信号交叉口可从时空层面减少人流和车流间的交通冲突，而此处的行人违章过街行为降低了路网节点处的通行效率，存在较大安全隐患。同时，个体差异会产生不同的交通行为，通过分析不同行人群体的违章规律，对加强违章行为的管理、提高出行安全性具有重要意义。

信号交叉口行人违章决策群体间差异分析可分为内部心理测评、外部行为研究两个方面，内部心理测评注重研究违章行人的心理特性，而外部行为研究需借助观测手段，解释不同违章影响因素条件下群体间的行为差异。

将风险管理与信息工程进行有效结合，一方面能充分利用大数据、物联网等前沿技术，将风险管理立足于技术的革新，而不仅仅是管理方式的渐进，进而从技术上改变风险管理的范式；另一方面可对现有技术、数据、资源等进行整合，提高当前风险管理的效率和品质.

违章行人出行决策心理测评差异分析可借助TPB，结合其个体属性展开研究。Holland基于TPB分析了违章行人性别与驾驶状态因素影响，指出男性更易违章过街，危险感知、出行意识两因素均会对违章心理造成影响[1]。苟娟琼在传统TPB模型中引入“外界感知”因素，发现青少年与成年人在违章决策及各因素影响程度方面存在明显差异[2]。王静运用TPB分析初中生违章行为因素影响程度，为青少年违章行为管理提供了指导[3]。Freeman通过故意违章与无意违章间进行对比研究，表明男性主要集中在故意违章，而女性较多属于无意违章，且女性的从众违章率更高[4]。Barton结合该理论分析了人行横道处各年龄层群体步行速度、违章行为表现等交通特性，探究老年、儿童等弱势群体的出行规律性[5]。

既有研究更多的集中于违章外部行为特征分析，通过行为观测、统计分析方法分析不同道路、交通及环境条件下行人违章过街特性。邢吉平通过摄影观测行人违章行为，提取过街红灯等待时长、过街距离、行人流量以及设施形式因素建立模型，研究行人过街决策规律[6]。张智勇指出性别、年龄因素会对行人过街容忍时间产生影响，女性容忍阈值较高，老年人容忍阈值低于青少年及中年[7]。周竹萍利用网络理论研究从众违章行为发现男性更易引发他人从众违章，更容易影响他人过街决策[8]。Dommes发现性别因素在时间违章方面具有显著差异，女性遵章意愿更强烈，而空间违章方面性别群体间无显著差异[9]。Bernhoft调研对比指出青年人更倾向就近过街，而老年人侧重于利用人行横道等过街设施，同时表明两者间的差异可能源于行为能力[10]。

依据出行环境因素下测评指标选取调研信号交叉口，从行人信号灯类型、过街距离、行人流量三个方面分析信号交叉口行人违章行为，统计结果如表3所示。

1 数据采集与研究方法

1.1 问卷设计

在实时性方面,图7给出了该算法在处理不同数量数据时的运行时间,其中横坐标表示计算样本的规模,纵坐标表示运行时间,重建每对样本的时间大约为0.1秒。实验中为得到更好的精度而选择了较多的分段和层数,但由于该方法采用分段搜索,所以大大减少了运算量,从而保持了较好的实时性。

 

表1 行人违章决策测评体系

  

潜变量因素测评指标违章态度交通秩序(Y1);便利性(Y2);机动车避让(Y3)主观规范亲友意见(Y4);协管制约(Y5);违章受罚(Y6);从众违章(Y7)知觉行为控制路况车少(Y8);注意力分散(Y9);过街时间不足(Y10);难易感知(Y11);想法控制(Y12)过去行为历史违章次数(Y13);违章意识(Y14)出行环境信号灯类型(Y15);过街距离(Y16);行人流量(Y17)违章意向违章需求(Y18);违章可行性(Y19);怂恿他人违章(Y20)

