多项Logit模型的人行横道信号交叉路口的行为

文摘

行人事故,占很大比例的道路伤亡,信号交叉路口的更有可能发生在中国。本文旨在研究不同行人行为的普通用户,起步晚,运动鞋,和部分的运动鞋。行为观察信息手动在该领域的研究。之后,调查小组分发问卷相同的参与者一直观察,获取详细的人口和社会经济特征以及态度和偏好指标。完全,接受调查的1878名行人被16岁在南京路口十字路口。首先,执行相关分析来分析每个因素的影响。然后,五个潜在变量包括安全、合格、舒适、灵活性、和牢度是通过结构方程建模(SEM)。此外,基于SEM的结果,开发多项logit模型与潜在的变量来描述因素如何影响行人的行为。最后,模型的一些结论是:(1)的选择是起步晚,到达时间,迎面而来的汽车,和人行横道长度是最重要的因素;(2)性别最重要影响行人运动鞋; and (3) age is the most important factor when pedestrians choose to be partial sneakers.

1。介绍

由于人口密度高、快速城市化和缺乏遵守交通规则的司机和行人,行人交通事故已经成为全世界的一个主要安全问题,特别是在发展中国家。例如,2009年,16683年中国行人在交通事故中丧生,占所有交通事故的24.62%1]。然而,4092行人在交通事故中丧生,只占12.10%的死亡人数持续在2009年在美国警方报告机动车辆事故(2]。

最有可能发生在与行人发生行人穿越道路,特别是信号交叉路口的跨越。在中国,超过50%的信号交叉路口的行人事故发生(1,3]。然而,在中国非法行人行为是普遍和广泛。杨等人声称,在发展中像西安这样的城市,如果一个行人在路口十字路口等待,在大多数情况下,他们在等待一个可以接受的差距在交通而不是绿色的信号(4]。根据我们研究6628 102路口人行横道行人的行为,平均依从率仅为62.8%。这些统计数据背后的重要性理解因素导致行人错误或故意违反交通规则在中国(5]。

2。以前的工作

已经有大量的研究调查了因素影响行人的道路交叉点的行为,比如交通环境条件、道路使用者变量,和社会因素。

2.1。交通环境条件

确定城市规划在在人行横道的影响,进行一项大型研究在加拿大安大略省比较行人行为的魁北克(6]。使用一种态度调查和视频的一项调查,研究了基冈和O’mahony等待行人倒数计时器对行人行为的影响(7]。他们发现计时器单位可以诱导减少个人穿过红色的数量。在另一个更完整的研究中,楚等人讨论的街道环境的影响,包括交通状况、道路特点、和信号控制特征的穿越行为(8]。最近,女子等人得出的结论是,随着信号等待时间的增加,行人更有可能违反交通信号(9]。

2.2。道路使用者的变量

几项研究已经检查行人行为(性别和年龄差异10- - - - - -12]。行人男性往往比女性更频繁地违反交通规则。一般来说,年轻的成年人和青少年行人更有可能违反承诺比年长行人(例如,Moyano迪亚兹和荷兰和希尔),以上道路使用者表达更多赞赏比年轻行人路口十字路口(例如,Bernhoft和Carstensen) [12- - - - - -14]。其他因素,如婚姻状况、教育、收入、和人格变量如对风险的态度、感觉寻求和侵略被发现与行人的行为(15- - - - - -17]。

2.3。社会因素

他人的行为对个人的影响已经调查并发现复杂。桑塔等人发现对等整合青少年危险行为最有力的预测因子之一(18]。罗发现的其他行人在人行横道上等候的一个行人的到来的可能性减少穿越红灯(19),此外,周等人提出了行人在426年的一项调查,调查对中国行人从众倾向的影响。发现的人表现出更大的社会从众倾向在以下其他行人穿越的意图也强于低从众的人20.]。

尽管近年来大量的研究来确定影响因素人行横道的行为,对行人的影响研究有限的偏好和态度。考虑上述研究,提供有价值的信息关于人行横道信号交叉路口的行为,本研究旨在评估pedestrian-related的影响因素、交通因素对行人的行为。

3所示。数据

3.1。的影响因素

在这项研究中,影响因素分为两类:pedestrian-related因素、交通因素。Pedestrian-related因素指的是相对于单个行人的特性,包括人口和社会经济特征(性别、年龄、职业、教育、收入)、家庭特征(婚姻状况,有或没有孩子),行程特点(旅行目的,拥有驾驶执照),和态度变量(潜变量)。交通因素包括设施的属性(人行横道长度、信号长度)和交通状况(到达时间、陪同或孤独,行人的数量等在路边,和许多行人过马路)。

