信号交叉口个体行人与体行人过街闯红灯行为分析

信号交叉口个体行人与体行人过街闯红灯行为分析

陈亦新;徐婷;孙小端

【摘 要】行人过街闯红灯行为受道路、交通及行人自身等因素影响,为深入挖掘行

人过街闯红灯行为规律,随机调查了1 157名过街行人,包含当时的道路、车流状况,

如人行道长度、行人相位信号时长、行人穿越车流时的车头时距等.个体行人过街

闯红灯行为与体行人存在显著差异,利用显著性检验,判定个体行人闯红灯的显著

影响因素为车流的车头时距与行人等待时间,体行人闯红灯的显著影响因素为行

人数量与行人中最长行人等待时间.根据所得显著影响因素,建立了个体行人与

体行人闯灯率的Logit模型,结果显示:等待时间对个体行人与体行人闯灯率的影

响并无差异,当等待时间达到46 s时,个体行人与体行人闯灯率曲线均达到拐点,

此时行人违章率增加最快;当体行人数量达到4人时,最容易激发行人的集体闯

灯行为.结论为交叉口信号配时及行人违法闯红灯的管理提供的了参考.%The red-

light violation behavior can be caused by roads factors,traffic and

pedestrians to confirm the laws of red-light violation

behavior,1 157 pedestrian samples were observed randomly,including the

length of crosswalk,pedestrian phase,time-headway of vehicles and

is significantly difference between red-light violation behavior of

individual pedestrian and pedestrian the significant test,time-

headway of vehicles and waiting time are determined as the significant

factors to violation behavior of individual the group

violation,the significant factors are the number and the longest waiting

time of ic models were developed for red-light violation

results reveal that when the waiting time reaches 45～46

seconds,the profile of Red-light violation rate reaches the inflection

pedestrians reach 4 people,red-light violation behavior of

pedestrian group is most likely results can provide references

for a better management to signal phase and pedestrians at signalized

intersection.

【期刊名称】《科学技术与工程》

【年(卷),期】2017(017)008

【总页数】5页(P288-292)

