文摘

骑自行车穿过自行车道和占领邻汽车车道出于某种原因。汽车和自行车的混合交通组成显示非常复杂dynamitic模式和更高的事故风险。调查这种现象背后的原因,采用生命周期分析方法对观测数据的行为自行车穿过自行车道和占领邻汽车车道。lane-keeping行为的概念命名的有效体积和概率评估的影响,介绍了各种外部因素如车道宽度和抑制停车,和半参数方法用于估计模型与审查数据。六个变量是用来适应交通状况的影响。模型的评估后,所选变量对lane-keeping行为的影响进行了讨论。结果预计将提供一个更好的理解的骑自行车的行为。

1。介绍

我们的日常生活和工作密切相关的交通和机动性。如今,由于大大增加交通需求、交通拥堵对日常生活有巨大的负面影响,现代社会1,2]。在许多发展中国家,像中国这样的,一个典型的交通现象被称为“混合交通”(代表机动车辆)由汽车和自行车(代表nonmotorized车辆)。等非齐次交通流被认为是交通拥挤和事故的一个重要原因。此外,自行车通常作为一种绿色的交通工具,重要的是要改善交通条件。因此,研究人员将注意力转向自行车的交通特性和混合交通组成的自行车和汽车。他们的研究从理论和实践的观点。自行车和研究混合交通,交通仿真是流行的方法。江等人提出了一种随机多值自行车流量(元胞自动机模型3]。Faghri和Egyhaziova开发了一个微观模拟模型的混合机动车和自行车交通在整个城市网络(4]。赵等人描述混合交通流结合NaSch模型和汉堡细胞自动机(BCA)模型,研究了混合交通系统在公共汽车站附近(5,6]。Mallikarjuna和饶扩展元胞自动机(CA)模型研究异构流量(7]。另一方面,提出了理论模型来源于经验数据。Oketch提出了混合交通流微观模型来描述通过使用车辆的组合模型和横向运动(8]。杨等人提出了混合交通流的道路容量模型在路边车站基于排队理论和间隙接受理论(9]。郭等人PLM和威布尔分布模型用于分析lane-crossing nonmotorized车辆在路边停车的影响下的行为(10]。

在城市街道没有隔离设施,骑车人可能驱动电动机的车道因为堵塞的自行车车道。一旦骑车人不满足交通条件,他们甚至将任意改变旅游路线和占用机动车道。尤其是汽车站附近的位置或停车场,机动车道的入住率有很强的对交通的影响性能和安全9]。上述文献主要集中在对交通性能分析混合交通流的影响,和大多数研究采用微观仿真方法。然而,骑自行车的交通行为的研究是有限的。摘要交通行为,骑车人保持自行车道(称为lane-keeping行为)。为什么骑自行车穿过自行车道是讨论的问题。与survival-analysis-based这一目标的方法是用来模拟骑车人的lane-keeping行为受到各种外部因素。给lane-keeping行为的定量分析,lane-keeping行为的概率是研究使用字段数据。提出了一个概念叫有效体积和半参数方法用于执行分析。希望提供参考框架来评估影响自行车的交通状况的交通行为。

2。方法

2.1。骑自行车的行为分析

一些骑自行车容易旅行在相邻汽车车道为了得到合适的驾驶环境,例如,速度和空间。当自行车道阻塞是由于某种原因,lane-crossing行为的概率会增加明显。假设lane-crossing行为发生,如果自行车体积高于临界值收益率, 在哪里的分布函数是lane-crossing行为。

在这篇文章中,临界体积被定义为有效体积为代表的最大体积在自行车道,自行车旅行。即lane-crossing行为不会发生如果自行车体积小于有效卷()。在这里,另一个定义,lane-keeping行为的概率是使用:

而言,外部因素的影响,在骑自行车的行为可以反映出的分布函数lane-crossing行为或lane-keeping行为。因此,影响因素(例如,收窄巷和妨碍lane)可以从宏观的角度分析了。考虑到体积作为输入变量,数据采集和数据处理可以简化,因为涉及一个骑自行车的交通行为的一些变量很难量化。

2.2。基于生命周期分析自行车行为建模

生存分析模型(也称为生命周期分析)在生物识别技术已经广泛使用了几十年,工业工程作为一种确定因果关系生命周期数据(11,12]。近年来,他们已经在交通领域的应用13,14),包括分析活动参与和调度,车辆交易分析和incident-duration分析。这些模型关注的分布: 在哪里是一生的分布函数数据代表一个人的概率失败吗;是生存函数代表个体存活的概率超过。 也被称为可靠性函数。

