城市道路行人违章行为研究.docVIP

城市道路行人违章行为研究 　　摘要： 本文以成都市为调查背景，选取平面信号控制交叉口及路段的人行横道作为调查地点，对影响行人违章过街的13个指标进行实地调查。采用因子分析法提取公因子，建立无序多分类Logistic回归模型对影响因子进行分析。研究结果表明不同影响因素对不同行人违章过街行为具有不同效用。 Abstract： Signal intersections and road crossing as the survey sites in chengdu background， which selected 13 impact indicators that pedestrian crossing the street to survey. The common factors were extracted out by used factor analysis， then the multinomial Logistic model was built by regression analysis. The results show that different factors have a different effect to different pedestrian violation behavior. 关键词： 行人交通；违章行为；因子分析；多项Logistic模型 Key words： pedestrian traffic；violating behaviour；factor analysis；multinomial Logistic model 中图分类号：U491；X911 文献标识码：A 文章编号：1006-4311（2014）16-0074-02 0 引言 据统计[1]，全球每年有124万人死于道路交通事故，行人已占到道路交通总死亡人数的1/4。公安部交通统计局显示，2011年我国因道路交通事故死亡者中，交通方式为步行的占25.15%；事故造成的受伤者中，交通方式为步行的占17.21%，其中很大一部分原因是行人违章造成。 1 行人违章过街行为调查 调查地点的选取以行人交通产生量多并且具有典型土地使用功能的信号交叉口和路段为观测地点。根据实际情况选择3个典型交叉口：沙湾路-金沙路、交大路-群星路、人民中路-文殊院街，以及4条典型路段：青龙街（第三人民医院外）、西大街（百盛商场外）、九里堤南路（全兴花园外）、通锦路（铁二院外）。每个信号交叉口选取2个方向的的进口道进行调查，共计7个地点，10个观测点。结合现场调查情况和现有文献资料的分析，选取了13个影响因素为调查内容，分别为年龄、性别、结伴人数、等待时间、聚集人数、机动车流量、车流间隙、行人红灯时长、人行横道宽、过街距离、车道数、隔离护栏、距公交车站距离。调查了成都市的3个交叉口和4条路段的行人违章数据，共计10条人行横道。从采集的录像视频中随机对数据进行抽样提取，共提取了995个样本，其中遵章样本571个，违章样本424个（闯红灯190个、不走人行横道234个）。 2 因子分析法及应用 2.1 因子分析法 因子分析是研究变量的内部关系，将相关性较强的一组变量归为一类，使得同类型的变量相关性弱，而不同类型的变量之间的相关性强，并在尽量不丢失信息的前提下，把众多的原始变量归结为较少的几个因子变量，来分析解释现实现象的一种多元统计方法，其目的是用不可观测的变量计算可观测随机变量。模型如下所示： Xi=？琢i1F1+？琢i2F2+…+？琢imFm+？着i，i=1，2，…，p Fj=？茁j1X1+？茁j2X2+…+？茁jpXp，j=1，2，…，m 式中：Xi为原始变量；Fj为公因子；？着i为特殊因子；？琢ij为因子荷载；？茁jp为因子贡献系数。 2.2 结果分析 使用SPSS19.0统计分析软件，计算出KMO值为0.721，Bartletts球形检验的？字2统计值为0.000，可以看出相关系数矩阵为单位矩阵，变量间具有较强的相关性，因此适合进行因子分析。利用主成分分析法抽取特征值大于1的共同因素，并使用最大方差法进行正交旋转，提取出了5个公共因子。其累积方差贡献率大于77.375%，所以这5个公共因子能够综合反映行人违章行为的影响水平，分别定义为F1道路设施、F2交通流、F3时间特征、F4群体特征、F5个体特征。 3 行人违章过街行为Logistic模型分析 3.1 多项Logistic模型 在多项Logistic模型中，Logistic是由反应变量中的不重复的类别的对比形成的。然后，对每个Logistic分别建模。若反应变量有J个类别，多项Logi