CN105608315A - 公交停靠站安全服务水平定量评价方法及*** - Google Patents

Abstract

本发明公开了一种公交停靠站安全服务水平定量评价方法及***，其中，所述公交停靠站安全服务水平定量评价方法包括：划分公交停靠站类型；确定基础模型影响因子并构建基础模型；计算次要因子的显著性并构建公交停靠站安全水平修正模型；计算并评估公交停靠站安全服务水平。本发明不依赖历史交通事故数据和交通冲突数据，而是构建定量型的模型方法来评价公交停靠站的安全服务水平；具有评价客观、实现方便等优点，克服了现有技术数据获取困难、成本高，以及容易受到主观因素影响的缺陷。该方法可在国内分析和评估公交停靠站安全服务水平时应用，又有助于评价分析相关提高公交安全服务水平的改善对策。

Description

公交停靠站安全服务水平定量评价方法及***

技术领域

本发明涉及交通安全，尤其是公交车站安全评价方法。

背景技术

随着我国城镇化的快速发展，城市规模越来越大、人口不断积聚、机动车保有量迅速增加，导致交通拥堵、能源消耗和环境污染问题越来越突出，公共交通的优先发展是解决这些问题的有效途径。公共交通的优先发展，需要不断提升城市公交***的服务效能，保证公共交通的安全服务质量，促进城市交通结构的优化转型，推动和落实我国城市公共交通优先发展战略。

安全发展是公共交通发展的必要前提，常规公交作为公交***的主体部分，不同于轨道交通享有独立的路权，常规公交与机动车、非机动车等交通方式同在路面行驶，由于车辆性能、交通条件、环境影响、几何线型、路面状况等条件的限制，使得路面交通问题尤为复杂。公交车辆在相应公交站台的停靠作为常规公交有别于其他路面交通方式的行为特征，会产生车辆间的合流、分流、交织等行为，增加了车辆之间交通冲突的产生，并提高了交通事故发生的风险。公交停靠站安全服务水平严峻性的问题，必须要有合理可行评估公交停靠站安全服务水平的方法，从而制定相应的改善策略。

在评价公交停靠站的安全性能时，通常采用历史调查获得的交通事故数据或者交通冲突数据。然而，由于交通事故数据的随机特征，其往往不能反映某个特定的公交停靠站的安全服务水平，并且由于国内部分交通数据信息采集***的尚未完善以及相关数据敏感性问题，获取交通事故或者冲突数据也变得困难。另外，交通冲突分析往往会耗费大量人力物力进行数据的采集和分析，并且在判定冲突时容易受到主观因素的影响。

