0 引言

行人过街安全问题一直是道路交通领域关注的重点之一^[1]。随着机动车和非机动车交通流量的持续攀升，行人过街环境复杂性日益凸显，在过街过程中频繁面临与各类车辆(尤其是非机动车和机动车)的多重交互冲突。无信号控制交叉口因其缺乏有效交通组织，成为此类冲突的高发区域，显著提升了事故发生的概率，并且一旦事故发生，行人作为弱势群体所受伤害通常更为严重。

传统行人过街安全研究依赖于事故统计分析，然而该方法常受限于事故的随机性高、样本少等固有缺陷^[2]。行人事故数据记录普遍存在不完整与偏差问题，也严重影响了对事故产生机理的深入探究^[3]。相较而言，具有“大样本、短周期、小区域、高信度”等统计学优点的交通冲突，在交通安全领域的应用日益增多^[4-5]，比如冲突模型构建^[6]、交通事故预测^[7-8]、交通安全评价^[9-10]、前后对比研究^[11]、安全实时预测^[12-13]。

交通冲突指道路使用者在时空上相互接近，若任一方未及时采取避险动作则极可能引发碰撞的交通事件^[14]。国内外学者使用交通冲突技术对行人过街安全问题进行了较为深入的探索，这类研究多采用距离碰撞时间(TTC)、后侵入时间(PET)等时空接近度指标衡量交通冲突。比如：刘辉^[15]以PET作为冲突严重程度的衡量指标分析了无信号环境下交通安全影响因素；Chen^[16]使用PET和相对碰撞时间(RTTC)表示人车冲突在时间上的接近程度；彭勇^[17]以行人安全边际时间(PSMT)为人车冲突严重程度衡量指标，分析了无信号环境下行人过街安全影响显著的因素；张存保^[18]以PET判定人车之间的冲突及严重程度，并以行人过街冲突次数为指标分析手机对行人过街安全的影响；Zhang^[19]基于行人过街时发生轻微或严重冲突的概率研究车道数等无信号环境下各种影响行人过街安全的因素，发现车道数的增加以及行人的某些行为特征显著增加行人过街风险。上述研究关注的均为行人-机动车交通冲突。

在行人及自行车交通安全研究中，除时空接近度指标外，体现避险操作(如制动、转向)的度量指标也得到较多应用^[20-22]。比如，Tageldin^[23]通过对比分析指出，相较于时空接近度指标，转向角速度变化率(YRR)和加速度变化率(Jerk)等避险行为指标在评估摩托车、自行车及行人共存的复杂混合交通冲突时更具适用性。此外，Tageldin^[24]分析了上海、新德里、多哈、纽约、温哥华等5个城市的行人交通冲突(包括行人-机动车冲突和行人-非机动车冲突)，同样发现避险行为指标比时空接近度指标所判别的冲突更为合理。但需注意的是，单一避险行为指标亦存在局限性，由于部分广义避险操作(如制动、转向)可能仅为道路使用者的预防性措施，未必构成实质风险^[25]。

综上可知，目前对行人过街安全的研究主要关注了行人-机动车交通冲突或行人-非机动车交通冲突，却忽略了行人连续过街过程中两类冲突间的内在联系。此外，依赖单一冲突指标进行判别，也难以实现对行人过街安全问题的全面可靠评估。鉴于此，以无信号交叉口为研究对象，聚焦于行人过街过程中的接续冲突，通过融合多指标的冲突判别和接续冲突特性解析，对无信号环形交叉口行人过街安全问题进行量化分析，以期丰富与完善交通冲突技术的方法体系，也为行人过街交通安全改善措施制订提供依据。

1 接续冲突界定及严重程度量化 1.1 接续冲突界定

在邻接路段设有物理分隔的无信号控制人行横道处，行人单次过街需按顺序穿越非机动车道及机动车道。如果非机动车、机动车流量较高，行人于单次过街过程中会连续遭遇与非机动车、机动车的交通冲突，本研究将此序列化冲突现象定义为接续冲突。在实际识别过程中，接续冲突的判定依据是行人在机非分隔带处的停留时长及冲突对象是否变更。如图 1所示，行人1穿越机非分隔设施处时无停留，冲突主体(自行车与机动车3)与初始预判相符，故两次冲突构成接续冲突；行人2因在机非分隔设施处停留导致冲突主体由机动车3变为机动车4，对应的两次冲突为非接续冲突(2次独立冲突)。

1.2 冲突严重程度衡量指标 1.2.1 时空接近度指标

常用的交通冲突严重程度衡量指标主要是时空接近度指标(如TTC、PET)，而已有研究也表明PET在衡量涉及行人交通冲突的严重程度时具有一定的可靠性^[26]。PET指冲突一方离开潜在冲突区域与另一方进入潜在冲突区域的时间差^[2]，如图 2所示，其中t₁、t₃为行人离开冲突区域的时刻，t₂、t₄分别为非机动车、机动车进入冲突区域的时刻。较小的PET值意味着冲突双方的安全余量不足，预示着更高的冲突严重性及事故风险。

