張鑫

摘 要：基于昆明市20個兩相位十字交叉口167小時的交通沖突、交通流量以及交叉口設(shè)計(jì)要素等數(shù)據(jù)，檢驗(yàn)不同交通量狀態(tài)下 15min直左交通沖突分布，應(yīng)用直左交通沖突模型分析交叉口安全影響因素及沖突產(chǎn)生原因。利用廣義線性模型分別構(gòu)建總體預(yù)測模型和分交通狀態(tài)的預(yù)測模型，結(jié)合兩種模型的擬合優(yōu)度和預(yù)測精度進(jìn)行模型優(yōu)選。結(jié)果表明：15min直左交通沖突在不同交通量狀態(tài)下均服從負(fù)二項(xiàng)分布，考慮交通狀態(tài)的直左沖突模型擬合優(yōu)度和預(yù)測精度均優(yōu)于總體模型。不同交通狀態(tài)下沖突流量對交通沖突影響程度不同；左轉(zhuǎn)導(dǎo)流線能夠有效降低交通沖突，且在左轉(zhuǎn)車流飽和度較高狀態(tài)下的降低效果更明顯。交通沖突模型的建立可進(jìn)一步拓展交通沖突技術(shù)在交通安全分析與評價中的應(yīng)用。

關(guān)鍵詞：交通安全；交通沖突；交通安全分析；廣義線性模型；信號交叉口

中圖分類號：U491.31 文獻(xiàn)標(biāo)志碼：A

Analyzing the safety of signalized intersections with permitted left-turn phases using traffic conflict-predictive models

ZHANG Xin（Government Service Center of Beijing Municipal Transport Commission，Beijing Ships Inspection Center，Beijing100161，China）

Abstract： The traffic conflict data， traffic volume data and intersection design elements were extracted from 167 hours video data at 20 signalized intersections where the permitted left-turn phases were used. Using the data， the underlying distributions of the conflict frequency for different volume regimes in 15-min time intervals were examined. And the opposing left-turn traffic conflict-predictive models were developed to analyze the safety performance of signalized intersection and find the influence factors of traffic conflict. Using Different conflict- predictive models were developed， including an overall negative binomial model and the separate models developed for different traffic scenarios which were defined based on the volume to capacity ratio of the conflicting traffic flows. The goodness of fit and prediction performance of different models were compared. It was found that the conflict frequency in 15-min time intervals generally followed a negative binominal distribution. And the generalized linear regression models developed for different traffic scenarios outperformed the overall NB model for the goodness of fit and prediction performance. The coefficients of the conflict prediction models showed that the conflicting traffic volumes had different effects on the occurrences of opposing left-turn conflicts under different traffic scenarios. The coefficients of the indicator variables for the presence of white line extension indicated that using the white line extension was helpful to reduce the opposing left-turn conflicts where the reduce effect was more obvious with the higher vL/cL of the left-turn volume. The use of conflict predictive models has potential to expand the uses of surrogate safety measures in safety estimation and evaluation.

Keywords：Traffic safety；traffic conflict；safety analysis；generalized linear model；signalized intersection

傳統(tǒng)的交通安全評價采用交通事故數(shù)據(jù)作為評價指標(biāo)，通過建立交通事故模型用以評價某段時間內(nèi)期望事故頻次與安全影響因素之間的關(guān)聯(lián)關(guān)系，然而交通事故數(shù)據(jù)采集時間長、獲取困難且質(zhì)量不穩(wěn)定，特別是在交通事故數(shù)據(jù)庫不完備、不精準(zhǔn)的情況下，交通事故模型的廣泛應(yīng)用受到制約。交通沖突作為替代交通安全評價指標(biāo)，因其與交通事故均具有離散性、隨機(jī)性并受交通量、交通設(shè)計(jì)、交通控制等因素影響，理論上可將交通事故建模方法應(yīng)用于交通沖突建模，從而利用沖突數(shù)據(jù)易采集、易觀測等優(yōu)勢，建立交通沖突預(yù)測模型進(jìn)行交通安全評價。

