摘 要

道路交叉口事故高发,尤其交叉口黄灯信号相位内，驾驶员需要快速做出走/停决策，不同驾驶员黄灯决策有所不同，且不同驾驶员的驾驶行为也会因其它因素的干扰而各有所异，分心行为给驾驶安全带来更大挑战。在信号交叉口的黄灯信号相位内，驾驶员因使用手机会产生各种分心驾驶行为，会导致不同程度危险情况的发生，且随着驾驶时使用手机驾驶员比例的升高，分析理解在信号交叉口黄灯信号相位内，使用手机会对驾驶员造成的分心影响对改善道路交叉口交通安全变得至关重要。

本文通过对信号交叉口黄灯期间的驾驶员停车行为进行建模分析，探讨开车打电话对驾驶员行为的影响。论文采用加速失效模型的分类回归树模型（CART-AFT）构建驾驶员停车行为模型，首先利用分类回归树模型（Classification and Regression Tree, CART）对驾驶员进行分类，然后采用加速失效模型（Accelerated Failure Time Model, AFT Model）进一步分析手机对不同类型驾驶员造成的分心影响。本文CART-AFT模型应用于从驾驶模拟器上获得的实验数据，将停车时间（黄灯信号开始到车辆速度减为零所用时间）作为目标变量，首先根据驾驶员统计特征（年龄、性别）和车辆运营数据（速度、距离）将驾驶员分为五种不同类型（通过构建CART回归树实现），然后再对不同类型的驾驶员分别构建AFT模型分析三种手机持拿方式（P）和三种打电话情况（C）对驾驶员分心行为产生的影响，即生存分析过程。通过比较不同分布下传统AFT模型与CART-AFT模型的平均绝对百分误差（MAPE）值，发现CART-AFT模型的预测精度比传统AFT模型可提高5%,且CART-AFT模型方法克服了传统AFT模型对驾驶员群体进行分析时无法得到手机因素对驾驶分心影响的问题，并且通过对驾驶员的分类将使用手机这一因素与驾驶员的类型特点结合分析，充分挖掘了被群体掩盖的影响因素，从而可以更好地理解使用手机这一影响因素对驾驶员分心行为产生的影响。同时，研究结果发现，使用手机对不同类型的驾驶员产生的分心影响不同，在危险情况下，耳机通话状态及内接电话状态下引起车辆急停的概率较大，容易导致危险发生，且内接电话状态比外打电话状态更容易引起车辆急停。

关键词:信号交叉口；黄灯期间；驾驶行为；手机分心；停车时间；CART-AFT

Abstract

As we all know, crashes are always happening at signalized intersections, especially during yellow signal phase. In this condition, drivers are supposed to make “stop” or “go” decisions quickly. However, different drivers will make different decisions, and drivers’ behaviors may be different because other factors disturb. Distracted behaviors give more challenges to traffic safety. During yellow signal phase at signalized intersections, using mobile phones will make drivers do some distracted behaviors, this will lead to different levels of dangerous conditions, and with the increasing number of drivers who use mobile phones during driving, analyzing and understanding how using mobile phone effects drivers’ behaviors are vital important to traffic safety at signalized intersections.

This paper by modeling stopping behaviors at signalized intersections during yellow signal phase analyzes how using mobile phones affect drivers’ behaviors. This paper uses classification and regression tree based AFT models (CART-AFT) and uses Classification and Regression Tree (CART) to classify drivers firstly, then uses Accelerated Failure Time models (AFT) to analyze using mobile phones’ effects to different types of drivers. The CART-AFT models were applied to a dataset collected from a driving simulator. The stopping time (time from the start of the yellow signal to vehicles speed becomes zero) is seen as the objective variable. Firstly, drivers are divided into five types according to drivers’ characters (age, gender) and vehicles operating dates (speed, distance). This will come true by using CART regression tree. Then each group was developed an AFT model to analyze three kind of phone patterns and three kind of phone status’ effects to drivers’ behaviors. This is called survival analysis. This paper compares traditional AFT models in different distributions with CART-AFT model by using the value of MAPE, and found that the CART-AFT model can enhance the degree of precise about 5 percent. The Traditional AFT model can’t analyze mobile phones’ effects to all drivers, whileCART-AFT model can overcome this by classify drivers and get more factors which can influence drivers’ behaviors. At the same time, it was found that using mobile phones will make different effects among different types of drivers. When drivers are in dangerous conditions, handset and incoming calls phone task will lead to stop more dramatically, which is dangerous. Of course, It’s also found that stopping time is longer when drivers are in incoming calls than outgoing calls.

Key Words: signalized intersections; yellow signal phase; drivers’ behaviors ; mobile phones’ distraction; stopping time; CART-AFT

目录

第1章绪论 1

1.1 研究背景及目的 1

1.2 研究意义 1

1.3 研究现状分析 1

1.4主要研究内容与技术路线 3

第2章模型方法与数据概述 5

2.1模型方法概述 5

2.1.1 分类回归树模型 5

2.1.2 加速失效时间模型 7

2.1.3 CART-AFT模型 8

2.2 数据描述 9

2.2.1 实验数据分析 9

2.2.2 变量分析 9

第3章 CART-AFT模型与分析 11

3.1 构建CART-AFT模型 11

3.1.1 CART回归树模型与分析 11

3.1.2 CART-AFT模型与分析 12

3.2 模型比较 17

第4章生存分析结果 20

4.1 CART-AFT模型结果分析 20

4.2 生存曲线结果分析 21

第5章结论与展望 26

参考文献 27

致谢 28

第1章 绪论

道路交通是由人、车、路组成的复杂系统，研究表明，有超过一半的交通事故是由于驾驶员自身原因导致的，且驾驶分心是造成交通事故的主要因素之一。使驾驶员产生分心行为的因素有很多，如驾驶员的统计特征、行车环境及电子设备的使用等，目前已有研究分析这些因素对驾驶分心产生的影响，但是这些因素在道路交叉口的研究较少，研究表明在道路交叉口驾驶员如果产生分心行为会比道路其它地点更加危险，且随着驾驶员在驾驶时手机的普遍使用，手机带来的分心影响已不可小觑，因此本文主要针对道路交叉口黄灯信号相位内，研究不同手机持拿方式和打电话情况对每一类驾驶员造成的分心影响。

