Analyzing and Modeling of Multi-Class E-Bikes Violation Behaviors at Signalized Intersection

doi:10.12141/j.issn.1000-565X.220785

Abstract

Abstract:

The e-bike violations have significant impacts on traffic efficiency and safety at signalized intersections, and they are important safety control objects. Based on the data of 9 726 non-motor vehicles at signalized intersections obtained by video survey method, the research compared and analyzed the characteristics of violation behaviors of three types of non-motor vehicles under the influence of riders’ personal attributes and time-space scenes. Considering 14 factors as covariables, including rider’s personal attributes, signalized intersection characteristics and traffic flow characteristics, a multi-category violation model of e-bikes based on multiple Logistic regression was developed to reveal the mechanism of e-bikes running red lights, occupying motor lanes, waiting for crossing lines and reverse riding at signalized intersections. The results show that: the overall violation rate of e-bikes at signalized intersections is 44.01%, which is 1.21 times that of traditional bicycles; the model middle-aged and elderly e-bike riders are more likely to commit four kinds of violations than young ones; female cyclists are more likely to cross the line waiting and reverse cycling, while male cyclists are more likely to occupy the motorway. The addition of coordinators can effectively reduce the red light running, line crossing and reverse riding behaviors of e-bikes at signalized intersections, but might increase the possibility of e-bikes occupying the motorway. Setting the exclusive phase of left turn can effectively reduce the occupation of motor vehicle lane, line crossing waiting and reverse riding behavior of e-bikes.

Key words: traffic safety, e-bike, signalized intersection, multiple violation behaviors, multiple logistic regression

CLC Number:

U491.1

DONG Chunjiao, LU Yuxiao, MA Sheqiang, et al.. Analyzing and Modeling of Multi-Class E-Bikes Violation Behaviors at Signalized Intersection[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(1): 83-89.

Figures/Tables 8

Fig.1

Table 1

Table 2

Table 3

Table 4

Table 5

Table 6

Table 7

References 16

1	杨硕．电动自行车骑行行为问卷设计及信效度检验［J］．交通工程，2019，19（3）：57-62.
	YANG Shuo ．Questionnaire design and test of its reliability and validity for electric bicycle riding behavior［J］．Journal of Transportation Engineering，2019，19（3）：57-62.
2	环梅，杨小宝，贾斌．基于生存分析方法的非机动车闯红灯行为研究［J］．北京理工大学学报，2013，33（8）：815-819.
	HUAN Mei， YANG Xiao-bao， JIA Bin ．Red-light running behavior of non-motor vehicles based on survival analysis［J］．Transactions of Beijing Institute of Technology，2013，33（8）：815-819.
3	HERTACH P，UHR A， NIEMANN S，et al ．Characteristics of single-vehicle crashes with e-bikes in Switzerland［J］．Accident Analysis & Prevention，2018，117：232-238.
4	HU L， HU X， WANG J，et al ．Casualty risk of e-bike rider struck by passenger vehicle using China in-depth accident data［J］．Traffic Injury Prevention，2020，21（4）：283-287.
5	HUERTAS-LEYVA P， DOZZA M， BALDANZINI N ．Investigating cycling kinematics and braking maneuvers in the real world：e-bikes make cyclists move faster，brake harder，and experience new conflicts［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2018，54：211-222.
6	LANGFORD B C， CHEN J， CHERRY C R ．Risky riding：naturalistic methods comparing safety behavior from conventional bicycle riders and electric bike riders［J］．Accident Analysis & Prevention，2015，82：220-226.
7	LIANG X， MENG X， ZHENG L ．Investigating conflict behaviours and characteristics in shared space for pedestrians，conventional bicycles and e-bikes［J］．Accident Analysis & Prevention，2021，158：106167/1-10.
8	董春娇，薛维洋，谢坤，等．电动自行车不安全骑行决策行为建模［J］．北京交通大学学报，2021，45（1）：105-110.
	DONG Chunjiao， XUE Weiyang， XIE Kun，et al ．Decision-making modeling for unsafe riding behaviors on electric bicycles［J］．Journal of Beijing Jiaotong University，2021，45（1）：105-110.
9	董春娇，董黛悦，诸葛承祥，等．电动自行车出行特性及骑行决策行为建模［J］．吉林大学学报（工学版），2022，52（11）：2618-2625.
	DONG Chunjiao， DONG Daiyue， ZHUGE Chengxiang，et al ．Trip characteristics and decision-making behaviors modeling of electric bicycles riding［J］．Journal of Jilin University （Engineering and Technology Edition），2022，52（11）：2618-2625.
10	王涛，黎文皓，谢思红，等．电动自行车风险驾驶行为因子分析及相关因素研究［J］．重庆交通大学学报（自然科学版），2019，38（11）：118-126.
	WANG Tao， LI Wenhao， XIE Sihong，et al ．Factor analysis and related factors study on electric bicycle risk driving behavior［J］．Journal of Chongqing Jiaotong University （Natural Science），2019，38（11）：118-126.
11	覃国峰，王涛，赵军，等．基于SEM的电动自行车驾驶员危险性驾驶行为研究［J］．黑龙江科技信息，2016（16）：140-141.
	QIN Guofeng， WANG Tao， ZHAO Jun，et al ．Research on dangerous driving behavior of electric bicycle drivers based on SEM［J］．Heilongjiang Science and Technology Information，2016（16）：140-141.
12	柏璐．城市道路电动自行车交通特性与安全影响研究［D］．南京：东南大学，2017.
13	YANG X， HUAN M， ABDEL-ATY M，et al ．A hazard-based duration model for analyzing crossing behavior of cyclists and electric bike riders at signalized intersections［J］．Accident Analysis and Prevention，2015，74：33-41.
14	兰凤崇，张越，陈吉清，等．人车碰撞事故中行人伤亡风险的关联性分析与预测［J］．华南理工大学学报（自然科学版），2022，50（5）：1-10.
	LAN Fengchong， ZHANG Yue， CHEN Jiqing，et al ．Correlation analysis and prediction of pedestrian casualty risk in car-pedestrian collision accident［J］．Journal of South China University of Technology （Natural Science Edition），2022，50（5）：1-10.
15	郭淼，赵晓华，姚莹，等．基于驾驶行为和交通运行状态的事故风险研究［J］．华南理工大学学报（自然科学版），2022，50（9）：29-38.
	GUO Miao， ZHAO Xiaohua， YAO Ying，et al ．Study on accident risk based on driving behavior and traffic operating status［J］．Journal of South China University of Technology （Natural Science Edition），2022，50（9）：29-38.
16	DONG C， NAMBISAN S S， CLARKE D B，et al ．Exploring the effects of state highway safety laws and sociocultural characteristics on fatal crashes［J］．Traffic Injury Prevention，2016，18（3）：299-305.

