基于决策树分类模型的信号交叉口驾驶员停/行行为对比研究

摘要

信号交叉口的停车/通行决策与信号转换区间的车速密切相关。停/走决策的速度对进退两难区域有显著影响，导致停/走决策的变化，决策过程高度复杂。考虑到交通延误和车辆尾气污染主要是由路口排队造成的，在信号变换间隔段，停车线通过速度会影响车辆运行安全，同时也会影响大气环境。对比研究了农村高速公路交叉口和城市交叉口面对由3s绿闪(FG)和3s黄闪(Y)组成的过渡信号时段时，驾驶员的停行行为。本研究收集了上海市5个交叉口在过渡信号期间的1459条高质量车辆轨迹。这5个路口中，3个为限速80公里/小时的高速路口，2个为限速50公里/小时的城市路口。对这些车辆样本的轨迹数据进行统计分析，研究潜在影响因素的一般特征，包括瞬时速度和FG开始时到交叉口的距离、车型等。建立了决策树分类(DTC)模型来揭示驾驶员的停/走决策与这些可能的影响因素之间的关系。结果表明，初始速度、初始距离交叉口的距离和车辆类型是两类交叉口最重要的预测指标。此外，DTC模型可以提供一种简单的模拟驾驶员停车决策行为的方法，在城市交叉口中具有较好的应用效果。

1.介绍

在中国大部分城市有信号灯的路口，最常见的过渡信号灯设置形式是3s绿灯(FG)指示灯和3s黄灯(Y)指示灯[1- - - - - -3.］．目前的实践表明，对于限速小于50km /h的交叉口，黄灯设置为3s是合理的。一旦车速限制高于50公里/小时，车辆往往会因为较高的行驶速度和黄灯持续时间不足而陷入两难区[4- - - - - -8］．在中国大多数城市，农村地区高速公路交叉口的限速一般都在60公里/小时以上。相比之下，在城市地区，高速公路交叉口的限速通常小于60公里/小时。因此，对于上述两个不同区域的交叉口，绿灯(FG)的设置还会对驾驶员的停/行决策行为产生其他影响。

在研究FG对驾驶员决策行为的影响以及建立驾驶员决策行为模型对信号变化间隔的响应方面，已经进行了大量的研究。然而，很少有研究比较不同类型交叉口FG对驾驶员决策过程的影响。3秒黄灯(Y)和3秒绿灯(FG)的具体组合也没有研究。这种信号组合是我国信号交叉口的一个独特特征。为驾驶员在停车/走决策前的观察和判定提供了较长的时间，即6秒。因此，本文主要关注研究的空白。

本研究应用决策树分类(Decision Tree Classification, DTC)模型，分析了两种不同类型交叉口驾驶员的停车决策与潜在影响因素的关系。首先，在信号变换区间内采集反映5个交叉口停车/行驶决策行为的车辆轨迹数据;其中3个为农村地区限速80公里/小时的高速路口，2个为城市地区限速50公里/小时的高速路口。其次，我们利用这些轨迹数据，并进行统计分析，总结出两类交叉口潜在影响因素的一般特征，包括瞬时速度、车辆类型、FG信号开始时到交叉口的距离。在对关键设计决策和参数描述的基础上，建立了直接转矩模型。接下来，给出了DTC模型的结果和结果的讨论。最后，对研究结果进行了总结，指出了本研究的贡献，并提出了未来相关研究的方向。

2.文献综述

之前的很多研究成果都集中在FG对驾驶员决策行为和DZ的影响上。在这类文献研究中，关于FG的作用既有积极的结论，也有消极的结论。实证结果表明，FG可以警示驾驶员绿灯相位即将结束，驾驶员可以通过降低驾驶速度来减少DZ的发生，避免闯红灯[1，2，9］．FG信号在延长黄光持续时间方面起着重要作用。因此，与没有FG的交叉口相比，在有FG的交叉口闯红灯的司机比例明显降低[10- - - - - -13］．在消极方面，它表明，FG可能导致停止决定的比例显著增加[10，11，14］．此外，FG虽然可以有效地缩小黄灯引起的DZ范围，但它扩大了优柔寡断的区域，极大地增加了保守止损的次数，略微鼓励了侵略性传球[13，15］．同时，在Y指标之前给出FG指标考虑了增加驾驶员停/行决策的复杂性，导致决策重复[15，16］．值得注意的是，上面列出的大多数研究都集中在FG是否安装以及DZ发生和/或停止概率的比较研究上。

