信号交叉口行人空间分布与人车冲突行为分析

于瑞康，赵晖

(北京交通大学交通运输学院，北京 100044)

信号交叉口行人空间分布与人车冲突行为分析

于瑞康，赵晖*

(北京交通大学交通运输学院，北京 100044)

人车冲突是影响城市道路信号交叉口通行能力的重要因素。本文通过选取典型信号交叉口，分析了过街行人堆积与右转机动车之间的冲突行为。对北京市闹市口大街和宣武门西大街的交叉口高峰时段进行了全程录像，提取了行人等待和右转车辆的空间分布特征数据，并根据数据分析了影响机动车右转的相关因素，通过线性回归分析解释了各影响因素与机动车延误之间的关系。研究发现，过街行人堆积的数量对右转机动车延误的影响最大，二者存在较强的线性关系。在今后的交通管理控制中，减少或避免人车冲突具有现实意义。

城市交通；人车冲突；线性回归模型；行人空间分布特征；延误

近年来，机动车与行人之间相互争夺交通资源的矛盾越来越突出。其中，机动车与行人之间的相互干扰、冲突是其最直接、最典型的体现[1]，直接导致了交通秩序的恶化和交通运行效率的低下，引发了拥挤、事故等一系列交通问题。在交叉口机动车与行人之间的冲突分为左转弯交通冲突、右转弯交通冲突和穿越交通冲突。本文主要针对典型信号交叉口行人堆积与右转机动车冲突行为进行研究分析。

目前，国内学者主要研究的是冲突中机动车和过街行人的运动状态。陆斯文等[2]利用概率论方法研究了行人和机动车之间的交通冲突与碰撞微观机理，分析了行人安全感知、驾驶人反应时间、车流量及车速等对行人安全造成的影响。利用视频录像分析的方法，王俊骅等[3]运用交通冲突技术理论和视频录像的方法，对上海市9个无信号交叉口进行了全程录像，获取了冲突过程中的车速变化过程、车辆运行轨迹变化过程及行人的避险行为，建立了非高峰小时的人车冲突次数预测模型，更为深入地分析了车流量、路段平均车速和行人流量对行人安全的影响作用，进一步解释了人车冲突次数服从负二项分布的规律。此外，聂瑞红等[4]运用人工计数的方法采集了人车冲突相关数据，建立了违章行人数、行人绿信比、转弯车流量与交通冲突发生数量的关系模型，得出了冲突数与违章性人数、转弯机动车流量成正比的结论。国外对行人与左转机动车冲突的研究居多，对行人与右转机动车冲突的研究相对较少。其中，Leden[5]对HamiIton市的300个信号交叉口的行人和机动车冲突数据进行了分析，发现行人流量越大，其危险系数越低；车流量越大，其危险系数越高，在此基础上，得到了左转车辆对过街行人的影响高于右转车辆的结论。Cheng等[6]运用视频录像采集行人与左转机动车冲突行为数据，分析了人车冲突行为的影响因素，在此基础上提出了评价行人安全性的冲突指数模型(SCI)。此外，Almodfer等[7]通过视频录像分析了较短的行人等待时间和较小的等待区域对人车冲突具有显著影响。但至今，国内外学者在行人空间分布与人车冲突方面的研究还很少。因此，本文通过视频录像分析了典型信号交叉口行人的空间分布特征和人车冲突规律，并就此冲突行为进行了建模分析，从而为行人交通管制提供依据，目的是提高出行效率。

1 行人与右转机动车驾驶员心理、行为特性分析

1.1 行人过街行为特性分析

当行人到达人行横道时，首先判别人行道信号灯的颜色，红灯亮起时，行人选择停在交叉口进行等待，随后判断当前交叉口的机动车行驶状态。根据交叉口机动车数量的不同，行人过街行为分为3种情况[8]：当机动车数量较多时，行人会选择提前停下等待，远离交叉口以保证自己的人身安全；当机动车数量处于可接受的安全范围时，行人会尽可能靠近目的地以便信号灯变成绿灯后尽快通过交叉口；当机动车数量较少时，少部分行人会伺机闯红灯以通过交叉口。

1.2 行人过街心理特性分析

行人在参与交通时，完全依靠自身的主观认知和判断完成过街行为，而且由于行人没有保护装置，容易受到外界伤害，属于城市交通参与者中的弱者，发生交通事故时往往受害最严重。而行人在通过交叉口的过程中，因存在以下心理而对自己的人身安全造成威胁：

