王雪松，羅 楝

(1.同濟大學(xué)交通運輸工程學(xué)院，上海201804；2.同濟大學(xué)道路與交通工程教育部重點實驗室，上海201804)

信號控制交叉口交通沖突特征與影響因素

王雪松1,2，羅 楝1

(1.同濟大學(xué)交通運輸工程學(xué)院，上海201804；2.同濟大學(xué)道路與交通工程教育部重點實驗室，上海201804)

對信號控制交叉口交通沖突的特征及影響因素進行分析能夠快速明確交叉口的安全隱患，并提出合理的改善措施。通過對上海市5個信號控制交叉口進行交通沖突調(diào)查，分析信號控制交叉口的沖突類型特征和沖突點空間分布規(guī)律，揭示信號控制交叉口交通沖突的致因。結(jié)果表明，最突出的機—機沖突類型為直行與對向左轉(zhuǎn)沖突(45%)。另外，超過50%的機—非沖突以及機—人嚴(yán)重沖突與右轉(zhuǎn)機動車相關(guān)。利用線性回歸模型和負(fù)二項模型分析沖突及嚴(yán)重沖突的影響因素，結(jié)果顯示左轉(zhuǎn)專用相位、右轉(zhuǎn)車比例及大型車比例是顯著影響因素。

信號控制交叉口；交通沖突；沖突類型；沖突點空間分布；影響因素

1 研究背景

信號控制交叉口(以下簡稱“信控交叉口”)是城市道路的重要節(jié)點，大量的車流及人流在交叉口匯集、通過、轉(zhuǎn)向。信控交叉口存在大量的機非混行情況，交通秩序較為混亂，往往也是事故多發(fā)點。對事故多發(fā)的信控交叉口進行致因分析并提出針對性的安全改善措施對于提高交叉口安全水平有顯著作用。然而，由于事故數(shù)據(jù)采集周期長、樣本量小，基于事故數(shù)據(jù)的安全分析方法受到制約。而交通沖突數(shù)據(jù)樣本量大、觀察周期短，可以作為事故替代變量對信控交叉口安全進行快速分析。

交通沖突是指兩個或兩個以上道路使用者在空間和時間上相互接近，以至于如果任何一方不及時改變其行駛軌跡，將會發(fā)生碰撞[1]。隨著視頻技術(shù)的發(fā)展，交通沖突視頻觀測能提供比人工觀測更可靠、更準(zhǔn)確的數(shù)據(jù)，一些研究通過算法從視頻中自動識別沖突并提取數(shù)據(jù)[2-3]，彌補了人工觀測工作量大的缺點，這些都為交通沖突分析提供了良好的數(shù)據(jù)基礎(chǔ)。

已有對交通沖突的研究主要包括三個方面。1)通過統(tǒng)計建模分析交通沖突與事故之間的關(guān)系，探索交通沖突是否能作為事故的替代變量[4-5]。2)研究非嚴(yán)重沖突和嚴(yán)重沖突的判別指標(biāo)，包括綜合指標(biāo)[5]和單一指標(biāo)[6]。單一指標(biāo)中沖突時間(Time to Collision,TTC)最為常見，其定義為“兩輛車如果不改變行駛狀態(tài)而發(fā)生碰撞的時間”[7]；沖突時間越小嚴(yán)重程度越高，當(dāng)其小于某一閾值時則認(rèn)為該沖突為嚴(yán)重沖突[6]。3)利用沖突數(shù)據(jù)對交通設(shè)施的安全性進行評估[8-10]。

現(xiàn)有研究大多僅將交通沖突作為安全水平的評估指標(biāo)，而缺乏對沖突特征的深入分析?？紤]到事故數(shù)據(jù)的制約性，通過沖突特征分析找出信控交叉口的沖突致因，并明確沖突影響因素，有助于快速了解信控交叉口安全隱患，為安全改善提供幫助。本文利用交通沖突觀測技術(shù)研究混合交通條件下信控交叉口內(nèi)的交通沖突特征及其影響因素，為制定信控交叉口安全改善措施提供依據(jù)。

