高可视度人行横道上驾驶员的反应与让行行为：一种具有相关分组随机参数及均值异质性的基于风险的持续时间方法

《Analytic Methods in Accident Research》：Drivers’ reaction and yielding behavior on high visibility crosswalks: a hazard-based duration approach with correlated grouped random parameter and means heterogeneity

　　

**摘要**

本文利用第二次战略公路研究计划（SHRP2）自然驾驶研究（NDS）视频及相应数据，调查了高能见度人行横道（HVC）安装位置附近驾驶员的反应与让行行为。在均值异质性框架下，通过引入相关性分组随机参数对驾驶行为进行研究。分别估计了驾驶员反应持续时间、反应距离、让行持续时间和让行距离的四个独立基于风险的持续时间模型，揭示了若干有趣的研究发现和见解。模型估计结果表明，高能见度人行横道在行人穿越位置之前有效增加了反应和让行指标，并减少了突兀的驾驶行为。有趣的是，高能见度人行横道附近驾驶员的外部扫描倾向增加，导致驾驶员的反应和让行指标增大，表明高能见度人行横道在提升安全性方面具有有效性。此外，利用驾驶员反应模型，讨论了提供上游行人标志放置建议以及估算驾驶员安全速度的方法。本研究结果表明，高能见度人行横道在改善驾驶行为方面具有有效性，所提出的方法论为研究驾驶行为对行人安全的影响打开了新的大门。

**引言**

道路碰撞是一个令人痛心的现实问题，对全球公共安全构成重大威胁。在美国，2021年有42,939人在交通事故中丧生（Stewart，2023）。2021年美国共有7,388名行人在交通事故中丧生，这是自1981年以来的最高值（美国国家公路交通安全管理局（NHTSA），2023）。行人伤害占总伤害的2%，而行人死亡占总死亡的17%（NHTSA，2023）。因此，行人被列为最脆弱的道路使用者群体之一。近年来，多项研究聚焦于行人碰撞事故（Alogaili and Mannering，2022；Barbour et al.，2024；Liu et al.，2024；Pantangi et al.，2021）。行人碰撞事故的发生和伤害严重程度受驾驶员、行人、道路、交通和环境特征的综合影响。以往研究已确定车速、驾驶员损害、分心或注意力不集中、能见度条件和道路特征等是行人碰撞结果的重要贡献因素（Haleem et al.，2015；Khan et al.，2024）。许多这些因素与驾驶行为密切相关，尤其是驾驶员的速度选择、注意力、制动及对行人的反应。在行人横道附近，驾驶员的反应和让行行为尤为重要，因为让行决策可能受接近速度、与人行横道的距离、所需减速量、行人行为和周围交通条件的影响（Schroeder et al.，2011；Sogbe，2024）。驾驶员对行人存在的反应也是安全应对潜在行人冲突能力的重要组成部分（Jurecki et al.，2014）。因此，了解行人横道附近驾驶员的反应和让行行为可以为行人安全和人行横道处理措施的有效性提供重要见解。

在此背景下，高能见度人行横道（HVC）的安装是改善行人安全最有效的策略之一（Chen et al.，2013；Feldman et al.，2010；Pantangi et al.，2021）。在不设信号灯的交叉口（端块）和路段中间位置安装高能见度人行横道，通常基于对道路和交通条件的工程评估。在确定标记行人横道的适当性时，可考虑的因素包括道路几何形态、车道数、行人和交通流量、接近速度、视距以及与其他受控交叉口的邻近程度（FHWA，2009）。由于路段中间和不设信号灯的交叉口位置可能具有不同的道路和交通环境，本研究同时考虑了路段中间和端块（不设信号灯的交叉口）位置的高能见度人行横道。

