城市道路行人违章行为分析

城市道路行人违章行为分析

张谦

AStutyonPedestrianViolationBehaviorBasedonUrbanRoad

张谦淤ZHANGQian曰李贵峰于LIGui-feng（淤西南交通大学交通运输与物流学院，成都610031；于天津市市政工程设计研究总院，天津300051）（淤SchoolofTransportationandLogistic，SouthwestJiaotongUniversity，Chengdu610031，China；于TianjinGeneralMunicipalEngineeringDesign&ResearchInstitute，Tianjin300051，China）

摘要院本文以成都市为调查背景，选取平面信号控制交叉口及路段的人行横道作为调查地点，对影响行人违章过街的13个指标进行实地调查。采用因子分析法提取公因子，建立无序多分类Logistic回归模型对影响因子进行分析。研究结果表明不同影响因素对不同行人违章过街行为具有不同效用。

Abstract:Signalintersectionsandroadcrossingasthesurveysitesinchengdubackground,whichselected13impactindicatorsthatpedestriancrossingthestreettosurvey.Thecommonfactorswereextractedoutbyusedfactoranalysis,thenthemultinomialLogisticmodelwasbuiltbyregressionanalysis.Theresultsshowthatdifferentfactorshaveadifferenteffecttodifferentpedestrianviolationbehavior.

关键词院行人交通；违章行为；因子分析；多项Logistic模型Keywords:pedestriantraffic；violatingbehaviour；factoranalysis；multinomialLogisticmodel

中图分类号院U491;X911文献标识码院A文章编号院1006-4311（2014）16-0074-020

引言据统计[1]，全球每年有124万人死于道路交通事故，行人已占到道路交通总死亡人数的1/4。公安部交通统计局显示，2011年我国因道路交通事故死亡者中，交通方式为步行的占25.15%；事故造成的受伤者中，交通方式为步行的占17.21%，其中很大一部分原因是行人违章造成。

1行人违章过街行为调查调查地点的选取以行人交通产生量多并且具有典型土地使用功能的信号交叉口和路段为观测地点。根据实际情况选择3个典型交叉口：沙湾路-金沙路、交大路-群星路、人民中路-文殊院街，以及4条典型路段：青龙街（第三人民医院外）、西大街（百盛商场外）、九里堤南路（全兴花园外）、通锦路（铁二院外）。每个信号交叉口选取2个方向的的进口道进行调查，共计7个地点，10个观测点。结合现场调查情况和现有文献资料的分析，选取了13个影响因素为调查内容，分别为年龄、性别、结伴人数、等待时间、聚集人数、机动车流量、车流间隙、行人红灯时长、人行横道宽、过街距离、车道数、隔离护栏、距公交车站距离。调查了成都市的3个交叉口和4条路段的行人违章数据，共计10条人行横道。从采集的录像视频中随机对数据进行抽样提取，共提取了995个样本，其中遵章样本571个，违章样本424个（闯红灯190个、不走人行横道234个）。

2因子分析法及应用2.1因子分析法因子分析是研究变量的内部关系，将相关性较强的一组变量归为一类，使得同类型的变量相关性弱，而不同类型的变量之间的相关性强，并在尽量不丢失信息的前提下，把众多的原始变量归结为较少的几个因子变量，来分析解释现实现象的一种多元统计方法，其目的是用不可观测的变量计算可观测随机变量。模型如下所示：Xi=琢i1F1+琢i2F2+…+琢imFm+着i，i=1，2，…，pFj=茁j1X1+茁j2X2+…+茁jpXp，j=1，2，…，m式中：Xi为原始变量；Fj为公因子；着i为特殊因子；琢ij为因子荷载；茁jp为因子贡献系数。

2.2结果分析使用SPSS19.0统计分析软件，计算出KMO值为0.721，Bartlett’s球形检验的字2统计值为0.000，可以看出相关系数矩阵为单位矩阵，变量间具有较强的相关性，因此适合进行因子分析。利用主成分分析法抽取特征值大于1的共同因素，并使用最大方差法进行正交旋转，提取出了5个公共因子。其累积方差贡献率大于77.375%，所以这5个公共因子能够综合反映行人违章行为的影响水平，分别定义为F1道路设施、F2交通流、F3时间特征、F4群体特征、F5个体特征。