1.2 问卷调查及检验

本文从矿区地质特征入手，系统分析矿床的地质特征，矿床成因及物质来源，总结出该区的成矿规律，为深、边部找矿提供思路。

1.3 违章决策群体差异性分析

采取独立样本T检验和单因素方差分析法，验证信号交叉口行人违章决策群体间的差异性。独立样本T检验法应用于违章行人个体属性具有两项分类，依据方差齐次性检验结果及对应Sig值，判断属性分组间是否存在差异；单因素方差分析法应用于违章行人个体属性存在多项分组，根据Sig值判定分组间差异，以方差齐次性检验结果，对应选取Tukey HSD、Dunnett T3两种事后检验方法，识别差异性群体。Sig值不大于0.05时表征特定个体属性下违章决策具有显著性差异，反之，无显著性差异。

传统的行人TPB研究主要从行为态度、知觉行为控制、主观规范等方面展开，分析违章过街决策影响程度，而行人的个体属性、认知观念、特定出行环境等条件会间接影响上述三方面。信号交叉口处行人违章决策受到主观及客观因素的综合影响，行人在信号交叉口时通过观察、分析外界环境信息，对比出行需求及自我行为能力，根据出行经验判断违章收益与风险，实施出行决策。因此，改进传统TPB模型，增设“过去行为”“出行环境”两因素，根据问卷便于理解、数据易处理原则，设计行人违章TPB调研指标李克特5级量表，指标体系包含两部分：违章行人个体属性，包含性别、年龄、学历、驾驶经历；违章决策测评指标，包含过去行为、出行环境、违章态度、违章意向、主观规范、知觉行为控制6项因素下的20项测评指标(见表1)。将问卷量化数据处理为数值越低，违章倾向越高。

在绿闪类型行人信号灯、短距离过街、过街行人流量较低条件下，较易引发违章行为。数字倒计时信号灯条件下行人违章率低于无数字倒计时类型，该结论与Keegan[11]研究结果相似，而与邓小勇等[12-14]的研究出现偏差，结论差异性可能因其他违章影响因素而出现不统一。

2 数据采集及分析

对武汉市多处信号交叉口进行实地问询调研，收集有效问卷共计652份，问卷有效回收率为93.14%。问卷数据信度检验分析结果显示各潜变量因素对应分量表及全部指标总量表信度系数均大于0.8，满足检验标准。各分量表的KMO检验值均高于0.7，表明数据适宜进行因子分析，分析结果显示指标因子荷载均达到0.6以上，指标项累计方差贡献率达60%以上，问卷指标及结构设计合理可靠。

对调研违章行人基本信息进行量化，统计结果显示样本结构分布较为均衡，具有一定的代表性，实证性分析具有实践意义，统计结果如表2所示。

妈妈和劳拉、玛丽在篷车里吃着面包和糖蜜，马吃着挂在脖颈上的饲料袋里的谷粒，爸爸则走进那家商店用兽皮交换旅途上需要的东西。他们不能在镇子里待得太久，因为他们必须在当天穿过丕平湖。

 

表2 调研对象基本信息

  

个体属性分类人数/人比例/%性别男34853.4女30446.6年龄18岁以下10716.418～34岁17126.235～59岁21533.060岁及以上15924.4学历小学9614.7初中13721.0高中11818.1专科15724.1大学及以上14422.1驾驶经历有30747.1无34552.9

针对现行研究多集中于行人违章外部行为特性分析，且内部心理测评研究侧重于违章决策机理、群体关注因素探讨，对违章行人群体间决策差异性研究较少。本文结合行人违章决策机理及TPB，设计违章行人调研问卷指标体系，利用独立样本T检验及单因素方差分析方法，分析不同违章行人群体出行决策差异。

结合实地调研及问询调查收集问卷数据，根据观测问卷信度、效度检验，验证行人违章决策测评问卷的可靠合理性。问卷各潜变量对应分量表的信度系数低于0.6，全部指标量表系数低于0.8时，需调整指标结构。根据KMO及Barrlett球形检验结果，采取因子分析法检验问卷效度，当KMO检验值不低于0.7时适当进行因子分析，量表的因子荷载值及累计方差贡献率应高于0.4，反之应剔除对应指标。