1.1 研究背景及目的

驾驶员在驾驶时分心是造成交通事故的重要因素之一，研究发现驾驶分心状态下发生事故的概率是没有驾驶分心状态下的1.5倍^[1]。目前研究表明，驾驶员的统计特征（如年龄、性别）、行车环境及电子设备的使用都会使驾驶员产生分心行为，且随着手机的普遍使用，手机对驾驶分心的影响已不可小觑。道路交叉口是事故高发地带，运行效率是整个交通网络的咽喉，因此分析理解在道路交叉口造成驾驶员分心的影响因素对改善交通安全，提高通行效率至关重要。本文主要目的是研究使用手机这一影响因素在道路交叉口黄灯信号相位内对驾驶分心产生的影响。与以往研究不同，本文的研究对象不是整个驾驶员群体，而是先将驾驶员群体根据其显著特征进行分类，再针对每一类驾驶员分别探讨使用手机这一因素对驾驶分心造成的影响，从而将被群体覆盖的影响因素充分挖掘，更好地掌握在信号交叉口造成驾驶分心的影响因素。

1.2 研究意义

随着驾驶时使用手机驾驶员比例的升高，手机这一因素对驾驶分心的影响已不可小觑，尤其在信号交叉口这样交通状况复杂且事故发生频率较高的地点，驾驶分心会使驾驶员更易处于危险状态中。因此，本文通过运用CART-AFT混合模型的方法，先对驾驶员群体进行分类，再针对每一类驾驶员分别构建AFT模型分析手机这一因素的影响，这样便可以充分挖掘之前研究中被群体覆盖的影响因素，从而更好地理解和掌握在信号交叉口使用手机这一因素对每一类驾驶员造成的分心影响，有利于提高信号交叉口的交通安全水平和通行效率。

1.3 研究现状分析

通过阅读文献，国内外已有许多研究分析不同因素对驾驶分心的影响。肖遥在研究分心行为对交通安全和交通效率的影响中分析了不同分心行为影响因素的差异,包括喝水、接听电话、使用手机软件三种行为,结果表明分心行为对交通安全和交通效率均存在显著的负面作用^[2]。Haque等人通过运用威布尔 AFT模型分析了影响反应时间的四个重要因素：手机使用状态、驾驶员年龄、驾驶证类型以及开车时使用手机的频率，其结果说明，分心驾驶情况下比正常驾驶情况下的反应时间长40%，且临时驾驶证持有人的反应时间几乎是开放驾驶证持有人的两倍^[3]。Haque和Washington的研究说明，驾驶员在开车过程中刹车经常会伴随交通事故的发生，且不当的刹车行为可能会引起车辆碰撞，该研究还表明，分心驾驶员比未分心的驾驶员刹车会更快更突然^[4]。当然，目前也有许多研究分析了使用手机对驾驶员造成的分心影响，Choudhar的研究说明驾驶时使用手机的驾驶员比例正在逐渐升高，且使用手机对驾驶员造成的分心影响比驾驶员统计特征造成的分心影响要大^[5]；Caird等人通过研究使用手机对驾驶行为产生的影响说明任何手机使用方式都会造成驾驶员平均反应时间增加0.25s^[6]。Consiglio等人研究了在刹车反应过程中手机通话和其它可能的干扰因素对反应时间的影响，该研究说明使用手机会延长驾驶员的反应时间，而用收音机听音乐对反应时间无太大影响^[7]。Hancock等人研究了在紧急停车情况下，当驾驶员接到外来电话时对驾驶行为产生的影响，同时结合驾驶员的年龄和性别进行了进一步研究^[8]。Horberry等人研究了在实际路况下手拿手机通话对驾驶员行为产生的影响^[9]。但是，目前虽然已有很多研究分析驾驶员的分心行为，但这些分析大都关注于对准备反应时间的影响，没有对整个分心过程进行分析，且在研究使用手机对驾驶分心的影响时，只针对整个驾驶员群体进行分析，并没有针对不同类型的驾驶员分别进行分析，这就使得有些影响因素被群体覆盖而未被挖掘。

在对信号交叉口停车行为的研究中发现，在接近信号交叉口时，驾驶员分心状态下会使驾驶员处于一种相对危险的情况中，可能会引起车辆碰撞且相比于道路其它地点的碰撞更为严重。研究说明，在车辆接近信号交叉口的黄灯信号相位内，会有不同的因素影响驾驶员的停车决策，如黄灯信号开始时，车辆速度越大，驾驶员做出通过交叉口决定的概率就越大；此外，年龄也会影响驾驶决策，青年驾驶员和中年驾驶员在信号交叉口黄灯信号相位内更倾向于做出停车的决定，而老年驾驶员更倾向于做出通过交叉口的决定^[10]。Koll等人在2004年的研究中表明在黄灯启亮之前采取闪烁绿灯的方法会使驾驶员过早停车^[11]。