1.2.2 避险行为指标

交通冲突也可以避险行为的出现作为判定准则^[27]，对应的冲突严重程度则可通过避险行为的急切程度予以衡量，常用的量化衡量指标包括加速度变化率(Jerk)和转向角速度变化率(YRR)，具体计算公式如下^[21]:

$ J(t)=\dot{A}(t), $

(1)

$ R_{\mathrm{YR}}=\frac{\max r(t)-\min r(t)}{t_{\mathrm{s}}-t_{\mathrm{e}}}, $

(2)

式中，J (t)为t时刻的加速度变化率；A (t)为t时刻的加速度；R_YR为转向角速度变化率；r (t)为t时刻的转向角速度, r (t)=dφ/dt，φ为转向角; t_s为转向开始时刻; t_e为转向结束时刻。加速度变化率和转向角速度变化率的绝对值越大，表明冲突的严重程度越高。

1.2.3 联合衡量指标

时空接近度指标、避险行为指标在优缺点、适用性及评估视角上存在差异^[28-29]，这导致依赖单一指标易产生片面性，且不同指标对同一事件的判别结果常不一致。例如，当行人意识到与机动车存在碰撞风险而急停避让时，其急停行为导致Jerk绝对值显著增大，同时因行人停止等待，其与机动车的PET值也较大。此时，基于Jerk指标易判定该事件为严重冲突，而从PET的角度该事件则可能不是交通冲突。鉴于此，采用映射函数方式实现不同类型冲突指标的联合^[28]，形式如下：

$ C_{\mathrm{ST}}=\psi\left\{x_1, x_2, \cdots, x_n\right\}, $

(3)

式中，C_ST∈ [0, 1]为冲突严重程度指数(英文简称缩写为STC)；x₁, x₂, …, x_n为冲突指标；ψ为映射函数。STC的构建依据以下原则：一是选用负指数函数(y=e^-x) 将不同量纲的指标统一转换为无量纲且取值在[0, 1]区间的严重程度指数^[30-31]；二是映射方向需符合指标特性：PET越小表示越严重，YRR和Jerk绝对值越大表示越严重；三是若转向和减速避险行为同时发生，则选取二者中计算的严重程度更高者作为代表值。构建的冲突联合衡量指标如下：

$ C_{\mathrm{ST}}=\frac{\mathrm{e}^{-T_{\mathrm{PET}}}+\max \left\{\left(1-\mathrm{e}^{-R_{\mathrm{YR}}}\right), \left(1-\mathrm{e}^J\right)\right\}}{2} 。$

(4)

式中T_PET为后侵入时间。

1.2.4 冲突严重程度界定

采用冲突指标的85%和15%分位值作为临界阈值^[9]，将冲突划分为严重冲突、一般冲突和无冲突3个等级。对于指标YRR、Jerk和STC，若某次冲突中任一冲突主体(行人、非机动车或机动车)的指标绝对值超过其85%分位临界值，则判定该冲突为严重冲突。

2 数据采集与处理 2.1 数据采集

研究数据采集自沈阳市青年大街-文化路环形立交区域。具体观测点位于该立交西北、东北及东南方向的6个存在机非分隔设施的无信号交叉口(编号1~6)。以地点2为例：西南方向来车在此呈Y形分流，一股向北行驶，另一股东行；东行车辆轨迹与行人过街路径相交。调查点分布及地点2的交通流线示意如图 3所示。使用无人机录制了6个调查点共约9 h(涵盖高峰和平峰)的交通运行状况视频。调查地点、时间及录制视频时长见表 1。

2.2 数据处理

首先，采用人工计数方式从视频中统计交通流量数据。整个观测期间，共记录机动车3 360辆、非机动车3 710辆、过街行人5 582人(离立交方向2 886人，向立交方向2 696人)。按1 min间隔统计的平均流量信息汇总于表 1。

其次，基于T-Analyst软件处理视频数据^[32]，其流程涵盖：(1)图像标定，核心是利用T-calibration软件包建立单应矩阵，通过选取视频帧与垂直航拍图的共同特征点实现几何校正(图 4)，全域平均配准误差3 cm，最大误差7 cm；(2)轨迹提取：以15帧/s速率手动标定校正视频中道路使用者中心点，经轨迹平滑构建运动轨迹数据库；(3)冲突指标计算：自动识别潜在冲突轨迹对并输出时空接近度指标(如PET)。该软件通过追踪参与者运动轨迹获取速度/加速度参数，并基于轨迹匹配计算冲突指标。