 

表3 行人违章行为量化

  

出行环境指标人数/人比例/%行人信号灯类型突变12318.9绿闪31147.7红闪10516.1数字倒计时11317.3过街距离10～13m23736.316～18m16825.821～23m15423.625～27m9314.3行人流量1～3人22534.54～6人18127.87～9人14221.810人及以上10415.9

3.选择合适的教学团队。选择一批“志同道合、有能力、有想法”的教师，选择一批“青中老”的教师，选择一批“初中高”职务的教师。

3 违章决策群体差异

3.1 性别群体差异性

对性别群体测评指标量化数据进行平均化分析，发现男女群体间违章倾向变化的趋势相近，统计结果如图1所示。在违章态度、主观规范、违章意向、过去行为因素下违章倾向差距较小；从知觉行为控制层面看，男性违章倾向相比较高。

  

图1 性别群体违章决策水平

选取独立样本T检验法识别男女群体间违章决策差异，结果显示各指标Sig值均高于0.05，表明性别属性对违章决策无显著影响。

3.2 年龄群体差异性

对年龄群体测评指标量化数据平均化分析，发现各年龄群体间违章倾向性存在差别，统计结果如图2所示。违章态度层面，老年更倾向于安全过街；主观规范层面，青少年与老年违章倾向较低；知觉行为控制层面，青少年及青年违章倾向性较高；出行环境层面，行人流量较大时老年人易违章过街；过去行为及违章意向层面，青年群体违章倾向性较高。

选取单因素方差分析识别各年龄群组间违章决策差异，结果显示路况车少、注意力分散、行人流量3项指标的Sig值低于0.05，表明年龄属性对该三种出行条件下违章决策具有显著影响，分别选取对应的事后检验方法确定具体群体间差异，检验结果如表4所示。

  

图2 年龄群体违章决策水平

 

表4 年龄群体事后检验显著性分布

  

潜变量观测变量年龄组别年龄组别组间均值差标准误差Sig值TukeyHSD事后检验知觉行为控制路况车少18～34岁35～59岁-0.42406*0.132000.00860岁及以上-0.44280*0.132680.005注意力分散18～34岁35～59岁-0.43510*0.150090.020DunnettT3事后检验出行环境行人流量35～59岁60岁及以上-0.32683*0.104940.012

注：*表示年龄群组间均值差达到0.05的显著水平

显著影响的测评指标差异性年龄群体间统计分布如图3所示。在知觉行为控制因素中，路况车少时青年群体自控力较差，自我实施违章行为能力自信度较高，违章倾向强烈；注意力分散过街时青年人较中年违章倾向较高，两者间违章决策差异性明显。在出行环境因素中，行人流量越高违章比例就越低，该指标对老年人违章决策的影响性更低。

  

图3 测评指标年龄群组差异性

3.3 学历群体差异性

对学历群体测评指标量化数据平均化进行分析，发现各学历群体间违章倾向性差距较小，违章决策变化趋势大体相近，统计结果如图4所示。选取单因素方差分析识别各学历群组间的违章决策差异，结果显示各观测指标Sig值均高于0.05，表明学历属性对违章决策无显著影响。

3.4 驾驶经历群体差异性

对驾驶经历群体测评指标量化数据平均化分析，发现有无驾驶经历群体间违章决策具有明显差别，指标间变化幅度较大，统计结果如图5所示。在违章态度、知觉行为控制、违章意向层面方面，无驾驶经历群体过街决策较为消极，违章倾向更高。

这件事后，甲洛洛对跟踪嘎绒更有兴致了。如果说曾经为了洗清自己的嫌疑，现在却有一种窃喜，那是一种深埋在骨子里的，探知别人隐私的快感，他现在不再那么渴望能早点抓到小偷了。

  

图4 学历群体违章决策水平

  