交通沖突預(yù)測模型為預(yù)測交通沖突數(shù)、分析交通沖突影響因素提供了有效途徑，具有廣泛的應(yīng)用前景：首先通過模型參數(shù)的標(biāo)定，可快速獲得沖突數(shù)，減少人工觀測耗時并降低沖突判斷的主觀性；其次模型預(yù)測結(jié)果為期望交通沖突數(shù)，比直接利用觀測沖突數(shù)作為安全評價指標(biāo)的方法，更為準(zhǔn)確；最后通過模型構(gòu)建可進(jìn)一步探究不同交通狀態(tài)、不同交通設(shè)計(jì)情況下，交通沖突的產(chǎn)生機(jī)理，通過建立交通沖突模型，可預(yù)測沖突數(shù)，為新建交通設(shè)施以及事故數(shù)難以獲得情形下的交通安全評價應(yīng)用提供幫助。

1 研究綜述

在過去的研究中，學(xué)者們針對沖突定義[1-3]、沖突采集方法[4-7]、沖突嚴(yán)重性判斷[8-10]以及基于交通沖突的安全評價[11-15]等方面開展了大量的研究，而關(guān)于沖突建模的研究尚處于進(jìn)展階段。交通沖突模型的最初研究集中在利用線性模型探究交通沖突頻率與交通量之間的關(guān)系。Salman 和 AlMaita[16] 利用線性模型研究了交通沖突與沖突流量之間的關(guān)系，研究表明交通沖突與沖突流量乘積的平方根的線性擬合優(yōu)度較好；Sayed 和 Zein[17]利用線性模型研究了平均小時沖突數(shù)與主路及其相交道路流量乘積之間的關(guān)系，建立了6種不同交叉口類型的沖突預(yù)測模型，各模型的相關(guān)系數(shù)R2在0.65～0.79。由于線性回歸模型中因變量應(yīng)連續(xù)且服從正態(tài)分布，相關(guān)研究忽略了沖突數(shù)離散分布特性。

后續(xù)的研究中，學(xué)者們利用SSAM（Surrogate Safety Assessment Model）交通沖突分析軟件，根據(jù)Vissim、Paramics等仿真軟件的車輛軌跡文件輸出交通沖突數(shù)據(jù)[18-20]，一些學(xué)者也嘗試?yán)迷詣訖C(jī)仿真模型研究交通沖突，根據(jù)仿真結(jié)果進(jìn)行交通安全評價[21-22]。但由于沖突駕駛行為的復(fù)雜性、參數(shù)標(biāo)定的不確定性，利用仿真軟件得到?jīng)_突數(shù)據(jù)的可靠性受到質(zhì)疑。

近年來，一些學(xué)者開始采用泊松模型、負(fù)二項(xiàng)模型、隨機(jī)參數(shù)負(fù)二項(xiàng)模型進(jìn)行交通沖突建模，研究交通沖突與交通量、交通設(shè)施要素之間的關(guān)系。El-Basyouny等[23]假設(shè)交通沖突頻次服從對數(shù)—正態(tài)分布，構(gòu)建了基于沖突頻數(shù)譜光變量的雙層交通事故模型，研究了交通沖突與地域（城市或農(nóng)村）、次干路右轉(zhuǎn)車道數(shù)以及綜合交通流量的關(guān)系。Sacchi等[24]利用泊松模型分別建立了信號交叉口進(jìn)口道追尾交通沖突與交通流和沖突區(qū)域長度的關(guān)系模型以及右轉(zhuǎn)追尾沖突與右轉(zhuǎn)交通流量的關(guān)系模型。郭延永等[25-26]采用隨機(jī)參數(shù)負(fù)二項(xiàng)模型建立了信號交叉口右轉(zhuǎn)設(shè)施直右交通沖突模型，結(jié)合模型標(biāo)定結(jié)果對右轉(zhuǎn)交通設(shè)施的安全影響因素進(jìn)行了評估，并在后續(xù)的研究中，基于交通沖突模型對信號交叉口渠化島優(yōu)化設(shè)置進(jìn)行了研究。在Zhang[27]、郭延永等[28]、王教文[29]的研究中，通過建立沖突模型研究了沖突流量對交通沖突的影響。