与此同时，众多的研究都集中在对绿灯末端驾驶员决策行为的建模上[17- - - - - -20.]，其中最典型的是Gazis、Herman和Maraddin提出的GHM模型[21］．GHM模型的一个基本假设是，驾驶员在黄灯开始时根据最大通行距离与最小停车距离的关系来决定是停车还是通过交叉口。文献中也报道了一些显著的变异[22- - - - - -25］．GHM模型假设，如果可能的话，所有司机都会选择停车。但是奥尔森和罗瑟里[26]的研究发现，在决策过程中，黄灯常被用作绿色时段的延伸。五月前进行的研究[27显示，一些司机通过加速或减速来避免DZ。Liu等人和Wei等人的研究[23，28表明理论假设可能导致驾驶行为的差异。总的来说，GHM模型的主要缺陷是缺乏对驾驶行为随机性的描述。由于这种缺点，其他一些研究人员试图通过随机方法来解释DZ行为[15，29，30.］．

许多研究[12，16，17，23，31- - - - - -34]认为驾驶员的决策行为是随机的，服从特定的概率分布。停车概率可以用二值logit模型或贝叶斯模型表示，它可以用车辆速度、到交叉口的距离、黄灯开始时到停车线的行驶时间、车辆类型等函数来描述。与此同时，其他研究人员，如Rakha等[35， Hurwitz等人[36， Kuo等[37， Moore等[38，运用模糊逻辑理论分析决策行为。需要进一步指出的是，与决策行为密切相关的行为参数可能会因位置条件、驾驶员行为特征、车辆性能等因素的影响而发生变化。此外，各种潜在的影响因素往往是相互关联的。一些研究[16，29，30.，39- - - - - -41]的研究发现，决策领域的分布可能是动态的，而不是传统理论所描述的确定性。

3.数据收集与简化

３．１．网站描述

选取上海市的5个交叉口进行数据采集，分别是一个3s FG信号和一个3s Y信号。这些路口分为两类，一类限速80公里/小时，另一类限速50公里/小时。前者主要位于连接市区和郊区的道路上，如曹安高速公路等，交通流量大，高峰时段大型货车比例高。后者主要位于城市区域，交通构成以汽车为主。所调查交叉口的主要特征和条件见表1．

３.２．现场调查和车辆轨迹提取

我们选择晴天工作日进行数据采集，通过视频记录采集车辆的轨迹数据。需要两台高清摄像机同步录制。其中一个摄像头安装在交叉口附近的高层建筑上，可覆盖停车线上游80米长的区域，记录整个决策过程的运动轨迹。另一个摄像头设置在十字路口，同步记录交通信号。移动轨迹的获取依赖于图像处理软件。它是由拍摄镜头中五个相关点的全局坐标定位的。通过残差分析t-测试时，保证精度误差不大于0.15 m和0.1 s。软件控制的时间间隔为0.1 s。因此，将轨迹数据与信号变化时序进行匹配，得到车辆的速度、加减速等驾驶行为参数，以及每一步的位置。

为了避免前车的影响，只选择发生FG后最后停车和先走的车辆进行分析。最后停车车辆是指在红灯开始前选择在停车线前停车的车辆。最后一种是指该车辆是研究期间最后做出决定的车辆。先走车辆是指研究期间(即绿灯结束时间至黄灯结束时间)第一辆通过停车线的车辆。