最后，除利用T-Analyst直接获取PET值外，本研究还依据道路使用者轨迹数据，运用公式(1)、(2)、(4)分别计算YRR值、Jerk值和STC值。提取得到的冲突指标统计见表 2。

3 接续冲突判别结果分析 3.1 接续冲突判别结果

通过匹配行人、机动车及非机动车的轨迹，共识别出925组接续冲突。按行人过街方向统计：离开立交方向506组，进入立交方向419组。

图 5展示了一个典型的接续冲突，相关道路使用者的速度与加速度变化见图 6。该例中，行人首先与一辆汽车发生冲突(80~112帧)，随后与一辆电动自行车发生冲突(128~168帧)。第一次冲突时，T_PET=0.87 s，行人的R_YR=0.168 rad/s²，J= ― 1.2 m/s³，C_ST=0.559，汽车的J= ― 0.3 m/s³、C_ST=0.339，双方均无明显避险动作。第2次冲突时，T_PET=0.80 s，行人的R_YR=0.206 rad/s²、J= ― 0.6 m/s³、C_ST=0.450，电动自行车的R_YR=0.190 rad/s²、J= ― 2.1 m/s³、C_ST=0.663，电动自行车急剧减速。依据STC的85%分位临界值，第2次冲突被判定为严重冲突。如果从PET的角度看，2次冲突均可界定为严重冲突。然而，第1次冲突时行人与汽车的安全裕度虽然较小，但无明显避险行为，说明二者在作用前已知悉对方的接近，因而事故风险较小；第2次冲突不仅PET较小，而且电动自行车有明显的刹车行为，显然发生事故的风险更高。这也在一定程度上说明了联合衡量指标的冲突判别结果比单一指标更符合实际。

3.2 冲突判别结果对比分析

识别出的925组接续冲突共包含1 850次单一冲突事件，其中PET判定为严重冲突279次、一般冲突1 348次；YRR判定为严重冲突398次、一般冲突1 473次；Jerk判定为严重冲突596次、一般冲突1 738次，具体如图 7所示。不同指标的判别结果存在显著差异，仅有33次冲突被三者一致判定为严重冲突，同时被判定为一般冲突的也仅997次。由此可见，基于单一冲突指标开展行人过街安全分析可能产生较大偏差。相比之下，综合指标STC通过映射函数将3类异质指标统一转化为单一冲突严重性度量，为包含不同道路使用者的冲突提供了更稳健的判别依据。计算结果显示，基于STC判定的严重冲突共计423次。

4 行人过街接续冲突特性与安全性分析 4.1 冲突生成规律分析

以1 min为统计单元，分析接续冲突频次与行人、机动车及非机动车流量的关联，见图 8。图 8(a)显示：冲突频次随行人流量或机非总流量的上升而增加，特别是当行人流量大于10人/min、机非总流量在16~25辆/min区间内冲突频次较高。图 8(b)进一步表明，冲突热点出现在非机动车流量10~16辆/min、机动车流量6~9辆/min的区域。当机动车或非机动车流量继续增大时，冲突频次反而降低，主要原因在于可供行人安全穿越的可接受间隙减少。

为量化揭示接续冲突的生成规律，本研究构建了负二项回归模型，其基本假设是每分钟接续冲突发生频数n服从负二项分布。具体模型结构如下：

$ \begin{gathered} P(n)=\frac{\varGamma\left(n+\frac{1}{\kappa}\right)}{\varGamma\left(\frac{1}{\kappa}\right) \cdot n!}\left(\frac{1}{1+\kappa \lambda}\right)^{\frac{1}{\kappa}}\left(\frac{\kappa \lambda}{1+\kappa \lambda}\right)^n, \end{gathered} $

(5)

$ \ln \lambda=\alpha_0+\alpha_i X_i, $

(6)

式中，λ为期望接续冲突数；X_i为影响接续冲突的变量；α₀为常数项；α_i为待标定变量系数；κ为负二项分布的过度离散系数，i=1, 2, 3, 4。根据不同变量组合构建多个模型，并以赤池信息准则(Akaike Information Criterion, AIC)为标准比选模型，其中^[33]，

$ \mathrm{AIC}=-2 L L+2 k+\frac{2 k(k+1)}{(n-k-1)}, $

(7)

式中，LL为模型的逻辑似然度；k为变量个数；n为样本数量。一般AIC值越低表明模型越优。由表 3可知，模型M2为最优模型。因此，每分钟期望接续冲突数可表示为：

$ \lambda=\exp (-2.263) \cdot V_{\text {ped }}^{0.635} \cdot V_{\text {veh }}^{0.931} \cdot \exp \left(-0.22 \frac{V_{\text {veh }}}{V_{\text {ece }}}\right), $

(8)