【关键词】信号交叉口;闯灯率;个体行人;体行人;Logit模型

【作 者】陈亦新;徐婷;孙小端

【作者单位】同济大学交通运输工程学院,上海 201804;长安大学汽车学院,西安

710064;北京工业大学城市交通学院,北京 100124

【正文语种】中 文

【中图分类】U491.1

城市信号交叉口行人过街闯红灯行为非常普遍，对交通造成了严重影响。2011年

在北京随机调查的5个信号交叉口中，行人过街闯红灯的比例在60%左右。2013

年，北京交管部门对行人过街闯红灯行为加大了处罚力度，实施行人闯红灯

10元的措施，但在2014年、2015年的北京信号交叉口抽查中，行人过街闯红灯

的比例仍大于50%。其中，受到行人过街闯红灯行为影响的专用左转车流达93%。

行人过街闯红灯行为受很多因素的影响，道路方面包含：人行道长度与信号灯相位

配时等；交通因素包含：交通量、车辆速度与车头时距；行人自身方面因素方面有

行人等待时间、性别、年龄及行人数量。目前针对行人过街闯红灯行为的研究，建

模前并没有针对影响因素进行系统的筛选，最终所带入模型的因素并一定为显著影

响因素。同时，已有模型没有区分个体行人闯红灯与体行人闯红灯行为。

本文将个体行人过街闯红灯行为与体行人分别进行研究，在建立行人过街闯红灯

行为模型前，对所存在的影响因素进行系统的分析、筛选，最终将显著影响因素作

为自变量代入模型，选择行人过街闯灯率作为因变量，利用Logit模型分析行人过

街闯红灯行为。根据所建立模型，深层次挖掘行人过街闯红灯行为的特征规律，为

信号交叉口行人过街相位配时及行人过街闯红灯行为管理提供依据。

在行人过街闯红灯行为的影响因素中，各因素间常存在一定的相关性或相互干扰。

如在道路类影响因素中，一部分研究表明：行人可能会因人行道过长或信号相位配

时过长而采取闯红灯行为。另一部分学者发现：人行道长度和信号灯相位配时对行

人过街行为的影响，会因不同的交通状态而变化。钱宇彬在对上海的信号交叉口的

观测中得到行人闯灯率随人行道长度的增加而降低的结论[1]，文中进一步观测发

现：人行道越长，车道数越多，路口车流量越大，行人感知的危险度就越高，因而

闯灯率越低。对于行人性别对行人闯红灯的影响，不同学者的结论存在一定的差异：

Yagil对以列一所高校进行的205份问卷调查发现：女性比男性的违法程度要低

[2]，但孙世君对北京2 698名行人过街行为的调查中得到：性别、年龄对违法没

有影响[3]。

目前存在的行人过街闯红灯行为模型在建模前前常直接选定影响因素，而没有进行

系统的筛选，这会导致最终所带入模型的因素并不一定为影响因素。在模型的形式

上，存在生存曲线模型、Logit模型及独立事件概率叠加模型3类。

生存率曲线模型是建立剩余过街人数比例(生存率)随时间变化的曲线，生存率的计

算方法为：某一时刻的剩余行人数量与初始等待总人数的比值[4，5]，此模型常用

于行人过街行为的仿真。Logit模型相对广泛的应用于行人违法过街行为的研究中，

如武嘉玮通过Logit模型建立了“行人过街是否加速预测模型”和“行人能否顺利

完成过街行为预测模型”，模型直接采用交叉口绿灯剩余时间和行人是否有跟随行

为作为自变量[6]；孙智勇等人利用Logit模型，建立了信号交叉口人行横道处行

人对车头间隙的选择模型，模型直接采用行人等待时间及行人数量作为自变量[7]。

以上生存率曲线模型与Logit模型并没有区分个体行人闯红灯及体行人闯红灯行

为，独立事件概率叠加模型中考虑了这一点：通过单独个体行人闯红灯概率的叠加，

建立体行人的闯红灯行为模型[8]。但独立事件概率叠加模型的前提假设是：行

人间的闯红灯行为是相互独立的。这与体行人实际过街情况并不相符合，因为

体行人过街时，行人间存在相互影响，表现为行人的从众效应。因此，针对个体行

人与体行人闯红灯行为，需要分开进行研究。

本文区分对待个体行人过街闯红灯与体行人过街闯红灯行为，并对影响因素进行

筛选，分别建立行人过街闯红灯行为的Logit模型。

2.1 数据调查

为尽量减少其他干扰因素，从十字型四相位信号交叉口，随机选取北京8条人行

道作为数据采集对象，交叉口涵盖主干路与主干路、主干路与次干路、次干路与次

干路相交的情况。具体道路交通状况见表1。

采集的影响因素包含：①人行道长度；②行人相位信号灯时长；③行人相位红灯时

长；④行人闯红灯穿越车流时的车头时距；⑤行人性别；⑥行人等待时间；⑦行人

中最长的行人等待时间；⑧行人人数。

2.2 差异分析

根据行人过街调查及相关参考文献[9]，定义个体行人闯红灯为单独个体行人的闯

红灯行为。体行人闯红灯则以1 s为时间间隔，作为判定相邻通行行人是否为同

一个行人(组)的标准。共调查了1 157名行人的过街行为，包含627名个体行

人与90组(共530人)体行人。

根据统计结果，个体行人过街闯红灯行为与体行人过街闯红灯存在显著的差异，

主要如下。

(1)体行人闯灯率显著高于个体行人：体行人闯灯率为68%，个体行人的闯灯

率为51%。

(2)体行人闯红灯所选择的车头时距显著高于个体行人：调查数据中，所有的

体行人闯红灯均是在无车流阻拦的情况下发生，即车头时距足够大时；个体行人闯

红灯中，46%的行人选择了8.9 s的车头时距进行穿越，54%的行人是在无车流阻

拦时。

3.1 影响因素分析

针对个体行人过街闯红灯行为，从道路、交通及行人三方面因素，选取了人等待时

间、行人相位红灯时长、人行道长度、车头时距、行人性别等主要影响因素进行分

析。

3.1.1 行人等待时间与行人相位红灯时长

