周竹萍 王 煒 任 剛 宮 霞

(1南京理工大學(xué)交通工程系,南京 210094)

(2東南大學(xué)交通學(xué)院,南京 210096)

(3復(fù)旦大學(xué)附屬華山醫(yī)院,上海200040)

隨著我國行人交通事故形勢的日趨嚴(yán)峻,行人交通安全問題已引起廣泛關(guān)注.行人是車外、無防護(hù)的交通參與者,在交通事故中最易受到傷害.2009年,我國因交通事故死亡67 759人,其中行人16 683人,占事故總死亡人數(shù)的24.62%[1].同年,美國共有4 092個行人在交通事故中喪身,僅占交通事故總死亡人數(shù)的12.10%[2].可見,我國行人交通安全問題不可小覷.另外,事實表明大多數(shù)的交通事故都伴隨著明顯的交通違法行為,如2008年、2009年和2010年,由行人闖紅燈引起的交通事故占行人違法導(dǎo)致事故總數(shù)的35.98%,36.37%和33.02%[1].因此,對行人過街行為,尤其是違法行為的機(jī)理研究是交通事故成因分析的關(guān)鍵.

國外學(xué)者Gupta[3]將行人過街行為的影響因素總結(jié)為7類:個人特征、出行特征、同行類型、道路情況、環(huán)境特征、位置功能和鄰近人群.此后,又有一些學(xué)者針對某一方面因素開展細(xì)化研究,如Hatfield等[4]通過對行人過街行為的對比分析,發(fā)現(xiàn)過街時使用手機(jī)的行人步速緩慢,不注意周圍交通狀況.Schwebel等[5]通過問卷和交通調(diào)查,分析不同性格人群的過街行為特性.Holland等[6]則通過不安全過街行為特性的統(tǒng)計,得出不同年齡、性別人群的行為差異性.

國內(nèi)學(xué)者也做過類似的研究.趙雪娟和王延鋒[7-8]認(rèn)為影響行人過街行為決策的因素主要有3類:行人特性、交通狀況、道路環(huán)境條件.張壯[9]基于行人行為數(shù)據(jù),從行人自身屬性和交叉口特性方面分析行人過街行為的影響因素.Zhou等[10-11]以計劃行為理論為基礎(chǔ),得出行人違法過街與從眾性之間的相關(guān)性.作者通過對南京、石嘴山和武漢等城市的行人過街行為的研究發(fā)現(xiàn),行人行為與行人的性別、年齡、過街時長、有無交警和行人流量等存在相關(guān)性[12].

對比分析國內(nèi)外研究可看出,國外學(xué)者在該領(lǐng)域已取得豐碩的成果，而國內(nèi)學(xué)者對行人的關(guān)注程度不夠,在行人交通數(shù)據(jù)的調(diào)查和分析方面還有較大欠缺.因此,有必要結(jié)合調(diào)查數(shù)據(jù),對行人過街行為進(jìn)行深入研究.

1 行人過街行為的影響因素

結(jié)合國內(nèi)外研究現(xiàn)狀,從內(nèi)部和外部2個角度分析行人過街行為的影響因素.從內(nèi)部看,由于行人性別、年齡、個性等差別,心理狀態(tài)不同,行人的行為選擇特性也有所不同.因此,內(nèi)部因素可歸納為個人屬性和表達(dá)心理特征的主觀偏好.從外部看,外部事物和環(huán)境的變化是影響行人過街行為的重要因素.根據(jù)上述分析,影響行人過街行為決策的因素有5類:個人屬性、家庭屬性、行人設(shè)施屬性、交通狀況特征和主觀偏好.

2 調(diào)查方法和數(shù)據(jù)

2.1 調(diào)查內(nèi)容和方法

調(diào)查內(nèi)容應(yīng)包括行人過街行為的影響因素.同時也需要調(diào)查過街行人的行為特征,包括是否守法、有無跑步、等待時間等.調(diào)查時主要針對到達(dá)時刻綠燈剩余時間在10 s內(nèi)或者是紅燈時間的行人.因為通過實地觀察發(fā)現(xiàn),若在綠燈時間充足時(綠燈大于10 s)到達(dá)的行人,肯定在全綠燈的時間內(nèi)過街,沒有研究的必要.