发明内容

发明目的：一个目的是提供一种公交停靠站安全服务水平定量评价方法，以解决现有技术存在的上述问题。

技术方案：一种公交停靠站安全服务水平定量评价方法，包括：

步骤1、划分公交停靠站类型；

步骤2、确定基础模型影响因子并构建基础模型；

步骤3、计算次要因子的显著性并构建公交停靠站安全水平修正模型；

步骤4、计算并评估公交停靠站安全服务水平。

优选的，所述步骤2进一步为：

步骤21、分析交通冲突点类型；

步骤22、针对每一公交停靠站类型，计算交通冲突点总数；

步骤23、根据交通冲突点数量、冲突严重程度和交通影响系数构建机动车之间、机动车与非机动车之间，以及非机动车与乘客之间的危险程度；

步骤24、构建基础模型：

式中，DD是危险程度；分别是DD_m,m，DD_m,n，和DD_n,p的权重； ${\mathrm{DD}}_{m,m}={\mathrm{\η}}_{m,m}\underset{i}{\Σ}{\mathrm{NCP}}_i\×{\mathrm{SCP}}_i,$ ${\mathrm{\η}}_{m,m}=1+\frac{V}{C};$ ${\mathrm{DD}}_{m,n}={\mathrm{\η}}_{m,n}\underset{j}{\Σ}{\mathrm{NCP}}_j\×{\mathrm{SCP}}_j,$ η_m,n＝1+NMP_m,n； ${\mathrm{DD}}_{n,p}={\mathrm{\η}}_{n,p}\underset{k}{\Σ}{\mathrm{NCP}}_k\×{\mathrm{SCP}}_k,$ η_n,p＝1+PP_n,p；NCP_i是类型i对应的冲突点数量；SCP_i是类型i对应的冲突严重程度；η_m,m是机动车之间的交通影响系数；NCP_j是类型j对应的冲突点的数量；SCP_j是类型j冲突的严重程度；η_m,n表示机动车与非机动车之间的交通影响系数；k是上下车乘客数；NCP_k是上下车乘客数为k对应的冲突点数量；SCP_k是上下车乘客数为k对应的交通冲突的严重程度；η_n,p表示非机动车与公交乘客之间的交通影响系数；V/C表示交通饱和度；NMP_m,n表示非机动车违章时间百分比；PP_n,p表示公交乘客违章时间百分比。

优选的，所述步骤3进一步为：

步骤31、利用主成分分析法确定用于修正模型的次要影响因子的显著性；

步骤32、构建公交停靠站安全服务水平的修正模型：

ADD＝DD×AF； $AF=\underset{r}{\Σ}{\mathrm{\ψ}}_r{\mathrm{AF}}_r;$

式中，ADD是修正的危险程度，表示公交停靠站的安全服务水平；AF是总修正因子；ψ_r是第r个修正因子的权重；AF_r是第r个修正因子；是第r个修正因子中第q个次要因子的权重；S_rq是第r个修正因子中第q个次要因子的安全值。

优选的，所述步骤4进一步为：

步骤41、将样本数据集分成k个初始簇；

步骤42、样本聚类，将样本归入最近的簇中，即样本到该簇中心点的距离最小，通过平方欧式距离计算并把每个样本归入到相应的簇中，使得组内平方和最小；

步骤43、簇获得一个样本或舍去一个样本后，重新计算新的均值，更新后的均值作为新的簇中心；

步骤44、重复步骤42，直至分配稳定。

一种公交停靠站安全服务水平定量评价***，包括：

第一模块，用于划分公交停靠站类型；

第二模块，用于确定基础模型影响因子并构建基础模型；

第三模块，用于计算次要因子的显著性并构建公交停靠站安全水平修正模型；

第四模块，用于计算并评估公交停靠站安全服务水平。

优选的，所述第二模块进一步用于：

分析交通冲突点类型；针对每一公交停靠站类型，计算交通冲突点总数；根据交通冲突点数量、冲突严重程度和交通影响系数构建机动车之间、机动车与非机动车之间，以及非机动车与乘客之间的危险程度；构建基础模型：

式中，DD是危险程度；分别是DD_m,m，DD_m,n，和DD_n,p的权重； ${\mathrm{DD}}_{m,m}={\mathrm{\η}}_{m,m}\underset{i}{\Σ}{\mathrm{NCP}}_i\×{\mathrm{SCP}}_i,$ ${\mathrm{\η}}_{m,m}=1+\frac{V}{C};$ ${\mathrm{DD}}_{m,n}={\mathrm{\η}}_{m,n}\underset{j}{\Σ}{\mathrm{NCP}}_j\×{\mathrm{SCP}}_j,$ η_m,n＝1+NMP_m,n； ${\mathrm{DD}}_{n,p}={\mathrm{\η}}_{n,p}\underset{k}{\Σ}{\mathrm{NCP}}_k\×{\mathrm{SCP}}_k,$ η_n,p＝1+PP_n,p；NCP_i是类型i对应的冲突点数量；SCP_i是类型i对应的冲突严重程度；η_m,m是机动车之间的交通影响系数；NCP_j是类型j对应的冲突点的数量；SCP_j是类型j冲突的严重程度；η_m,n表示机动车与非机动车之间的交通影响系数；k是上下车乘客数；NCP_k是上下车乘客数为k对应的冲突点数量；SCP_k是上下车乘客数为k对应的交通冲突的严重程度；η_n,p表示非机动车与公交乘客之间的交通影响系数；V/C表示交通饱和度；NMP_m,n表示非机动车违章时间百分比；PP_n,p表示公交乘客违章时间百分比。

