路和延吉中路四條具有無信號控制人行橫道的路段。于2019年7月18日通過視頻觀測得到各路段40組實際數據（如表1）。通過對表1中的數據進行Pearson相關分析表明：車輛與行人的距離、車輛種類、車流量、車速、人行橫道長度以及過街行人流量的雙尾顯著性水平均小于0.05，說明這些影響因素與行人選擇通過或等待的決策有顯著的相關關系。在所有雙尾顯著性水平小于0.05的影響因素中，其中，相關性表中的正值表示該影響因素與行人決策是正相關關系，反之表示負相關關系。

1.2 車輛決策影響因素

與1.2中的行人決策影響因素方法類似（表2），得到在所有影響車輛通過或讓行的因素中（人行橫道寬度、車輛與行人的距離、車流量、車速、車輛種類、道路寬度、光線強度以及監控設施的有無、行人特征、行人流量、人行橫道長度），行人流量、車流量、車速、行人特征系數、人行橫道長度、車輛與行人的距離的雙尾顯著性水平小于0.05，表明這些因素是駕駛員在人車交互過程中考慮的主要因素。

2 避讓率模型

2.1 行人決策概率模型

以上模型分別得到了人車交互時車輛與行人的決策模型。由于二者決策的相互獨立性，當行人與車輛相遇時，所有的人車交互情形可分為表3中的四種（其中x=;y=）

3 模型驗證

為驗證模型的有效性，本文將無控制人行橫道處的視頻觀測數據所得的避讓率值與模型估計值進行對比。以上海市楊浦區靖宇東路無信號控制人行橫道為例，將行人與車輛分別選擇通的過計算概率與實測概率對比，如下所示：

圖2表明：在本案例的人車交互過程中，行人選擇通過的實測概率與模型的計算概率曲線重合程度較高，即所建模型與實際中獲得的避讓率誤差較小，兩者的平均誤差為7.4%，最大誤差為14.5%，最小誤差為2.3%;同理，圖3中駕駛員選擇通過的實測概率與模型的計算概率曲線重合程度也較高，兩者的平均誤差為6.4%，最大誤差為17.2%，最小誤差為3.1%。

模型計算概率與實測概率的誤差可能由以下原因引起：①模型對于某些影響因素的量化處理只是進行了基本劃分，例如對交通監控設施的有無看成0-1變量，而實際中交通監控設施的強度因不同交通管理強度而不同;②模型中雖考慮了諸多影響行人與車輛決策的因素，但在實際人車交互情形中，車輛與過街行人在做決策時考慮的因素是多方面的，例如還可能包括天氣因素、駕駛員對交通環境的熟悉程度等因素。

4 結論

本文對路段無控制人行橫道人車交互過程的影響因素做了總結，并建立了路段無控制人行橫道人車交互避讓率估計模型，并通過實例驗證了該模型的有效性。本文所建立的人車交互模型為更精確地估計路段通行能力、車輛延誤及為交叉口信號配時提供了借鑒。此外，本文所建立的人車交互模型中“人不讓車同時車不讓人”的概率大小，可作為特定人行橫道處人車交互的安全性衡量指標。

參考文獻：

[1]孟虎，陳艷艷，劉花.信號交叉口行人過街遵章率預測模型[J].公路交通科技， 2012， 29（12）： 114-118+132.

[2]VAN HOUTEN Ron， MALENFANT J. E. Louis， BLOMBERG Richard， et al. High-Visibility Enforcement on Driver Compliance with Pedestrian Right-of-Way Laws： 4-Year Follow-Up[J]. Transportation Research Record： J ournal of the Transportation Research Board， 2018， 2660（1）： 58-65.

[3]XIN Xiu-ying， JIA Ning， MA Shou-feng， et al. Empirical and Simulation Study of Traffic Delay at Un-Signalized Crosswalks due to Conflicts between Pedestrians and Vehicles[J]. Transportmetrica B： Transport Dynamics， 2018， 7（1）： 637-656.

[4]趙靖，楊曉光.行人-自行車對兩種交叉口設計模式通行能力的影響[J].公路交通科技， 2016， 33（08）： 114-119+126.

[5]A. Kathuria， and P. Vedagiri， “Evaluating pedestrian vehicle interaction dynamics at un-signalized intersections： A proactive approach for safety analysis，” Accident Analysis & Prevention， vol. 134， pp. 105316， 2020/01/01/， 2020.

[6]T. Fu， W. Hu， L. Miranda-Moreno et al.， “Investigating secondary pedestrian-vehicle interactions at non-signalized intersections using vision-based trajectory data，” Transportation Research Part C： Emerging Technologies， vol. 105， pp. 222-240， 2019/08/01/， 2019.

[7]胡宏宇，李志慧，魏巍，等.基于模糊邏輯的信號交叉口人車沖突判別方法[J].吉林大學學報（工學版）， 2014，44（03）： 637-641.

[8]J. Mcmahon， T. Goddard， and A. Adkins， “Racial Bias in Driver Yielding Behavior at Crosswalks，” Transportation Research Part F： Traffic Psychology and Behaviour， vol. 33， pp. 1-6， 2015.

[9]S. Stapleton， T. Kirsch， T. J. Gates et al.， “Factors Affecting Driver Yielding Compliance at Uncontrolled Midblock Crosswalks on Low-Speed Roadways，” Transportation Research Record： Journal of the Transportation Research Board， vol. 2661， no. 1， pp. 95-102， 2018.