类别	变量	电动自行车		传统自行车		电动三轮车
类别	变量	数量/辆	占比/%	数量/辆	占比/%	数量/辆	占比/%
性别	男性	4 017	73.90	2 372	60.65	366	96.32
性别	女性	1 418	26.10	1 539	39.35	14	3.68
年龄	青年（<30岁）	732	13.47	2 348	60.04	19	5.00
年龄	中老年（≥30岁）	4 703	86.53	1 563	39.96	361	95.00
通过类型	正常骑行	3 043	55.99	2 489	63.64	217	57.11
	闯红灯骑行	331	6.09	108	2.76	21	5.53
	占用机动车道骑行	387	7.12	111	2.84	45	11.84
	逆向骑行	950	17.48	841	21.50	67	17.63
	越线等待	724	13.32	362	9.26	30	7.89
合计		5 435	100.00	3 911	100.00	380	100.00

违规行为	不同性别违规率/%		性别P值	不同年龄违规率/%		年龄P值
违规行为	男性	女性	性别P值	青年	中老年	年龄P值
合计	43.67	44.99	0.386	32.64	45.78	<0.001
闯红灯骑行	6.75	4.23	0.001	4.23	6.38	0.024
占用机动车道骑行	7.97	4.72	<0.001	3.96	7.61	<0.001
逆向骑行	16.03	21.58	<0.001	11.75	18.37	<0.001
越线等待	12.92	14.46	0.143	12.70	13.42	0.598

交叉口	电动自行车流量/（辆·h^-1）		违规率/%
交叉口	早高峰期	晚高峰期	早高峰期	晚高峰期
A	720	1 688	46.67	51.66
B	1 656	2 636	46.62	47.65
C	1 624	2 248	42.86	41.81
D	1 364	1 784	52.49	43.27
E	1 864	2 444	49.14	56.46
F	1 320	2 392	19.09	27.59

类别	影响因素	组别	频数	占比/%
骑行者属性	性别	男	6 755	69.45
	性别	女	2 971	30.55
	年龄	青年	3 099	31.86
	年龄	中老年	6 627	68.14
车辆属性	非机动车类型	电动自行车	5 435	55.88
		传统自行车	3 911	40.21
		电动三轮车	380	3.90
信号交叉口特征	信号相位	两相位	3 006	30.90
		三相位	3 327	34.20
		四相位	3 393	34.90
	高峰时段	早高峰	4 472	45.98
	高峰时段	晚高峰	5 254	54.02
	机非隔离方式	白线	5 967	61.35
	机非隔离方式	物理隔离	3 759	38.65
	有无协管员	无	5 860	60.25
	有无协管员	有	3 866	39.75
	有无左转专用相位	无	4 470	45.96
	有无左转专用相位	有	5 256	54.04
交通流特性	组群规模	车辆数<5	3 822	39.30
		车辆数在5~10	2 069	21.27
		车辆数>10	3 835	39.43

类别	影响因素	最大值	最小值	平均值	标准差
信号交叉口特征	非机动车道宽度/m	6.00	2.00	3.62	1.15
	右侧进口道宽度/m	48.50	8.00	33.99	10.42
	信号交叉口宽度/m	48.50	8.00	35.05	9.24
	信号交叉口与非机动车道宽度比值	21.50	4.00	10.34	3.79
交通流特性	进口道非机动车交通量/（pcu·h^-1）	489.12	11.04	231.50	74.06
	进口道机动车交通量/（pcu·h^-1）	1 752.00	6.00	842.80	368.20
	非机动车与机动车交通量比值	5.26	0.09	0.36	0.33