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(guó)行人交通事故形勢(shì)的日趨嚴(yán)峻,行人交通安全問(wèn)題已引起廣泛關(guān)注.行人是車(chē)外、無(wú)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(guó)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(guó)共有4 092個(gè)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(jiàn),我國(guó)行人交通安全問(wèn)題不可小覷.另外,事實(shí)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(duì)行人過(guò)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(guó)外學(xué)者Gupta[3]將行人過(guò)街行為的影響因素總結(jié)為7類(lèi):個(gè)人特征、出行特征、同行類(lèi)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(duì)某一方面因素開(kāi)展細(xì)化研究,如Hatfield等[4]通過(guò)對(duì)行人過(guò)街行為的對(duì)比分析,發(fā)現(xiàn)過(guò)街時(shí)使用手機(jī)的行人步速緩慢,不注意周?chē)煌顩r.Schwebel等[5]通過(guò)問(wèn)卷和交通調(diào)查,分析不同性格人群的過(guò)街行為特性.Holland等[6]則通過(guò)不安全過(guò)街行為特性的統(tǒng)計(jì),得出不同年齡、性別人群的行為差異性.

國(guó)內(nèi)學(xué)者也做過(guò)類(lèi)似的研究.趙雪娟和王延鋒[7-8]認(rèn)為影響行人過(guò)街行為決策的因素主要有3類(lèi):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(guò)街行為的影響因素.Zhou等[10-11]以計(jì)劃行為理論為基礎(chǔ),得出行人違法過(guò)街與從眾性之間的相關(guān)性.作者通過(guò)對(duì)南京、石嘴山和武漢等城市的行人過(guò)街行為的研究發(fā)現(xiàn),行人行為與行人的性別、年齡、過(guò)街時(shí)長(zhǎng)、有無(wú)交警和行人流量等存在相關(guān)性[12].

對(duì)比分析國(guó)內(nèi)外研究可看出,國(guó)外學(xué)者在該領(lǐng)域已取得豐碩的成果，而國(guó)內(nèi)學(xué)者對(duì)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(duì)行人過(guò)街行為進(jìn)行深入研究.

1 行人過(guò)街行為的影響因素

結(jié)合國(guó)內(nèi)外研究現(xiàn)狀,從內(nèi)部和外部2個(gè)角度分析行人過(guò)街行為的影響因素.從內(nèi)部看,由于行人性別、年齡、個(gè)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(gè)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(guò)街行為的重要因素.根據(jù)上述分析,影響行人過(guò)街行為決策的因素有5類(lèi):個(gè)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(guò)街行為的影響因素.同時(shí)也需要調(diào)查過(guò)街行人的行為特征,包括是否守法、有無(wú)跑步、等待時(shí)間等.調(diào)查時(shí)主要針對(duì)到達(dá)時(shí)刻綠燈剩余時(shí)間在10 s內(nèi)或者是紅燈時(shí)間的行人.因?yàn)橥ㄟ^(guò)實(shí)地觀察發(fā)現(xiàn),若在綠燈時(shí)間充足時(shí)(綠燈大于10 s)到達(dá)的行人,肯定在全綠燈的時(shí)間內(nèi)過(guò)街,沒(méi)有研究的必要.

調(diào)查時(shí)采用現(xiàn)場(chǎng)綜合調(diào)查法,即在人工觀測(cè)法獲取行為特征和交通狀況的基礎(chǔ)上,引進(jìn)同步的問(wèn)卷調(diào)查獲取行人的個(gè)人屬性、家庭屬性和主觀偏好.通過(guò)編號(hào)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(duì)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(gè)信號(hào)交叉口只選擇2個(gè)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(gè)交叉口的24條人行橫道,這些交叉口中包括兩車(chē)道或四車(chē)道、有無(wú)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(gè)行人的行為數(shù)據(jù),其中完成問(wèn)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(jiàn)表1.

表1 樣本的分布情況

3 過(guò)街行為選擇與各類(lèi)屬性的相關(guān)性分析

3.1 行人過(guò)街行為分類(lèi)

從信號(hào)使用的角度,將行人過(guò)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(guò)街過(guò)程中,行人信號(hào)燈始終顯示綠燈.