自行车专用道的交通行为,骑自行车旅行可以被认为是一个有效的状态在特定条件下(例如,车道宽度、交通量和路边停车)。这样的一个有效的状态继续越来越自行车体积。如果体积大于有效体积,lane-crossing行为就会发生。这意味着特定的条件很难满足骑车人的旅游需求。有效状态的持续过程类似于继续生活。如果lane-crossing行为被视为生命的终止,寿命数据分析方法可以用来估计有效体积,这是一生的类比。此外,由于交通行为的随机性和路边停车的影响,相同的体积可能对应两个相反的行为,也就是说,穿越车道。在这种情况下,寿命分析模型是适合解决这些问题通过审查分析虽然一般统计方法不再适用(10]。整个自行车行为之间的类比分析和寿命数据分析表1。

首先,一个重要的概念,介绍了风险函数,。风险函数在指定的体积在数学定义

导致风险函数故障率(或风险),即瞬时概率lane-crossing将发生在一个极小的体积又一次。的近似概率lane-crossing行为。

根据风险函数和生存函数之间的数学关系,lane-keeping的概率可以获得:

为了适应外部因素的影响,风险函数可以写成 在哪里是基线风险函数,协变量的影响是一个已知的函数来表示,是一个列向量的协变量,它独立于持续时间,是一个行向量的未知参数。的形式(4)是一种流行的数学模型用于分析和它的名字是成比例的风险持续时间(PH)模型。

在这项研究中,提出了非参数基线风险的一个框架,通过考克斯使用,采用15]。通过这种参数化,风险函数

耐力概率函数结合(5)和(7)可以写成 在哪里是lane-keeping基线概率函数的行为。它代表了概率没有任何外部影响。

的形状在PH值模型对数据分析有重要影响。也可以选择根据数据分布形状参数。在本文中,使用非参数基线风险时避免错误假定的参数形式是不正确的。参数估计可以使用部分可能性的方法。其他方法可以称为(11,12]。

2.3。外部因素选择

外部因素考虑的选择之前的研究和争论关于外生变量的影响和人为因素对骑自行车的行为。三大组变量可能会影响自行车的行为:个人特征、交通状况,和旅行的特点。摘要交通状况。以下因素,如表所示2,采用构造模型。

3所示。调查和数据

实地调查是进行城市道路没有隔离设施。所选调查网站监控摄像机。然后,自行车卷在车道可以获得不同的有效宽度。根据(10),自行车道的有效宽度的定义是身体的宽度减去安全边际(0.5米)。这样安全裕度的影响表明路边停车,这样自行车停车场内的车辆保持安全距离。另一方面,外部因素相关的数据也来自视频调查。数据采集是由人工计数和记录和视频处理工具的帮助。

观察到的部分的长度是25米,没有公共汽车站和人行过道的影响。考虑到离散的自行车和不均匀的体积,短观测时间间隔可能不包括足够的样本而长时间间隔可能会影响数据状态的定义。因此,观察到的间隔是30年代。每个区间的状态被定义为(一)审查数据如果没有自行车进入机动车道间隔和(b)不同的数据如果lane-crossing行为发生在间隔(10]。实地调查进行的四个典型的城市道路在北京,包括东交大路,北裕方路,西土城路和Da Liushu道路。观察到的部分的基本功能如表所示3。

4所示。模型估计和讨论

4.1。模型的估计

表4显示了模型估计lane-keeping骑车人的行为。LR估计模型的数据清楚地表明整体拟合优度(LR统计数据为98.4,大于卡方统计量与6个自由度在任何合理水平的意义)。每个变量的统计显著性检验的测试,具有渐近正态分布均值为零,方差一个。给出了对应于每个协变量的显著水平值在表4。从结果,包括大多数的变量是在0.05显著水平的意义。这意味着这些协变量显著相关的违法违规行为。两个协变量(汽车体积和安全缺口)有一个相对较低的显著水平。对lane-crossing行为变量的影响将在下一节中讨论。

图1显示了该模型lane-keeping概率与所有变量的平均值。这意味着在图的曲线1能体现典型的自行车的平均lane-keeping概率流平均价值为每个外部因素。曲线是单调递减。中值的分布是25车辆/ 30年代,表明超过一半的观测时间间隔会导致lane-crossing行为如果自行车体积大于25 veh / 30年代平均条件(2.5巷,自行车速度是12公里/小时,车体积是450 pcu / h /车道,并且影响到大约30%的骑车人路边停车)。如果变量变化(代表外部因素的变化),车道保持会改变相应的概率。