优选的，所述第三模块进一步用于：利用主成分分析法确定用于修正模型的次要影响因子的显著性；构建公交停靠站安全服务水平的修正模型：

ADD＝DD×AF； $AF=\underset{r}{\Σ}{\mathrm{\ψ}}_r{\mathrm{AF}}_r;$

式中，ADD是修正的危险程度，表示公交停靠站的安全服务水平；AF是总修正因子；ψ_r是第r个修正因子的权重；AF_r是第r个修正因子；是第r个修正因子中第q个次要因子的权重；S_rq是第r个修正因子中第q个次要因子的安全值。

优选的，所述第四模块进一步用于：将样本数据集分成k个初始簇；样本聚类，将样本归入最近的簇中，即样本到该簇中心点的距离最小，通过平方欧式距离计算并把每个样本归入到相应的簇中，使得组内平方和最小；簇获得一个样本或舍去一个样本后，重新计算新的均值，更新后的均值作为新的簇中心。

有益效果：本发明不依赖历史交通事故数据和交通冲突数据，而是构建定量型的模型方法来评价公交停靠站的安全服务水平；具有评价客观、实现方便等优点，克服了现有技术数据获取困难、成本高，以及容易受到主观因素影响的缺陷。

附图说明

图1为本发明的流程图。

图2a至图2g分别为七种常见的公交停靠站类型。

图3a至图3h分别为不同情况下公交停靠站的冲突点分布图。

具体实施方式

结合图1、图2a至图2g，以及图3a至图3h描述本发明的公交停靠站安全服务水平评价方法。该方法具体包括如下步骤：

步骤1：公交停靠站类型的划分。在本发明中，依据路权分配、公交停靠站类型、停靠站设置位置将国内常见的公交停靠站分为七种类型，如图2a至图2g所示。

类型1：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在路侧分车带上设立直线式公交停靠站；

类型2：不设置公交专用道(即公交车运行于常规机动车道，下同)，并在路侧分车带上设立直线式公交停靠站；

类型3：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在路侧分车带上设立港湾式公交停靠站；

类型4：不设置公交专用道，并在路侧分车带上设立港湾式公交停靠站；

类型5：设置物理隔离公交专用道，利用物理隔离设施与机动车道分隔，并在中央分车带上设立直线式公交停靠站；

类型6：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在中央分车带上设立直线式公交停靠站；

类型7：不设置公交专用道，并在无路侧分车带的条件下占用非机动车道设立直线式公交停靠站，公交车辆占用非机动车道实现乘客的上下车。

步骤2：基础模型影响因子的确定，构建基于交通冲突点与危险程度的基础模型。影响公交停靠站安全因素有主观、客观因素两种。

主观影响因素主要是人自身条件，通常在现实中较难量测和进行定量化的研究。因此，本发明中依据客观影响因素构建公交停靠站的安全服务水平模型。构建模型时以上述公交停靠站类型、交通冲突和交通运行为基础，对冲突点类型和数量、不同冲突之间的危险程度进行分析，构建相应模型。

步骤3：修正模型影响因子的确定，公交停靠站安全水平修正模型。除了交通冲突点和交通条件，许多研究指出其他调整因子也会对交通安全状态产生影响。这些因子包括几何特性、交通标志标线、路面状况和照明条件。每个调整因子包含若干个次要因子。比如，几何特性包括纵坡、视距、车道宽度、横坡、车道设施配置、渠化和路肩宽度。为了降低数据变换的维度(减少次要因子的类型)，利用主成分分析法来确定次要因子的显著性。通过正交线性变换将数据标准化，使第一变量具有最大的方差(称为第一主成分)，第二变量的方差次大，依此类推。

步骤4：公交停靠站安全服务水平定义与划分。采用k-均值聚类分析危险程度DD，总修正因子AF和修正危险程度ADD，定义公交停靠站安全服务水平。

该方法将n个数据集划分为k个簇，并且每个样本归入相似度最高中心点所在的簇，作为一个初始簇。簇的数量k既可以提前确定，也可以在聚类过程中对预设的k值进行相应调整。

对于一个给定的数据集(x₁，x₂，…，x_n)，x_i是d维实向量(本发明中d＝3，也就是DD，AF和ADD)。k-均值聚类旨在将n个数据集划分为k个簇S＝{s₁，s₂，…，s_k}，使得组内差距最小。换句话说，目的是寻找：