基于以上研究，本文首先利用兩相位十字交叉口實(shí)測數(shù)據(jù)，以發(fā)生頻率較高的直左沖突為研究對象，研究了不同交通狀態(tài)、不同時間間隔下的沖突頻次分布特點(diǎn)，結(jié)合分布特征選取15min時間間隔所采集的沖突數(shù)作為因變量。利用交通沖突、交通流量以及交叉口設(shè)計(jì)要素等數(shù)據(jù)，分別建立了廣義線性模型構(gòu)建總體預(yù)測模型和分交通狀態(tài)的預(yù)測模型，對比分析兩種模型的擬合優(yōu)度和預(yù)測精度，并利用分交通狀態(tài)的廣義線性模型分析了不同交通流狀態(tài)下沖突流量、交通設(shè)施設(shè)計(jì)要素對直左交通沖突的影響。

2 數(shù)據(jù)采集與分析

2.1數(shù)據(jù)采集

交通沖突調(diào)查采用錄像觀測方法，選取昆明市20個無專用左轉(zhuǎn)相位十字交叉口進(jìn)行視頻采集，視頻采集在工作日晴天條件下進(jìn)行，共采集167小時數(shù)據(jù)，數(shù)據(jù)被分為標(biāo)定組和檢驗(yàn)組。標(biāo)定組包括15個交叉口20個進(jìn)口方向共計(jì)125小時數(shù)據(jù)，檢驗(yàn)組5個交叉口10個進(jìn)口方向共計(jì)42小時數(shù)據(jù)。在Video Studio軟件加入虛擬網(wǎng)格輔助人工觀測記錄最小接近距離、碰撞時間（TTC）、沖突角度、沖突車輛速度等要素。交通流量數(shù)據(jù)以及交通控制參數(shù)也一并采集。此外，計(jì)算獲得直行和左轉(zhuǎn)車流的飽和度（v/c，v為實(shí)際交通流量；c為基本通行能力），用以反映交通流狀態(tài)情況。

2.2 沖突分布

無專用左轉(zhuǎn)相位十字交叉口直左沖突發(fā)生頻率較高，由于左轉(zhuǎn)車的搶行行為影響交叉口通行秩序，造成交通安全隱患，故以直左沖突為研究對象，共計(jì)采集3465個直左沖突，直左沖突的 TTC最小值為0.5s、最大值為2s、平均值為1.32s。綜合考慮樣本量和穩(wěn)定性，選取15min時間間隔的交通沖突數(shù)作為研究對象。為探討交通沖突分布特點(diǎn)，交通流量按照直行和左轉(zhuǎn)交通流量乘積劃分為高、中、低三種類別，直左交通沖突頻次分布圖如圖1所示。利用卡方檢驗(yàn)判斷不同流量情況下沖突頻次是否符合泊松分布、負(fù)二項(xiàng)分布，利用K-S檢驗(yàn)判斷沖突分布是否接近正態(tài)分布。表1中，p大于0.1表明沖突數(shù)符合假設(shè)分布類型，p值越大表示擬合效果越好。直左交通沖突頻次在高、中、低三種交通量情況下均服從負(fù)二項(xiàng)分布。基于交通沖突的離散分布特性，線性模型并不適合于沖突模型的建立。

3 模型的建立與分析

基于廣義線性模型分別構(gòu)建總體模型和分交通狀態(tài)的直左交通沖突模型。采用聚類分析方法進(jìn)行交通狀態(tài)劃分，聚類結(jié)果將交通狀態(tài)分為4類，4類狀態(tài)分別以實(shí)測數(shù)據(jù)v/cT和v/ cL的均值作為劃分依據(jù)（v/cT、v/cL均值分別為0.48和0.38）。相比于總體模型，分交通狀態(tài)模型更能夠細(xì)致描述沖突流量對交通沖突的影響，反映不同狀態(tài)下駕駛行為，進(jìn)而探究交通沖突產(chǎn)生機(jī)理。

