時亞群，鄧建華

(蘇州科技大學 土木工程學院，江蘇 蘇州 215000)

據公安部交通管理局統(tǒng)計，近三年全國在人行橫道上發(fā)生機動車與行人的交通事故共1.4萬起，造成3 898人死亡。從統(tǒng)計情況看，機動車未按規(guī)定讓行而導致的交通事故占全國事故的90%。

《中華人民共和國道路交通安全法》第四十七條規(guī)定：機動車行經人行橫道時，應當減速行駛；遇行人正在通過人行橫道，應當停車讓行；機動車行經沒有交通信號的道路時，遇行人橫過道路，應當避讓。通過實際觀察可知，在無信號燈控制路段人行橫道處，只有極少數機動車可以做到完全主動避讓行人，多數駕駛員以自我為中心，自身駕駛行為不符合法律規(guī)定，甚至有的駕駛員看到行人即將到達人行橫道處卻加速強行搶先通過，造成交通事故。因此，研究機動車在路段人行橫道處的讓行行為，找出影響機動車讓行決策的主要因素，對提高行人過街安全性具有重要現實意義。

Piff[1]等人對不同階層的駕駛員進行調查后指出，上流階層的駕駛員在駕車通過人行橫道時選擇不讓行的可能性更大。Rosenbloom[2]等人對人行橫道處的讓行行為進行研究后發(fā)現，駕駛員的年齡與性別均會對其讓行決策行為產生影響。Schroeder[3]等人經過研究認為，駕駛員在面對多個行人同時過街時，選擇讓行的可能性更大。Kadali[4]等人通過觀察統(tǒng)計混合交通流下行人及駕駛員的決策行為后得出結論：相較于大型車輛而言，小型車輛在通過人行橫道時表現出更少的讓行行為。

趙亮[11]等人選擇駕駛員綜合能力測試系統(tǒng)研究被試者的反應，認為駕駛員個人特征與其行為表現之間存在內在關系。白云[12]編制DBQ問卷對北京市駕駛員進行調查，認為不同特征的駕駛員對搶行的傾向性不同。

機動車讓行決策與多種因素有關，但上述研究普遍只考慮某一方面因素對讓行決策的影響，缺乏系統(tǒng)性，并不能完整地揭示機動車讓行決策規(guī)律。本文綜合過街行人行為、過街交通設施、駕駛員及車輛特性等方面進行研究，較為全面地揭示了機動車讓行決策規(guī)律。

1 讓行決策調查

1.1 讓行行為的定義

機動車駕駛員作為交通參與者的一方，在通過無信號燈控制的人行橫道時，主要有以下四類行為：

1)停車讓行，是指車輛必須在停止線以外停車，確認行人安全通過后才能繼續(xù)行駛。當機動車即將行駛到無信號斑馬線時，駕駛員發(fā)現前方有欲過街或正在過街的行人，且認為行人具有優(yōu)先通行權，或判斷等待行人將先于自己到達人行橫道時，而采取的停車讓行行為。

2)減速讓行，是指機動車到達人行橫道前，駕駛員為保證行人安全過街，采取制動措施減速，保證前方行人優(yōu)先通過人行橫道。

3)“搶行”通過，是指機動車駕駛員違反交通法規(guī)爭搶道路通行權的行為，即機動車駕駛員在明知繼續(xù)行駛有可能會對行人造成事故的情況下，依然選擇不停車，不給行人讓行，或者加速搶在行人到達之前通過人行橫道，迫使行人避讓機動車。

4)無沖突通過，是指機動車在通過人行橫道時并沒有遇到行人，從而快速通過。

本文研究的機動車讓行是指機動車在通過無信號燈控制人行橫道時的停車讓行行為。

1.2 調查內容

通過大量的現場觀察可知，機動車在路段人行橫道處的決策選擇受眾多因素的影響，機動車讓行不僅與駕駛員自身特性有關，同時也會受到外界交通環(huán)境及過街交通設施的干擾。因此，在進行駕駛員決策選擇影響因素研究時(見圖1)，應重點分析上述三個方面。