最终得到农村交叉口1459辆车(1186辆，卡车345辆，乘用车841辆)和城市交叉口273辆车(卡车37辆，乘用车236辆)的行驶轨迹，用于后续的统计分析和模型开发。如图所示1，在农村十字路口采集的1186条车辆轨迹中，有529辆选择停车，657辆选择超车。而从城市交叉口得到的273条轨迹中，有128条选择停车的轨迹和145条选择通过的轨迹。

4.潜在影响因素的统计分析

以往的研究表明，驾驶员在信号交叉口的停车决策可能会受到相位过渡期前的车速、离停车线的距离以及一天中的车辆类型和时间的影响[14，21，22］．因此，我们进行了统计分析，以探索这些潜在影响因素的可变性，以及它们与FG发作时的停/走决策之间的关系。

4．1.FG开始时的瞬时速度

表中给出了FG开始时观测进近车道上车辆瞬时速度的统计分析2．农村和城市的对比表明，在农村和城市，走决策车辆的平均速度都高于停决策车辆的平均速度。此外，在农村和城市地区，乘用车的费率通常都高于卡车。数字2说明了在农村和城市地区，停/走决策相对于不同的起始速度区间的分布情况。研究发现，在农村地区，如果驾驶员的车速为60km /h，停车和行驶决策的概率相等。同样的情况也会发生在城市地区，当车速为50公里/小时时，这意味着在相同的进站速度下，决定停车的卡车司机比乘用车司机要多。在图2 (b)在美国，情况是类似的，更多的卡车司机选择以较低的速度过十字路口，这可能对大型车辆更安全。

4．2．到FG起点交叉口的距离

表格3.给出了到FG开始时的交点距离的统计总结。研究发现，交叉驾驶距离的均值小于停车驾驶距离的均值。数字3.说明了在农村和城市地区，停/走决策相对于不同的FG-onset距离区间的分布情况。从图中可以看出，如果司机离停车线越远，他或她越有可能做出前进的决定，反之亦然。在农村地区，距离停车线60-100 m的驾驶员，做出停车决策或通过决策的概率接近50%。在城市地区60-80米的距离也发现了同样的情况。在这些距离间隔中，司机很难决定是停还是走。在所有做出停车决定的驾驶员中，当FG起点到交叉口的距离小于100 m时，卡车司机比乘用车司机更倾向于停车。

4．3．潜在影响因素的方差分析

表格4显示了在FG开始时速度和距离的方差分析(ANOVA)结果，该分析用于调查每对因素之间的差异。方差分析结果显示，多个交通因素，包括停/走决策( ），车辆类型( ），及面积类型( ），在FG开始时，对车辆的接近速度有显著影响，但只有停/走决策( ）对到停线的距离有显著影响。

5.决策树分类模型的开发

5．1.决策树模型

由于DTC的非参数性质和直接解释，在交通工程领域得到了证明[42］．例如，在交通安全评价中，Abellán等[43]使用DTC分析停车/通行决策、闯红灯行为和交通参数之间的关系。一些研究人员(44，45]已经使用DTC方法来探讨相关交通规则与事故严重程度之间的关系。

本研究使用SPSS软件包进行分类树分析。基于CART方法，建立分类树模型，采用基尼系数(或基尼系数)作为分割决策的测度。由于数据量不大，将父节点的最小案例数设置为30，子节点的最小实例数设置为10。此外，采用交叉验证(10倍)的方法来评估如何将树结构扩展到更大的种群。这三个变量，即距离、速度和车辆类型，被认为与驾驶员的停/走决策密切相关。距离变量表示在FG开始时车辆到停车线的距离，速度变量表示在FG开始时车辆的速度。车辆类型变量分为乘用车和卡车两类(0 =乘用车，1 =卡车)。

表格5显示了两个已开发模型的精度。对于农村模型，训练和测试的准确率分别为83.9%和80.2%，交叉行为的预测比停止行为的预测更准确。对于城区模型，训练模型和测试模型的准确率分别为93.8%和88.2%。模型被正确地拟合。