研究发现，与横线式人行横道相比，驾驶员更容易检测到高能见度人行横道（McGrane and Mitman，2013）。一种常用的评估人行横道有效性的方法是前后对比研究（H?ye and Laureshyn，2019；Knoblauch et al.，2001；Knoblauch and Raymond，2000）。驾驶行为数据显示，2020年，6.8%的致命事故是由于未让行造成的，8.1%的所有死亡涉及分心驾驶员（Stewart，2022）。研究表明，在不设信号灯的人行横道附近，只有少量驾驶员会为行人让行（Schneider et al.，2017；Sogbe，2024）。以往研究已调查了人行横道处驾驶员的反应和让行行为。Schroeder et al.（2011）发现，驾驶员在不设信号灯人行横道处的让行行为受车辆动力学、行人特征以及交叉口通行条件的影响。Sogbe（2024）也发现，行人和交通特征影响了驾驶员的让行行为。Jurecki and Stańczyk（2014）研究了驾驶员对行人进入道路的反应，展示了驾驶员反应行为在行人冲突情境中的重要性。在本研究的背景下，驾驶员反应被确定为到达HVC之前首次制动或油门踏板释放，反应持续时间和距离从该点测量至HVC。驾驶员让行表现为随后的减速行为，让行持续时间和距离从首次制动或油门踏板释放测量至最小速度点。驾驶员在人行横道处的行为是影响行人安全的关键因素。在此背景下，驾驶员的行为特征在整体交通安全中起着重要作用。

在以往文献中，第二次战略公路研究计划（SHRP2）自然驾驶研究（NDS）数据已被用于调查驾驶行为（Ahmed et al.，2015；Ahmed and Ghasemzadeh，2018；Das et al.，2019，Das et al.，2022；Das and Ahmed，2021；Mahmood et al.，2024；Pantangi et al.，2019，Pantangi et al.，2020，Pantangi et al.，2021；Sarwar et al.，2017；Seacrist et al.，2020）。尽管这些研究为调查和理解驾驶行为提供了极佳的资源，但很少有研究涉及驾驶员行为特征对行人安全的影响。为此，本研究确定了高能见度人行横道安装位置附近驾驶员的反应和让行行为，并分析了影响驾驶行为的因素，如驾驶员特定特征和行程特定特征，包括眼动行为和分心行为（如移动设备/GPS/电子设备使用）。具体而言，本研究的目的是调查四项行为指标：驾驶员反应持续时间、反应距离、让行持续时间和让行距离，以了解驾驶员在接近高能见度人行横道位置时的反应和减速情况。这些指标使用具有相关性分组随机参数和均值异质性的基于风险的持续时间模型进行研究，以考虑未观测异质性并识别影响这些行为的因素。

在本研究的背景下，文献综述聚焦于与接近人行横道直接相关的驾驶员行为，特别是反应、制动和让行行为，以及影响这些反应的因素。不同的先进统计建模方法已被用于调查行人和/或人行横道附近驾驶员的行为。Sogbe（2024）使用二元logit模型研究驾驶员在不设信号灯人行横道处的让行行为，研究发现行人年龄、密度和交通条件增加了驾驶员的让行行为。Ali et al.（2022）利用基于风险的持续时间建模研究网联车辆环境下斑马线处驾驶员的制动行为，他们使用具有相关性分组随机参数和均值异质性的框架对制动持续时间进行建模。Haque et al.（2021）使用基于风险的持续时间建模方法研究了网联环境下驾驶员在人行横道处的行为响应。在交通研究领域，采用基于风险的持续时间框架分析时间变异数据呈上升趋势（Ali and Haque，2023；Ali et al.，2022；Alzaffin et al.，2023；Haque et al.，2021；Pang et al.，2022；Sharma et al.，2020；Yadav and Velaga，2021；Ye et al.，2024；Zeng et al.，2023）。

尽管基于风险的持续时间模型主要与时间特异性分析相关，但其数学框架可有效改编用于研究基于距离的变量（Anastasopoulos et al.，2012；Anastasopoulos et al.，2017；Ben-Akiva et al.，1996；Kakhani et al.，2024；Kockelman，1997；Roque and Jalayer，2018；Waldorf，2003）。Kakhani et al.（2024）使用基于风险的持续时间模型估计行人发生严重碰撞前的行驶距离，研究结果表明，50%的行人致命碰撞发生在距行人主要居所0.84英里范围内。Roque and Jalayer（2018）利用基于风险的持续时间建模框架分析了失控车辆在冲出道路事故中行驶的距离，分析揭示车辆在路边冲出时行驶的距离显著受环境、基础设施和人为因素的综合影响。这些研究为使用基于风险的持续时间建模方法研究基于距离的变量提供了良好的框架；然而，利用如相关性分组随机参数与均值异质性这样的先进计量经济学建模框架，还可以获取更多洞察来解决未观测异质性问题。