2 交通沖突調(diào)查

交通沖突調(diào)查地點需要滿足3個原則：1)信控交叉口沒有特殊交通管制；2)在調(diào)查期間信控交叉口的交通量變化較??；3)為研究混合交通條件下的沖突特征，信控交叉口還必須有相當(dāng)比例的非機動車和行人流量。根據(jù)上述原則從上海市嘉定區(qū)和普陀區(qū)選取5個信控交叉口進行交通沖突調(diào)查。

2.1 調(diào)查方法

交通沖突調(diào)查采用視頻觀測方法，調(diào)查日期為2013年5月23日。選取該工作日7∶30—9∶30對信控交叉口沖突情況進行連續(xù)2 h的高清視頻拍攝。為確保視頻可以清晰、無遮擋地展示整個信控交叉口的交通運行情況，選在附近較高的建筑物進行俯拍。在視頻拍攝過程中還對交叉口的基本特征進行人工記錄，記錄內(nèi)容包括交叉口所在區(qū)域、交通設(shè)施及信號控制情況。

2.2 數(shù)據(jù)提取

需提取的數(shù)據(jù)包括交叉口基本特征、流量及沖突數(shù)據(jù)。根據(jù)現(xiàn)場人工記錄，5個信控交叉口的基本特征如表1所示。

流量及沖突數(shù)據(jù)從拍攝的視頻中提取。流量數(shù)據(jù)以進口道為單位按照車型(大、中、小)及行駛方向(左轉(zhuǎn)、直行、右轉(zhuǎn))分別進行統(tǒng)計(見表2)。由于信控交叉口存在大量混合交通，為消除各類型交通之間的差異，需將交通量轉(zhuǎn)化為混合交通當(dāng)量(mpcu)[11-12]。

沖突數(shù)據(jù)包括沖突類型、沖突位置、沖突數(shù)量及嚴(yán)重沖突數(shù)量。沖突類型、位置及數(shù)量可以通過視頻觀測直接提取并統(tǒng)計；而嚴(yán)重沖突則需要通過計算沖突時間進行判別。沖突數(shù)據(jù)的提取過程如圖1所示。將交通參與者運行狀況發(fā)生明顯改變的時刻作為避險行為生效的瞬間，根據(jù)避險行為生效瞬間沖突雙方的位置及走向得出沖突類型及發(fā)生位置。沖突時間TTC是沖突距離與沖突速度的比值。沖突距離為沖突車輛在避險行為生效瞬間與沖突位置的距離；沖突速度是車輛避險行為生效瞬間的行駛車速。沖突時間計算過程如下：

表1 被調(diào)查交叉口基本特征Tab.1 Characteristicsof the investigated intersections

表2 進口道混合交通當(dāng)量特征值Tab.2 Characteristicsofmix traffic volumeof entering lanes mpcu

圖1 沖突數(shù)據(jù)提取過程Fig.1 Processof conflictdata extracts

表3 沖突率和嚴(yán)重沖突率特征值Tab.3 Characteristicsof conflict rateand severe conflict rate 次·10-4mpcu

圖2 交通沖突類型示意Fig.2 Typesof conflict

1）計算避險行為生效前2～3 s內(nèi)的平均車速作為沖突速度，V=S/T，式中：V為沖突速度/(m·s-1)，S為行駛距離/m，T為行駛時間/s；

2）分別提取沖突雙方與沖突位置的距離L；

3）分別計算沖突雙方的沖突時間TTC=L/V。

沖突時間越短則沖突嚴(yán)重性越高[6]，對比沖突雙方的沖突時間，選取較短的沖突時間作為該次沖突嚴(yán)重性的判別指標(biāo)。參照美國標(biāo)準(zhǔn)，將TTC＜1 s的沖突判別為嚴(yán)重沖突[13]。經(jīng)過嚴(yán)重沖突判別后，分別統(tǒng)計沖突數(shù)量及嚴(yán)重沖突數(shù)量。

信控交叉口的交通沖突數(shù)量和流量大小密切相關(guān)。若以交通沖突絕對數(shù)作為判斷安全水平的指標(biāo)，容易對沖突數(shù)量多但交通量大的信控交叉口做出誤判。因此引入沖突率指標(biāo)消除交通量的影響。沖突率是信控交叉口一定時間內(nèi)的交通沖突數(shù)量與交通量的比值。由于交通沖突僅與發(fā)生沖突的某兩個或多個對象有關(guān)，則沖突率