5.2。农村高速公路交叉口结果分析

数字4显示了用于训练农村地区停/走决策模型的分类树图。

数字5显示了相应的分区，其粒度比图中细得多4．当到停车线的距离小于44.3 m或大于116.4 m时，大多数车辆做出相同的决策。当距离为44.3 m ~ 116.4 m时，进场速度影响停/走决策。(我)对于FG-onset距离小于44.3 m的车辆，97.7%的驾驶员会通过交叉口，如图1区所示。(2)相比之下，当FG-onset距离大于116.5 m时，驾驶员通过交叉口的比例仅为2.2%，而大多数驾驶员(97.8%)会停车，如图6区所示。(3)对于起跑距离在44.3 ~ 68.9 m的车辆，影响停/走决策的最关键因素是车速。对于FG-onset率高于48.9 km/h的车辆，多数驾驶员(87.3%)会通过交叉口。相比之下，对于起步速度低于48.9 km/h的车辆，车型对停走决策起着至关重要的作用。卡车比轿车更容易停下来。48.9 km/h以上和48.9 km/h以下的行为分别对应第2区和第4区。(iv)最后，对于FG-onset distance在68.9 m ~ 116.5 m之间的车辆，接近速度仍然起关键作用。对于FG-onset率高于66.8 km/h的车辆，大部分驾驶员(71.4%)会通过交叉口。然而，对于起步速度低于66.8 km/h的车辆，大多数司机(72.8%)会停车，如图5区所示。

5.3。城市交叉口结果分析

数字6显示了用于训练城市区域的停/走决策模型的分类树图。类似于图5，图中树的对应分区6如图所示7．这张图被分为六个区域:(我)如图所示7，区域1的所有车辆驾驶员都会选择穿越交叉口，而区域6的大部分驾驶员(97.9%)会选择停车，因为到停车线的距离比某一特定阈值(本例为67.4 m)更显著。(2)在城市十字路口分类树中也出现了与农村十字路口相似的情况。在第4区，起始fg距离小于57.1 m，起始fg速度小于39 km/h，车辆类型对驾驶员的停/走决策起着至关重要的作用。(3)对于起步距离在57.1 ~ 67.3 m，起步速度低于39 km/h的车辆，所有驾驶员都会选择停车(对应图中第5区)7）.(iv)车辆与FG-onset速度高于47.8公里/小时,有两种不同的情况:车辆在FG-onset之间的距离67.4米和94米,61.5%的司机将十字路口,当车辆在FG-onset距离大于94米,100%的司机会选择停止,分别表示在区域2和3。

5.4。农村高速公路交叉口与城市高速公路交叉口的比较

停止决定的百分比在图中通过颜色比例显示8．从图中可以看出，无论十字路口是在农村还是城市，当车辆距离停车线较远，且接近速度较高时，驾驶员往往会做出停车决定。

但是，农村高速路口与城市高速路口有一定的区别:（1）卡车司机在城市十字路口更加保守，特别是当他们以适度的低速度(低于39公里/小时)靠近停车线时。由于农村高速公路的限速较高，在44.3 ~ 68.9米的距离和时速低于48.9公里的情况下，会出现这种保守的决策行为。（2）由于车速限制的差异，在城市十字路口，当距离超过57.1 m时，大多数司机倾向于停止而不是穿越，而在农村高速路口，这个距离阈值增加到68.9 m。(3）当车辆距离足够远时，例如在农村十字路口，距离停车线116.5 m时，几乎所有的司机都选择停车，而不受接近速度的影响。但是，这个值要小得多，在十字路口是94 m。

