信号控制交叉口交通冲突特征与影响因素

王雪松，罗 楝

(1.同济大学交通运输工程学院，上海201804；2.同济大学道路与交通工程教育部重点实验室，上海201804)

信号控制交叉口交通冲突特征与影响因素

王雪松1,2，罗 楝1

(1.同济大学交通运输工程学院，上海201804；2.同济大学道路与交通工程教育部重点实验室，上海201804)

对信号控制交叉口交通冲突的特征及影响因素进行分析能够快速明确交叉口的安全隐患，并提出合理的改善措施。通过对上海市5个信号控制交叉口进行交通冲突调查，分析信号控制交叉口的冲突类型特征和冲突点空间分布规律，揭示信号控制交叉口交通冲突的致因。结果表明，最突出的机—机冲突类型为直行与对向左转冲突(45%)。另外，超过50%的机—非冲突以及机—人严重冲突与右转机动车相关。利用线性回归模型和负二项模型分析冲突及严重冲突的影响因素，结果显示左转专用相位、右转车比例及大型车比例是显著影响因素。

信号控制交叉口；交通冲突；冲突类型；冲突点空间分布；影响因素

1 研究背景

信号控制交叉口(以下简称“信控交叉口”)是城市道路的重要节点，大量的车流及人流在交叉口汇集、通过、转向。信控交叉口存在大量的机非混行情况，交通秩序较为混乱，往往也是事故多发点。对事故多发的信控交叉口进行致因分析并提出针对性的安全改善措施对于提高交叉口安全水平有显著作用。然而，由于事故数据采集周期长、样本量小，基于事故数据的安全分析方法受到制约。而交通冲突数据样本量大、观察周期短，可以作为事故替代变量对信控交叉口安全进行快速分析。

交通冲突是指两个或两个以上道路使用者在空间和时间上相互接近，以至于如果任何一方不及时改变其行驶轨迹，将会发生碰撞[1]。随着视频技术的发展，交通冲突视频观测能提供比人工观测更可靠、更准确的数据，一些研究通过算法从视频中自动识别冲突并提取数据[2-3]，弥补了人工观测工作量大的缺点，这些都为交通冲突分析提供了良好的数据基础。

已有对交通冲突的研究主要包括三个方面。1)通过统计建模分析交通冲突与事故之间的关系，探索交通冲突是否能作为事故的替代变量[4-5]。2)研究非严重冲突和严重冲突的判别指标，包括综合指标[5]和单一指标[6]。单一指标中冲突时间(Time to Collision,TTC)最为常见，其定义为“两辆车如果不改变行驶状态而发生碰撞的时间”[7]；冲突时间越小严重程度越高，当其小于某一阈值时则认为该冲突为严重冲突[6]。3)利用冲突数据对交通设施的安全性进行评估[8-10]。

现有研究大多仅将交通冲突作为安全水平的评估指标，而缺乏对冲突特征的深入分析。考虑到事故数据的制约性，通过冲突特征分析找出信控交叉口的冲突致因，并明确冲突影响因素，有助于快速了解信控交叉口安全隐患，为安全改善提供帮助。本文利用交通冲突观测技术研究混合交通条件下信控交叉口内的交通冲突特征及其影响因素，为制定信控交叉口安全改善措施提供依据。

2 交通冲突调查

交通冲突调查地点需要满足3个原则：1)信控交叉口没有特殊交通管制；2)在调查期间信控交叉口的交通量变化较小；3)为研究混合交通条件下的冲突特征，信控交叉口还必须有相当比例的非机动车和行人流量。根据上述原则从上海市嘉定区和普陀区选取5个信控交叉口进行交通冲突调查。

2.1 调查方法

交通冲突调查采用视频观测方法，调查日期为2013年5月23日。选取该工作日7∶30—9∶30对信控交叉口冲突情况进行连续2 h的高清视频拍摄。为确保视频可以清晰、无遮挡地展示整个信控交叉口的交通运行情况，选在附近较高的建筑物进行俯拍。在视频拍摄过程中还对交叉口的基本特征进行人工记录，记录内容包括交叉口所在区域、交通设施及信号控制情况。