图5 驾驶经历群体违章决策水平

选取独立样本T检验法识别各驾驶经历群体间违章决策差异，结果显示协管约束、从众违章、路况车少、注意力分散4项指标的Sig值低于0.05，表明驾驶经历属性对4种出行条件下的违章决策具有显著影响。显著影响的测评指标差异性、驾驶经历群体间统计分布如图6所示。主观规范因素中，协管员交通管制出行条件下有驾驶经历时违章倾向性更高，易产生从众违章行为，可能源自于有驾驶经历行人更了解机动车驾驶员对违章行人的避让心理。知觉行为控制因素中，交叉口车辆稀少及过街注意力分散时，无驾驶经历群体在侥幸心理作用下盲目认为机动车会主动避让违章行人，违章意向较高。

  

图6 测评指标驾驶经历群组差异性

4 结束语

以行人违章决策机理为基础，设计违章行人的TPB问卷体系，收集违章行人心理感知及出行交通环境信息，定量化分析各群体间违章决策差异。发现性别、学历属性对违章决策无显著影响，年龄群体在知觉行为控制、出行环境层面中具有显著差异，驾驶经历群体在知觉行为控制、主观规范因素中具有显著差异。另外，针对差异性违章群体进行违章措施实施的有效性分析有待进一步研究。

参考文献：

[1] HOLLAND C，HILL R.Gender differences in factors predicting unsafe crossing decisions in adult pedestrians across the lifespan: A simulation study[J].Accident Analysis & Prevention，2010，42(04)：1097-1106.

[2] 苟娟琼，邹庆茹，王莉.基于改进计划行为理论的青少年交通违规行为分析[J].北京交通大学学报(社会科学版)，2012，11(3)：85-90.

[3] 王静，杨屹，傅灵菲，等.初中生不良交通行为危险因素分析——计划行为理论的运用[J].环境与职业医学，2013，30(2)：108-111.

[4] FREEMAN J，RAKOTONIRAINY A.Mistakes or deliberate violations? A study into the origins of rule breaking at pedestrian train crossings[J].Accident Analysis & Prevention，2015，77：45-50.

[5] BARTON B K，KLOGI S M，SIRON A.Distracted pedestrians in crosswalks: An application of the Theory of Planned Behavior[J].Transportation Research Part F：Traffic Psychology and Behaviour，2016，37：129-137.

[6] 邢吉平，邓建华，郝鹏飞.信号控制交叉口行人过街违章率研究[J].交通科技与经济，2014，16(5)：14-19.

[7] 张智勇，郝晓云，王东，等.北京市信号交叉口行人过街忍耐时间研究[J].交通信息与安全，2015，33(4)：9-17.

[8] 周竹萍，王炜，任刚，等.基于网络理论的行人从众违法过街行为模型[J].北京工业大学学报，2014，40(3)：374-377.

[9] DOMMES A，GRANIÉ M A，CLOUTIER M S，et al.Red light violations by adult pedestrians and other safety-related behaviors at signalized crosswalks[J].Accident Analysis & Prevention，2015，80：67-75.

[10] BERNHOFT I M，CARSTENSEN G.Preferences and behaviour of pedestrians and cyclists by age and gender[J].Transportation Research Part F: Traffic Psychology and Behaviour，2008，11(2)：83-95.

[11] KEEGAN O，O’MAHONY M.Modifying pedestrian behaviour[J].Transportation Research Part A：Policy and Practice，2003，37(10)：889-901.

[12] 邓小勇，郭雪东，熊辉.不同行人过街信号灯对行人违章的影响分析[J].交通标准化，2014，42(13)：37-41.

[13] 刘刚，况爱武，郑慧敏.考虑服务水平可靠度的单点交叉口信号配时研究[J]．交通科技与经济，2017，19(2)：39-43．

[14] 王玉全，刘凯华．城市道路行人过街交通特性分析[J]．交通科技与经济，2017，19(6)：43-46，70．