(1)自我心理：过街行人在“自我为中心”的心理支配下，过分依赖机动车驾驶员的守法行驶，从而做出错误判断。

(2)节省心理：等待信号灯的行人往往由于为了节省时间而尽可能地靠近目的地，而不在规定的斑马线前等待，导致行人等待区域的不规则和面积的扩大，增加行人自身的危险，也对机动车交通产生一定的影响。

(3)从众心理：行人结伴而行或者等待区域存在其他行人时，在从众心理支配下，往往互相以对方为依赖，产生盲目的安全感，忽视交通安全而导致交通拥挤甚至交通事故[9]。

1.3 右转弯机动车驾驶员行为心理特性分析

在现行的平面交叉口管理体系中，与过街行人相比，右转机动车是交通参与者中的强者，这种交通地位难免会导致机动车驾驶员产生侥幸心理和轻视心理，使得驾驶员对道路信息理解不正确，错误地认为行人会自觉避让机动车。但机动车右转时从等待行人的后方出现，大部分行人往往忽视身后的交通状况，只是专注于信号灯的变化，此时右转机动车与行人间的冲突加剧，更容易导致交通拥挤和交通事故[10]。

2 行人与右转机动车冲突数据采集

右转机动车和过街行人之间的冲突发生的交叉口具有以下特征：(1)交叉口行人流量较大，信号灯变为红灯时，等待的行人可以在短时间内聚集；(2)交叉口设有绿化带等车道隔离设施，过街行人尽可能接近目的地而在绿化带附近等待；(3)交叉口未设置右转辅道，右转机动车未能避开等待的行人。

为了获得典型交叉口行人空间分布与人车冲突的基础数据，在闹市口大街和宣武门西大街的交叉口进行视频拍摄。该交叉口由北向南方向为五车道，其中有两条右转车道，且右转车道设有右转信号灯。非机动车道与机动车道由绿化带分隔开。图1为拍摄交叉口平面图，交叉口填充部分为绿化带，箭头为机动车右转轨迹，矩形框部分为二者的冲突区域。拍摄时间是2015年11月30日早高峰时段7:15—8:45和晚高峰时段16:00—18:00。

图1 拍摄交叉口平面图Fig.1 Intersection plan taken by video

以人行道的一次红绿灯变换为一个时间周期进行数据统计，统计的数据包括：

(1)右转标准小汽车数量P(辆)：一个时间周期内，在所研究的交叉口方向进行右转的车辆换算成标准小汽车的数量。

(2)行人聚集时间t(s)：一个时间周期内，从第一个行人开始等待红灯至所有行人开始穿过交叉口经过的时间。

(3)行人数量Q(人)：一个时间周期内，在交叉口等待的行人总数量。

(4)行人等待时分布最远距离L(m)：一个时间周期内，在交叉口等待的行人中，离栏杆或者绿化带的最远距离。

(5)车辆延误时间T(s)：一个时间周期内，有行人等待时车辆右转所花费的平均时间减去没有行人等待红灯时车辆右转所花费的平均时间。

3 人车冲突数据的统计和分析

3.1 数据标准化(归一化)

(1)

其中Xmax为样本数据的最大值，Xmin为样本数据的最小值。

3.2 人车冲突表征变量相关关系分析

对上述归一化之后的数据进行变量间关系的分析，并用SPSS软件进行图像的描绘以及函数的拟合，分析变量之间可能存在的关系。

3.2.1 车辆延误时间和人群数量

对车辆延误时间和人群数量通过绘制散点图进行描绘，得到对应的T-Q图形(图2),纵轴表示车辆延误时间，横坐标表示人群数量。平均车辆延误时间和人群数量存在较强的正相关关系，二者的相关系数为0.726，存在线性关系。根据行人过街行为及心理分析结果，等待红灯的行人在“节省心理”的驱使下，根据机动车的数量做出判断，尽可能地靠近目的地以寻找机会伺机穿越路口。因此，等待红灯时的行人堆积越多，少部分的行人会从一定程度上引起其他行人的盲从，行人的分布就越容易超出斑马线，对右转车辆造成的影响越大，车辆延误时间也就越长[11]。

3.2.2 车辆延误时间和行人分布最远距离

为了更清楚地表现车辆延误时间与人群分布最远距离的关系，将归一化人群分布距离分成5组，组距为0.2，对车辆延误时间和行人分布最远距离用直方图图进行描绘，得到相应的T-L图形(图3)。由图3可知，车辆延误时间和人群分布最远距离大致呈负二项分布关系，当行人分布最远距离较小时，行人整体分布靠近斑马线而远离机动车右转轨迹，所以人与车的冲突很小，车辆延误时间就很短。随着最远距离的增加，行人的分布不断侵占机动车右转轨迹，影响机动车右转，所以车辆延误时间也随之增加；当分布最远距离继续增大时，由于行人的数量有限，人与人之间的间隙较大，机动车驾驶员会选择直接从行人间空隙穿过，所以车辆延误时间也很小[12]。

