鄭 柯 郭財貴

（福州大學(xué) 土木工程學(xué)院，福州 350108）

引言

近年來，中國各地政府紛紛倡導(dǎo)綠色出行，加強非機動車的發(fā)展。由于電動自行車廉價快捷、無需證照等特點，我國城市居民使用電動自行車的比例非常高。本文中研究的電動自行車為行駛在非機動車道與人行橫道上的電動自行車，包括普通電動自行車和輕摩化的電動自行車。本文所研究的過街形式為：電動自行車與行人通過人行橫道混合過街。在交叉口中，人行橫道上的行人與電動自行車共同過街時會有許多的輕微交通沖突，這部分過街慢行交通的內(nèi)部沖突會對行人與電動自行車混合過街產(chǎn)生較大干擾。

由于國外道路以機動車交通為主，對慢行交通安全研究較少。Fruin J定義行人沖突為：

由于過于靠近其他一個或多個行人，使得行人正常行走的速率受到中斷或者暫停[1]。美國通行能力手冊（2010）定義非機動車交通事件數(shù)為單位時間和單位道路長度內(nèi)道路使用者之間相互逼近從而改變行駛狀態(tài)的次數(shù)[2]。我國學(xué)者很早就開始對慢行交通安全進行研究。單曉峰把騎行者需要花額外精力做出的騎行行為，如減速、超車或者避讓等定義為自行車事件數(shù)，通過事件數(shù)來描述自行車騎行者的舒適程度，并建立了路段上自行車事件數(shù)模型[3]；周晨靜等對信號交叉口自行車群釋放速度特性進行了研究，獲得了自行車群在綠燈時間里的釋放速度規(guī)律[4]；陳峻對南京多條行人-自行車共享道路路段進行調(diào)查，以實測數(shù)據(jù)為基礎(chǔ)建立了自行車的超越與相遇沖突模型，并進行了敏感性計算[5]；鄧建華對人非共板上的行人和自行車進行研究，建立了人非共板條件下的混合交通流元胞自動機模型，通過阻擋概率來描述行人與自行車的干擾程度，用于評價交通運行狀況[6]；葉曉飛等研究了電動自行車與自行車的交通差異，建立了自行車交通事件數(shù)模型，得到電動自行車與自行車的換算系數(shù)計算公式[7]。綜上所述，國內(nèi)外對慢行交通做了一定的研究，但是行人與電動自行車混合過街的沖突研究尚處于空白。

借鑒交通沖突的定義以及已有慢行交通沖突的研究，本文定義人行橫道上慢行交通混合過街沖突為：在慢行交通混合過街時，當(dāng)慢行交通個體相互逼近，威脅到交通參與者（行人、電動自行車騎行者）的安全或使交通參與者感到不適，行人或騎行者必須花額外的精力采取一些行為避免危險發(fā)生，如超越前方速度較慢的慢行交通個體或者躲避對向或同向行進的慢行交通個體，這種現(xiàn)象稱為慢行交通混合過街沖突。

1 數(shù)據(jù)調(diào)查與統(tǒng)計分析

由于本文不考慮機動車對過街慢行交通的影響，因此本文的調(diào)查地點選取以行人和電動自行車共同過街的信號交叉口人行橫道。調(diào)查地點應(yīng)符合以下要求：1）人行橫道的各類慢行交通量應(yīng)該足夠大，并能夠滿足不同比例的要求；2）便于調(diào)查；3）過街形式為一次過街。選擇在晴朗無異常天氣和正常的道路交通情況下，工作日時間（周一上午到周五下午），每個調(diào)查點調(diào)查時間為下午4點到8點，每個時段調(diào)查前半小時，調(diào)查時間共2h，調(diào)查5個交叉口，共計調(diào)查10h。慢行交通速度調(diào)查見表1，密度與沖突數(shù)調(diào)查見表2。

表1 慢行交通速度調(diào)查表

表2 密度與沖突數(shù)調(diào)查表

2 慢行交通混合過街特性分析

2.1 速度特性

在速度性能方面，電動自行車速度與加速度均大于行人，速度差異是造成人行橫道慢行交通混合過街沖突的主要原因之一。本文使用行程速度來研究慢行交通混合過街速度特性。設(shè)慢行交通起始位置坐標(biāo)為（X0，0），時刻為tik，通過人行橫道的位置為（Xi，Y）（Y表示人行橫道的長度），時刻為ti（k+1），則慢行交通通過人行橫道的行程速度為：