4.2。外部因素的影响

在比例风险模型中,变量是乘法的基线风险的影响函数。负系数变量意味着相应变量的增加降低了故障率,或相当于增加了有效体积。更大的有效体积意味着lane-crossing行为的发生减少。外部因素的影响,分析了在下面。

有效宽度的自行车道显示了一个重大的负面风险。这意味着更广泛的自行车车道的宽度,会发生lane-crossing行为越少。图2显示的不同分布lane-keeping行为与不同车道宽度。根据经验数据和估计模型,如果自行车车道减少的有效宽度从3.5米到2.0米,有效体积将从28日veh / 30年代veh / 20 30年代(有效的概率是0.8)。假设平均体积15 veh / 30年代,所有自行车旅行的概率在自行车道将0.6条件下的窄巷。与此同时,有效体积会减少40%。

路边停车还显示了一个积极的影响危害虽然意味着路边停车可以增加风险或减少lane-keeping行为的概率。路边停车的概率的影响如图lane-keeping行为3。路部分的比较分析显示差异分布的有效体积。即概率lane-keeping行为的部分与控制停车低于那些没有限制停车的影响。应该注意的是,lane-crossing行为发生的概率很低,当自行车的体积很低。与此同时,路边停车的影响是微不足道的。当自行车的体积很大,lane-crossing行为的发生之间的关系和路边停车也是无关紧要的。街边停车的影响的结果,在有效的概率是重要的自行车的体积分布中值范围。以3.0米的宽度为例,遏制lane-keeping停车行为的影响显著,当体积范围22至32 veh / 30年代。

一辆自行车的旅行速度风险函数能有积极的效果。自行车旅行,越快越高他们穿过自行车道的可能性。摘要电动自行车是自行车。根据实地调查,有一定数量的电动自行车,穿过机动车道自行车道和旅游。电动自行车旅行速度比其他自行车;因此,他们想寻求理想的旅游空间。特别是,当有自行车旅行在低速或路边停车车里的电动自行车的速度越快,他们改变旅行方向和超过通过毫不犹豫地汽车车道堵塞。

逆行有积极影响风险函数,就像旅行自行车的速度。如图4,逆行的自行车的存在可以减少lane-keeping行为的概率。这样的效果更显著的条件更高的自行车体积。逆行的自行车会阻碍其他自行车的出行路线;很容易改变旅游路线,提供一个动机甚至改变车道。

根据估计结果,汽车数量和安全的差距的影响并不显著的从统计的角度。然而,汽车数量仍然可以影响骑自行车的行为。如果汽车量高,自行车可能很少有机会去旅行在汽车车道上。此外,安全差距的变量也可以反映的机会和一个骑自行车旅行的安全汽车的车道。从实地调查和估计结果,一定数量的自行车旅行在机动车道车量非常高。这些骑自行车的疏忽造成的事故风险lane-crossing行为。骑自行车旅行是很危险的重型汽车的机动车道流。和lane-crossing行为对移动车,这样可以执行封锁交通性能明显降低。

5。结论

本文提出了一个模型来描述一个骑自行车的lane-keeping行为在城市街头用生存分析。提出了有效体积的概念来描述之间的关系lane-crossing行为和自行车体积。数据被定义为审查数据量和未经审查的数据。比例风险方法用于评估与审查数据字段数据。为了捕捉外部因素涉及交通状况的影响,选择六个变量来构造模型PH值。结果表明,自行车道的有效宽度,旅行速度,限制停车,逆行lane-keeping行为有显著的影响。两个变量(汽车体积和安全裂口)显示的重要性相对较低。得出lane-keeping行为结果从各种相关因素,如个人特性、交通条件和环境因素,任何变化的影响因素可以修改lane-keeping行为。因此,城市街道的规划和设计应该考虑这些影响因素担心地。

未来的工作将集中在影响因素。将引入更多的因素模型和实地调查的网站将增加获得更多经验数据。例如,自行车旅行的平均速度在车上巷可以lane-keeping骑自行车的人的行为的一个重要影响因素。变量的意义及其对骑自行车的行为的影响将深入讨论。

确认

作者要感谢匿名编辑和裁判的宝贵意见。这项研究支持下的学科大学引进人才的计划批准号B12022和国际科技合作项目在北京理工学院。