式中，V_ped为行人流量；V_veh为机动车流量；V_cyc为非机动车流量。

4.2 冲突严重程度分析

本研究识别的925组冲突中离开立交(A向)506组，进入立交(B向)419组。定义A向第1次冲突为A1(行人-机动车)，第2次为A2(行人-非机动车)；B向第1次冲突为B1(行人-非机动车)，第2次为B2(行人-机动车)。采用配对样本T检验，分别分析A1与A2、B1与B2之间的严重程度(STC)差异，结果见表 4。

由表 4可知，A1-A2配对检验p=0.038 < 0.05，且A2的STC均值(0.492)高于A1(0.468)，表明在A方向，第2次冲突(行人-非机动车)比第1次(行人-机动车)更严重。B1-B2配对检验p=0.019 < 0.05，且B1的STC均值(0.512)高于B2(0.482)，表明在B方向，第1次冲突(行人-非机动车)比第2次(行人-机动车)更严重。综上，接续冲突组内2次冲突的严重性差异主要取决于冲突对象类型(机动车或非机动车)，而非冲突发生的时序。进一步按冲突对象类型(不分方向)合并分析，配对T检验结果表明，行人-非机动车冲突的STC均值(0.501)显著高于行人-机动车冲突(0.474)(p=0.002 < 0.05)，即行人与非机动车的冲突整体更为严重。

4.3 行人过街安全性分析 4.3.1 冲突对象安全性分析

行人在过街过程中会与机动车、非机动车发生冲突，图 9对比了接续冲突事件中涉及机动车与非机动车的冲突指标值。由图 9可见，行人-机动车的PET均值(1.645 s)大于行人-非机动车的PET均值(1.342 s)。考虑到行人与机动车碰撞后果会更严重，行人在面对连续车流时，会优先关注机动车流并伺机利用其可接受间隙过街。此时，非机动车流可能并无足够间隙，但鉴于非机动车速度较低且车道较窄便于快速通过，行人常选择快速甚至强行穿越非机动车道，以抓住机动车流的间隙。同时，非机动车骑行者通常不会停车让行，而是试图寻找行人间的空隙保持速度通过。这种交互模式下，为避免碰撞，行人与非机动车骑行者均频繁实施转向、急刹等避险动作，导致其YRR和Jerk绝对值增大，冲突严重性上升(碰撞风险提高)。

4.3.2 调查点安全性分析

本研究在环形交叉口共设置6个观测点(图 3)，其中点位1，3，5为合流区，点位2，4，6为分流区。根据各点记录的接续冲突发生频次，计算其接续冲突率，公式如下：

$ R=\frac{T}{\sqrt{V_{\text {ped }} \cdot\left(V_{\text {veh }}+V_{\text {eyc }}\right)}} $

(9)

式中，R为接续冲突率；T为调查时段内的接续冲突数。

表 5列出了各观测点的冲突率值及平均STC值。结果显示：各点冲突率及平均STC值存在差异，但合流区(点1，3，5)的冲突率和平均冲突严重程度整体高于分流区(点2，4，6)。这可能是由于车辆驶近合流区与分流区时的速度特性不同所致。车辆在进入合流区前通常行驶于较长直线路段，车速较高；驶离合流区后，受弯道限制及合流区与分流区间距较短影响，车辆难以充分加速；同时，机动车由合流区驶向分流区时需汇流交织，进一步降低了车速。较低的车速为道路使用者提供了更充分的反应时间与空间，从而降低了冲突严重程度。因此，在合流区上游适当位置增设行人过街警示标志标线，促使车辆提前减速，是提升该区域行人安全性的有效策略。

5 结论

(1) 本研究从接续冲突视角分析无信号交叉口的行人过街安全性。基于无人机航拍的交通视频，使用T-Analyst软件提取道路使用者轨迹及冲突指标，提出融合PET，YRR，Jerk等指标的综合衡量指标STC，并结合识别的925组接续冲突研究冲突生成规律及其严重程度。

(2) 接续冲突产生与行人、机动车、非机动车交通量密切相关，且在行人流量＞10人/min，机动车、非机动车流量分别在6~9辆/min和10~16辆/min时，接续冲突数量最多；当机动车流量继续增大时，因可接受间隙变小而导致接续冲突数降低。

(3) 接续冲突组内2次冲突的严重性差异主要取决于冲突对象(机动车或非机动车)而非发生顺序，其中与非机动车的冲突严重程度更高。同时，环形交叉口合流区行人过街安全风险显著高于分流区。上述结论可为改善无信号环形交叉口行人安全提供针对性指导。

(4) 本研究为无信号交叉口行人过街安全分析提供了全新视角和方法参考，后续研究需加强冲突数据搜集以进一步验证结论。此外，随着“礼让行人”法规的逐步实施，未来需进一步考虑机动车、非机动车礼让行人的可靠性对接续冲突的影响。