2.2 数据提取

需提取的数据包括交叉口基本特征、流量及冲突数据。根据现场人工记录，5个信控交叉口的基本特征如表1所示。

流量及冲突数据从拍摄的视频中提取。流量数据以进口道为单位按照车型(大、中、小)及行驶方向(左转、直行、右转)分别进行统计(见表2)。由于信控交叉口存在大量混合交通，为消除各类型交通之间的差异，需将交通量转化为混合交通当量(mpcu)[11-12]。

冲突数据包括冲突类型、冲突位置、冲突数量及严重冲突数量。冲突类型、位置及数量可以通过视频观测直接提取并统计；而严重冲突则需要通过计算冲突时间进行判别。冲突数据的提取过程如图1所示。将交通参与者运行状况发生明显改变的时刻作为避险行为生效的瞬间，根据避险行为生效瞬间冲突双方的位置及走向得出冲突类型及发生位置。冲突时间TTC是冲突距离与冲突速度的比值。冲突距离为冲突车辆在避险行为生效瞬间与冲突位置的距离；冲突速度是车辆避险行为生效瞬间的行驶车速。冲突时间计算过程如下：

表1 被调查交叉口基本特征Tab.1 Characteristicsof the investigated intersections

表2 进口道混合交通当量特征值Tab.2 Characteristicsofmix traffic volumeof entering lanes mpcu

图1 冲突数据提取过程Fig.1 Processof conflictdata extracts

表3 冲突率和严重冲突率特征值Tab.3 Characteristicsof conflict rateand severe conflict rate 次·10-4mpcu

图2 交通冲突类型示意Fig.2 Typesof conflict

1）计算避险行为生效前2～3 s内的平均车速作为冲突速度，V=S/T，式中：V为冲突速度/(m·s-1)，S为行驶距离/m，T为行驶时间/s；

2）分别提取冲突双方与冲突位置的距离L；

3）分别计算冲突双方的冲突时间TTC=L/V。

冲突时间越短则冲突严重性越高[6]，对比冲突双方的冲突时间，选取较短的冲突时间作为该次冲突严重性的判别指标。参照美国标准，将TTC＜1 s的冲突判别为严重冲突[13]。经过严重冲突判别后，分别统计冲突数量及严重冲突数量。

信控交叉口的交通冲突数量和流量大小密切相关。若以交通冲突绝对数作为判断安全水平的指标，容易对冲突数量多但交通量大的信控交叉口做出误判。因此引入冲突率指标消除交通量的影响。冲突率是信控交叉口一定时间内的交通冲突数量与交通量的比值。由于交通冲突仅与发生冲突的某两个或多个对象有关，则冲突率

式中：Ri-j为冲突对象i和j之间的冲突率；T为单位时间内i和j的交通冲突数量/次；Pi，Pj分别为冲突对象i和j在单位时间内的混合交通当量[14]/mpcu。通过公式(1)计算出5个信控交叉口各进口道的冲突率及严重冲突率(见表3)。

3 交通冲突特征分析

根据交通冲突双方的位置和走向，排除同向冲突后，将机—机冲突分为13种类型，机—非冲突分为17种类型，机—人冲突分为8种类型(见图2)。各种类型的交通冲突在信控交叉口出现的频率、严重程度以及分布的位置各不相同。出现频率及严重程度高的冲突类型以及冲突点分布密集的区域是信控交叉口安全改善关注的重点。

3.1 冲突类型特征

针对机—机冲突类型的调查发现，直行与对向左转(机—机冲突类型3)冲突数量最多，占45%，其次是直行与相邻右转(机—机冲突类型5)以及右转与对向左转(机—机冲突类型10)冲突，三种冲突的数量累积频率高达80%(见图3a)。直行与对向左转冲突主要因无左转专用相位分隔左转车流和直行车流引起，另外在4相位交叉口也会因为直行车辆在通行时间结束后仍未通过交叉口而与对向左转车辆冲突。进一步，直行与对向左转严重冲突的数量占严重冲突总数的54.2%，因此该类冲突是机—机冲突中数量最多且最严重的类型。