調(diào)查時采用現(xiàn)場綜合調(diào)查法,即在人工觀測法獲取行為特征和交通狀況的基礎(chǔ)上,引進(jìn)同步的問卷調(diào)查獲取行人的個人屬性、家庭屬性和主觀偏好.通過編號法保證行為數(shù)據(jù)、交通環(huán)境數(shù)據(jù)、心理數(shù)據(jù)屬于同一調(diào)查對象.

2.2 調(diào)查數(shù)據(jù)

為獲取更多不同特征的人行橫道數(shù)據(jù),每個信號交叉口只選擇2個方向的進(jìn)口道進(jìn)行調(diào)查.本研究共調(diào)查了南京市12個交叉口的24條人行橫道,這些交叉口中包括兩車道或四車道、有無中央或兩側(cè)分隔帶(安全島、駐足區(qū))、兩相位或四相位的交叉口.共記錄了3 952個行人的行為數(shù)據(jù),其中完成問卷1 970份,獲得有效數(shù)據(jù)1 878份.樣本的性別、年齡分布情況見表1.

表1 樣本的分布情況

3 過街行為選擇與各類屬性的相關(guān)性分析

3.1 行人過街行為分類

從信號使用的角度,將行人過街行為分為:“全綠”、“先綠后紅”、“全紅”、“先紅后綠”.各行為的具體含義如下:

1) 全綠.行人過街過程中,行人信號燈始終顯示綠燈.

2) 先綠后紅.過街過程中,信號燈先顯示綠燈后顯示紅燈.

3) 全紅.過街過程中,信號燈始終顯示紅燈.該行為是最普遍的闖紅燈行為.

4) 先紅后綠.過街過程中,信號燈先顯示紅燈后顯示綠燈.

在所有調(diào)查得到的1 878個有效行人樣本中,55.17%的行人能遵守交通法規(guī),在全綠的時間內(nèi)過街,而12.78%,20.13%和11.92%的行人分別為“先綠后紅”、“全紅”、“先紅后綠”行為.

3.2 過街行為選擇與各屬性的相關(guān)性

為研究各因素對過街行為選擇是否存在實際影響,以便篩選下一步進(jìn)行離散選擇模型建模的合適變量,需進(jìn)行相關(guān)性分析.

1) 個人屬性

分析2個方面的個人屬性:一是性別、年齡、職業(yè)、受教育程度、收入等社會人口屬性；二是駕照、常用交通方式、出行目的等交通相關(guān)屬性.通過皮爾遜卡方檢驗表明,性別、年齡、收入對于行人過街行為的影響是顯著的.因為學(xué)歷和職業(yè)因素的P值都大于0.05,故這2個因素對過街行為選擇無顯著影響.在行人的交通相關(guān)屬性方面,是否擁有駕照(P=0.001)和出行目的(P=0.003)對行人過街行為選擇有顯著影響,交通方式選擇習(xí)慣(P=0.455)對過街行為無影響.

2) 家庭屬性

3) 行人設(shè)施屬性

行人設(shè)施因素中,人行橫道長度、綠燈時長、紅燈時長的P值分別為0.024,0.046,0.006,表明這些因素對行人過街行為的選擇有顯著影響.人行橫道寬度(P=0.71)則不會影響行人過街行為.信號燈的顯示方式為離散變量,該因素的皮爾遜卡方值為35.303,P值小于0.05,表明信號燈的顯示方式對行人過街行為選擇有顯著影響.

4) 交通狀況特征

交通狀況特征分為行人交通狀況和道路交通狀況2方面.行人交通狀況因素包括有無結(jié)伴、路邊等待人數(shù)和正在過街人數(shù),其與過街行為選擇的相關(guān)性分析結(jié)果表明:3個因素均與行人過街行為相關(guān)(P=0.012,0.001,0.013).道路交通狀況因素包括有無來車、行人到達(dá)時間,這些因素也均對行人過街行為有顯著影響(P=0.000 8,0.000 3).

4 過街行為選擇的隱性變量建模

4.1 隱性變量的建模思路

行為科學(xué)普遍認(rèn)為個體的主觀偏好(隱性變量)是由性別、年齡、職業(yè)等個體的差異性(解釋變量)所引起的,可通過個體的行為和態(tài)度(表征變量)顯現(xiàn)出來,因此隱性變量的模型結(jié)構(gòu)是由解釋變量、隱性變量和表征變量三者組成,三者間關(guān)系見圖1.