3.2。调查设计

根据信号使用,行人可以分为四种类型:行人过马路在绿色信号(普通用户),行人信号时开始交叉绿色但不完成绿色(起步晚),行人交叉在红色信号(运动鞋),和行人穿过人行横道的一部分红色信号,然后继续穿越在绿色信号(部分运动鞋)21]。从本质上讲,本研究主要集中在相关因素这四个类型的穿越行为,logit模型的选择。

行为观察信息手动在野外研究。后获得的行为数据,调查小组分发问卷调查已观察到相同的参与者,获得详细的人口和社会经济特征以及主观偏好指标。序列号的方法(提供相同数量的行为记录和问卷)应用于保证所有数据来描述相同的参与者。

3.3。数据收集

在调查中,共有3952名行人在南京观察32人行横道,其中,只有1970(49.85%)同意做调查问卷。建立一个logit模型所需的数据应该包括行为信息和其他因素。完全,1878份问卷仍在我们消除了不完整的。完整的样本的性别和年龄分布如表所示1。

统计分析应用于这些1878份有效样本,并穿越行为的结果如表所示2。只有54.53%的参与者是合法的十字路口行人。遵守规定的空间,但不是暂时的,占总数的87.42%(几部分乱穿马路,乱穿马路的人)。对于这种情况,我们并没有进行深入的分析。

4所示。方法

本研究的目标是分析各种因素的影响,找出最重要的预测因子,影响行人的穿越行为。整体方法论来分析如何影响行人行为的因素包括三个主要步骤。

一步? ?1: Correlation Analysis to Identify the Factors.相关分析需要评估每个因素的实际效果与穿越行为,这是执行确定适合离散选择模型的变量。分析的变量和行为之间的关系,两种不同的方法分别应用分类变量和连续变量。为分类变量,使用交叉表过程,在单因素皮尔逊卡方测试应用于确定之间存在相关性的因素和穿越行为,而对于连续变量,单向方差分析(方差分析)是用于上述目的一样。在方差分析中,以及应用。

一步? ?2: Structure Equation Modeling (SEM) to Link Pedestrians’ Preferences to Demographic Characteristics.这一步采用SEM,同时估算人口数据之间的关系和态度因素和态度之间的关系声明和态度因素。SEM可以测试一组线性模型来识别交叉结构的态度行为和量化行人之间的因果关系的人口统计学特征和他们的态度22]。清单和潜在的变量都是用于扫描电镜。有两个主要的组清单变量:(1)态度指标变量,描述行人的评级是“态度不同口岸或旅行语句和(2)社会经济和人口变量,如性别和收入。

一步? ?3: Multinomial Logit (MNL) Model.离散选择模型研究中使用的主要模型,基于随机效用理论基本假设(23]。MNL模型进行离散选择分析原因有三。首先,行人行为的研究集中在四种类型,和,因此,一个多项式模型被使用。其次,该模型可以处理各种各样的变量(例如,数值,直言)。第三,由于MNL模型被广泛应用,实证结果可以很容易地解释和容易被决策者理解那些没有一个强大的统计背景。

传统上,离散选择模型只考虑客观属性的选择和社会经济特征的个人作为解释变量。在过去的十年中,捕捉到主观因素的影响,新一代的“混合选择”模型开发;这些模型允许不仅包括有形的属性也更无形的元素与用户的感知和态度,通过潜变量(24]。此外,它已被证明,引入潜在变量(LV)有助于提高模型的选择适合[25,26]。

使用记录的可能性(分对数)的普通用户,不同模型的因素有或没有潜变量估计。记录的行人行为的几率被建模为不同的个性和交通变量的函数。

5。模型和估计

5.1。相关分析

利用肯德尔tau-b方法,我们发现没有内部一致性的因素之一。所以每个因素之间的相关分析和人行横道的行为。

(1)人口和社会经济特征。性别的因素,是7.934,。的年龄(的值)和收入()因素也小于0.05。此外,价值观的职业和教育因素大于0.05。因此,性别,年龄,收入是重要的因素。

(2)家庭的特点。随着值低于0.05、婚姻状况相关因素是穿越行为选择。在合规率方面,有已婚和未婚行人之间无显著差异。然而,有不同的违反行为的差异。生孩子也是一个重要因素。

(3)旅行的特点。私家车的盛行,有驾驶执照已经成为旅游者的行为密切相关。行人有驾驶执照在合规率(58.48%)明显高于行人没有驾驶执照(53.37%)。旅行的目的也是一个重要因素。

(4)设施的属性。在所有设施变量中,人行横道长度,绿色,和红色的时间穿越行为影响显著,其中值是0.024,0.042和0.006,分别。但人行道的宽度()没有显著的影响。