2) 先綠后紅.過(guò)街過(guò)程中,信號(hào)燈先顯示綠燈后顯示紅燈.

3) 全紅.過(guò)街過(guò)程中,信號(hào)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(guò)街過(guò)程中,信號(hào)燈先顯示紅燈后顯示綠燈.

在所有調(diào)查得到的1 878個(gè)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(shí)間內(nèi)過(guò)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(guò)街行為選擇與各屬性的相關(guān)性

為研究各因素對(duì)過(guò)街行為選擇是否存在實(shí)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(gè)人屬性

分析2個(gè)方面的個(gè)人屬性:一是性別、年齡、職業(yè)、受教育程度、收入等社會(huì)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(guò)皮爾遜卡方檢驗(yàn)表明,性別、年齡、收入對(duì)于行人過(guò)街行為的影響是顯著的.因?yàn)閷W(xué)歷和職業(yè)因素的P值都大于0.05,故這2個(gè)因素對(duì)過(guò)街行為選擇無(wú)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(duì)行人過(guò)街行為選擇有顯著影響,交通方式選擇習(xí)慣(P=0.455)對(duì)過(guò)街行為無(wú)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(zhǎng)度、綠燈時(shí)長(zhǎng)、紅燈時(shí)長(zhǎng)的P值分別為0.024,0.046,0.006,表明這些因素對(duì)行人過(guò)街行為的選擇有顯著影響.人行橫道寬度(P=0.71)則不會(huì)影響行人過(guò)街行為.信號(hào)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(hào)燈的顯示方式對(duì)行人過(guò)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(wú)結(jié)伴、路邊等待人數(shù)和正在過(guò)街人數(shù),其與過(guò)街行為選擇的相關(guān)性分析結(jié)果表明:3個(gè)因素均與行人過(guò)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(wú)來(lái)車(chē)、行人到達(dá)時(shí)間,這些因素也均對(duì)行人過(guò)街行為有顯著影響(P=0.000 8,0.000 3).

4 過(guò)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(gè)體的主觀偏好(隱性變量)是由性別、年齡、職業(yè)等個(gè)體的差異性(解釋變量)所引起的,可通過(guò)個(gè)體的行為和態(tài)度(表征變量)顯現(xiàn)出來(lái),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(jiàn)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(guò)解釋變量來(lái)構(gòu)造隱性變量,即

5.社會(huì)技術(shù)人才的利用。在職務(wù)犯罪調(diào)查信息建設(shè)過(guò)程中，不可避免地需要社會(huì)上技術(shù)人才的智力和技術(shù)的支援。但是，目前我國(guó)信息過(guò)程中的特殊專業(yè)領(lǐng)域市場(chǎng)化管理法律規(guī)范存在缺失的情況，需要通過(guò)細(xì)化的專業(yè)領(lǐng)域在市場(chǎng)化方面積累規(guī)范性管理經(jīng)驗(yàn)，同時(shí)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(jiàn)的解釋變量;γ1,γ2,…,γp為參數(shù);ζ為隨機(jī)擾動(dòng)項(xiàng).個(gè)體間的潛在偏好和心理需求等是個(gè)體差異性的體現(xiàn),由性別、年齡、收入、受教育程度、有無(wú)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(xiàng).表征變量是隱性變量的能觀測(cè)到的外在表現(xiàn).表征變量的建模方法如下:用行為變量來(lái)表征安全性和從眾性,用態(tài)度變量來(lái)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(shí),利用LISREL統(tǒng)計(jì)軟件對(duì)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(gè)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(lèi)變量,在結(jié)構(gòu)方程建模時(shí)將該變量的最低水平賦值為0,隨著水平等級(jí)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(duì)調(diào)查數(shù)據(jù)進(jìn)行分析.建模時(shí),通過(guò)固定負(fù)荷法指定隱性變量的測(cè)度單位,將各隱性變量的其中一個(gè)λ參數(shù)固定為1.γ參數(shù)的估計(jì)結(jié)果見(jiàn)表2.

表2 γ參數(shù)的估計(jì)結(jié)果

5 行人個(gè)體過(guò)街行為選擇的MNL模型

5.1 多項(xiàng)logit模型

離散選擇模型中目前應(yīng)用最廣泛的是多項(xiàng)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(gè)層上[13].