式中：Ri-j為沖突對象i和j之間的沖突率；T為單位時間內(nèi)i和j的交通沖突數(shù)量/次；Pi，Pj分別為沖突對象i和j在單位時間內(nèi)的混合交通當(dāng)量[14]/mpcu。通過公式(1)計算出5個信控交叉口各進口道的沖突率及嚴(yán)重沖突率(見表3)。

3 交通沖突特征分析

根據(jù)交通沖突雙方的位置和走向，排除同向沖突后，將機—機沖突分為13種類型，機—非沖突分為17種類型，機—人沖突分為8種類型(見圖2)。各種類型的交通沖突在信控交叉口出現(xiàn)的頻率、嚴(yán)重程度以及分布的位置各不相同。出現(xiàn)頻率及嚴(yán)重程度高的沖突類型以及沖突點分布密集的區(qū)域是信控交叉口安全改善關(guān)注的重點。

3.1 沖突類型特征

針對機—機沖突類型的調(diào)查發(fā)現(xiàn)，直行與對向左轉(zhuǎn)(機—機沖突類型3)沖突數(shù)量最多，占45%，其次是直行與相鄰右轉(zhuǎn)(機—機沖突類型5)以及右轉(zhuǎn)與對向左轉(zhuǎn)(機—機沖突類型10)沖突，三種沖突的數(shù)量累積頻率高達(dá)80%(見圖3a)。直行與對向左轉(zhuǎn)沖突主要因無左轉(zhuǎn)專用相位分隔左轉(zhuǎn)車流和直行車流引起，另外在4相位交叉口也會因為直行車輛在通行時間結(jié)束后仍未通過交叉口而與對向左轉(zhuǎn)車輛沖突。進一步，直行與對向左轉(zhuǎn)嚴(yán)重沖突的數(shù)量占嚴(yán)重沖突總數(shù)的54.2%，因此該類沖突是機—機沖突中數(shù)量最多且最嚴(yán)重的類型。

針對機—非沖突的調(diào)查發(fā)現(xiàn)，超過50%的機—非沖突由右轉(zhuǎn)機動車引起，沖突次數(shù)最多的兩種類型分別是右轉(zhuǎn)機動車與同向直行非機動車(機—非沖突類型16)和右轉(zhuǎn)機動車與近端直行非機動車(機—非沖突類型14)沖突(見圖3b)。從視頻觀測中可知，右轉(zhuǎn)機動車在信控交叉口不受信號控制并且避讓非機動車的意識淡薄，而騎車人在信控交叉口的風(fēng)險騎行行為較多，兩個方面的原因引起了較多的右轉(zhuǎn)機—非沖突。此外，右轉(zhuǎn)機動車引起的嚴(yán)重沖突數(shù)占機—非嚴(yán)重沖突總數(shù)的60%，由此可知右轉(zhuǎn)沖突是機—非沖突中嚴(yán)重性最高的類型。

5個信控交叉口的機—人沖突中，最常出現(xiàn)的類型為右轉(zhuǎn)機動車與相鄰出口道行人(機—人沖突類型1)及右轉(zhuǎn)機動車與同向進口道行人(機—人沖突類型8)沖突，共占59%。其次是左轉(zhuǎn)機動車與相鄰出口道行人(機—人沖突類型3)沖突，占17%(見圖3c)。另外機—人嚴(yán)重沖突的數(shù)量以右轉(zhuǎn)沖突類型最為突出，占52%。出現(xiàn)較多的右轉(zhuǎn)機—人沖突是因為機動車可以隨時右轉(zhuǎn)，容易與享有通行權(quán)的行人發(fā)生沖突。而左轉(zhuǎn)機—人沖突多數(shù)由進口道未設(shè)置左轉(zhuǎn)專用相位引起。

3.2 沖突點空間分布

信控交叉口的右轉(zhuǎn)車流不受信號燈控制，會與其他享有通行權(quán)的車流或行人產(chǎn)生較多沖突。被調(diào)查的5個信控交叉口中右轉(zhuǎn)流量最大的進口道分別是東進口道、南進口道、東進口道、東進口道和北進口道。由圖4可見，機—機沖突點和機—非沖突點密集分布在右轉(zhuǎn)機動車流量大的進口道附近，機—人沖突點多分布在右轉(zhuǎn)匯入流量較大的出口道人行橫道處；上述位置的沖突數(shù)量約占沖突總數(shù)的40%。