圖1 隱性變量的模型結(jié)構(gòu)

本文的隱性變量有安全性、從眾性、舒適性、便利性和快速性.隱性變量的建模方法可分為2步:

1) 通過解釋變量來構(gòu)造隱性變量,即

5.社會技術(shù)人才的利用。在職務(wù)犯罪調(diào)查信息建設(shè)過程中，不可避免地需要社會上技術(shù)人才的智力和技術(shù)的支援。但是，目前我國信息過程中的特殊專業(yè)領(lǐng)域市場化管理法律規(guī)范存在缺失的情況，需要通過細(xì)化的專業(yè)領(lǐng)域在市場化方面積累規(guī)范性管理經(jīng)驗，同時也從信息化建設(shè)的源頭保證信息安全。

η=γ1x1+γ2x2+…+γpxp+ζ

(1)

式中,η為某一隱性變量,如安全性;x1,x2,…,xp為一組可見的解釋變量;γ1,γ2,…,γp為參數(shù);ζ為隨機(jī)擾動項.個體間的潛在偏好和心理需求等是個體差異性的體現(xiàn),由性別、年齡、收入、受教育程度、有無小孩等引起.

2) 由隱性變量表示出表征變量,即

y1=λ1η+ε1,y2=λ2η+ε2,…,yq=λqη+εq

(2)

式中,y1,y2,…,yq為一組與該隱性變量相關(guān)的表征變量;λ1,λ2,…,λq為參數(shù);ε1,ε2,…,εq為誤差項.表征變量是隱性變量的能觀測到的外在表現(xiàn).表征變量的建模方法如下:用行為變量來表征安全性和從眾性,用態(tài)度變量來表征便利性、舒適性和快速性.

4.2 模型的擬合結(jié)果

求解時,利用LISREL統(tǒng)計軟件對調(diào)查數(shù)據(jù)進(jìn)行分析.隱性變量ηsafe,ηconf,ηcomf,ηflex,ηfast分別代表安全性、從眾性、舒適性、便利性和快速性.選擇性別、年齡、職業(yè)、學(xué)歷、收入等個人屬性作為解釋變量,分別表示為xgend,xage,xprof,xeduc,xinco.除年齡外,其余解釋變量均為分類變量,在結(jié)構(gòu)方程建模時將該變量的最低水平賦值為0,隨著水平等級的提高,數(shù)值逐漸提高到1.性別賦值為:女為0,男為1.

運(yùn)用LISREL 8.7軟件對調(diào)查數(shù)據(jù)進(jìn)行分析.建模時,通過固定負(fù)荷法指定隱性變量的測度單位,將各隱性變量的其中一個λ參數(shù)固定為1.γ參數(shù)的估計結(jié)果見表2.

表2 γ參數(shù)的估計結(jié)果

5 行人個體過街行為選擇的MNL模型

5.1 多項logit模型

離散選擇模型中目前應(yīng)用最廣泛的是多項logit(multinomial logit,MNL)模型,該模型假設(shè)所有的用戶選擇都是在同一個層上[13].

按照本文對行人過街行為的分類,模型共分為4個選擇肢,選取第1種行為“全綠”作為參考選項,則第i種行為的logit模型可表示為

(3)

5.2 模型參數(shù)估計

基于Biogeme平臺,對所構(gòu)建的模型進(jìn)行參數(shù)估計和檢驗,參數(shù)估計結(jié)果見表3.

表3 含隱性變量的MNL模型最終參數(shù)估計結(jié)果

5.3 模型參數(shù)分析

5.3.1 參數(shù)符號邏輯性分析

以ln(P2/P1)的建模結(jié)果來分析參數(shù)符號的邏輯性是否正確.按照模型參數(shù)的符號,可以定性判斷各因素對行人過街行為選擇的影響方向.在進(jìn)入方程的16個變量中,符號為正的變量有:性別、年齡、收入5～8萬元、出行目的、人行橫道長度、是否陪伴、過街人數(shù)、到達(dá)時間、便利性和快速性,與預(yù)期的參數(shù)方向一致,說明所建模型邏輯性正確.

5.3.2 參數(shù)敏感性分析

參數(shù)敏感性分析是指模型所標(biāo)定的參數(shù)值每變化一個單位對選擇概率比的影響變化程度.當(dāng)某個參數(shù)有較小變化時,預(yù)測結(jié)果會發(fā)生較大變化,就認(rèn)為此參數(shù)敏感,該因素對因變量的影響顯著.