對5個信號交叉口的慢行交通進行速度調(diào)查，使用SPSS軟件對過街的混合慢行交通中各種交通方式的速度進行分析，研究在混合交通互相干擾下，各種交通方式的速度分布。調(diào)查共獲得258個行人過街速度樣本和245個電動自行車過街速度樣本。電動自行車通過人行橫道的平均速度頻率分布如圖1所示。電動自行車過街平均速度的均值是7.89km/h，標(biāo)準(zhǔn)差為2.00，從數(shù)值可以看出電動自行車過街速度較慢，雖然存在車群過街現(xiàn)象，但是由于受車輛性能、對向交通和駕駛行為的影響，過街速度有一定離散性。對速度樣本進行K-S檢驗得到p值為0.204，大于0.05，可以認(rèn)為電動自行車過街平均速度服從正態(tài)分布。根據(jù)賈海亮[8]對成都市7個交叉口進行調(diào)查，獲得218個電動自行車通過非機動車行駛區(qū)的速度樣本，統(tǒng)計得到人行橫道長度小于7m時，電動自行車的速度為8.67km/h，而當(dāng)距離為20m時，電動自行車的平均速度為17.42km/h。通過速度對比可得：當(dāng)電動自行車與行人共同過街并且存在對向交通時，電動自行車的騎行受到了較大的干擾，騎行速度較慢。

圖1 電動自行車過街平均速度頻率正態(tài)分布圖

對行人過街平均速度進行統(tǒng)計分析，行人過街平均速度頻率分布如圖2所示。根據(jù)計算得到，行人過街平均速度為4.37km/h，標(biāo)準(zhǔn)差為0.66。對行人過街速度進行K-S檢驗得到行人過街平均速度顯著性水平為0.673，大于0.05，因此，可以認(rèn)為行人過街速度符合正態(tài)分布。馮樹民[9]調(diào)查得出的哈爾濱人行橫道行人速度為5.29km/h，陳然[10]實測上海市行人步行平均速度為4.46km/h，兩項研究均大于本文調(diào)查統(tǒng)計得出的混合交通過街的行人平均速度，說明慢行交通混合過街對行人過街造成了一定的干擾，而且，與電動自行車相比，行人受到的影響較小。

圖2 行人過街平均速度正態(tài)分布圖

2.2 密度特性

本章研究各個不同交叉口的交通密度情況，定義慢行交通密度為某一時刻人行橫道內(nèi)單位面積內(nèi)的當(dāng)量慢行交通實體數(shù)。

調(diào)取五四路-湖東路交叉口高峰小時東西方向的人行橫道視頻數(shù)據(jù)，以2s作為時間間隔進行截圖，調(diào)查每張截圖人行橫道中的慢行交通密度并記錄，共調(diào)查10組高峰小時的綠燈放行時段，繪制慢行交通混合過街密度變化曲線圖，如圖3所示。

根據(jù)圖3我們可以知道，慢行交通混合過街第一階段慢行交通實體數(shù)迅速增加，時間較短暫；第二階段人行橫道中的慢行交通實體數(shù)達(dá)到飽和后呈現(xiàn)波動狀態(tài)，隨著進入人行橫道的慢行交通個體減少而人行橫道中的慢行交通個體不斷離開人行橫道，人行橫道中的慢行交通實體數(shù)開始逐漸降低；當(dāng)人行橫道中交通實體數(shù)降到較低時，開始進入第三階段，第三階段對向相遇的慢行交通個體較少，人行橫道中的慢行交通實體數(shù)繼續(xù)減少。

圖3 慢行交通混合過街密度變化曲線

兩個時刻的慢行交通密度差值與時間長度的比值為慢行交通實體數(shù)的變化斜率。取交通密度變化斜率平均值，可得慢行交通密度斜率表，如表3所示。

從表3中可以看出，交通密度在0-12s升高，12s之后開始下降，其中16-18s下降最快，達(dá)到了-5.2。結(jié)合現(xiàn)場的觀測情況與圖3，可以初步判斷在交通密度下降速度達(dá)到最快之后，大量的慢行交通開始離開人行橫道，慢行交通開始逐步從第二階段進入第三階段，根據(jù)行人步行速度與人行橫道長度情況，此段時間在6-10s之間。

表3 慢行交通密度斜率表

2.3 速度與密度的關(guān)系

慢行交通中電動自行車和行人的比例并不是一個固定值，不同比例的慢行交通流參數(shù)不相同，因此引入一個慢行交通混合系數(shù)K：

本文調(diào)查了福州市5個十字交叉口的20個人行橫道的不同時段慢行交通過街交通流，共獲得108個符合要求的慢行交通速度和密度數(shù)據(jù)。對調(diào)查數(shù)據(jù)進行統(tǒng)計分析，分析K值在0.56-0.65之間的慢行交通流速度-密度關(guān)系，并參考K值為0的行人過街研究中的行人流速度和密度數(shù)據(jù)，繪制慢行交通速度-密度圖，如圖4所示。

圖4 慢行交通速度-密度分布圖

分析圖4可知：當(dāng)密度較小時，慢行交通處于自由流狀態(tài)，速度較高，混合的慢行交通平均速度在9km/h到10km/h之間；密度較大時，混合交通的速度大小分布在2km/h到3km/h之間。隨著密度的提高，混合的慢行交通速度呈現(xiàn)下降的趨勢。