如圖4中的1號和5號交叉口所示，在二、三相位的信控交叉口中，沖突點除密集分布在右轉(zhuǎn)流量大的進口道附近外，還較多分布于信控交叉口中心區(qū)域，1號和5號交叉口中心區(qū)域的沖突數(shù)量占兩個交叉口沖突總數(shù)的28%。這主要是因為交通信號未能完全分隔直行和對向左轉(zhuǎn)車流，導(dǎo)致在信控交叉口內(nèi)部產(chǎn)生較多的直行和左轉(zhuǎn)沖突。

4 影響因素分析

通過交通沖突特征分析可知，信控交叉口的交通流狀況、交通設(shè)施及信號控制會對交通沖突產(chǎn)生影響。為明確交通沖突及嚴(yán)重沖突的顯著影響因素，以信控交叉口的進口道為研究單元進行統(tǒng)計建模分析。首先對各進口道沖突率及嚴(yán)重沖突率的頻率分布進行K-S檢驗，結(jié)果顯示：除了機—機嚴(yán)重沖突率服從負(fù)二項分布外，其余均服從正態(tài)分布。因此，分別利用負(fù)二項模型和多元線性回歸模型進行影響因素分析。模型的因變量為沖突率和嚴(yán)重沖突率，考察的自變量包括交通流、交通設(shè)施和信號控制狀況(見表4)。

圖3 沖突類型頻率分布Fig.3 Cumulative frequency of differentconflict types

圖4 沖突點分布Fig.4 Distribution of conflictpoints

4.1 機—機沖突及嚴(yán)重沖突

對機—機沖突進行線性回歸分析，模型擬合優(yōu)度R2=0.71。利用負(fù)二項模型對機—機嚴(yán)重沖突進行分析，模型擬合優(yōu)度AIC=124.28。兩個模型的結(jié)果顯示：雖然左轉(zhuǎn)沖突是機—機沖突中數(shù)量最多、嚴(yán)重程度最高的類型，但是左轉(zhuǎn)車比例并不是機—機沖突率以及嚴(yán)重沖突率的顯著影響因素，而大型車比例和左轉(zhuǎn)專用相位是其顯著影響因素(見表5和表6)。大型車比例增加，機—機沖突率和嚴(yán)重沖突率均增大；進口道設(shè)置左轉(zhuǎn)專用相位則二者均降低。

大型車占用的道路面積大、轉(zhuǎn)彎半徑大，易與其他機動車發(fā)生沖突。并且在發(fā)生沖突時因其慣性較大，避險措施難以在短時間內(nèi)生效，沖突的嚴(yán)重性往往較高。另一方面，信號相位是在時間上分離沖突車流的重要手段。若無左轉(zhuǎn)專用相位，直行車流和對向左轉(zhuǎn)車流會在相同的綠燈時間內(nèi)通過信控交叉口，增加沖突概率，綠燈時間內(nèi)較快的車速更加劇了沖突的嚴(yán)重性。

4.2 機—非沖突及嚴(yán)重沖突

對機—非沖突率和各因素之間進行線性回歸分析，模型擬合優(yōu)度R2=0.83。結(jié)果顯示：左轉(zhuǎn)專用相位以及右轉(zhuǎn)車比例是機—非沖突率的顯著影響因素(見表7)。機—非嚴(yán)重沖突線性回歸模型的擬合優(yōu)度R2=0.36。左轉(zhuǎn)專用相位仍是其顯著影響因素，但右轉(zhuǎn)車比例不再是顯著影響因素(見表8)。

右轉(zhuǎn)車的比例越大機—非沖突率越高，這主要是因為右轉(zhuǎn)機動車不受信號控制，容易與非機動車發(fā)生沖突。而嚴(yán)重沖突率并不隨右轉(zhuǎn)車比例升高而增大，可能是因為右轉(zhuǎn)車流量較大時右轉(zhuǎn)車速會相應(yīng)降低，減少了嚴(yán)重沖突的發(fā)生。另一方面，設(shè)置左轉(zhuǎn)專用相位會使機—非沖突率及嚴(yán)重沖突率顯著降低。這是因為左轉(zhuǎn)專用相位分離了左轉(zhuǎn)車流和直行車流，顯著減少了危險程度較高的左轉(zhuǎn)沖突數(shù)量。

