电动自行车违规行为严重程度分析与预测.pdfVIP

第３４卷第１１期中国安全科学学报Ｖｏｌ．３４Ｎｏ．１１

２０２４年１１月ＣｈｉｎａＳａｆｅｔｙＳｃｉｅｎｃｅＪｏｕｒｎａｌＮｏｖ．２０２４

中文引用格式：马社强，陆育霄，董春娇，等．电动自行车违规行为严重程度分析与预测［Ｊ］．中国安全科学学报，２０２４，３４（１１）：

－

１７２１７８．

英文引用格式：ＭＡＳｈｅｑｉａｎｇ，ＬＵＹｕｘｉａｏ，ＤＯＮＧＣｈｕｎｊｉａｏ．Ｓｅｖｅｒｉｔｙａｎａｌｙｓｅｓａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｅ⁃ｂｉｋｅｓｖｉｏｌａｔｅｄｂｅｈａｖｉｏｒｓ［Ｊ］．ＣｈｉｎａＳａｆｅｔｙ

－

ＳｃｉｅｎｃｅＪｏｕｒｎａｌ，２０２４，３４（１１）：１７２１７８．

电动自行车违规行为严重程度分析与预测∗

１１∗∗２２２

马社强副教授，陆育霄，董春娇教授，李鹏辉副教授，马继辉教授

（１中国人民公安大学交通管理学院，北京１０００３８；

２北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室，北京１０００４４）

－

中图分类号：Ｘ９５１；Ｕ４９１１文献标志码：ＡＤＯＩ：１０１６２６５／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３３０３３２０２４１１０１６６

基金项目：国家社科基金重大项目资助（２３＆ＺＤ１３８）。

【摘要】为减少电动自行车违规行为，提升交叉口安全管理水平，从冲突对象数量和运动状态

２个方面选择后侵入时间（ＰＥＴ）、交通冲突时间（ＴＴＣ）和安全减速度（ＤＳＴ）等指标，采用ｋ均值聚类

将违规骑行电动自行车引起的交通冲突严重程度划分为一般、严重和潜在冲突３类。并采用泊松函

数拟合冲突频数分布特征，引入随机变量刻画交通冲突之间异质性的混合效应，构建基于广义线性

混合模型（ＧＬＭＭ）的违规骑行电动自行车交通冲突预测模型，预测多等级交通冲突频次。结合视频

调查得到的９９６起电动自行车交通冲突数据进行实证分析。结果表明：不同严重程度的电动自行车

交通冲突占比与违规行为类型无关；构建的ＧＬＭＭ模型对违规骑行电动自行车交通冲突数据的拟

合优于广义线性模型（ＧＬＭ）方法，且对一般冲突频数的预测效果最好；通过加强管理电动自行车占

用机动车道和越线等待行为、增设协管员和调整信号相位能有效降低违规骑行电动自行车冲突发

生率。

【关键词】电动自行车；广义线性混合模型（ＧＬＭＭ）；违规行为；严重程度；冲突预测

Ｓｅｖｅｒｉｔｙａｎａｌｙｓｅｓａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｅ⁃ｂｉｋｅｓｖｉｏｌａｔｅｄｂｅｈａｖｉｏｒｓ

１１２２２

ＭＡＳｈｅｑｉａｎｇ，ＬＵＹｕｘｉａｏ，ＤＯＮＧＣｈｕｎｊｉａｏ，ＬＩＰｅｎｇｈｕｉ，ＭＡＪｉｈｕｉ

（１ＳｃｈｏｏｌｏｆＴｒａｆｆｉｃＭａｎａｇｅｍｅｎｔ，Ｐｅｏｐｌｅ＇ｓＰｕｂｌｉｃＳｅｃｕｒｉｔｙＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８，Ｃｈｉｎａ；

２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＴｒａｎｓｐｏｒｔＩｎｄｕｓｔｒｙｏｆＢｉｇＤａｔａＡｐｐｌｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｉｅｓｆｏｒＣｏｍｐｒｅｈｅｎｓｉｖｅ

Ｔｒａｎｓｐｏｒｔ，Ｍｉｎｉｓｔｒｙｏ