圖1 駕駛員決策影響因素

1.2.1 過街行人行為

駕駛員駕車通過無信號燈控制的人行橫道處時，會受到各種干擾因素的影響。過街行人作為交通沖突參與方中的弱勢群體，對駕駛員決策產生的干擾最大，這其中的主要影響因素有：行人性別、年齡、過街人群數、等待位置、距前車距離、面部朝向、是否做出過街手勢等因素。

1.2.2 過街交通設施

道路設施對駕駛員駕駛車輛具有引導、提示作用，其設計和規(guī)劃對駕駛員的決策選擇有很大影響，相對于動態(tài)的行人行為而言，道路設施及環(huán)境比較固定，屬于固有特征。其中，影響機動車讓行的因素包括：有無菱形預告標識、有無地面“車讓人”文字、有無減速丘。

1.2.3 駕駛員特征因素及車輛特性

駕駛員作為過街交通參與者中的一方，在性別、年齡、駕齡、學歷、認知、態(tài)度等方面存在的差別將直接導致駕駛員的心理和生理都各有不同，繼而對其過街決策選擇產生較大影響。機動車特性包括車輛類型和車輛價格。

1.3 調查方法

1.3.1 現場調查

本研究選取蘇州市9處無信號燈控制的人行橫道進行調查，通過現場觀測(見圖2)與視頻拍攝相結合的方式，記錄過街行人行為和機動車決策行為。

1.3.2 問卷調查

調查問卷分為三部分：第一部分主要是被調查者的個人基本信息，包括性別、學歷、駕駛年限；第二部分主要調查駕駛員是否認識人行橫道預告標線、是否了解讓行規(guī)定；第三部分則是對態(tài)度進行調查，包括是否同意行人優(yōu)先的觀點、是否贊同對不讓行車輛進行罰款和扣分。本次調查最終收集駕駛員問卷738份。

圖2 現場觀測

2 數據統(tǒng)計與分析

2.1 現場觀測數據分析

2.1.1 調查結果統(tǒng)計

本次現場觀測累計獲得樣本量為4 786個，其中未按照規(guī)定讓行的樣本占4 475個，總體讓行率較低，僅為6.5%，同時，也證實了在路段無信號燈控制處的人行橫道前，機動車不能做到主動讓行，因此，現狀亟待改善(見表1)。

表1 各調查地點讓行率統(tǒng)計

注：讓行率是指行經無信號燈控制的人行橫道處的、采取了讓行行為的機動車總的數量與按照規(guī)定應該讓行的機動車輛總數之比。

2.1.2 現場讓行決策指標體系

通過現場觀測，本文提取了較多的潛在影響因素，但這些潛在影響因素之間可能存在著相關性，如果用它們直接建立logistic模型，將會對模型的穩(wěn)健性造成不良影響，且不利于模型分析。為避免上述問題，接下來需要對各影響因素進行因子分析，提取主要的影響因素，從而為接下來的模型建立奠定基礎。

因子分析是一種將多變量化簡的方法，其目的是用較少的相互獨立的變量代替原來變量的大部分信息。因子分析的基本思想是根據相關性的大小把變量分組，使得同組內的變量相關性較高，而不同組內的變量相關性較低，可用數學模型表示為

Fj=βj1x1+βj2x2+，…，+βjpxp.

(1)

式中：Fj為提取出的公共因子；βjp為原始變量的得分系數;xi為原有變量,如行人性別、年齡、等待人數、等待位置、距前車距離、過街手勢、行人面部朝向等。

使用SPSS20.0統(tǒng)計分析軟件，分別計算車輛特性、過街行人行為、過街交通設施三個方面因素的KMO值和巴特萊特球形檢驗值，如表2所示。

表2 KMO和Bartlett的檢驗

其中，過街行人行為因素的KMO統(tǒng)計量為0.625>0.5，適合做因子分析；Bartlett球形檢驗結果顯示，應拒絕單位相關矩陣的原假設，P<0.001，適合做因子分析。

通過方差最大化正交旋轉法得到以下因子荷載矩陣，如表3、表4所示。

表3 旋轉成份矩陣

從表3、表4可以看出，等待過街的人群、行人等待的位置、行人距前車距離三個變量在因子1上有較大荷載，所以，將因子1命名為行人外部特征因子，用符號w表示；行人面部朝向在因子2上有較大荷載，且因子2為單指標因子，故直接命名為行人面部朝向因子，用符號m表示；行人年齡和行人是否做出手勢在因子3上有較大荷載，將因子3命名為行人個體特征因子,用符號t表示。

因此，可以將這三個因子表示為如下組合：

w=0.483w1-0.444w2+0.442w3-0.104α1+

0.094α2+0.093α3+0.006α4 .