3行人违章过街行为Logistic模型分析3.1多项Logistic模型在多项Logistic模型中，Logistic是由反应变量中的不重复的类别的对比形成的。然后，对每个Logistic分别建模。若反应变量有J个类别，多项Logistic模型中便有J-1个Logistic，最后一个类别（即第J个类别）作为参照类。j类成员的概率为：

式中：琢j和茁jk分别为回归截距和回归系数；x为解释变量，k为变量个数。

3.2Logistic回归分析多项Logistic模型采用最大似然估计法标定，即通过建立似然函数，将观测数据的概率表述为未知参数的函数。模型参数的最大似然估计是选择能够使这一函数值达到最大的参数估计值。本文将得到的5个公共影响因素带入Logistic回归模型中，并采用混合逐步选择法作似然比概率检验，取显著性水平0.05选择最优建模变量。该回归过程通过计算每一步入选变量的wald统计量值，并删除最小wald值对应的变量，直至所有变量都满足设定的显著性水平结束回归。经计算得出，除F5外其余四个变量的wald检验结果P值小于0.05，检验效果显著，可以作为最优建模变量。最后将筛选出的4个成分代入Logistic回归模型，通过SPSS19.0统计分析软件对模型进行标定，得到以下模型：P（y=1渣0）

均以行人遵章行为作为参照类别，“遵章过街”=0，“闯红灯违章过街”=1，“空间违章过街”=2。在闯红灯违章类中，F1（道路环境）、F4（群体特征）、F2（时间特征）的显著性水平P值很小，wald检验值分别为23.681、21.185和14.288，表明其对行人闯红灯违章行为选择的作用很大。4个因子变量的重要性有如下大小关系：道路环境>群体特征>时间特征>交通流。在不走人行横道违章类中，F1（道路环境）、F3（交通流）、F4（群体特征）的显著性水平P值最小，wald检验值分别为24.891、24.015、11.561，表明其对不走人行横道违章行为选择的作用很大。4个因子变量的重要性有如下关系，道路设施>交通流>群体特征>时间特征。

3.3Logistic回归模型检验回归模型的拟合优度检验可以通过Person字2、偏差统计量和Hosmer-Lemeshow统计量。经计算得知，Person字2、偏差统计量和Hosmer-Lemeshow统计量的P值均大于0.05，所以在显著性水平A=0.05的条件下，字2检验不显著，认为模型拟合数据较好。本文共收集到995个有效样本，闯红灯违章类别的190个观测值中，有138个预测正确，正确率达到72.63%；闯红灯违章类别的234个观测值中，有144个预测正确，正确率达到61.54%；不走人行横道遵章类别的571个观测值中，有454个预测正确，正确率达到79.51%；在全部的995个观测值中，有736个预测正确，总正确率达到73.97%。该结果反映出该模型能够较好地拟合数据，构建模型所选定的4个影响因素会影响到行人违章行为选择的结果。

4结论淤本文将行人平面过街行为按违章与否可分为：闯红灯违章行为、不走人行横道违章行为及遵章行为。从行人自身因素、交通状况及道路环境三个方面选取了13个影响指标，对其影响进行实地观测。

于采用因子分析法对影响指标降维，提取出5个公因子，以过街行为为因变量，以5个公因子为自变量，建立无序多分类Logistic回归模型，筛选出了4个有效自变量。根据计算记过并分析出不同违章行为影响因素的效用值，为后期行人过街安全改善政策提供了有效的理论依据。

参考文献院[1]世界卫生组织.道路安全全球现状报告[R].2013.[2]关宏志.非集计模型—交通行为分析的工具[M].北京：人民交通出版社，2004.[3]张文彤.SPSS统计分析高级教程[M].北京：高等教育出版社，2004.作者简介院张谦（1988-），女，四川宜宾人，硕士研究生，研究方向为行人交通安全；李贵峰（1986-），男，黑龙江绥化人，工程师，研究方向为交通工程、桥梁工程。