3.1 廣義線性模型建模方法

3.2 總體模型與分交通狀態(tài)模型的建立

利用廣義線性模型進(jìn)行建模，以15min直左沖突數(shù)作為因變量，標(biāo)定組共包括125小時500組視頻數(shù)據(jù)。交通流量、隔離帶類型、車道數(shù)等9個變量作為備選自變量。在總體模型中，采用逐步回歸法選取模型變量，顯著性交通沖突影響變量有7個，分別為直行交通流量、左轉(zhuǎn)交通流量、車道數(shù)、隔離帶類型、左轉(zhuǎn)導(dǎo)流線、左轉(zhuǎn)彎半徑、左轉(zhuǎn)相位有效綠燈時長，變量間不存在多重共線性。由于總體模型中離散系數(shù)α為0.05，不滿足泊松模型方差與均值接近的建模條件，負(fù)二項(xiàng)泊松模型更適用于直左沖突建模。在分交通狀態(tài)的模型中，由于各交通狀態(tài)下幾何設(shè)計(jì)及控制參數(shù)等指標(biāo)的影響因素大致相同，顯著變量包括交通流量以及左轉(zhuǎn)導(dǎo)流線設(shè)計(jì)，除第4種交通狀態(tài)下為泊松模型，其余幾種交通狀態(tài)下均為負(fù)二項(xiàng)模型。不考慮交通狀態(tài)的總體以及分交通狀態(tài)的廣義線性模型擬合結(jié)果見表2。

在總體模型中，直行交通流量、左轉(zhuǎn)交通流量、左轉(zhuǎn)車轉(zhuǎn)彎半徑、車道數(shù)等變量與交通沖突呈顯著的正相關(guān)關(guān)系，隨著交通流量、左轉(zhuǎn)車轉(zhuǎn)彎半徑以及車道數(shù)的增加，沖突隨之增加；隔離帶、左轉(zhuǎn)導(dǎo)流線、左轉(zhuǎn)相位的綠燈時長等與交通沖突呈負(fù)相關(guān)，設(shè)置隔離帶、左轉(zhuǎn)導(dǎo)流線、增加左轉(zhuǎn)相位有效綠燈時長能夠減少交通沖突的發(fā)生。在分交通狀態(tài)的模型中，交通沖突與直行、左轉(zhuǎn)交通量呈正相關(guān)（第2種狀態(tài)下只有直行流量呈顯著正相關(guān)），與左轉(zhuǎn)導(dǎo)流線呈負(fù)相關(guān)。

3.3 擬合優(yōu)度和預(yù)測精度驗(yàn)證

3.3.1 驗(yàn)證方法

式中： Ls為最大似然值； n 是數(shù)據(jù)數(shù)量；k 是模型的變量個數(shù)。

式中：y和yi分別為15min的沖突預(yù)測值和觀測值，n為樣本容量。

3.3.2 結(jié)果對比

總體模型及分交通狀態(tài)模型的擬合優(yōu)度以及預(yù)測精度見表3所示。分交通狀態(tài)的廣義線性模型的AIC、BIC以及MAD和MSPE值更低，由此說明分交通狀態(tài)模型的擬合優(yōu)度更好、預(yù)測結(jié)果更為準(zhǔn)確。

4 基于沖突模型的交叉口安全分析

應(yīng)用直左交通沖突模型分析交叉口安全影響因素及沖突產(chǎn)生機(jī)理，由分交通狀態(tài)的模型標(biāo)定結(jié)果可知，不同交通狀態(tài)下對應(yīng)不同的駕駛行為，不同交通狀態(tài)下沖突流量對交通沖突的影響程度不同。沖突實(shí)際觀測和模型預(yù)測結(jié)果的最大值在交通狀態(tài)1，最小值在交通狀態(tài)3，交通狀態(tài)1（v/cT > 0.48，v/cL> 0.38）比交通狀態(tài)3（v/cT <0.48，v/cL< 0.38）的直左沖突顯著增多，由此說明交叉口擁擠狀態(tài)下更易產(chǎn)生交通沖突。由靈敏度分析可知，交通狀態(tài)2（v/cT <0.48，v/cL>0.38）中，由于左轉(zhuǎn)車隊(duì)已呈現(xiàn)飽和狀態(tài)，直行車輛的可穿越間隙成為影響直左沖突產(chǎn)生的主要因素，故交通沖突只與直行車流量呈顯著正相關(guān)。除第2種交通狀態(tài)，其余3種交通狀態(tài)下左轉(zhuǎn)車流量增加對直左沖突的影響大于直行車，每增加1%的左轉(zhuǎn)車流量直左沖突頻次增加0.589、0.618和 0.44，直左沖突產(chǎn)生機(jī)理為左轉(zhuǎn)車沒有避讓具有優(yōu)先路權(quán)的直行車輛，選擇較小空隙搶行穿過交叉口而迫使直行車輛減速甚至停車避讓。