$\underset{S}{\mathrm{argmin}}\underset{i=1}{\overset{k}{\Σ}}\underset{x\∈S_i}{\Σ}\left|\right|x-{\mathrm{\μ}}_i|{|}^2$

其中，argmin是指使得式子达到最小值时变量的取值，μ_i是样本S_i的均值。

进一步描述步骤2至步骤4的具体流程：

步骤2：

步骤21：对于特定的公交停靠站，有其相应的交通冲突点。如图3a至图3h所示，8种最常见的冲突点分别为：

(a)冲突点类型1:驶入公交车辆间产生的冲突点，有n个合流冲突点，n是公交停靠站的泊位数；

(b)冲突点类型2:驶离公交车辆与机动车辆间产生的冲突点。根据公交停靠站处车道的类型划分，对于冲突点的数量有两种不同的情形：对于公交专用道，存在n个合流冲突点；对于共用车道，存在n个合流冲突点和n个交叉冲突点；

(c)冲突点类型3:驶离(或驶入)公交车辆间产生的冲突点。有n(n-1)/2个合流冲突点；

(d)冲突点类型4:驶入和驶离公交车辆间产生的冲突点。有n(n-1)/2个交叉冲突点；

(e)冲突点类型5:停靠在站台的公交车辆与非机动车间产生的冲突点。有2n个冲突点；

(f)冲突点类型6:非机动车与上下车乘客间产生的冲突点。有N·n个冲突点。N代表公交车上下车门的数量，设为2；

(g)冲突点类型7:驶入公交车辆与非机动车间产生的冲突点。有n个冲突点；

(h)冲突点类型8:驶离公交车辆与非机动车间产生的冲突点。有n个冲突点。根据公交车辆的速度，停靠站台的公交车辆产生冲突点(冲突点类型5)的严重程度低于驶入公交车辆(冲突点类型7)和驶离公交车辆(冲突点类型8)。

步骤22：七种常见类型的公交停靠站中交通冲突点的总数计算如下：

类型1：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在路侧分车带上设立直线式公交停靠站；

类型2：不设置公交专用道，并在路侧分车带上设立直线式公交停靠站；

类型3：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在路侧分车带上设立港湾式公交停靠站；

类型4：不设置公交专用道，并在路侧分车带上设立港湾式公交停靠站；

类型5：设置物理隔离公交专用道，利用物理隔离设施与机动车道分隔，并在中央分车带上设立直线式公交停靠站；

冲突点＝n(对于冲突点类型1)＝n(合流)

类型6：设置平面公交专用道，利用交通标线将其与机动车道分隔，并在中央分车带上设立直线式公交停靠站；

类型7：不设置公交专用道，并在无路侧分车带的条件下占用非机动车道设立直线式公交停靠站。公交车辆占用非机动车道完成乘客的上下车。

冲突点＝类型2+2n(对于冲突点类型5)+2n(对于冲突点类型6)

+n(对于冲突点类型7)+n(对于冲突点类型8)

＝类型2+2n(对于停靠在站台公交)+2n(对于乘客)

+2n(对于驶入及驶离站台公交)

步骤23：如上所述，机动车辆之间交通冲突点的基础模型包括交通冲突点、交通冲突类型(分流冲突、合流冲突、交叉冲突)及V/C(交通饱和度)。车辆之间的危险程度(DD_m,m)如下所示：

${\mathrm{DD}}_{m,m}={\mathrm{\η}}_{m,m}\underset{i}{\Σ}{\mathrm{NCP}}_i\×{\mathrm{SCP}}_i$

其中，NCP_i是类型i对应的冲突点数量；SCP_i是类型i对应的冲突严重程度；η_m,m是机动车之间的交通影响系数，可由如下方程得到：

${\mathrm{\η}}_{m,m}=1+\frac{V}{C}$

现今，国内部分城市道路并未对非机动车设置专用车道。另外，许多居民骑车出行往往不遵守交通规则，经常骑行于公交专用道和机动车道上。鉴于这类情况，构建机动车与非机动车之间冲突点模型时，需要考虑交通冲突点、交通冲突形式(j＝停车冲突、驶入冲突、驶离冲突)以及非机动车交通违章时间百分比。机动车与非机动车之间的危险程度(DD_m,n)由如下公式计算：