针对机—非冲突的调查发现，超过50%的机—非冲突由右转机动车引起，冲突次数最多的两种类型分别是右转机动车与同向直行非机动车(机—非冲突类型16)和右转机动车与近端直行非机动车(机—非冲突类型14)冲突(见图3b)。从视频观测中可知，右转机动车在信控交叉口不受信号控制并且避让非机动车的意识淡薄，而骑车人在信控交叉口的风险骑行行为较多，两个方面的原因引起了较多的右转机—非冲突。此外，右转机动车引起的严重冲突数占机—非严重冲突总数的60%，由此可知右转冲突是机—非冲突中严重性最高的类型。

5个信控交叉口的机—人冲突中，最常出现的类型为右转机动车与相邻出口道行人(机—人冲突类型1)及右转机动车与同向进口道行人(机—人冲突类型8)冲突，共占59%。其次是左转机动车与相邻出口道行人(机—人冲突类型3)冲突，占17%(见图3c)。另外机—人严重冲突的数量以右转冲突类型最为突出，占52%。出现较多的右转机—人冲突是因为机动车可以随时右转，容易与享有通行权的行人发生冲突。而左转机—人冲突多数由进口道未设置左转专用相位引起。

3.2 冲突点空间分布

信控交叉口的右转车流不受信号灯控制，会与其他享有通行权的车流或行人产生较多冲突。被调查的5个信控交叉口中右转流量最大的进口道分别是东进口道、南进口道、东进口道、东进口道和北进口道。由图4可见，机—机冲突点和机—非冲突点密集分布在右转机动车流量大的进口道附近，机—人冲突点多分布在右转汇入流量较大的出口道人行横道处；上述位置的冲突数量约占冲突总数的40%。

如图4中的1号和5号交叉口所示，在二、三相位的信控交叉口中，冲突点除密集分布在右转流量大的进口道附近外，还较多分布于信控交叉口中心区域，1号和5号交叉口中心区域的冲突数量占两个交叉口冲突总数的28%。这主要是因为交通信号未能完全分隔直行和对向左转车流，导致在信控交叉口内部产生较多的直行和左转冲突。

4 影响因素分析

通过交通冲突特征分析可知，信控交叉口的交通流状况、交通设施及信号控制会对交通冲突产生影响。为明确交通冲突及严重冲突的显著影响因素，以信控交叉口的进口道为研究单元进行统计建模分析。首先对各进口道冲突率及严重冲突率的频率分布进行K-S检验，结果显示：除了机—机严重冲突率服从负二项分布外，其余均服从正态分布。因此，分别利用负二项模型和多元线性回归模型进行影响因素分析。模型的因变量为冲突率和严重冲突率，考察的自变量包括交通流、交通设施和信号控制状况(见表4)。

图3 冲突类型频率分布Fig.3 Cumulative frequency of differentconflict types

图4 冲突点分布Fig.4 Distribution of conflictpoints

4.1 机—机冲突及严重冲突

对机—机冲突进行线性回归分析，模型拟合优度R2=0.71。利用负二项模型对机—机严重冲突进行分析，模型拟合优度AIC=124.28。两个模型的结果显示：虽然左转冲突是机—机冲突中数量最多、严重程度最高的类型，但是左转车比例并不是机—机冲突率以及严重冲突率的显著影响因素，而大型车比例和左转专用相位是其显著影响因素(见表5和表6)。大型车比例增加，机—机冲突率和严重冲突率均增大；进口道设置左转专用相位则二者均降低。

大型车占用的道路面积大、转弯半径大，易与其他机动车发生冲突。并且在发生冲突时因其惯性较大，避险措施难以在短时间内生效，冲突的严重性往往较高。另一方面，信号相位是在时间上分离冲突车流的重要手段。若无左转专用相位，直行车流和对向左转车流会在相同的绿灯时间内通过信控交叉口，增加冲突概率，绿灯时间内较快的车速更加剧了冲突的严重性。