3 慢行交通混合過街沖突模型

3.1 電動自行車與行人換算系數(shù)研究

本文研究的人行橫道上的過街交通流是由行人和電動自行車組成的混合交通流，行人和電動自行車的動力性能和尺寸不相同，過街時占用的空間資源不同，而且兩者的速度不同，相互間的影響也不相同。在研究慢行交通混合過街沖突時行人和電動自行車的交通量和交通密度是沒有可比性的，需要將混合交通量換算成同一類型的交通量進行計算。因此，本文需要對電動自行車與行人的換算系數(shù)進行研究。

目前，對于換算系數(shù)的求解計算存在不同的觀點和角度，因此換算系數(shù)的求解方法較多，主要有容量計算法、速度-流量計算法、道路占有率法、車頭時距計算法等多種方法。本文采用時空資源占有率的方法計算電動自行車密度與行人密度的換算系數(shù)。電動自行車相對于行人的換算系數(shù)模型為：

電動自行車移動時的占用面積為：

電動自行車移動時的有效長度為：

行人移動時的占用面積為：

以五四路口為例，電動自行車通過人行橫道的平均時間為8.7s，行人通過人行橫道的平均時間為15s。

根據(jù)以上研究，可以得到電動自行車相對于行人的換算系數(shù)為：

3.2 交通密度與沖突的關(guān)系模型

以交通沖突調(diào)查為基礎(chǔ)，對本文研究的5個交叉口的20個人行橫道進行交通密度調(diào)查，選取6min為時間間隔，記錄每6min內(nèi)慢行交通過街前兩階段內(nèi)平均交通密度與交通沖突數(shù)，獲得200組樣本數(shù)。

使用電動自行車與行人換算系數(shù)，將交通方式統(tǒng)一換算成行人，使用SPSS軟件對慢行交通密度ρ與沖突數(shù)TC進行回歸分析，結(jié)果見表4。

通過表4可以發(fā)現(xiàn)，根據(jù)判定系數(shù)R2值，各回歸模型的回歸擬合程度都較高，其中R2值為0.841。

取二次方回歸方程作為慢行交通沖突模型，二次方擬合回歸如圖5所示。得到擬合方程如下：

圖5 二次回歸方程圖

交通密度與沖突數(shù)的回歸方程與實際情況相符，當(dāng)單位面積中的行人或電動自行車數(shù)量增多時，慢行交通密度增加，慢行交通個體之間的空間變少，容易產(chǎn)生摩擦和碰撞，因此慢行交通個體間的沖突數(shù)也會增加。

3.3 實例分析

取80組實測數(shù)據(jù)進行實例分析，根據(jù)交通密度與交通沖突回歸模型可以預(yù)測交通沖突數(shù)，將沖突實測值與預(yù)測值作比較，得出圖6。

圖6 沖突實測值與預(yù)測值比較

表4 慢行交通密度與沖突數(shù)回歸分析結(jié)果

從圖6可知，沖突回歸模型預(yù)測的沖突值與沖突實測值曲線近似，說明本文建立的沖突回歸模型能夠較好地預(yù)測慢行交通混合過街的沖突情況。

4 結(jié)束語

（1）通過對5個交叉口的慢行交通速度調(diào)查，得到電動自行車過街平均速度的均值是7.89km/h，行人過街平均速度為4.37km/h，電動自行車和行人過街受到干擾，速度有所降低。

（2）慢行交通過街時，慢行交通密度先上升，后下降，分成三個階段。

（3）慢行交通混合過街時，隨著慢行交通密度的提高，慢行交通速度呈現(xiàn)下降的趨勢。

（4）采用時空資源占有率的方法計算電動自行車密度與行人密度的換算系數(shù)，得到電動自行車與行人的換算系數(shù)為3.34。

（5）本文建立了交通密度與交通沖突的二元回歸方程，并用實測數(shù)據(jù)驗證了模型的有效性。

參考文獻:

[ 1 ] Fruin J J. Pedestrian planning and design[R]. 1971.

[ 2 ] IBM中國商業(yè)價值研究院.未來的企業(yè)—中國企業(yè)的智慧轉(zhuǎn)型[M].北京：東方出版社，2009.

[ 3 ] （美）戴布拉.艾米頓.創(chuàng)新高速公路：構(gòu)筑知識創(chuàng)新與知識共享平臺[M].北京：知識產(chǎn)權(quán)出版社，2005.

[ 4 ] （日）風(fēng)田全啟.專利.商標(biāo)侵權(quán)攻防策略[M].北京：知識產(chǎn)權(quán)出版社，2005.

[ 5 ] （?。└使帕?知識產(chǎn)權(quán)：釋放知識經(jīng)濟的能量[M].北京：知識產(chǎn)權(quán)出版社，2004.

[ 6 ] 劉振剛.企業(yè)知識產(chǎn)權(quán)管理理論與實務(wù)[M].北京：北京出版社出版集團，2007.

[ 7 ] （美）維坎.維奇克.城市公共交通運營、規(guī)劃與經(jīng)濟[M].北京：中國鐵道出版社，2012.