6.结论与未来工作

本研究生成了两个模型:第一个模型说明了影响农村地区停/走决策的条件，另一个模型解释了城市地区相应的需求。数据分析表明，无论在农村还是在城市，开停线时的车速、到停线的距离以及车辆类型都是影响驾驶员停/走决策的最显著因素。距离变量的归一化重要性对两种类型的站点都是100%。在农村，速度的标准化重要性高于城市。对于起步距离为68.9 ~ 116.5 m的车辆，速度成为影响驾驶员行为的关键因素。停止决策的概率几乎等于通过决策的概率，两者都接近0.5。城市对应的距离区间为67.4 m ~ 94 m。这项研究的一个有趣发现是，在相同的条件下，无论十字路口是在农村还是在城市，大多数卡车司机比汽车司机更倾向于停车。

这项研究提出了一种分析停/走决策的新方法。基于树的模型提供了一个很好的口头解释，这使它更容易检查其他条件。分类树提供了一个简单的方法来模拟驾驶员的行为，而不需要任何正常的假设。本研究开发的基于DTC的停/行决策模型可用于改进微观交通仿真软件中驾驶员行为模型。

数据可用性

支持这项研究结果的数据包括在文章中。

的利益冲突

作者声明本文的发表不存在利益冲突。

致谢

本研究得到了浙江省自然科学基金资助项目(no。宁波市哲学社会科学研究项目(LQ19E080003);宁波市自然科学基金资助项目(no. 2018A610127, no. 2019A610044);20190102)。