图2 车辆延误时间和人群数量散点图Fig.2 Scatter diagram of vehicle delay time and pedestrian numbers

图3 车辆延误时间和行人分布最远距离直方图Fig.3 Histogram of vehicle delay time and the maximum distance of pedestrian distribution

3.2.3 行人数量和行人分布最远距离

同样的，将归一化人群数量分为5组，组距0.2。对归一化后的行人数量和行人分布最远距离用直方图描绘，得到相应的L-Q图形(图4),纵坐标表示行人分布最远距离，横坐标表示行人的数量。由图4可知，行人分布最远距离随着行人数量的增多而变大。由于行人在等待红灯时的分布形态为一条直线型，所以行人越多，直线的长度越长，行人离斑马线的最远距离也就越大。但是当等待红灯的行人聚集的足够多时，其最远分布距离不可能无限增大，由于受到右转车辆的影响，行人的分布会向靠近斑马线一侧靠拢，所以其最远分布距离会有一定程度的减少。

图4 人群分布最远距离和人群数量直方图Fig.4 Histogram of maximum distance of pedestrian distribution and pedestrian numbers

3.3 逐步线性回归分析

考虑到各个影响因素之间的相互关系以及各自权重的不同，对数据进行逐步线性回归分析。运用SPSS软件将P,t,Q,L选为自变量，T选为因变量。

表1 回归模型参数表

从表1可以看出，回归模型中常量的显著性参数大于0.05，故常数项均不具备显著性，且常量的标准系数都没有数值，故常数项被剔除。

将回归模型的参数带入模型公式中得到回归公式为

T=0.709Q。

(2)

按归一化的公式将上述公式进行还原得到以下公式

T=0.245Q-1.227。

(3)

公式(2)中T是表示车辆延误时间的归一化值的变量，Q是表示行人数量的归一化值的变量，T与Q是一次函数关系，并且Q的系数是正值0.245，表示T与Q是成正相关的，即车辆延误时间会随着行人数量的增大而变大。这说明当等待红灯的行人数量逐渐增多时，根据对行人过街心理行为特征的分析结果，行人会在从众心理的支配下，互相以对方为依赖，产生盲目的安全感，集聚到一定规模时与右转机动车发生严重的冲突。但从右转机动车驾驶员角度分析，由于机动车和行人的交通地位不同，机动车驾驶员自视为交通参与者中的强者，这难免会导致机动车驾驶员产生侥幸心理和轻视心理[13]。这种心理使得驾驶员对道路信息理解不正确，错误地认为行人会自觉避让机动车，从而使机动车和行人陷入进退两难的境地，增加了车辆的延误时间。

而行人分布最远距离，行人聚集时间，右转汽车的数量并没有进入回归方程，笔者分析，行人分布最远距离对车辆延误时间的影响存在不确定性，人群分布越远，右转的机动车可从人群间隙中穿过，从而导致车辆延误时间的缩短。实地调查发现，相同数量的行人聚集的时间长短相差较大，行人聚集时间对机动车延误的影响并不大，回归结果与实际情况相符。而右转车辆的数量与车辆的延误时间的关系影响也不显著，可能的原因是，现场右转小汽车的流量较小，并没有发生排队现象，以后的调查中应丰富调查数据，进一步研究其影响。

此公式有信号灯周期时间和行人流量的限制。因为在一个信号灯周期的限制下，进入路口等待的行人数量是限定在一个范围内的，即行人数量不能无穷增大，行人的聚集数量存在一个最大值，即Q有一定的约束范围。

4 结论和建议

通过对行人等待红绿灯时的空间分布特征与人车冲突行为的分析，确定了导致人车发生冲突的因素，采用描述性统计分析与线性回归方法定量分析了这些因素之间以及与机动车延误之间的关系。通过上述研究发现，等待红灯的行人数量与车辆延误时间呈现正相关关系，人群分布距离在一定的范围内会造成车辆延误时间的增加，但当人群分布距离增加到一定程度时，车辆会利用人群间隙穿越，此时车辆延误时间会减少。等待红灯的行人的数量对车辆的延误造成的影响最大，二者存在较强的线性相关关系。当等待红灯的行人堆积越多时，行人的分布就越容易超出斑马线，对右转车辆造成的影响越大，车辆延误时间也就越长。

针对这种问题，在今后的交通管理控制与规划建设中，提出了几点建议:

(1)优化红绿灯的信号相位，由文中得到的数据分析结果可得，行人数量直接关系到机动车延误时间的长短。因此减少行人数量，从根本上减少行人等待区域与机动车右转轨迹的重叠部分，可以有效减轻人车冲突的严重程度，缓解冲突。

(2)在交叉口设立交警或者志愿者维护秩序，规范行人等待红绿灯的区域，将行人的分布形态压缩，不再形成一条直线而是压缩成多条直线以减少直线距离，从而缓解人车冲突。

(3)交叉口设置右转辅道，右转机动车不再直接从交叉口进行右转。将机动车右转车道与行人等待红灯区域完全隔离开，以达到消除冲突点的目的。

(4)规划街道时，在交叉口设置过街天桥或者地下通道。将行人、非机动车、机动车从同一平面上分隔到不同平面上，对交叉点进行立体疏解。

[1]张苏. 中国交通冲突技术[M]. 北京: 人民交通出版社, 2000.

[2]陆斯文, 方守恩, 李刚. 城市道路人车冲突和碰撞概率微观模型研究[J]. 同济大学学报(自然科学版)，2009, 37(12): 1627-1632.

[3]王俊骅, 方守恩. 行人机动车冲突模型及其行人过街风险控制应用[J]. 同济大学学报(自然科学版), 2009, 37(9): 1191-1195.

[4]聂瑞红, 程建川. 基于交通冲突技术的行人安全分析与改善[J]. 交通信息与安全, 2012, 30(3): 105-109.

[5]LEDEN L. Pedestrian risk decrease with pedestrian flow. A case study based on data from signalized intersections in Hamilton, Ontario [J]. Accident Analysis & Prevention, 2002, 34(4): 457-464.

[6]CHENG W, ZHANG N, LI W, et al. Modeling and application of pedestrian safety conflict index at signalized intersections [J]. Discrete Dynamics in Nature and Society, 2014, 2014：314207.

[7]ALMODFER R, XIONG S, FANG Z, et al. Quantitative analysis of lane-based pedestrian-vehicle conflict at a non-signalized markedcrosswalk [J]. Transportation research part F: traffic psychology and behavior, 2016, 42: 468-478.

[8]景超. 行人过街交通特性研究[D]. 长春: 吉林大学, 2007.

[9]刘胜洪. 无信号控制城市行人过街交通特性研究[D]. 重庆: 重庆交通大学, 2008.

[10]尹岩，马社强. 过街行人的交通特性及对策研究[J]. 交通科技与经济, 2013, 15(6):18-22.

[11]吴昌旭, 马舒, 庄想灵. 行人过街的认知心理过程和模型[J]. 心理科学进展, 2013, 21(7): 1141-1149.

[12]钱大琳, 黄迪. 信号平交路口右转机动车穿越直行自行车决策行为研究[J]. 系统工程理论与实践, 2006, 26(5): 140-144.

[13]周雪峰, 郑长江. 基于博弈论的无控制路段人行横道处人车抢行分析[J]. 华东交通大学学报, 2012, 29(6): 65-69.

Analysis of pedestrian spatial distribution and pedestrian-vehicle conflict behavior at signalized intersection

YU Rui-kang，ZHAO Hui*

(School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China)

∶Pedestrian-vehicle conflict is an important factor affecting the traffic capacity of signalized intersections in urban roads. By selecting typical signalized intersections, the conflict behavior between pedestrian stacking and right-turning vehicles was analyzed in this paper. Traffic states of the intersection at Beijing Naoshikou street and Xuanwu gate west street were videotaped during peak hours. Based on the captured video recording, the spatial distribution characteristic data of the waiting pedestrians and right-turning vehicle were extracted. According to the data, the related factors that influence the right turn of motor vehicle were analyzed. And the relationship between the various factors and vehicle delay was explained by linear regression analysis. Studies found that the number of pedestrians piled up has the greatest impact on the delay of right-turning vehicle and there is a strong linear relationship between them. It is of practical significance to reduce or avoid the conflict between pedestrian and vehicle in the future traffic management control.

∶urban traffic; pedestrian-vehicle conflict; linear regression model; spatial distribution characteristics of pedestrians; delay

10.3976/j.issn.1002-4026.2017.04.013

2016-11-01

国家自然科学基金(71371028)；中央高校基本科研业务费(2015JBM049)。

于瑞康(1992—)，男，硕士，研究方向为道路交通安全统计。

*通信作者。E-mail：zhaoh@bjtu.edu.cn

U491.2+65

A

1002-4026(2017)04-0080-06