4.3 機—人沖突及嚴(yán)重沖突

機—人沖突和機—人嚴(yán)重沖突線性回歸模型擬合優(yōu)度R2分別為0.88和0.82。根據(jù)模型結(jié)果，右轉(zhuǎn)車比例上升將增大機—人沖突率，另外進口道設(shè)置左轉(zhuǎn)專用相位將顯著減少左轉(zhuǎn)機動車和相鄰出口道行人的沖突(見表9)。機—人嚴(yán)重沖突率同樣與左轉(zhuǎn)專用相位顯著相關(guān)，但是與機—非沖突一樣右轉(zhuǎn)車比例并不會顯著增加機—人嚴(yán)重沖突率(見表10)。

5 結(jié)論

本文通過對上海市5個信控交叉口進行交通沖突調(diào)查，分析了信控交叉口的沖突類型特征和沖突點分布規(guī)律，并利用線性回歸模型及負(fù)二項模型分析了沖突影響因素。

沖突類型方面，最突出的機—機沖突類型為直行與對向左轉(zhuǎn)沖突(45%)。另外，超過50%的機—非沖突以及機—人嚴(yán)重沖突與右轉(zhuǎn)機動車相關(guān)。信控交叉口的沖突點分布具有規(guī)律性。40%的沖突點密集分布在右轉(zhuǎn)流量最大的進口道附近。另外在二、三相位交叉口的中部區(qū)域也存在較多的沖突點，主要由直行與對向左轉(zhuǎn)沖突導(dǎo)致。

表4 自變量描述性統(tǒng)計Tab.4 Descriptivestatisticsof independentvariables

表5 機—機沖突線性回歸模型結(jié)果Tab.5 Linear regressionmodel resultof vehicle to vehicle conflict

表6 機—機嚴(yán)重沖突負(fù)二項模型結(jié)果Tab.6 Negativebinomialmodel resultsof vehicle to vehiclesevere conflict

表7 機—非沖突線性回歸模型結(jié)果Tab.7 Linear regressionmodel resultof vehicle to non-motor vehicle conflict

表8 機—非嚴(yán)重沖突線性回歸模型結(jié)果Tab.8 Linear regressionmodel resultof vehicle to non-motor vehiclesevere conflict

表9 機—人沖突線性回歸模型結(jié)果Tab.9 Linear regressionmodel resultof vehicle to pedestrian conflict

表10 機—人嚴(yán)重沖突線性回歸模型結(jié)果Tab.10 Linear regressionmodel resultof vehicle to pedestrian severe conflict

沖突及嚴(yán)重沖突的顯著影響因素主要包括左轉(zhuǎn)專用相位、右轉(zhuǎn)車比例和大型車比例。設(shè)置左轉(zhuǎn)專用相位能減少左轉(zhuǎn)沖突數(shù)量；右轉(zhuǎn)車比例上升會顯著增加機—非沖突率和機—人沖突率；大型車比例上升則會使機—機沖突及嚴(yán)重沖突率增大。

沖突特征及影響因素的分析結(jié)果為信控交叉口的安全改善措施提供依據(jù)。針對直行與對向左轉(zhuǎn)沖突類型，可通過增設(shè)左轉(zhuǎn)專用相位減少該類沖突的發(fā)生。為減少與右轉(zhuǎn)機動車相關(guān)的沖突，可縮小信控交叉口的轉(zhuǎn)彎半徑，在右轉(zhuǎn)流量大的進口道附近設(shè)置減速警示標(biāo)志和減速帶等設(shè)施，并加強非機動車違法行為管理。

[1]Amundsen FH,Hyden C.Proceeding of First Workshop on Traffi c Confl icts[C].Oslo∶Institution of TransportEconomics,1977.

[2]Gordon T,etal.Site-Based Video System Design and Development[R].Washington DC∶Transportation Research Board,2012.

[3]Saunier N,Sayed T.Automated Analysis of Road Safety w ith Video Data[J].Transportation Research Record,2007,2019(1)∶57-64.

[4]Dijkstra A,Marchesini P,Bijleveld F,Kars V,Drolenga H,Van M.Do Calculated Conflicts in M icrosimulation Model Predict Number of Crashes[J].Transportation Research Record,2010,2147∶105-112.