4.2 机—非冲突及严重冲突

对机—非冲突率和各因素之间进行线性回归分析，模型拟合优度R2=0.83。结果显示：左转专用相位以及右转车比例是机—非冲突率的显著影响因素(见表7)。机—非严重冲突线性回归模型的拟合优度R2=0.36。左转专用相位仍是其显著影响因素，但右转车比例不再是显著影响因素(见表8)。

右转车的比例越大机—非冲突率越高，这主要是因为右转机动车不受信号控制，容易与非机动车发生冲突。而严重冲突率并不随右转车比例升高而增大，可能是因为右转车流量较大时右转车速会相应降低，减少了严重冲突的发生。另一方面，设置左转专用相位会使机—非冲突率及严重冲突率显著降低。这是因为左转专用相位分离了左转车流和直行车流，显著减少了危险程度较高的左转冲突数量。

4.3 机—人冲突及严重冲突

机—人冲突和机—人严重冲突线性回归模型拟合优度R2分别为0.88和0.82。根据模型结果，右转车比例上升将增大机—人冲突率，另外进口道设置左转专用相位将显著减少左转机动车和相邻出口道行人的冲突(见表9)。机—人严重冲突率同样与左转专用相位显著相关，但是与机—非冲突一样右转车比例并不会显著增加机—人严重冲突率(见表10)。

5 结论

本文通过对上海市5个信控交叉口进行交通冲突调查，分析了信控交叉口的冲突类型特征和冲突点分布规律，并利用线性回归模型及负二项模型分析了冲突影响因素。

冲突类型方面，最突出的机—机冲突类型为直行与对向左转冲突(45%)。另外，超过50%的机—非冲突以及机—人严重冲突与右转机动车相关。信控交叉口的冲突点分布具有规律性。40%的冲突点密集分布在右转流量最大的进口道附近。另外在二、三相位交叉口的中部区域也存在较多的冲突点，主要由直行与对向左转冲突导致。

表4 自变量描述性统计Tab.4 Descriptivestatisticsof independentvariables

表5 机—机冲突线性回归模型结果Tab.5 Linear regressionmodel resultof vehicle to vehicle conflict

表6 机—机严重冲突负二项模型结果Tab.6 Negativebinomialmodel resultsof vehicle to vehiclesevere conflict

表7 机—非冲突线性回归模型结果Tab.7 Linear regressionmodel resultof vehicle to non-motor vehicle conflict

表8 机—非严重冲突线性回归模型结果Tab.8 Linear regressionmodel resultof vehicle to non-motor vehiclesevere conflict

表9 机—人冲突线性回归模型结果Tab.9 Linear regressionmodel resultof vehicle to pedestrian conflict

表10 机—人严重冲突线性回归模型结果Tab.10 Linear regressionmodel resultof vehicle to pedestrian severe conflict

冲突及严重冲突的显著影响因素主要包括左转专用相位、右转车比例和大型车比例。设置左转专用相位能减少左转冲突数量；右转车比例上升会显著增加机—非冲突率和机—人冲突率；大型车比例上升则会使机—机冲突及严重冲突率增大。

冲突特征及影响因素的分析结果为信控交叉口的安全改善措施提供依据。针对直行与对向左转冲突类型，可通过增设左转专用相位减少该类冲突的发生。为减少与右转机动车相关的冲突，可缩小信控交叉口的转弯半径，在右转流量大的进口道附近设置减速警示标志和减速带等设施，并加强非机动车违法行为管理。

[1]Amundsen FH,Hyden C.Proceeding of First Workshop on Traffi c Confl icts[C].Oslo∶Institution of TransportEconomics,1977.

[2]Gordon T,etal.Site-Based Video System Design and Development[R].Washington DC∶Transportation Research Board,2012.

[3]Saunier N,Sayed T.Automated Analysis of Road Safety w ith Video Data[J].Transportation Research Record,2007,2019(1)∶57-64.

[4]Dijkstra A,Marchesini P,Bijleveld F,Kars V,Drolenga H,Van M.Do Calculated Conflicts in M icrosimulation Model Predict Number of Crashes[J].Transportation Research Record,2010,2147∶105-112.

