張謙 ZHANG Qian；李貴峰 LI Gui-feng

（①西南交通大學(xué)交通運輸與物流學(xué)院，成都 610031；②天津市市政工程設(shè)計研究總院，天津 300051）

（①School of Transportation and Logistic，Southwest Jiaotong University，Chengdu 610031，China；②Tianjin General Municipal Engineering Design&Research Institute，Tianjin 300051，China）

0 引言

據(jù)統(tǒng)計[1]，全球每年有124萬人死于道路交通事故，行人已占到道路交通總死亡人數(shù)的1/4。公安部交通統(tǒng)計局顯示，2011年我國因道路交通事故死亡者中，交通方式為步行的占25.15%；事故造成的受傷者中，交通方式為步行的占17.21%，其中很大一部分原因是行人違章造成。

1 行人違章過街行為調(diào)查

調(diào)查地點的選取以行人交通產(chǎn)生量多并且具有典型土地使用功能的信號交叉口和路段為觀測地點。根據(jù)實際情況選擇3個典型交叉口：沙灣路-金沙路、交大路-群星路、人民中路-文殊院街，以及4條典型路段：青龍街（第三人民醫(yī)院外）、西大街（百盛商場外）、九里堤南路（全興花園外）、通錦路（鐵二院外）。每個信號交叉口選取2個方向的的進口道進行調(diào)查，共計7個地點，10個觀測點。結(jié)合現(xiàn)場調(diào)查情況和現(xiàn)有文獻資料的分析，選取了13個影響因素為調(diào)查內(nèi)容，分別為年齡、性別、結(jié)伴人數(shù)、等待時間、聚集人數(shù)、機動車流量、車流間隙、行人紅燈時長、人行橫道寬、過街距離、車道數(shù)、隔離護欄、距公交車站距離。調(diào)查了成都市的3個交叉口和4條路段的行人違章數(shù)據(jù)，共計10條人行橫道。從采集的錄像視頻中隨機對數(shù)據(jù)進行抽樣提取，共提取了995個樣本，其中遵章樣本571個，違章樣本424個（闖紅燈190個、不走人行橫道234個）。

2 因子分析法及應(yīng)用

2.1 因子分析法

因子分析是研究變量的內(nèi)部關(guān)系，將相關(guān)性較強的一組變量歸為一類，使得同類型的變量相關(guān)性弱，而不同類型的變量之間的相關(guān)性強，并在盡量不丟失信息的前提下，把眾多的原始變量歸結(jié)為較少的幾個因子變量，來分析解釋現(xiàn)實現(xiàn)象的一種多元統(tǒng)計方法，其目的是用不可觀測的變量計算可觀測隨機變量。模型如下所示：

式中：Xi為原始變量；Fj為公因子；εi為特殊因子；αij為因子荷載；βjp為因子貢獻系數(shù)。

2.2 結(jié)果分析

使用SPSS19.0統(tǒng)計分析軟件，計算出KMO值為0.721，Bartlett’s球形檢驗的χ2統(tǒng)計值為0.000，可以看出相關(guān)系數(shù)矩陣為單位矩陣，變量間具有較強的相關(guān)性，因此適合進行因子分析。利用主成分分析法抽取特征值大于1的共同因素，并使用最大方差法進行正交旋轉(zhuǎn)，提取出了5個公共因子。其累積方差貢獻率大于77.375%，所以這5個公共因子能夠綜合反映行人違章行為的影響水平，分別定義為F1道路設(shè)施、F2交通流、F3時間特征、F4群體特征、F5個體特征。

3 行人違章過街行為Logistic模型分析

3.1 多項Logistic模型

在多項Logistic模型中，Logistic是由反應(yīng)變量中的不重復(fù)的類別的對比形成的。然后，對每個Logistic分別建模。若反應(yīng)變量有J個類別，多項Logistic模型中便有J-1個Logistic，最后一個類別（即第J個類別）作為參照類。j類成員的概率為：