${\mathrm{DD}}_{m,n}={\mathrm{\η}}_{m,n}\underset{j}{\Σ}{\mathrm{NCP}}_j\×{\mathrm{SCP}}_j$

其中，NCP_j是类型j对应的冲突点的数量；SCP_j是类型j冲突点的严重程度；η_m,n是机动车与非机动车之间的交通影响系数，可由如下方程得到：

η_m,n＝1+NMP_m,n

其中，NMP_m,n是非机动车违章时间百分比。

与非机动车使用者类似，公交乘客在公交站台处也时常不遵守交通法规，比如在公交专用道或者机动车道上候车以及随意横穿马路。因此，乘客违章时间百分比应该考虑在内。非机动车与公交乘客之间的危险程度(DD_n,p)由如下方程计算而得：

${\mathrm{DD}}_{n,p}={\mathrm{\η}}_{n,p}\underset{k}{\Σ}{\mathrm{NCP}}_k\×{\mathrm{SCP}}_k$

其中，k是上下车乘客数；NCP_k是上下车乘客数为k对应的冲突点数量；SCP_k是上下车乘客数为k对应的交通冲突的严重程度；η_n,p是非机动车与公交乘客之间的交通影响系数，可由下式计算而得：

η_n,p＝1+PP_n,p

其中，PP_n,p是公交乘客违章时间百分比。

步骤24：基础模型的构建是通过线性组合参数DD_m,m，DD_m,n和DD_n,p，并且参数DD_m,m,DD_m,n，和DD_n,p不等于0。应当指出的是，理论上在一些情况下(比如公交专用道和非机动车道)，机动车与非机动车、非机动车与公交乘客之间并没有冲突点。但是，实际上，公交乘客和非机动车使用者可能不会完全遵章而对安全造成负面影响。因此，根据上述分析建立如下基础模型：

其中，DD是危险程度；分别是DD_m,m，DD_m,n，和DD_n,p的权重；这些权重用来表示机动车、非机动车和公交乘客之间交通冲突点的影响程度。

由于国内缺少事故数据，这些权重很难被定量化。根据专家调查法和专题小组访谈法的结果，获得了相应的权重指标。

步骤25：除了权重指标，还需要不同类型交通冲突的严重程度指标。机动车辆之间不同类型冲突可以划分为三类：1)大多数机动车之间的冲突是能引起严重事故的直角碰撞；2)合流冲突通常会引起侧碰事故和追尾事故；3)分流冲突会导致追尾事故(通常只会造成财产的损失)。机动车与非机动车之间冲突的严重程度与公交车辆的速度有关。对于停靠在站台的公交车辆与其他车辆冲突的严重程度要低于驶入和驶离车辆。与确定DD_m,m，DD_m,n和DD_n,p权重的方法一样，严重程度指标同样使用专家调查法和专题小组访谈法获得。

步骤3：

步骤31：主成分可以通过标准化的变量得到：

$Z={\left(D^{1/2}\right)}^{-1}(X-\mathrm{\μ})=\left[\begin{array}{c}\frac{x_1-{\mathrm{\μ}}_1}{\sqrt{s_{11}}}\\ \frac{x_2-{\mathrm{\μ}}_2}{\sqrt{s_{22}}}\\ ...\\ \frac{x_p-{\mathrm{\μ}}_p}{\sqrt{s_{pp}}}\end{array}\right]$

其中，Z是标准分数(z分数)；D^1/2是对角标准差矩阵；X是数据矩阵；μ是样本的均值，x_i(i＝1,2,…,p)是第i个数列分数的值，μ_i是数列分数i平均数，s_ii是数列分数i标准差。

步骤32：计算相关系数矩阵R：

$R=\frac{Z^{T}Z}{n-1}$

其中，n是数据集行向量的个数。

步骤33：根据相关系数矩阵R，求解特征方程|R-λE_p|＝0(E_p是p维单位矩阵，λ是特征值)。主成分个数的选取，主要依据主成分的累计方差贡献率(贡献率是指某个主成分的方差占全部方差的比重)。一般来说，设定也就是使累积贡献率大于85％，其中，m代表所选取的主成分个数，p代表主成分的总个数。