(5)交通条件。在所有的交通条件变量,同时或单独,行人等在路边,十字路口行人,迎面而来的汽车和到达时间的存在是重要的。

5.2。潜在的模型

行为科学的说,解释变量,如性别,年龄,收入,导致一个人的主观偏好(潜变量),可以反映个人的行为和态度变量(指标)。潜变量模型描述了潜变量之间的关系和他们的指标和原因。图1显示了三种类型的变量之间的关系。

潜变量未被注意的属性,它表示行人在穿越行为的主观偏好的选择。在这项研究中,潜变量是安全(),合格()、舒适()、灵活性()和色牢度()。潜在的变量建模两个方面。

一方面,解释变量是用于构建潜在的变量(1)。我们假设行人的态度和偏好的差异是由于人口特征,如性别、年龄、收入: 在哪里潜变量和吗是解释变量。在这个研究中,解释变量包括性别()、年龄(),教育()和收入()。()的参数估计是一个误差项。

另一方面,指标变量可以表示为潜变量见(2)。指标变量是外生的。我们应用两种不同的方法构建潜变量。构建安全、合格潜在变量,我们使用行为指标变量,和安慰,灵活性,和色牢度潜变量,我们使用态度指标变量。5分李克特量表问卷设计为描述指标变量的感受: 在哪里是指标变量,()参数是错误条件。在这项研究中,我们有16个指标变量(- - - - - -)。

构建模型,性别变量值为0或1,代表女性或男性。年龄,教育和收入变量值根据他们的水平。研究软件是用于执行潜在变量建模。估计的结果和如表所示3和4,分别。

两个方面是用来评估模型的优点。首先,应用各种健康指数的整体分析模型。主要评价指标近似,均方根误差(RMSEA),比较适合指数(CFI)和拟合优度指数(-)是2.31,0.016,0.94,和0.91,分别;所有的指标都是在可接受的范围内。因此,该模型是可行的。

第二,重要性水平的参数检查,因此,它们的意义和适用性评估。的结果统计输出被研究用于检查参数的显著水平。如表所示3,所有的参数值大于1.96,这意味着所有的参数是重要的在95%置信水平,因此,假设是有效的。然而,只有部分的值参数大于1.96,其余的是低于1.96(如表所示4),因此,应该取消。

一些潜在的变量和解释变量之间的相关性可以表所示4。行人的偏好安全是积极与年龄和收入水平与性别和消极;从众是负与收入、性别和教育;安慰是积极的与收入、年龄和教育;随着年龄的灵活性是积极与性别而消极;最后,牢度与收入呈正相关随着年龄和性别但消极。

5.3。的多项Logit模型

5.3.1。模型变量

使用相关分析筛选后的因素,包括在模型的重要变量分为两个数据,有序分类变量,或连续变量。

作为独立变量时,二分变量通常值为0和1,分别。二分变量在这项研究包括性别,有驾驶执照,旅行目的,婚姻状况,有或没有孩子,或独自一人,和迎面而来的汽车。有序分类变量可以使用哑变量分析。唯一的有序分类变量是收入水平。完全有四个水平的收入,这被定义为三个虚拟变量。一般来说,选择更高水平作为参考。连续变量通常是直接在模型中,包括年龄、人行横道长度,行人的数量等在路边,穿越行人的数量,和到达时间。

5.3.2。MNL模型估计

基于的分析部分3所示。2,该模型包含四个替代部分(普通用户,起步晚,运动鞋,运动鞋和部分)。了绿色类型选为参考;因此,logit模型的行为可以写成

其中,,,,被选择的概率是普通用户,起动器,运动鞋,和部分的运动鞋。是常数,解释变量的参数吗。同时,表示解释变量在选择th穿越行为,如性别、年龄、income1, income2在模型中。

使用Biogeme软件,创建潜变量模型估计结果如表所示5。

5.3.3。讨论

参数的估计结果,(迟到的概率比初学者和一般用户),变量“到达时间”是最大的参数值(2.04)。这是见过,那些在最后几秒的绿灯时间到达往往起步晚,不是普通用户。第二大变量”迎面而来的汽车,“因为当没有车流,行人更有可能采取过马路的风险。此外,变量,比如“长度”和“绿色”表明,行人在过马路更有可能失败的绿灯时间更长的人行横道和绿灯时间更短。因此,这些因素极大地影响了穿越这种类型的行为主要是由于交通条件和道路设施。此外,至于潜变量,牢度强的主观倾向,安全,和灵活性,行人越有可能选择起步要晚。