本研究通过探索基于持续时间和基于距离的因变量，利用基于风险的持续时间建模方法调查驾驶员反应和让行行为。本研究分析的驾驶行为由首次制动或油门踏板释放以及达到最小速度来确定。由于这些反应发生在连续区间上，它们在数学上与生存时间类似。因此，采用基于风险的持续时间建模方法来捕捉这些反应和让行事件在特定持续时间或距离内发生的条件概率。对反应距离和让行距离的建模可以提供关于驾驶行为的见解，而如果仅研究持续时间变量，这些见解可能会被忽视。尽管相应的持续时间和距离指标本质相关，因为它们源自相同的驾驶反应，但它们代表了驾驶员行为的不同的时间维度和空间维度。反应或让行区间内行驶的距离不仅取决于该区间的时间长度，还取决于车辆的速度轨迹；因此，相似的反应持续时间可能对应不同的反应距离，反之亦然。分别估计了独立模型，以考察道路、行程特定和驾驶员特定特征对这些时间维度和空间维度是否有差异效应，并保持对每项指标的直接解释。实际上，模型估计结果表明，若干解释变量在相应的持续时间和距离模型中的显著性和量级存在差异。对于使用基于风险的持续时间模型分析基于距离的因变量，本研究是首个使用相关性分组随机参数与均值异质性框架的研究。本研究也是首批利用SHRP2自然驾驶研究数据研究驾驶员反应和让行持续时间/距离的研究之一。利用本研究估计的反应模型，提供了关于上游行人标志放置的建议，并讨论了估算驾驶员安全速度的方法，这些方法可供实践者和交通管理部门使用。

**数据准备**

本研究在SHRP2自然驾驶研究的所有六个区域（纽约州布法罗、佛罗里达州坦帕、北卡罗来纳州罗利、印第安纳州布卢明顿、华盛顿州西雅图和宾夕法尼亚州州立学院）选择了高能见度人行横道站点。考虑了安装于路段中间和端块位置的四种高能见度人行横道类型（大陆式、梯式、斑马线和杠对式，见图1）。考虑到所有六个区域和四种高能见度

**方法**

预计由于高能见度人行横道的存在，驾驶员将踩下制动或松开油门踏板（也称为油门踏板动作或TPA）并减速。然而，从首次制动或油门踏板释放的时间或距离到高能见度人行横道的位置，可作为交通工程设计中的一个重要指标。首次制动或油门踏板释放时间与穿越之间的时间

**模型估计结果**

在本节中，通过试验-对照和前后对比研究站点定义了评估高能见度人行横道有效性的基准。高能见度人行横道的有效性是相对于不存在此类人行横道标记的相应道路位置和时间段明确测量的。使用具有相关性分组随机参数和均值异质性的基于风险的持续时间方法分析了驾驶员的反应和让行行为

**总结与结论**

研究驾驶员行为对道路安全的各个方面、交通规划以及对驾驶员如何与道路环境互动的整体理解都至关重要。它在为所有道路使用者的利益创建更安全、更高效和更可持续的交通系统方面发挥着至关重要的作用。

本研究探讨了高可见度人行横道安装位置处安装前的驾驶行为，特别是驾驶人的反应与让行行为。

**生成式AI使用声明** 在本研究的撰写过程中，作者使用了OpenAI的ChatGPT（GPT-5.6 Sol）和Google的Gemini（3.1 Pro）协助进行语言润色和语法检查。作者对输出内容进行了审阅和必要的编辑，并对发表文章的内容承担全部责任。

**作者贡献声明（CRediT）**
Kaiser Mahmood：写作——审阅与编辑，写作——原稿撰写，验证，方法论，调查，形式分析，数据整理。
Sheikh Shahriar Ahmed：写作——审阅与编辑，调查。
Jiajun Pang：写作——审阅与编辑，调查。
Md Tawfiq Sarwar：写作——审阅与编辑，方法论，概念构思。
Irina Benedyk：写作——审阅与编辑，监督指导。
Panagiotis Ch. Anastasopoulos：写作——审阅与编辑，监督指导，方法论，资金支持。

**利益冲突声明** 作者声明，不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢** 本文所呈现的研究工作得到了Stephen Still可持续交通与物流研究所的支持，本研究所使用的数据来源于美国联邦公路管理局（FHWA）此前资助的一项研究项目。本文内容反映的是作者的观点，作者对文中所述事实和数据的准确性负责。

Kaiser Mahmood | Sheikh Shahriar Ahmed | Jiajun Pang | Md Tawfiq Sarwar | Irina Benedyk | Panagiotis Ch. Anastasopoulos
BETA Group, Inc., 康涅狄格州哈特福德市，美国