上述提到的50名调查对象需要对每个次要因子分配等级，从1(最低)到9(最高)。使用统计分析软件SPSS对上述数据进行分析，以几何特征因子为例，特征值和解释方差的累计比率，如表3所示。第一主成分占总方差的29.130％，前四个主成分累计占比超过85.0％。结果显示对于几何特征因子，完全可以只选取四个主成分进行分析。

根据原始变量与主成分之间的相关性分析，原始变量与第一个主成分之间的相关性较强，如表1所示。视距变量与第一个主成分呈显著性正相关关系，然而其他变量与之相关性较弱。因此，视距可以作为第一主成分轴。其次，考虑到车道宽度、车道结构和路肩宽度与主成分之间的相关性，可以将其整合到车道设施配置中。第三主成分是渠化，并且第四主成分轴是道路坡度，包括横坡和纵坡。

表1主成分与原始变量的相关性

同样，交通标志标线、路面状况、照明条件与次要因子的相关性也能通过主成分分析法获得。对各修正因子的主成分分析总结如下，表2所示。

表2所有修正因子的次要因子

将选择的次要因子线性组合，修正安全服务水平模型：

其中，AF_r是第r个修正因子；是第r个修正因子中第q个次要因子的权重；S_rq是第r个修正因子中第q个次要因子的安全值，可以通过现场调查获得。

通过线性组合修正因子的影响构建修正因子模型：

$AF=\underset{r}{\Σ}{\mathrm{\ψ}}_r{\mathrm{AF}}_r$

其中，AF是总修正因子；ψ_r是第r个修正因子的权重。

实际上，大多数修正因子和相应次要因子的权重不能客观测定。获得这些权重的方法一般是通过实地调查和主观评定。与确定DD_m,m，DD_m,n，和DD_n,p的权重类似，ψ_r和的权重也可使用专家调查法和专题小组访谈法获得。50名调查对象同样要求填写相应的调查问卷并给出每个调整因子的重要度评级和相应的次要因子。

特定公交停靠站的安全服务水平的修正模型如下定义：

ADD＝DD×AF

其中，ADD是修正的危险程度，代表公交停靠站的安全服务水平。

步骤4：

步骤41：将样本数据集分成k个初始簇；

步骤42：进行样本的聚类，将样本归入最近的簇中(即到该簇中心点最近)。距离由平方欧式距离计算，并把每个样本归入到相应的簇中使得组内平方和最小；

$S_i^{\left(t\right)}=\{x_i:||x_i-m_i^{\left(t\right)}|{|}^2\≤\left|\right|x_i-m_j^{\left(t\right)}|{|}^2\∀j,1\≤j\≤k\}$

其中，每个x_i归入一个确定的S^(t)中，即使它可能在迭代过程中被分配到多个簇中。

簇获得一个样本或者舍去一个样本后，重新计算新的均值，更新后的均值作为新的簇中心。

$m_i^{(t+1)}=\frac{1}{\left|S_i^{\left(t\right)}\right|}\underset{x_j\∈S_i^{\left(t\right)}}{\Σ}{x}_j$

步骤43：重复步骤42直到分配稳定，即本轮形成的簇与前一轮形成的簇相同。

本发明选取了南京、常州、广州三座城市里七种不同类型的公交停靠站，调查高峰、平峰两个时段，排除恶劣天气的影响，在2014年5月19日到2014年6月15日中良好天气里进行。另外，公交停靠站处无社会车辆随意路边停车现象。

每个公交停靠站设立三台摄像机搜集数据，分别布设在高处、站前、站后三个位置。后期利用所拍摄的视频获取交通量、非机动车总违章时间(在公交专用道、机动车道骑行，横穿马路等行为)数据。不同公交停靠站地点与交通流特性如表1所示。

将构建的安全服务水平模型应用于七种不同类型的公交停靠站，对根据站台类型选择的16座公交停靠站的高峰和平峰阶段(32个数据集)进行实例研究。对于DD和ADD，平峰时段的危险程度相对高峰时段较低，特别是公交总公司站、挹江门站、三牌楼站、盐仓桥西站和鼓楼公交站，分别减少了32.75％，27.15％，24.81％，17.84％和17.10％。