为(概率比运动鞋和普通用户),变量“性别”最大的参数值(-3.75),表明性别影响最重要的是行人的红色选择的十字路口,两个是负相关。其他重要因素包括“迎面而来的汽车”,“旅行目的,”和“倒计时。“潜在变量,从众,色牢度,和安全的选择极大地影响行人在红色的十字架。有影响力的安全级别小于牢度,显示行人会选择更大安全步行速度和效率为代价的。

最后,对于(部分的概率比运动鞋和普通用户),变量“年龄”的参数值-1.78,是最重要的影响因素。其他因素,如“性别”,“迎面而来的汽车,”和“收入”也大大影响行人的行为选择部分的运动鞋。除此之外,行人的主观偏好整合、灵活性和牢度也会影响他们的行为选择。因此,那些有很高的要求,这三个功能更可能是部分的运动鞋。之前,换句话说,当许多行人跨越绿色信号和舒适的十字路口环境差,行人更有可能交叉,特别是那些有迫切的目的。

从上面可以看出,在不同的行为,社会经济和交通的影响因素很大程度上都是不同的。然而,仍然有一些相似之处。例如,“迎面而来的车”是一个因素,在前三个行为三大影响因素。因此,行人的交通状况是一个重要的因素考虑违反或不。

6。结论

6.1。最终分析

获取更详细的信息关于行人违规行为,本研究探讨行人信号交叉路口的行为特征和影响因素。信息是通过实地研究观察,1878名行人被调查在16个路口在南京,中国。结论是基于相关分析和MNL模型。

主要研究结果如下:(1)迎面而来的汽车,人行横道长度,和绿灯时间是最重要的因素当行人选择起步晚;(2)性别,迎面而来的汽车,和旅行目的是最重要的因素当行人选择运动鞋;(3)年龄,性别,和迎面而来的汽车是最重要的因素当行人选择部分的运动鞋。

6.2。建议

6.2.1。设施设计

从介绍分析发现,交通条件和道路设施显著影响行人的穿越行为。加强行人的意识服从规则,过路的行人设施应精心设计。

首先,应该考虑行人的需求在人行横道的设计。例如,人行横道的最短路线必须选择节省能源消耗和减少任何心理障碍。

其次,信号倒计时装置应该安装提供更好的信息。因此,行人可以做出更有效的决策,这可能降低违法行为。

最后,绿色的设计时间行人也应该改善。在中国,穿越行人和车辆朝着同一个方向可以通过同时在大多数情况下。虽然这很简单,信号设施行人是无效的。在设计信号时,邻近的土地使用和交通调查的结果也应结合在这个网站主要判断行人群体。此外,设计速度为十字路口行人应该基于性别的特点,年龄和设施的属性(例如,有或没有一个倒数计时器)在十字路口。即可以确定行人穿越时间最短的有条不紊。

6.3。安全教育

在这项研究中,结果表明:以下群体更有可能在人行道上打破规则:年轻人和中年人,女性,低收入人群。因此,安全教育的各种方法应该被应用到最适合这些团体的行人。例如,女性行人应被告知规则,其中一些在中国不熟悉交通规则。此外,社会心理学应该考虑给有效的传播和教育公众。同时,应利用计算机和网络技术,开辟新的领域交通宣传和公众教育。