表3表明,對于“先綠后紅”過街概率比,變量“到達(dá)時間”的參數(shù)值(2.04)最大,主要因為在綠燈后幾秒到達(dá)的行人最易發(fā)生“先綠后紅”過街行為.影響處于第2位的變量為“有無來車”,在道路上無來車時,行人更容易不顧信號燈直接過街.對于“全紅”過街概率比,變量“性別”的參數(shù)值最大,說明性別因素對行人選擇全紅過街行為影響最顯著.對于“先紅后綠”行為,年齡因素的影響最顯著,參數(shù)值為-1.78.其他因素如性別、有無來車、收入也對行人選擇“先紅后綠”過街行為有較大影響.

6 結(jié)語

將行人個體過街行為分為“全綠”、“先綠后紅”、“全紅”、“先紅后綠”,通過建立MNL模型,分析了個人屬性、家庭屬性、行人設(shè)施屬性、交通狀況屬性和主觀偏好等因素對行人過街行為的影響機(jī)理.結(jié)果表明:到達(dá)時間因素對行人選擇“先綠后紅”行為影響最大;性別因素對行人選擇“全紅”過街行為影響最顯著;年齡因素對行人選擇“先紅后綠”行為影響最為顯著.

該研究可為后續(xù)的行人過街安全性提升對策提供科學(xué)依據(jù):① 上述研究發(fā)現(xiàn)違法過街的主要人群為中青年、女性、中低收入者,宣教時應(yīng)針對不同對象的行為規(guī)律和心理特征,采用不同的交通教育方案.② 路口的行人信號燈最好采用倒計時方式,以更好地提供時間信息,使行人能夠做出有效判斷,從而減少違法行為的發(fā)生.

另外,當(dāng)?shù)缆分性O(shè)置安全島時,行人在進(jìn)入安全島與離開安全島的2個路段中過街行為的形式可能不同,在未來的研究中應(yīng)進(jìn)一步考慮.而且文中未就具體措施實施前后的交叉口行人過街安全評價進(jìn)行對比分析.以后,可對行人安全性提升對策進(jìn)行量化分析,直觀體現(xiàn)各對策的實際效果,從而為管理者和決策者提供科學(xué)依據(jù).

)

[1]中華人民共和國公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計年報(2008—2010)[R].北京:中華人民共和國公安部交通管理局,2011.

[2]National Highway Traffic Safety Administration.Traffic safety facts 2009,report DOT HS 811 402 [R].Washington DC:NHTSA,2009.

[3]Gupta A K.A study on pedestrian walking behavior [D].Newark,DE,USA: University of Delaware,2005.

[4]Hatfield J,Murphy S.The effects of mobile phone use on pedestrian crossing behavior at signalised and unsignalised intersections [J].AccidentAnalysisandPrevention,2007,39(1): 197-205.

[5]Schwebel D C,Stavrinos D,Kongable E M.Attentional control,high intensity pleasure,and risky pedestrian behavior in college students [J].AccidentAnalysisandPrevention,2009,41(3): 658-661.

[6]Holland C,Hill R.Gender differences in factors predicting unsafe crossing decisions in adult pedestrians across the lifespan: a simulation study [J].AccidentAnalysisandPrevention,2010,42(4): 1097-1106.

[7]趙雪娟.信號交叉口非機(jī)動車與行人違章行為研究 [D].北京:北京交通大學(xué)交通運(yùn)輸學(xué)院,2007.

[8]王延鋒.基于道路管理功能的行人違章穿越行為特性分析與仿真 [D].武漢: 武漢理工大學(xué)交通學(xué)院,2009.

[9]張壯.城市四支信號交叉口行人交通特性及違法分析 [D].北京: 北京工業(yè)大學(xué)建筑工程學(xué)院,2010.

[10]Zhou R G,Horrey W J,Yu R F.The effect of conformity tendency on pedestrians’ road-crossing intentions in China: an application of the theory of planned behavior [J].AccidentAnalysisandPrevention,2009,41(3): 491-497.

[11]Zhou R G,Horrey W J.Predicting adolescent pedestrians’ behavioral intentions to follow the masses in risky crossing situations [J].TransportationResearchPartF,2010,13(3): 153-163.

[12]Ren G,Zhou Z P,Wang W,et al.Crossing behaviors of pedestrians at signalized intersections[J].TransportationResearchRecord,2011,2264: 65-73.

[13]關(guān)宏志.非集計模型-交通行為分析的工具 [M].北京: 人民交通出版社,2004: 51-55.