根据统计软件结果分析，32个数据集划分为6个簇，每个样本归入距簇中心最近的簇中。聚类分析结果如表3所示。依据ADD的值，每级安全服务水平通过平均间隔值范围评定。当间隔长度等于12时，每个相同簇中样本的ADD值落入同一间隔中。因此，可以将公交停靠站的安全程度量化为六个服务水平(A—F)。A级服务水平是最高服务等级，F级服务水平是最低服务等级。表4定义了六个安全服务水平。

表3聚类分析结果

表4安全服务水平定义

ADD和国内选取的16座公交停靠站安全服务水平如表5所示。

表5ADD和公交停靠站的安全服务水平

总之,本发明公开了一种公交停靠站安全服务水平模型构建的方法。本发明通过介绍公交停靠站安全服务水平这一概念，根据冲突点、交通影响因素、几何特性、交通标志标线、路面状况和照明条件等提出相应量化安全水平的模型。然后，使用主成分分析法和K-均值聚类量化构建公交停靠站的安全水平等级，定量的评估公交停靠站的安全水平等级。最后，根据七种最常见的公交停靠站类型，在国内选择16座公交停靠站中调查获得相应交通数据，作为案例分析，并利用评价方法确立了公交停靠站安全服务水平的六个等级。该方法可在国内分析和评估公交停靠站安全服务水平时应用，又有助于评价分析相关提高公交安全服务水平的改善对策。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (8)

1.一种公交停靠站安全服务水平定量评价方法，其特征在于，包括：

步骤1、划分公交停靠站类型；

步骤2、确定基础模型影响因子并构建基础模型；

步骤3、计算次要因子的显著性并构建公交停靠站安全水平修正模型；

步骤4、计算并评估公交停靠站安全服务水平。

2.如权利要求1所述的公交停靠站安全服务水平定量评价方法，其特征在于，所述步骤2进一步为：

步骤21、分析交通冲突点类型；

步骤22、针对每一公交停靠站类型，计算交通冲突点总数；

步骤23、根据交通冲突点数量、冲突严重程度和交通影响系数构建机动车之间、机动车与非机动车之间，以及非机动车与乘客之间的危险程度；

步骤24、构建基础模型：

式中，DD是危险程度；分别是DD_m,m，DD_m,n，和DD_n,p的权重； ${\mathrm{DD}}_{m,m}={\mathrm{\η}}_{m,m}\underset{i}{\Σ}{\mathrm{NCP}}_i\×{\mathrm{SCP}}_i,$ ${\mathrm{\η}}_{m,m}=1+\frac{V}{C};$ ${\mathrm{DD}}_{m,n}={\mathrm{\η}}_{m,n}\underset{j}{\Σ}{\mathrm{NCP}}_j\×{\mathrm{SCP}}_j,$ η_m,n＝1+NMP_m,n； ${\mathrm{DD}}_{n,p}={\mathrm{\η}}_{n,p}\underset{k}{\Σ}{\mathrm{NCP}}_k\×{\mathrm{SCP}}_k,$ η_n,p＝1+PP_n,p；NCP_i是类型i对应的冲突点数量；SCP_i是类型i对应的冲突严重程度；η_m,m是机动车之间的交通影响系数；NCP_j是类型j对应的冲突点的数量；SCP_j是类型j冲突的严重程度；η_m,n表示机动车与非机动车之间的交通影响系数；k是上下车乘客数；NCP_k是上下车乘客数为k对应的冲突点数量；SCP_k是上下车乘客数为k对应的交通冲突的严重程度；η_n,p表示非机动车与公交乘客之间的交通影响系数；V/C表示交通饱和度；NMP_m,n表示非机动车违章时间百分比；PP_n,p表示公交乘客违章时间百分比。