行人等待时间与行人相位红灯时间有直接的关系，红灯相位时间较长时，行人等待

时间也长，行人最长的等待时间即为行人相位红灯时长。随着行人等待时间的增加，

行人闯灯率也随之增加(图1)。为此，需要分别检验行人闯灯率与行人等待时间、

行人相位红灯时长的关系。

根据Pearson相关性检验：个体行人闯红灯率与行人相位红灯时间并无显著相关

性，而与行人等待时间有显著相关性(表2)。在进行模型自变量因素纳入时，选择

行人等待时间这一显著因素。

3.1.2 车头时距

选取车头时距这一指标，进行行人闯灯率与交通流状态的关系分析。根据实际调查

数据：较大的车头时距往往导致更多的行人闯红灯行为，信号交叉口约46.1%的

闯红灯行人选择小于15 s的车头时距，53.9%的闯红灯行为选择在大于15 s的车

头时距，此时可以近似于无车流阻拦。因此判定：车头时距对信号交叉口个体行人

闯红灯行为有显著的影响(图2)。

3.1.3 人行道长度

根据本文调查结果发现：个体行人闯灯率随人行道长度的增加，呈下降趋势(图3)。

根据实地调查视频：人行道越长车道数越多，路口车流量一般也较大，车流速度则

较快，这造成了行人穿行更为谨慎，从而导致个体行人闯灯率随人行道长度的增加

而下降。由此可见：交通流状态比人行道长度更能直接反映了对行人违章的影响

(图2)。在进行模型自变量因素纳入时，选择车头时距这一影响因素，而未纳入行

人道长度。

3.1.4 行人性别

所调查的过街行人中，男性行人闯红灯比率约为66%，女性约62%。根据列表独

立性检验(表3)，在95%的置信 区间下：信号交叉口行人闯红灯行为与性别无关。

3.2 个体行人闯红灯行为模型

根据上文分析结果可知：行人等待时间、车头时距是个体行人闯红灯行为的显著影

响因素。本文选取这两个指标代入模型作为自变量，以行人不闯灯为参照，以行人

闯灯概率作为模型因变量。

将数据代入Logit模型求解，模型输出结果及参数显著系数如表4。

根据变量参数系数，得模型如下：

式(1)中；y=0.042ht+0.005td-3.577; ht>5s；p为行人闯灯概率；ht为车头时距

(s)；td为行人等待时间(s)。

根据显著分析结果可知：行人等待时间的显著系数为0.581，车头时距的显著系数

小于0.001，表明车头时距(ht)对信号交叉口个体行人闯红灯行为的影响大于行人

等待时间，但并不表明行人等待时间对个体行人闯红灯无影响(图3)。根据模型结

果：在闯红灯行人选择的平均车头时距(8.9 s)下，行人等待时间达到45 s(t=45)时，

得到闯灯率曲线的拐点，即此时行人闯红灯行为的可能性(闯红灯率)增加最快。

根据个体行人闯红灯行为分析结果：人行道长度、行人相位配时、行人性别均为不

显著影响因素。根据实际调查样本：信号交叉口体行人闯红灯全部发生在无车流

阻拦时。对于车头时距这一影响因素，本文将其视为体行人闯红灯的前提条件，

而不作为影响因素。

因此，在体行人闯红灯行为分析中，影响因素初步可定为： ①行人人数；②行

人平均等待时间；③人中最长行人等待时间。

4.1 影响因素分析

在显著因素判断中，如分析时间单元选取过小，数据本身的随机误差会对分析结果

有较大的影响；如分析时间单元选取过大，会掩盖数据应有的规律性。为此，本文

以单个信号周期时长为起始，通过逐步递增分析时间单元的方法，判定各影响因素

与体行人闯灯率之间的关系。分析时间单元依次为：单信号周期、双信号周期、

15 min(约为4个信号周期)、30 min、45 min、60 min。

4.1.1 行人人数

不同分析时间单元下，行人人数与闯灯率的显著分析结果表5。

根据分析结果可知：当分析时间单元为15～60 min时，行人人数及体行人闯灯

率具有显著的相关性。本文认为行人人数对体行人闯灯具有显著影响。

4.1.2 行人平均等待时间

行人平均等待时间为行人中每个人的平均等待时间。与行人人数与闯灯率的分

析方法类似，分析行人平均等待时间与闯灯率关系，得到如下结论：不同的分析

时间单元下(单信号周期至60 min)，行人平均等待时间与体行人闯红灯率均无

显著相关关系。因此，不认为行人平均等待时间对体行人闯灯具有显著影响。

4.1.3 最长等待时间

体行人违法闯灯时，具有从众性，即某个行人的闯灯行为往往引起其他行人的跟

随，利用行人中最长行人的等待时间(最长等待时间)进行分析，可以体现体行

人违法的从众性。

分析时间单元内包含多个行人时，行人最长等待时间采计算方法如下：

式(2)中，tz为最长等待时间；tzi为行人中最长行人等待时间，s；n为分析时

间单元内行人个数。

对行人最长等待时间与闯灯率进行显著分析，结果为：当分析时间单元为15

min、30 min、60 min时，最长等待时间与体行人闯灯率有显著相关性。图4

是分别为以30 min为分析时间单元为例时，行人闯灯率与最长等待时间关系图。

由此可见，相比于行人平均等待时间，行人最长等待时间对行人闯红灯的影响

更为显著并合理。

4.2 体行人闯红灯行为模型

根据上文分析，信号交叉口体行人过街闯红灯的显著影响因素为：行人人数及行

人最长等待时间，无车流阻拦为体行人过街闯红灯行为的前提条件。

将原始数据代入Logit模型进行求解，得信号交叉口体行人过街闯红灯行为模型。

自变量相关系数的显著性小于0.05。模型结果如下：

y=0.012n+0.09tz-4.185

式(4)中；p为行人闯灯概率；n为行人人数；tz为行人中最长等待时间；

ht>15s。

由模型结果：当体行人中最长行人等待时间达到45.7 s，或行人人数达到4人

