为探究城市信号交叉口影响人车冲突严重程度的关键因素,提升交叉口安全管理水平,本文选取典型的城市道路信号交叉口,采用无人机航拍获取交通流视频,基于人工观测和Tracker软件解析处理得到冲突点信息参数与位置分布特征。为量化冲突程度...为探究城市信号交叉口影响人车冲突严重程度的关键因素,提升交叉口安全管理水平,本文选取典型的城市道路信号交叉口,采用无人机航拍获取交通流视频,基于人工观测和Tracker软件解析处理得到冲突点信息参数与位置分布特征。为量化冲突程度,采用后侵入时间、冲突区域车速、潜在碰撞距离作为人车冲突严重程度评价指标,利用K-means聚类算法将过街冲突按严重程度迭代分类,确定人、车、路三方面下的21个解释变量。通过Pearson相关性分析筛选,建立多元有序Logistic模型,并通过ROC(Receiver Operating Characteristic)曲线验证得到模型对冲突严重级别的估计分类概率结果AUC(Area Under Curve)为0.971。结果表明:行人与冲突点的距离(0.364)、车辆在冲突点前的趋向(停车让行为-4.22,减速让行为-0.937)、行人是否闯红灯行为(0.818)、机动车道数量(0.29)、行人等待红灯时间长短(0.012)、行人年龄段(-0.869)、行人着装颜色(0.673)是影响人车冲突严重程度的显著因素。本文研究结果能够为行人过街安全的交通策略制定提供一定参考价值。展开更多
为降低车辆与行人冲突潜在危险,针对右转机动车与过街行人进行人车冲突严重度量化分级研究。以重庆市南岸区3个典型交叉口为例,采用实地调查和视频采集相结合的方法调查晚高峰时段人车冲突数据,利用Tracker软件提取冲突样本的人车运动...为降低车辆与行人冲突潜在危险,针对右转机动车与过街行人进行人车冲突严重度量化分级研究。以重庆市南岸区3个典型交叉口为例,采用实地调查和视频采集相结合的方法调查晚高峰时段人车冲突数据,利用Tracker软件提取冲突样本的人车运动轨迹和运动参数。选取碰撞时间(time to collision,TTC)、安全减速度(deceleration to safety time,DST)和后侵占时间(post encroachment time,PET)为冲突指标,分析冲突指标、冲突类型及冲突点位置分布特征,并通过k-means聚类算法评估交叉口冲突严重程度。结果表明:TTC和PET与冲突严重程度呈负相关关系,DST与冲突严重程度呈正相关关系,模型聚类效果较好;不同过街冲突类型的冲突严重度存在差异,过街行人数量和人车相对距离对冲突严重程度存在显著影响。展开更多
文摘为探究城市信号交叉口影响人车冲突严重程度的关键因素,提升交叉口安全管理水平,本文选取典型的城市道路信号交叉口,采用无人机航拍获取交通流视频,基于人工观测和Tracker软件解析处理得到冲突点信息参数与位置分布特征。为量化冲突程度,采用后侵入时间、冲突区域车速、潜在碰撞距离作为人车冲突严重程度评价指标,利用K-means聚类算法将过街冲突按严重程度迭代分类,确定人、车、路三方面下的21个解释变量。通过Pearson相关性分析筛选,建立多元有序Logistic模型,并通过ROC(Receiver Operating Characteristic)曲线验证得到模型对冲突严重级别的估计分类概率结果AUC(Area Under Curve)为0.971。结果表明:行人与冲突点的距离(0.364)、车辆在冲突点前的趋向(停车让行为-4.22,减速让行为-0.937)、行人是否闯红灯行为(0.818)、机动车道数量(0.29)、行人等待红灯时间长短(0.012)、行人年龄段(-0.869)、行人着装颜色(0.673)是影响人车冲突严重程度的显著因素。本文研究结果能够为行人过街安全的交通策略制定提供一定参考价值。
文摘为降低车辆与行人冲突潜在危险,针对右转机动车与过街行人进行人车冲突严重度量化分级研究。以重庆市南岸区3个典型交叉口为例,采用实地调查和视频采集相结合的方法调查晚高峰时段人车冲突数据,利用Tracker软件提取冲突样本的人车运动轨迹和运动参数。选取碰撞时间(time to collision,TTC)、安全减速度(deceleration to safety time,DST)和后侵占时间(post encroachment time,PET)为冲突指标,分析冲突指标、冲突类型及冲突点位置分布特征,并通过k-means聚类算法评估交叉口冲突严重程度。结果表明:TTC和PET与冲突严重程度呈负相关关系,DST与冲突严重程度呈正相关关系,模型聚类效果较好;不同过街冲突类型的冲突严重度存在差异,过街行人数量和人车相对距离对冲突严重程度存在显著影响。