在同一交通狀態(tài)下，沖突車流中飽和度較小方向流量增加對沖突增加的影響程度更大，例如在交通狀態(tài)4（v/cT>0.48，v/cL<0.38）中，Ln（L）的系數(shù)大于Ln（T），左轉(zhuǎn)方向流量增加對沖突影響更大，可解釋為直行車流飽和度較高，左轉(zhuǎn)車輛沒有足夠的穿越間隙，左轉(zhuǎn)車輛增加會造成更多延誤，更容易產(chǎn)生交通沖突。同理，在交通狀態(tài)2中，交通沖突只與直行車流量呈正相關(guān)，由于左轉(zhuǎn)車輛隊(duì)列已呈現(xiàn)飽和狀態(tài)，增加直行車流量導(dǎo)致可穿越間隙減少，左轉(zhuǎn)車輛因較長延誤而采取搶行行為，此狀態(tài)下直行車輛的可穿越間隙成為影響直左沖突產(chǎn)生的主要因素。

除交通流量對交通沖突的影響外，左轉(zhuǎn)導(dǎo)流線能夠減少交通沖突的發(fā)生。在左轉(zhuǎn)車流量較大的交通狀態(tài)1和2情形下，設(shè)置左轉(zhuǎn)導(dǎo)流線對交通沖突的降低作用比狀態(tài)3和4更明顯。

以狀態(tài)1的直左沖突模型為例，圖2中的交通沖突預(yù)測曲線為給定不同直行交通量和左轉(zhuǎn)交通量組合的交通沖突數(shù)。從圖中可以看出，隨著直行交通量的增加，沖突數(shù)隨之增加，設(shè)置左轉(zhuǎn)導(dǎo)流線情況下的沖突數(shù)低于無左轉(zhuǎn)導(dǎo)流線情況。利用圖中曲線，根據(jù)設(shè)計(jì)直行交通量和左轉(zhuǎn)交通量，可求得對應(yīng)的交通沖突數(shù)，從而便于交通安全評價。此外，可通過設(shè)定交通沖突閾值反推求得對應(yīng)的左轉(zhuǎn)交通量，將模型求得的左轉(zhuǎn)交通量與設(shè)計(jì)左轉(zhuǎn)交通量進(jìn)行對比，進(jìn)一步確定交通管控措施的應(yīng)用。例如，將沖突閾值設(shè)為10，在設(shè)計(jì)直行交通量為200pcu情況下，無導(dǎo)流線和設(shè)置導(dǎo)流線情況下所對應(yīng)的左轉(zhuǎn)交通量分別為20pcu和36pcu，當(dāng)設(shè)計(jì)左轉(zhuǎn)交通量在20～36pcu之間時，建議設(shè)置左轉(zhuǎn)導(dǎo)流線以降低直左沖突，從而提升交叉口的交通安全性。

5結(jié)語

（1）基于兩相位十字交叉口直左交通沖突觀測數(shù)據(jù)，利用擬合優(yōu)度檢驗(yàn)方法對高、中、低三種流量情況下的15min直左交通沖突分布進(jìn)行研究。研究結(jié)果表明，15min直左沖突在不同流量情況下均服從負(fù)二項(xiàng)分布，由直左沖突的離散分布特性可知，廣義線性模型比線性模型更適用于交通沖突的建模。