确认

这项研究支持由中国国家自然科学基金(51308298)和项目南京科技大学。

引用

1. TABC,中国的道路交通事故统计数据(2009)中国国家安全部门、交通管理局,北京,中国,2010。
2. 国家公路交通安全管理局,“2006年交通安全的事实,”报告点海关国家公路交通安全管理局811年402年,华盛顿特区,2009年美国。视图:谷歌学术搜索
3. TABC,道路交通事故统计在中国公关(2008)、交通管理局中国公安部,北京,中国,2009。
4. j .杨w·邓,李问:j . Wang和z . Wang“建模行人穿越公路行为微观仿真在中国,交通系统”运输研究,40卷,不。3、280 - 290年,2006页。视图:出版商的网站|谷歌学术搜索
5. g . Ren z, w . Wang y,和w·王,“交叉信号交叉路口的行人的行为:在中国观察性研究和调查,“交通研究记录,没有。2264年,第73 - 65页,2011年。视图:出版商的网站|谷歌学术搜索
6. j . Bergeron j . p . Thouez h . Belanger r . Bourbeau d主,和a . Rannou“研究行人和司机之间的冲突”第九届世界革命制度党大会上学报》上马德里,西班牙,2002年。视图:谷歌学术搜索
7. 欧基冈和m . O’mahony”修改行人的行为。”运输研究,37卷,不。10日,889 - 901年,2003页。视图:出版商的网站|谷歌学术搜索
8. x楚、m . Guttenplan和m . r . Baltes“为什么人们交叉,他们做的事:街道环境的作用,”交通研究记录:《交通研究委员会卷,1878年,页3 - 10、交通运输研究委员会国家学者,华盛顿特区,美国,2004年。视图:谷歌学术搜索
9. g .女子Bangdiwala, a·萨拉斯瓦特,s . Gaurav”生存分析:行人信号交叉路口的风险敞口,”交通研究F,10卷,不。2、77 - 89年,2007页。视图:出版商的网站|谷歌学术搜索
10. t·罗·d·Nemrodov h·巴坎,“看在上帝的份上遵守规则:行人的行为在一个极端正统派和一个非正统的城市,”交通研究F,7卷,不。6,395 - 404年,2004页。视图:出版商的网站|谷歌学术搜索
11. M.-A。Granie”,性别差异在学龄前儿童的声明和行为符合行人规则,”交通研究F,10卷,不。5,371 - 382年,2007页。视图:出版商的网站|谷歌学术搜索
12. c .荷兰和r·希尔”的影响,年龄、性别和司机状态对行人过马路的意图在高风险的情况下,“事故分析和预防,39卷,不。2、224 - 237年,2007页。视图:出版商的网站|谷歌学术搜索
13. 大肠Moyano Diaz”,计划行为理论和行人违反交通规则的意图,”交通研究F,5卷,不。3、169 - 175年,2002页。视图:出版商的网站|谷歌学术搜索
14. i m . Bernhoft和g . Carstensen”的偏好和行为以年龄和性别,行人和骑自行车的人”交通研究F,11卷,不。2、83 - 95年,2008页。视图:出版商的网站|谷歌学术搜索
15. m·m·哈米德”分析行人的行为在过路的行人,”安全科学,38卷,不。1,第82 - 63页,2001。视图:出版商的网站|谷歌学术搜索
16. n Gueguen和n . Pichot”状态对行人不遵守道路安全规则,”社会心理学杂志,卷141,不。3、413 - 415年,2001页。视图:谷歌学术搜索
17. d . c .施韦贝尔Severson j . k . k .球,和m·里佐,“个体差异因素危险驾驶:愤怒、敌意的角色,责任心,和寻找感觉,“事故分析和预防,38卷,不。4、801 - 810年,2006页。视图:出版商的网站|谷歌学术搜索
18. d·a·桑特·d·Messervey,诉Kusumakar”测量来自同辈的压力,受欢迎,青春期的男孩和女孩和一致性:预测学校表现,性态度,和药物滥用,”青年和青少年杂志》上卷,29号2、163 - 182年,2000页。视图:谷歌学术搜索
19. t·罗,”穿越红灯:个人和团体的行为,”交通研究F,12卷,不。5,389 - 394年,2009页。视图:出版商的网站|谷歌学术搜索
20. r·周w . j . Horrey和r . Yu“从众的影响趋势对行人穿越公路在中国意图:计划行为理论的一个应用程序,”事故分析和预防第41卷。。3、491 - 497年,2009页。视图:出版商的网站|谷歌学术搜索
21. v . p . Sisiopiku d类似,“行人行为和感知对不同行人设施:检查观察和调查数据的基础上,“交通研究F》第六卷,没有。4、249 - 274年,2003页。视图:出版商的网站|谷歌学术搜索
22. m·f·Yanez s Raveau和j·d·d·Ortuzar“潜变量纳入组合Logit模型:建模和预测,“运输研究,44卷,不。9日,第753 - 744页,2010年。视图:出版商的网站|谷歌学术搜索
23. t·a . Domencich和短评城市旅游需求:一个行为分析北荷兰,阿姆斯特丹,荷兰,1975年。
24. m . e . Ben-Akiva j·l·沃克,a·t·贝纳迪诺·d·a . Gopinath t Morikawa说道,“选择的集成和潜变量模型,”永恒运动:旅游行为研究的机遇和挑战h . s . Mahmassani,埃德·帕加马出版社,阿姆斯特丹,荷兰,2002年。视图:谷歌学术搜索
25. k . Ashok w·r·狄龙和美国元,“扩展离散选择模型将态度和其他潜变量,“营销研究杂志,39卷,不。1、脉络,2002页。视图:出版商的网站|谷歌学术搜索
26. m . Vredin约翰逊、t·黑尔和p .约翰逊”的态度和人格特质的影响模式选择,”运输研究,40卷,不。6,507 - 525年,2006页。视图:出版商的网站|谷歌学术搜索

版权

版权©2013祝平周et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。