(2)

m=0.711m1-0.402α1+0.38α2-0.284α3+

0.084α4+0.019α5-0.171α6.

(3)

t=0.852t1+0.437t2-0.12α1-0.05α2-

0.047α3+0.04α4-0.039α5.

(4)

綜上所述，可知在路段無信號控制人行橫道處的機動車讓行決策影響指標體系如圖3所示。

圖3動車讓行決策影響指標體系

2.2 自變量篩選

在現場調查的樣本數據和問卷調查的樣本數據中，均包含了多個因素，這些因素的選擇具有一定的主觀色彩，在實際情況中，并不能確定上述所有因素都會對駕駛員讓行選擇產生影響，如果錯誤地將對讓行選擇無影響的因素帶入到模型中，很容易導致模型標定錯誤。所以，在建立模型之前需要對自變量進行篩選，剔除那些對駕駛員過街決策選擇影響較弱的因素。

本文選擇最常用的卡方檢驗來評價兩個分類變量的相關性，通過SPSS軟件計算各自變量與駕駛員決策選擇之間的系數(見表5)。

表5 現場調查決策模型各影響因素的Pearson卡方檢驗結果

由表5可知，機動車價格、車型兩個因素的P值分別為0.309、0.650，均大于0.05，因此，車輛價格、車型對駕駛員過街讓行選擇不存在顯著影響，故不能將此變量帶入到模型中(見表6)。

表6 問卷調查決策模型各影響因素的Pearson卡方檢驗結果

通過卡方檢驗，最終確定5個因素變量與駕駛員決策選擇之間存在顯著影響，它們分別是學歷、駕車年限、人行橫道預告標線認知、法規(guī)認知、禮讓行人態(tài)度。

3 模型的建立

二元logistic回歸模型作為概率型非線性模型，是研究二分類觀察結果與一些影響因素之間關系的一種多變量分析方法[13-15]。模型的數學形式為

(5)

式中:α為常數項，βk為各個自變量的回歸系數。

其中pi=P(yi=1|x1i，x2i，x3i，…，xki)為在給定系列自變量x1i，x2i，x3i，…，xki的值時，事件的發(fā)生概率。

在本文建立的模型中，將駕駛員過街決策選擇行為作為因變量，這就表示駕駛員所面臨的只有讓行和不讓行兩種選擇：如果選擇讓行，因變量編碼為y=1，其概率為p1=p；如果駕駛員選擇不讓行，因變量編碼為y=0，選擇概率為p0=1-p1。

采用SPSS20.0統(tǒng)計分析軟件作為分析工具，選擇二元logistic回歸中的向前法，建立各自變量與駕駛員決策選擇的回歸模型

3.1 現場觀測數據模型

詳細結果如表7所示。

表7 機動車讓行決策模型

這是最終擬合的結果，四個變量入選，P值均<0.05。根據上表輸出的結果，建立機動車讓行選擇行為預測模型

(6)

式中：P(y)為在相應情況下機動車選擇讓行的概率，0≤P(y)≤1；W為行人外部特征因子；T為行人個體特性因子；X1為地面是否有車讓人提示(0為無，1為有)；X2為人行道前是否設有減速丘(0為無，1為有)。

用該方程可以做預測，預測值大于0.5說明機動車可能會選擇讓行，小于0.5說明可能不會選擇讓行。

3.2 模型結果分析

模型標定的結果中自變量系數的大小反應出各自變量對駕駛決策選擇的影響程度。行人外部特征因子、行人個體特性因子、地面是否有車讓人提示的顯著性水平P值均接近為0，且wald統(tǒng)計量分別為175.939、29.870和14.454，表明它們對駕駛員讓行選擇的作用很大，四個變量的重要性如下：行人外部特征因子>行人個體特性因子>地面是否有車讓人提示>人行道前是否設有減速丘。