3.如权利要求2所述的公交停靠站安全服务水平定量评价方法，其特征在于，所述步骤3进一步为：

步骤31、利用主成分分析法确定用于修正模型的次要影响因子的显著性；

步骤32、构建公交停靠站安全服务水平的修正模型：

ADD＝DD×AF； $AF=\underset{r}{\Σ}{\mathrm{\ψ}}_r{\mathrm{AF}}_r;$

式中，ADD是修正的危险程度，表示公交停靠站的安全服务水平；AF是总修正因子；ψ_r是第r个修正因子的权重；AF_r是第r个修正因子；是第r个修正因子中第q个次要因子的权重；S_rq是第r个修正因子中第q个次要因子的安全值。

4.如权利要求3所述的公交停靠站安全服务水平定量评价方法，其特征在于，所述步骤4进一步为：

步骤41、将样本数据集分成k个初始簇；

步骤42、样本聚类，将样本归入最近的簇中，即样本到该簇中心点的距离最小，通过平方欧式距离计算并把每个样本归入到相应的簇中，使得组内平方和最小；

步骤43、簇获得一个样本或舍去一个样本后，重新计算新的均值，更新后的均值作为新的簇中心；

步骤44、重复步骤42，直至分配稳定。

5.一种公交停靠站安全服务水平定量评价***，其特征在于，包括：

第一模块，用于划分公交停靠站类型；

第二模块，用于确定基础模型影响因子并构建基础模型；

第三模块，用于计算次要因子的显著性并构建公交停靠站安全水平修正模型；

第四模块，用于计算并评估公交停靠站安全服务水平。

6.如权利要求5所述的公交停靠站安全服务水平定量评价***，其特征在于，所述第二模块进一步用于：

分析交通冲突点类型；针对每一公交停靠站类型，计算交通冲突点总数；根据交通冲突点数量、冲突严重程度和交通影响系数构建机动车之间、机动车与非机动车之间，以及非机动车与乘客之间的危险程度；构建基础模型：

式中，DD是危险程度；分别是DD_m,m，DD_m,n，和DD_n,p的权重； ${\mathrm{DD}}_{m,m}={\mathrm{\η}}_{m,m}\underset{i}{\Σ}{\mathrm{NCP}}_i\×{\mathrm{SCP}}_i,$ ${\mathrm{\η}}_{m,m}=1+\frac{V}{C};$ ${\mathrm{DD}}_{m,n}={\mathrm{\η}}_{m,n}\underset{j}{\Σ}{\mathrm{NCP}}_j\×{\mathrm{SCP}}_j,$ η_m,n＝1+NMP_m,n；η_n,p＝1+PP_n,p；NCP_i是类型i对应的冲突点数量；SCP_i是类型i对应的冲突严重程度；η_m,m是机动车之间的交通影响系数；NCP_j是类型j对应的冲突点的数量；SCP_j是类型j冲突的严重程度；η_m,n表示机动车与非机动车之间的交通影响系数；k是上下车乘客数；NCP_k是上下车乘客数为k对应的冲突点数量；SCP_k是上下车乘客数为k对应的交通冲突的严重程度；η_n,p表示非机动车与公交乘客之间的交通影响系数；V/C表示交通饱和度；NMP_m,n表示非机动车违章时间百分比；PP_n,p表示公交乘客违章时间百分比。

7.如权利要求6所述的公交停靠站安全服务水平定量评价***，其特征在于，所述第三模块进一步用于：利用主成分分析法确定用于修正模型的次要影响因子的显著性；构建公交停靠站安全服务水平的修正模型：

ADD＝DD×AF； $AF=\underset{r}{\Σ}{\mathrm{\ψ}}_r{\mathrm{AF}}_r;$

式中，ADD是修正的危险程度，表示公交停靠站的安全服务水平；AF是总修正因子；ψ_r是第r个修正因子的权重；AF_r是第r个修正因子；是第r个修正因子中第q个次要因子的权重；S_rq是第r个修正因子中第q个次要因子的安全值。

8.如权利要求7所述的公交停靠站安全服务水平定量评价***，其特征在于，所述第四模块进一步用于：将样本数据集分成k个初始簇；样本聚类，将样本归入最近的簇中，即样本到该簇中心点的距离最小，通过平方欧式距离计算并把每个样本归入到相应的簇中，使得组内平方和最小；簇获得一个样本或舍去一个样本后，重新计算新的均值，更新后的均值作为新的簇中心。