式中：αj和βjk分別為回歸截距和回歸系數(shù)；x為解釋變量，k為變量個數(shù)。

3.2 Logistic回歸分析

多項Logistic模型采用最大似然估計法標(biāo)定，即通過建立似然函數(shù)，將觀測數(shù)據(jù)的概率表述為未知參數(shù)的函數(shù)。模型參數(shù)的最大似然估計是選擇能夠使這一函數(shù)值達(dá)到最大的參數(shù)估計值。本文將得到的5個公共影響因素帶入Logistic回歸模型中，并采用混合逐步選擇法作似然比概率檢驗，取顯著性水平0.05選擇最優(yōu)建模變量。該回歸過程通過計算每一步入選變量的wald統(tǒng)計量值，并刪除最小wald值對應(yīng)的變量，直至所有變量都滿足設(shè)定的顯著性水平結(jié)束回歸。經(jīng)計算得出，除F5外其余四個變量的wald檢驗結(jié)果P值小于0.05，檢驗效果顯著，可以作為最優(yōu)建模變量。最后將篩選出的4個成分代入Logistic回歸模型，通過SPSS19.0統(tǒng)計分析軟件對模型進行標(biāo)定，得到以下模型：P（y=1｜0）

均以行人遵章行為作為參照類別，“遵章過街”=0，“闖紅燈違章過街”=1，“空間違章過街”=2。在闖紅燈違章類中，F(xiàn)1（道路環(huán)境）、F4（群體特征）、F2（時間特征）的顯著性水平 P值很小，wald檢驗值分別為 23.681、21.185和14.288，表明其對行人闖紅燈違章行為選擇的作用很大。4個因子變量的重要性有如下大小關(guān)系：道路環(huán)境>群體特征>時間特征>交通流。在不走人行橫道違章類中，F(xiàn)1（道路環(huán)境）、F3（交通流）、F4（群體特征）的顯著性水平P值最小，wald檢驗值分別為24.891、24.015、11.561，表明其對不走人行橫道違章行為選擇的作用很大。4個因子變量的重要性有如下關(guān)系，道路設(shè)施>交通流>群體特征>時間特征。

3.3 Logistic回歸模型檢驗

回歸模型的擬合優(yōu)度檢驗可以通過Personχ2、偏差統(tǒng)計量和Hosmer-Lemeshow統(tǒng)計量。經(jīng)計算得知，Personχ2、偏差統(tǒng)計量和Hosmer-Lemeshow統(tǒng)計量的P值均大于0.05，所以在顯著性水平A=0.05的條件下，χ2檢驗不顯著，認(rèn)為模型擬合數(shù)據(jù)較好。本文共收集到995個有效樣本，闖紅燈違章類別的190個觀測值中，有138個預(yù)測正確，正確率達(dá)到72.63%；闖紅燈違章類別的234個觀測值中，有144個預(yù)測正確，正確率達(dá)到61.54%；不走人行橫道遵章類別的571個觀測值中，有454個預(yù)測正確，正確率達(dá)到79.51%；在全部的995個觀測值中，有736個預(yù)測正確，總正確率達(dá)到73.97%。該結(jié)果反映出該模型能夠較好地擬合數(shù)據(jù)，構(gòu)建模型所選定的4個影響因素會影響到行人違章行為選擇的結(jié)果。

4 結(jié)論

①本文將行人平面過街行為按違章與否可分為：闖紅燈違章行為、不走人行橫道違章行為及遵章行為。從行人自身因素、交通狀況及道路環(huán)境三個方面選取了13個影響指標(biāo)，對其影響進行實地觀測。

②采用因子分析法對影響指標(biāo)降維，提取出5個公因子，以過街行為為因變量，以5個公因子為自變量，建立無序多分類Logistic回歸模型，篩選出了4個有效自變量。根據(jù)計算記過并分析出不同違章行為影響因素的效用值，為后期行人過街安全改善政策提供了有效的理論依據(jù)。

[1]世界衛(wèi)生組織.道路安全全球現(xiàn)狀報告[R].2013.

[2]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.

[3]張文彤.SPSS統(tǒng)計分析高級教程[M].北京：高等教育出版社，2004.