（2）分別建立總體預(yù)測模型和考慮不同交通狀態(tài)的直左沖突預(yù)測模型，通過模型擬合優(yōu)度和預(yù)測精度對比分析可知，分交通狀態(tài)的直左沖突模型的預(yù)測性能更優(yōu)。利用交通沖突模型可較易獲取交通沖突期望值，減少沖突觀測的主觀性，更好反映交通流量及交通設(shè)施要素變化對交通安全的影響，從而為替代安全評價指標(biāo)的廣泛應(yīng)用提供了思路和方法。

（3）應(yīng)用直左交通沖突模型分析交叉口安全影響因素及沖突產(chǎn)生機(jī)理，由分交通狀態(tài)的直左沖突模型標(biāo)定結(jié)果可知：①不同交通狀態(tài)下沖突流量對交通沖突的影響程度不同。在第2種交通狀態(tài)（v/cT<0.48；v/cL>0.38）中，由于左轉(zhuǎn)車輛隊(duì)列已呈現(xiàn)飽和狀態(tài)，直行車輛的可穿越間隙成為影響直左沖突產(chǎn)生的主要因素，故交通沖突產(chǎn)生只與直行車流量呈顯著正相關(guān)。除第2種交通狀態(tài)外，其余三種交通狀態(tài)中左轉(zhuǎn)車流量增加對沖突影響程度大于直行車輛，每增加1%的左轉(zhuǎn)車流量直左沖突頻次增加0.589、0.618和0.44，交通沖突產(chǎn)生原因主要為左轉(zhuǎn)車輛搶行行為，其無視直行車輛優(yōu)先路權(quán)而迫使直行車輛減速甚至停車避讓。②在同一交通狀態(tài)下，沖突車流中飽和度較小方向流量增加對沖突增加的影響程度更大。③增設(shè)左轉(zhuǎn)車輛導(dǎo)流線能夠降低直左沖突，且在左轉(zhuǎn)車流飽和度較高的狀態(tài)下（交通狀態(tài)1和2）降低效果更明顯。

（4）本文對兩相位十字交叉口直左沖突進(jìn)行了建模研究，在后續(xù)研究中可綜合考慮不同交通設(shè)施、不同類型沖突的建模方法。后續(xù)工作需采集更多不同交通特性、幾何設(shè)計(jì)要素以及控制方式的交叉口數(shù)據(jù)，對交通設(shè)計(jì)異質(zhì)性、交通沖突模型的可移植性作進(jìn)一步研究。此外，可進(jìn)一步優(yōu)化交通狀態(tài)劃分方法，探討使用自動識別技術(shù)采集交通沖突，從而綜合運(yùn)用不同類型交通沖突的預(yù)測模型進(jìn)行交叉口安全評價。

參考文獻(xiàn)

[1]項(xiàng)喬君，陸健，盧川，等. 道路交通沖突分析技術(shù)及應(yīng)用[M]. 科學(xué)出版社，2008.

[2]郭延永.基于交通沖突理論的信號交叉口安全評價技術(shù)[D].南京：東南大學(xué)，2016.

[3]朱順應(yīng)，蔣若曦，王紅，等.機(jī)動車交通沖突技術(shù)研究綜述[J]. 中國公路學(xué)報(bào)，2020，33（2）：16-33.

[4]徐藝.面向路段交通沖突辨識的駕駛?cè)搜蹌犹卣餮芯縖D].長春：吉林大學(xué)，2016.

[5]蔣春艷. 基于圖像處理的信號交叉口交通沖突的檢測與判定[D]. 西南交通大學(xué)，2017.

[6]馬艷麗，祁首銘，吳昊天，等. 基于PET算法的匝道合流區(qū)交通沖突識別模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2018，18（02）：146-152.

[7]蔣威.基于視頻識別數(shù)據(jù)的負(fù)二項(xiàng)分布交通沖突預(yù)測模型研究[D].成都：西南交通大學(xué)，2020.

[8]Laureshyn A，Ceunynck T D，Karlsson C， et al. In search of the severity dimension of traffic events： Extended Delta-V as a traffic conflict indicator [J]. Accident Analysis and Prevention，2017，98：46-56.