[5]Karim E,Tarek S.Safety Performance Functions Using Traffic Conflicts[J].Safety Science,2013,51(1)∶160-164.

[6]Hydén C.The Development of a Method for Traffic Safety Evaluation∶The Swedish Traffic Conflicts Technique[J].Bulletin Lund Instituteof Technology Department,1987,70∶57.

[7]Hayward J C.Near M iss Determ ination Through Use of a Scale of Danger[R].Pennsylvania∶The Pennsylvania State University,1972.

[8]JarvisA,Tarek S,Mohamed H Z.Safety Evaluation of Right-Turn Smart Channels Using Automated Traffic Conflict Analysis[J].Accident Analysis and Prevention,2012,45(1)∶120-130.

[9]Johansson C,Leden L.Short-Term Effects of Countermeasures for Improved Safety and Mobility at Marked Pedestrian Crosswalks in Bor?s,Sweden[J].Accident Analysis and Prevention,2007,39(3)∶500-509.

[10]Liu P,Pan T,Lu J,Cao B.Estimating Capacity of U-Turns at Unsignalized Intersections∶The Conflicting Traffic Volume,The Impedance Effects,and the Left-Turn Lane Capacity[J].Journal of Transportation Research Board,2008,2071∶44-51.

[11]JTGB01—2003.公路工程技術(shù)標(biāo)準(zhǔn)[S].JTG B01—2003.Technical Standard of Highway Engineering[S].

[12]朱彤，白玉，楊曉光，宋光華.平面交叉口交通沖突安全評價失效分析及改進方法研究[J].中國安全科學(xué)學(xué)報，2008，18(2)：157-161.Zhu Tong,Bai Yu,Yang Xiaoguang,Song Guanghua.Failure Analysis on Safety Assessment Method for Traffic Conflicts at Level Crossing and Its Improvement[J].China Safety Science Journal,2008,18(2)∶157-161.

[13]Tarek Syaed,Sany Zein.Traffic Conflict Modelsand Standards for Signalized and Unsignalized Intersections[C]//Canadian Society for Civil Engineering Annual Conference,Halifax,Canada,June 10-13,1998,4C∶303-313.

[14]Mohamed T.Developmentof a Conflict Rate Prediction Model at Unsignalized Intersections[D].South Florida∶Department of Civil and Environmental Engineering College of Engineering,University of South Florida,2003.

Traffic ConflictCharacteristics and Influential Factors at Signalized Intersections

Wang Xuesong1,2,Luo Lian1
(1.Schoolof Transportation Engineering of TongjiUniversity,Shanghai201804,China;2.The Key Laboratory of Road and Traffic Engineering of the M inistry of Education,Tongji University,Shanghai 201804,China)

∶Based on traffic conflict characteristics and influential factors at signalized intersections,potential dangers and correspondingmeasures can be identified quickly.Through investigating the traffic conflictsat five signalized intersections in Shanghai,this paper discusses the conflict types and spatialdistribution of conflictpoints so as to identify the cause of traffic conflicts.The results show that themostserious type of conflicts among motor vehicles is between straight-go and left-turn traffic(45%).Besides,over 50%of conflicts betweenmotor vehicles and non-motor vehicles or pedestrians are related to right-turn traffic.By analyzing influential factors of conflict and severe conflict using negative binom ialmodel and linear regressionmodel,the paper concludes that special left-turn phase,proportion of heavy vehicle,and proportion of right-turn vehiclesare the significantinfluential factors.

∶signalized intersection;traffic conflict;conflict types;distribution of conflictpoints;influential factors

1672-5328（2016）06-0060-07

U491.2+6

A DOI∶10.13813/j.cn11-5141/u.2016.0610

2015-04-24

國家自然科學(xué)基金項目“組合線性優(yōu)化設(shè)計項目”(51522810)、上海市科委項目“上海市道路交通安全分析預(yù)警決策支持與事故主動管控技術(shù)研究”(15DZ1204800)

王雪松(1977—)，男，山西忻州人，博士，教授，博士生導(dǎo)師，主要研究方向：交通安全、交通規(guī)劃、交通信息化、駕駛行為。E-mail∶wangxs@#edu.cn