1)行人外部特征因子，包含人行橫道前行人等待人數、等待位置、距離前車距離。且該因子的系數為正值，表明隨著這個變量值的增加，駕駛員選擇讓行的概率也隨之增加?？芍?，等待過街的人群數量越多，行人等待時距離機動車距離越小時，駕駛員選擇讓行的可能性也越大。

2)行人個體特性因子，包含行人年齡和過街手勢。大部分駕駛員在過街時，對于越大年齡的等待過街行人，駕駛員選擇讓行的概率越大；另外，過街行人做出相關手勢也會提高駕駛員讓行的可能性。

3)在人行橫道前是否設置“車讓人”地面文字在模型中對應的系數也較大，具體表現為：在設有“車讓人”地面文字的人行橫道前駕駛員更容易選擇讓行。在其他條件均相同的情況下，駕駛員在設有“車讓人”地面文字的人行橫道前選擇讓行的發(fā)生比是不設“車讓人”人行橫道的2.720倍。

4)減速丘的設置對駕駛員決策選擇也有較大影響。在其他因素不變的情況下，與沒有減速丘的人行橫道相比，設有減速丘的橫道前駕駛員讓行的發(fā)生比要增大2.42倍。

3.3 問卷調查數據模型

Logistic模型結果如表8所示。

根據表8的輸出結果，建立的駕駛員讓行意愿logistic方程為

(7)

式中：X1為駕駛年限，X2為駕駛員是否認識人行橫道預告標識(“是”為1，“否”為0)，X3為駕駛員是否了解讓行規(guī)定(“是”為1，“否”為0)，X4為駕駛員是否認同“行人優(yōu)先”的觀點(“是”為1，“否”為0)，X5為駕駛員是否為初中及以下學歷學歷(“是”為1，“否”為0)，X6為駕駛員是否為高中或中專學歷(“是”為1，“否”為0)，X7為駕駛員是否為大?；虮究茖W歷(“是”為1，“否”為0)。

該方程的結果p值大于0.5說明駕駛員可能會選擇讓行，小于0.5說明駕駛員可能不會選擇讓行。

表8 駕駛員讓行意愿模型

3.4 模型結果分析

在其他因素不變的情況下，學歷(1)駕駛員選擇讓行的發(fā)生比是學歷(4)駕駛員的0.029倍，學歷(2)駕駛員選擇讓行的發(fā)生比是學歷(4)駕駛員的0.056倍，學歷(3)駕駛員選擇讓行的發(fā)生比是學歷(4)駕駛員的0.249倍。

駕駛車輛的年限越長，駕駛員有關交通事故的閱歷越多，其安全意識也就越強，因此，在駕駛過程中就會更加謹慎。開車年限每增加1年，則駕駛員選擇禮讓行人的發(fā)生比相應增大1.434倍。

相較于不了解道路交通安全法的駕駛員而言，了解道路交通安全法的駕駛員在人行橫道前選擇讓行的概率是其1.79倍。

認識人行橫道預告標線的駕駛員在人行橫道前做出讓行選擇的發(fā)生比是不認識人行橫道預告標線駕駛員的3.176倍。

贊同行人優(yōu)先觀點的駕駛員在日常駕駛中做出讓行選擇的概率要比反對此觀點的駛員高出12.5倍。

4 結 論

1)基于二元logistic回歸方法構建出路段無信號控制人行橫道處機動車讓行行為模型，驗證了過街行人行為、過街交通設施兩方面因素對機動車讓行行為的影響。同時，明確機動車車型及車輛價格與機動車讓行行為的決策無關，其中，過街行人行為對機動車讓行決策影響最為顯著，等待過街行人的人數、行人等待時所處位置及行人距離前車距離等因素均會對機動車讓行決策產生影響[16]。在面對不同年齡的行人時，機動車為老年行人讓行的可能性最大，行人使用過街手勢也可以提高機動車讓行的可能性。在過街交通設施方面，地面“車讓人”文字對機動車讓行決策的影響最為顯著，減速丘次之，菱形預告標識未能進入最終模型，說明其對機動車讓行決策的影響最小。

2)以問卷調查數據為基礎，運用相同原理建立駕駛員讓行意愿模型，驗證了學歷、駕駛年限、認知及態(tài)度情況對駕駛員讓行的影響。