[9]劉輝，章國鵬，王羿童，等.無控制交叉口交通安全影響因素分析[J]. 公路交通科技，2019，36（9）：114-120.

[10]王春勤，牟瑞芳， 阮黃山. 基于灰云模型的城市道路交叉口交通沖突嚴(yán)重性研究[J]. 交通運(yùn)輸工程與信息學(xué)報(bào)，2019（3）.

[11]王嘉宇，李澤州，張家偉，等. 高速公路平直路段霧霾天氣下的IDM跟馳模型分析 [J]. 交通運(yùn)輸研究，2015（1）：7.

[12]Emanuele S，Tarek S. Bayesian estimation of conflict-based safety performance functions [J]. Journal of transportation safety and security，2016，8（32）：66-99.

[13]林蘭平.高速公路合流區(qū)交通沖突預(yù)測與安全評價研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2017.

[14]Zheng L，Sayed T，Essa M . Validating the bivariate extreme value modeling approach for road safety estimation with different traffic conflict indicators [J]. Accident Analysis & Prevention，2019，123（FEB）：314-323.

[15]遲佳欣，賀玉龍.基于交通沖突的交織區(qū)安全評價方法研究[J].交通科技與經(jīng)濟(jì)，2020，22（4）：27-32，38.

[16]Salman N K and Al-maita K J. Safety E v a l u a t i o n a t T h r e e - L e g，U n s i g n a l i z e d Intersections by Traffic Conflict Technique. T r a n s p o r t a t i o n R e s e a r c h R e c o r d 1 4 8 5，Washington， D.C.，1995：177-185.

[17]Sayed T，Zein S. Traffic conflict standards for intersections [J]. Transportation Planning and Technology，1999，22（4）：309-323.

[18]Duong D， Saccomanno F F，Eng P，et al. Calibration of microscopic traffic model for simulating safety performance[J]. transportation research board annual meeting，2010.

[19]葉紅波，廖彩鳳. 基于SSAM的平面交叉口交通安全評價[J]. 城市道橋與防洪，2016（4）：4.

[20]Wang C，Xu C，Xia J ， et al. A combined use of microscopic traffic simulation and extreme value methods for traffic safety evaluation[J]. Transportation Research Part C Emerging Technologies，2018，90（MAY）：281-291.

[21]楊柳，黃中祥，況愛武.變道規(guī)則對高速公路雙車道交通流的影響[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，5（47）：1752-1759.

[ 2 2 ] L i a n g G，W a n g F，W a n g W，e t a l . Assessment of freeway work zone safety with improved cellular automata model [J]. 交通運(yùn)輸工程學(xué)報(bào)（英文），2014.

[23]El-Basyouny K and Sayed T. Safety performance functions using traffic conflicts [J]. Safety Science，2013， 51（1）：160-164.

[24]Sacchi E and Sayed T. Bayesian Estimation of Conflict-based Safety Performance Function [J] Journal of Transportation Safety and Security，2016，8（3）：266-279.

[25]郭延永，劉攀，徐鋮鋮，等.基于交通沖突模型的信號交叉口右轉(zhuǎn)設(shè)施安全分析[J].中國公路學(xué)報(bào)，2016，29（11）：139-146.

[26]郭延永，劉攀，吳瑤，等.基于交通沖突模型的信號交叉口渠化島設(shè)置方法[J]交通運(yùn)輸工程學(xué)報(bào)，2017，17（4）：140-148.

[27]Xin Z，Pan L，Hao Y，et al. Using Conflict Prediction Models to Evaluate the Impacts of Conflicting Volumes on Opposing Left Turn Conflicts at Signalized Intersections[C]// The Twelfth COTA International Conference of Transportation Professionals. 2012

[28]郭延永，劉攀，吳瑤，等.基于貝葉斯多元泊松-對數(shù)正態(tài)分布的交通沖突模型[J].中國公路學(xué)報(bào)，2018，31（1）：101-109.

[29]王教文. 不同交通狀態(tài)下直左交通沖突模型研究[J]. 山東交通學(xué)院學(xué)報(bào)，2019，27（01）：18-25.