按照本文對(duì)行人過(guò)街行為的分類(lèi),模型共分為4個(gè)選擇肢,選取第1種行為“全綠”作為參考選項(xiàng),則第i種行為的logit模型可表示為

(3)

5.2 模型參數(shù)估計(jì)

基于Biogeme平臺(tái),對(duì)所構(gòu)建的模型進(jìn)行參數(shù)估計(jì)和檢驗(yàn),參數(shù)估計(jì)結(jié)果見(jiàn)表3.

表3 含隱性變量的MNL模型最終參數(shù)估計(jì)結(jié)果

5.3 模型參數(shù)分析

5.3.1 參數(shù)符號(hào)邏輯性分析

以ln(P2/P1)的建模結(jié)果來(lái)分析參數(shù)符號(hào)的邏輯性是否正確.按照模型參數(shù)的符號(hào),可以定性判斷各因素對(duì)行人過(guò)街行為選擇的影響方向.在進(jìn)入方程的16個(gè)變量中,符號(hào)為正的變量有:性別、年齡、收入5～8萬(wàn)元、出行目的、人行橫道長(zhǎng)度、是否陪伴、過(guò)街人數(shù)、到達(dá)時(shí)間、便利性和快速性,與預(yù)期的參數(shù)方向一致,說(shuō)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(gè)單位對(duì)選擇概率比的影響變化程度.當(dāng)某個(gè)參數(shù)有較小變化時(shí),預(yù)測(cè)結(jié)果會(huì)發(fā)生較大變化,就認(rèn)為此參數(shù)敏感,該因素對(duì)因變量的影響顯著.

表3表明,對(duì)于“先綠后紅”過(guò)街概率比,變量“到達(dá)時(shí)間”的參數(shù)值(2.04)最大,主要因?yàn)樵诰G燈后幾秒到達(dá)的行人最易發(fā)生“先綠后紅”過(guò)街行為.影響處于第2位的變量為“有無(wú)來(lái)車(chē)”,在道路上無(wú)來(lái)車(chē)時(shí),行人更容易不顧信號(hào)燈直接過(guò)街.對(duì)于“全紅”過(guò)街概率比,變量“性別”的參數(shù)值最大,說(shuō)明性別因素對(duì)行人選擇全紅過(guò)街行為影響最顯著.對(duì)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(wú)來(lái)車(chē)、收入也對(duì)行人選擇“先紅后綠”過(guò)街行為有較大影響.

6 結(jié)語(yǔ)

將行人個(gè)體過(guò)街行為分為“全綠”、“先綠后紅”、“全紅”、“先紅后綠”,通過(guò)建立MNL模型,分析了個(gè)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(duì)行人過(guò)街行為的影響機(jī)理.結(jié)果表明:到達(dá)時(shí)間因素對(duì)行人選擇“先綠后紅”行為影響最大;性別因素對(duì)行人選擇“全紅”過(guò)街行為影響最顯著;年齡因素對(duì)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(guò)街安全性提升對(duì)策提供科學(xué)依據(jù):① 上述研究發(fā)現(xiàn)違法過(guò)街的主要人群為中青年、女性、中低收入者,宣教時(shí)應(yīng)針對(duì)不同對(duì)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(hào)燈最好采用倒計(jì)時(shí)方式,以更好地提供時(shí)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(shí),行人在進(jìn)入安全島與離開(kāi)安全島的2個(gè)路段中過(guò)街行為的形式可能不同,在未來(lái)的研究中應(yīng)進(jìn)一步考慮.而且文中未就具體措施實(shí)施前后的交叉口行人過(guò)街安全評(píng)價(jià)進(jìn)行對(duì)比分析.以后,可對(duì)行人安全性提升對(duì)策進(jìn)行量化分析,直觀體現(xiàn)各對(duì)策的實(shí)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(guó)公安部交通管理局.中華人民共和國(guó)道路交通事故統(tǒng)計(jì)年報(bào)(2008—2010)[R].北京:中華人民共和國(guó)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(hào)交叉口非機(jī)動(dòng)車(chē)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(hào)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(jì)模型-交通行為分析的工具 [M].北京: 人民交通出版社,2004: 51-55.