[5]Karim E,Tarek S.Safety Performance Functions Using Traffic Conflicts[J].Safety Science,2013,51(1)∶160-164.

[6]Hydén C.The Development of a Method for Traffic Safety Evaluation∶The Swedish Traffic Conflicts Technique[J].Bulletin Lund Instituteof Technology Department,1987,70∶57.

[7]Hayward J C.Near M iss Determ ination Through Use of a Scale of Danger[R].Pennsylvania∶The Pennsylvania State University,1972.

[8]JarvisA,Tarek S,Mohamed H Z.Safety Evaluation of Right-Turn Smart Channels Using Automated Traffic Conflict Analysis[J].Accident Analysis and Prevention,2012,45(1)∶120-130.

[9]Johansson C,Leden L.Short-Term Effects of Countermeasures for Improved Safety and Mobility at Marked Pedestrian Crosswalks in Borås,Sweden[J].Accident Analysis and Prevention,2007,39(3)∶500-509.

[10]Liu P,Pan T,Lu J,Cao B.Estimating Capacity of U-Turns at Unsignalized Intersections∶The Conflicting Traffic Volume,The Impedance Effects,and the Left-Turn Lane Capacity[J].Journal of Transportation Research Board,2008,2071∶44-51.

[11]JTGB01—2003.公路工程技术标准[S].JTG B01—2003.Technical Standard of Highway Engineering[S].

[12]朱彤，白玉，杨晓光，宋光华.平面交叉口交通冲突安全评价失效分析及改进方法研究[J].中国安全科学学报，2008，18(2)：157-161.Zhu Tong,Bai Yu,Yang Xiaoguang,Song Guanghua.Failure Analysis on Safety Assessment Method for Traffic Conflicts at Level Crossing and Its Improvement[J].China Safety Science Journal,2008,18(2)∶157-161.

[13]Tarek Syaed,Sany Zein.Traffic Conflict Modelsand Standards for Signalized and Unsignalized Intersections[C]//Canadian Society for Civil Engineering Annual Conference,Halifax,Canada,June 10-13,1998,4C∶303-313.

[14]Mohamed T.Developmentof a Conflict Rate Prediction Model at Unsignalized Intersections[D].South Florida∶Department of Civil and Environmental Engineering College of Engineering,University of South Florida,2003.

Traffic ConflictCharacteristics and Influential Factors at Signalized Intersections

Wang Xuesong1,2,Luo Lian1
(1.Schoolof Transportation Engineering of TongjiUniversity,Shanghai201804,China;2.The Key Laboratory of Road and Traffic Engineering of the M inistry of Education,Tongji University,Shanghai 201804,China)

∶Based on traffic conflict characteristics and influential factors at signalized intersections,potential dangers and correspondingmeasures can be identified quickly.Through investigating the traffic conflictsat five signalized intersections in Shanghai,this paper discusses the conflict types and spatialdistribution of conflictpoints so as to identify the cause of traffic conflicts.The results show that themostserious type of conflicts among motor vehicles is between straight-go and left-turn traffic(45%).Besides,over 50%of conflicts betweenmotor vehicles and non-motor vehicles or pedestrians are related to right-turn traffic.By analyzing influential factors of conflict and severe conflict using negative binom ialmodel and linear regressionmodel,the paper concludes that special left-turn phase,proportion of heavy vehicle,and proportion of right-turn vehiclesare the significantinfluential factors.

∶signalized intersection;traffic conflict;conflict types;distribution of conflictpoints;influential factors

1672-5328（2016）06-0060-07

U491.2+6

A DOI∶10.13813/j.cn11-5141/u.2016.0610

2015-04-24

国家自然科学基金项目“组合线性优化设计项目”(51522810)、上海市科委项目“上海市道路交通安全分析预警决策支持与事故主动管控技术研究”(15DZ1204800)

王雪松(1977—)，男，山西忻州人，博士，教授，博士生导师，主要研究方向：交通安全、交通规划、交通信息化、驾驶行为。E-mail∶wangxs@tongji.edu.cn