原文传递
基于轨迹数据的共享电动自行车逆行风险行为影响因素研究
| 题名： | 基于轨迹数据的共享电动自行车逆行风险行为影响因素研究 |
| 作者： | 边扬;杨家夏;赵晓华;张晓龙;韩唐姗 |
| 作者单位： | 北京工业大学交通工程北京市重点实验室;华南理工大学土木与交通学院 |
| 关键词： | 交通工程;逆行影响因素;可解释机器学习;共享电动自行车;轨迹数据;CatBoost模型 |
| 摘要： | 为改善电动自行车带来的交通安全问题，研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据，实现逆行行为的精准识别，采用机器学习Cat-Boost模型与SHAP可解释机器学习框架，从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素，主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等；从出行时段来看，工作日、早晚高峰时段更容易发生逆行；从公共交通设施与土地利用性质来看，道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系，在一定范围内设施数量与逆行行为存在正影响作用；从道路条件来看，过街通道间距在50～400m时不易发生逆行，在非机动车道无物理隔离设施或过街通道间距在400～600m时容易发生逆行，间距大于600m时作用不稳定；从路段机非分隔形式来看，护栏分隔的逆行概率较低，绿化带分隔的逆行概率较高；从交通状态来看，当骑行速度、加速度较低或较高时与逆行行为负相关，当骑行速度在6～16km•h-1及加速度在0.3～1.0m•s-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202112 |
| 出版年： | 2021 |
| 期： | 12 |
| 页码： | 262-275 |
检索历史
应用推荐