时，行人闯灯率增加最快，即最容易激发行人的集体闯灯行为。

针对信号交叉口个体行人与体行人过街闯红灯行为，通过实际调查与分析得到如

下主要结论。

(1)个体行人闯红灯行为的显著影响因素有：车头时距与行人等待时间。据本文调

查：行人闯红灯时最小车头时距为5 s；85%行人的等待时间为60 s，当行人等待

时间超过120 s后，几乎不再有闯红灯行为发生。根据显著性检验：车头时距的

影响大于等待时间。

(2)行人等待时间对个体行人与体行人闯灯行为的影响并无显著差异：二者均是

当等待时间达到46 s之间时，闯红灯行为的概率增加最快。当行人人数显著影响

体行人闯灯率，这体现了当个体行人等待不耐烦而闯红灯时，易引发体闯红灯。

(3)对于体行人过街，当人数达到4人时，最容易激发行人的集体闯灯行为。

本文结论为信号交叉口配时及行人违法闯红灯的管理提供的了参考。

Chen Yixin, Xu Ting, Sun Xiaoduan. Study on red-light violation behavior of

individual pedestrian and pedestrian group at signalized intersections[J].

Science Technology and Engineering, 2017， 17(8)： 288—292

【相关文献】

1 钱宇彬，刘浩学. 二次过街路口行人违反交通法规规律的研究. 安全与环境学报，2006；6(6)：

119—122 Qian Y B, Liu H X. Regularity of the pedestrian violation of traffic rules at twice-

crossing intersections. Journal of Safety and Environment, 2006; 6(6): 119—122

2 Yagil D. Beliefs, motives and situational factors related to pedestrians’ self-reported

behavior at signal-controlled crossings. Transportation Research Part F, 2000; 3: 1—13

3 孙世君. 信号交叉口行人违法行为心理研究. 北京：北京交通大学，2007 Sun S J. Behavior and

psychology study on pedestrians traffic offence at signalized intersection. Beijing: Beijing

Jiaotong University, 2007

4 刘光新，李克平，孙 剑. 信号控制交叉口行人过街等待时间研究. 中国安全科学学报，2009；

19(9)：159—166 Liu G X, Li K P, Sun J. Research on pedestrian’s waiting time at signal

intersection. China Safety Science Journal, 2009; 19(9): 159—166

5 Geetam T, Shrikant B, Arvind S, et al. Survival analysis: pedestrian risk exposure at

signalized intersections. Transportation Research Part F, 2007; 10: 77-89

6 武嘉玮，张梦瑶，李纯清，等. 信号交叉口行人过街行为研究分析与建模.智能交通，2011；

18(9)：100—101 Wu J W, Zhang M Y, Li C Q, et al. Study on the pedestrian’s crossing

behavior and model. Intelligent Transport, 2011; 18(9): 100—101

7 孙智勇，荣 建，何 民，等. 信号交叉口人行横道处的行人可接受间隙研究. 公路交通科技，2004；

21(11)：102—115 Sun Z Y, Rong J, He M, et al. A model of pedestrian gap acceptance in

crosswalks at signalized intersections. Journal of Highway and Transportation Research

and Development, 2004; 21(11): 102—115

8 周致纳，史忠科，李迎峰. 行人体闯红灯行为决策模型. 系统工程理论与实践，2009；29(11)：

177—182 Zhou Z , Shi Z K, Li Y F. Pedestrian’s decision model with non-complying

colony. Systems Engineering Theory and Practice, 2009; 29(11): 177—182

9 王小华. 平面信号交叉口机动车穿越行人决策建模研究. 北京：北京交通大学. 2008：352—366

Wang X H. Study on the decision-making behavior of vehicles getting across pedestrians.

Beijing: Beijing Jiaotong University, 2008：352—366