[论文解读] A discrete choice model for solving conflict situations between pedestrians and vehicles in shared space

Federica Pascucci, Nils Rinke+3 more|arXiv (Cornell University)|Sep 27, 2017

Transportation Planning and Optimization被引用 19

一句话总结

本文提出一种多项式对数几率离散选择模型，用于预测在共享空间冲突情境下行人与车辆的避让行为，基于德国汉堡的真实轨迹数据。该模型识别出关键行为驱动因素（如碰撞时间、速度和距离），并实现较强的预测准确性，75%的冲突情境被正确分类，从而实现对共享空间互动的逼真微观仿真。

ABSTRACT

When streets are designed according to the shared space principle, road user are encouraged to interact spontaneously with each other for negotiating the space. These interaction mechanisms do not follow clearly defined traffic rules but rather psychological and social principles related to aspects of safety, comfort and time pressure. However, these principles are hard to capture and to quantify, thus making it difficult to simulate the behavior of road users. This work investigates traffic conflict situations between pedestrians and motorized vehicles, with the main objective to formulate a discrete choice model for the identification of the proper conflict solving strategy. A shared space street in Hamburg, Germany, with high pedestrian volumes is used as a case study for model formulation and calibration. Conflict situations are detected by an automatic procedure of trajectory prediction and comparison. Standard evasive actions are identified, both for pedestrians and vehicles, by observing behavioral patterns. A set of potential parameters, which may affect the choice of the evasive action, is formulated and tested for significance. These include geometrical aspects, like distance and speed of the conflicting users, as well as conflict-specific ones, like time to collision. A multinomial logit model is finally calibrated and validated on real situations. The developed approach is realistic and ready for implementation in motion models for shared space or any other less organized traffic environment.

研究动机与目标

• 为解决在交通规则未正式执行的共享空间环境中缺乏真实感的微观仿真工具的问题。
• 识别在共享空间条件下影响行人-车辆冲突中避让行为选择的行为准则。
• 开发一种统计校准模型，基于几何与冲突特异性变量预测最可能的避让策略（如减速、激进行为、让行）。
• 实现将冲突化解行为整合至共享空间微观仿真的运动模型中，提升安全性和服务水平评估能力。

提出的方法

• 通过视频数据的轨迹预测与比对，自动检测冲突情境。
• 利用时间序列统计量 $k$ 识别行为转变，将避让行为分类为离散类别（如 DEC、AGG、NRP）。
• 识别并测试潜在解释变量，如碰撞时间、相对速度、距离及用户特定特征。
• 利用大量观测到的冲突事件数据集对多项式对数几率模型进行校准，以估计选择概率。
• 通过对比多个冲突实例中预测选择与实际行为，验证模型性能。
• 在模型评估中纳入行为异质性与礼让效应，识别分类准确率的局限性。

实验结果

研究问题

• RQ1 在共享空间的行人-车辆冲突中，哪些几何与冲突特异性变量对避让行为选择的影响最为显著？
• RQ2 离散选择模型在使用可观测轨迹数据时，能多大程度上准确预测现实中的避让行为？
• RQ3 年龄相关的行为主流差异与礼让行为在多大程度上影响模型性能与分类准确率？
• RQ4 该模型是否可推广至不同共享空间环境，还是对当地设计与行为规范敏感？
• RQ5 在缺乏正式交通规则的情况下，心理因素如风险感知与时间压力如何影响冲突化解策略？

主要发现

• 多项式对数几率模型在75%的冲突情境中成功预测了最可能的避让行为，表现出较强的预测性能。
• 碰撞时间、相对速度以及冲突双方之间的距离是影响避让行为的最重要预测变量。
• 在车辆向行人让行的所有情形中，模型100%正确识别出减速（DEC）为首选策略。
• 约每4个冲突中有1个出现误分类，主要由于驾驶员的礼让行为及行人风险偏好的异质性。
• 老年行人倾向于表现出更谨慎的行为（如让行），而年轻个体即使在安全过街时也更可能采取激进行为（AGG）。
• 模型性能受限于未建模的行为细微差别，如自发礼让与个体风险承受能力，提示未来需引入人口统计与心理变量以进一步优化。