参考文献

1. 唐凯，徐勇，王鹏，“绿色闪烁对高速公路交叉口两难区行为的影响:基于中国的实证研究”，运输工程学报，第141卷，第141期7、文章编号04015005,2015。视图:出版商的网站|谷歌学者
2. 董胜，周军，赵磊，唐凯，杨锐，“基于电动自行车骑手行为的相变信号可行性分析”，机械工程进展，第7卷，第5期11, pp. 1-18, 2015。视图:出版商的网站|谷歌学者
3. “基于隐马尔可夫模型的电动自行车驾驶决策机制研究”，《中国公路学报》，2018年第1期。先进运输杂志， vol. 2019, pp. 1-10, 2019。视图:出版商的网站|谷歌学者
4. Tang K.， Xu Y.， Wang F.， and T. Oguchi，“在中国农村高速公路交叉口绿灯闪烁和黄灯时间不足的情况下探索停车-走决定区”，事故分析与预防，第95卷，第470-478页，2016。视图:出版商的网站|谷歌学者
5. P. Koonce和L. rodgerdts，交通信号计时手册(编号:供料-跳- 08 - 024)，联邦公路管理局，华盛顿特区，美国，2008。
6. 英国和t.a.单位，交通信号灯控制通则，交通部，伦敦，英国，2006。
7. c·a·O 'Flaherty交通规划与交通工程， CRC出版社，Boca Raton，佛罗里达州，美国，2018。
8. 窦旭东，郭旭东，龚旭东，杨建军，“绿色前闪对我国驾驶员停车/过马路决策影响的实证研究”，《交通运输管理》，第2期第92届运输研究委员会年会论文集， 2013年1月，美国华盛顿特区。视图:谷歌学者
9. m·贝克尔城市交叉口交通信号中“绿灯闪烁”相位的影响研究，以色列海法Technion研究和发展基金会有限公司，1971年。
10. D. Mahalel和D. M. Zaidel，《交通信号中闪烁的绿灯的安全评估》，交通工程及管制第26卷第2期2, 79-81页，1985。视图:谷歌学者
11. C.牛顿，R. N. Mussa, E. K. Sadalla, E. K. Burns, J. Matthias，《替代交通灯变化预期系统的评估》，事故分析与预防，第29卷，第2期2，第201-209页，1997。视图:出版商的网站|谷歌学者
12. “基于条件自回归先验的贝叶斯空间广义有序logit模型分析高速公路交通事故严重程度，”事故分析与预防，第127卷，第87-95页，2019。视图:出版商的网站|谷歌学者
13. H. Köll, M. Bader，和K. W. Axhausen，《绿灯闪到琥珀之前的司机行为:比较研究》，事故分析与预防第36卷第2期2，页273 - 280,2004。视图:出版商的网站|谷歌学者
14. R. Factor, J. N. Prashker，和D. Mahalel，《闪烁的绿灯悖论》交通研究F部分:交通心理学与行为，第15卷，第5期。3，页279-288,2012。视图:出版商的网站|谷歌学者
15. 唐凯，徐勇，王飞，“中国农村高速公路交叉口绿色闪烁和黄线时间不足的困境区”，《交通管理学报》，2018年第4期第94届运输研究委员会年会论文集，美国华盛顿特区，2015年1月。视图:谷歌学者
16. 王飞，唐凯，孙军，李凯，“基于车辆轨迹数据的绿色信号闪烁风险驾驶行为建模”，交通研究记录:交通研究委员会期刊，第2562卷，第2期1, pp. 53-62, 2016。视图:出版商的网站|谷歌学者
17. 龙凯，韩立德，杨青，“中国十字路口黄色开始后倒计时计时器对驾驶员行为的影响”，交通伤害的预防，第12卷，第2期5, pp. 538-544, 2011。视图:出版商的网站|谷歌学者
18. 陈飞，宋敏，马学军，“基于随机参数二元有序概率模型的汽车追尾事故中驾驶员损伤程度研究”，国际环境研究与公共卫生杂志，第16卷，第5期。14, p. 2632, 2019。视图:出版商的网站|谷歌学者
19. 朱旭东，戴志伟，潘旭东，“利用路面标线的视觉干预对车辙缓解的影响——第二部分:基于有限元模拟的视觉干预时间选择”，国际路面工程学报，第20卷，第2期。5，第573-584页，2019。视图:出版商的网站|谷歌学者
20. 吴国栋，陈飞，潘旭东，徐敏，朱旭东，“利用路面标志的视觉干预作用缓解车辙——第一部分:初步试验和现场试验”，国际路面工程学报，第20卷，第2期。6，第734-746页，2019。视图:出版商的网站|谷歌学者
21. D. Gazis, R. Herman和A. Maradudin，《交通流量中黄色信号灯的问题》，运筹学，第8卷，第2期1，第112-132页，1960年。视图:出版商的网站|谷歌学者
22. M. S. Chang, C. J. Messer, and A. J. Santiago，“基于司机行为的交通信号改变间隔时间”，交通研究记录，第1027卷，第20-30页，1985。视图:谷歌学者
23. C. Liu, R. Herman，和D. C. Gazis，《黄色区间困境的回顾》，交通运输研究A部分:政策与实践，第30卷，第2期5，页333-348,1996。视图:出版商的网站|谷歌学者
24. 周军，郭勇，张敏，“基于社会力量模型的大型公共空间行人疏散路径选择模拟:五种疏散策略的比较研究”，《公共科学图书馆•综合》第14卷第2期9，第1-18页，2019。视图:出版商的网站|谷歌学者
25. 周建军，毛旭东，“基于Dempster-shafer理论的城市大型公共空间风险评估:基于宁波市的实证研究”，国际环境研究与公共卫生杂志，第16卷，第5期。16, p. 2942, 2019。视图:出版商的网站|谷歌学者
26. P. L. Olson和R. W. Rothery，《司机对交通灯黄色阶段的反应》，运筹学，第9卷，第5期。5，页650-663,1961。视图:出版商的网站|谷歌学者
27. 小梅，“交通信号的清关时间”，高速公路的研究记录(一九六八年第221卷第41-71页)。视图:谷歌学者
28. 魏辉，李志伟，易鹏，“高速信号交叉口两难区动态影响因素的量化分析”，交通研究记录:交通研究委员会期刊，第2259卷，第2期。1, pp. 202-212, 2011。视图:出版商的网站|谷歌学者
29. J. N. Prashker和D. Mahalel，“选择空间和司机在有信号的十字路口路口的犹豫不决之间的关系，”交通研究B部分:方法论，第23卷，第2期。6，第401-413页，1989。视图:出版商的网站|谷歌学者
30. 李鹏和M. Abbas，“高速信号交叉口的随机困境风险模型，”运输工程学报第136期5，页448-456,2010。视图:出版商的网站|谷歌学者
31. P. Papaioannou，“希腊城市十字路口的司机行为、困境区和安全效应”，事故分析与预防第39卷第3期1，页147-158,2007。视图:出版商的网站|谷歌学者
32. 曾骞，郭强，黄世昌，“基于贝叶斯随机参数时空Tobit回归的区域碰撞概率联合建模:基于贝叶斯随机参数时空Tobit回归的方法”运输学A:运输科学，第15卷，第5期。2，页1867-1884,2019。视图:出版商的网站|谷歌学者
33. 刘鹏，“基于全贝叶斯随机参数多元Tobit模型的碰撞率相关性与异质性研究”，《中国机械工程》，2018,27(11):1279 - 1284。事故分析与预防， vol. 128, pp. 164-174, 2019。视图:出版商的网站|谷歌学者
34. 郭勇，刘鹏，吴勇，杨敏，“基于贝叶斯多元泊松-对数正态分布的交通冲突模型，”中国公路学报第31卷第1期1, pp. 101-109, 2018。视图:谷歌学者
35. H. Rakha, I. El-Shawarby，和J. R. Setti，“表征黄相触发开始时，在有信号的十字路口接近的司机行为”，IEEE智能交通系统汇刊，第8卷，第2期4，页630-640,2007。视图:出版商的网站|谷歌学者
36. D. S. Hurwitz, M. A. Knodler Jr.和B. Nyquist，“高速信号交叉口II型困境区司机行为的评估”，运输工程学报第137卷第1期4，页277-286,2010。视图:谷歌学者
37. 郭桂英，陈永杰，黄荣昌，“基于模糊逻辑系统的交通信号切换间隔与间隙计算”，国立中山大学土木工程学院硕士论文国际计算机研讨会联合会议论文集，台湾，高雄，1996。视图:谷歌学者
38. D. Moore和D. S. Hurwitz，“改进的困境区域识别的模糊逻辑”，交通研究记录:交通研究委员会期刊第2384期1, pp. 25-34, 2013。视图:出版商的网站|谷歌学者
39. Y. J. Moon和F. Coleman III，“基于高速公路和铁路交叉口司机行为和车辆跟随模型的动态困境区”，交通研究B部分:方法论，第37卷，第2期4，页323 - 344,2003。视图:出版商的网站|谷歌学者
40. 唐凯，董胜，王峰，倪颖，孙建军，“中国电动自行车在交叉口绿灯和黄灯开始时的行为”，中国交通科学，2018,29(3):454 - 462。交通研究记录:交通研究委员会期刊号，第2317卷。1, pp. 85-96, 2012。视图:出版商的网站|谷歌学者
41. N. Elmitiny, X. Yan, E. Radwan, C. Russo, D. Nashar，“驾驶员停车/行驶决策与闯红灯行为的分类分析”，事故分析与预防，第42卷，第2期1, pp. 101-111, 2010。视图:出版商的网站|谷歌学者
42. l . Breiman分类与回归树，劳特利奇出版社，泰勒和弗朗西斯集团，阿宾顿，泰晤士，英国，2017。
43. J. Abellán, G. López，和J. de Oña，“通过决策树使用决策规则分析交通事故严重程度”，专家系统与应用，第40卷，第5期。15, pp. 6047-6054, 2013。视图:出版商的网站|谷歌学者
44. 张敏，周军，“基于正态云理论的地铁行人拥挤度评价”，《中国交通科学》，应用科学，第9卷，第5期。17，第3624页，2019。视图:出版商的网站|谷歌学者
45. A. T. Kashani和A. S. Mohaymany，“基于分类树模型的双车道、双向农村公路交通伤害严重程度分析”，安全科学，第49卷，第49期。10, pp. 1314-1320, 2011。视图:出版商的网站|谷歌学者

版权

版权所有©2020 Sheng Dong and ji彪Zhou。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。