CN112907947B - 无信控过街通道车让人执法摄像头安全评价方法 - Google Patents

Abstract

本发明公开了一种无信控过街通道车让人执法摄像头安全评价方法，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取上述模型输出的各个回归向量系数，当第一回归向量系数β_m大于0/小于0时，判定安装执法摄像头会增加/降低车辆让行概率；当第二回归向量系数β_m1大于0/小于0时，判定安装执法摄像头会增加/降低车辆合法让行概率；当第三回归向量系数β_m2大于0/小于0时，判定安装执法摄像头会增加/降低人车冲突严重程度；其能够较为准确的评估相关通道车让人执法摄像头对行人安全的影响。

Description

无信控过街通道车让人执法摄像头安全评价方法

技术领域

本发明涉及道路交通技术领域，尤其涉及一种无信控过街通道车让人执法摄像头安全评价方法。

背景技术

近年来发生的交通事故中，关于行人和非机动车的事故数量占很大比重，2018年某区域总计发生交通事故244937起，其中有关行人和非机动车的交通事故共28601起，占总数的11.68％，行人作为交通系统中的弱势群体，是事故中的主要受害者，有关行人的交通安全问题是不可忽视的。在路段上无信控的过街通道处，由于车速较快，且没有信号灯分配行人和机动车的路权，易发生严重的人车冲突，行人过街的安全隐患大，发生的事故严重程度高。因此，无信控过街通道处的人车冲突及机动车让行问题亟需研究解决。

发明内容

针对以上问题，本发明提出一种无信控过街通道车让人执法摄像头安全评价方法，能够较为准确的评估无信控过街通道车让人执法摄像头对行人安全的影响，为行人交通安全水平评价以及车让人执法摄像头的安装选址提供了科学有效的方法。

为实现本发明的目的，提供一种无信控过街通道车让人执法摄像头安全评价方法，包括如下步骤：

S10，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集；所述数据集包括实验组数据和对照组数据；所述实验组数据包括实验组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组数据包括对照组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组与实验组位于同一路段，以保证交通状况一致；

S40，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取二元逻辑回归模型以及定序逻辑回归模型输出的各个回归向量系数，当第一回归向量系数β_m大于0时，判定安装执法摄像头会增加车辆让行概率；当第二回归向量系数β_m1大于0时，判定安装执法摄像头会增加车辆合法让行概率；当第三回归向量系数β_m2大于0时，判定安装执法摄像头会增加人车冲突严重程度。

在一个实施例中，上述无信控过街通道车让人执法摄像头安全评价方法，还包括：

当第一回归向量系数β_m小于0时，判定安装执法摄像头会降低车辆让行概率；当第二回归向量系数β_m1小于0时，判定安装执法摄像头会降低车辆合法让行概率；当第三回归向量系数β_m2小于0时，判定安装执法摄像头会降低人车冲突严重程度。

在一个实施例中，在步骤S10之后，还包括：

S20，在数据集中提取下述内容：无信控过街通道是否安装摄像头M：安装时M＝1，否则M＝0；行人是否残疾D：行人是残疾时D＝1，否则D＝0；行人是否携带物品L：行人携带物品时L＝1，否则L＝0；车辆类型V：车辆为小轿车时V＝1，车辆为货车或者7座及以上客车时V＝0；行人中是否有老人O：行人中有老人时O＝1，否则O＝0；行人中是否有小孩K：行人中有小孩时K＝1，否则K＝0；行人出现位置P：行人在路侧出现时P＝1，行人在路中出现时P＝0：旁车是否让行A：旁侧车辆让行时A＝1，否则A＝0；前车是否让行F：前方车辆让行时F＝1，否则F＝0；行人与车辆相遇时间隔车道数R；行人是否成组过街G：过街行人同时大于1位时G＝1，否则G＝0；车辆上游平均速度S；

S30，根据数据集判定车辆让行行为及人车冲突严重程度，具体包括：车辆是否让行Y：车辆让行人先行时Y＝1，否则Y＝0；车辆是否合法让行E：车辆停在停止线之前让行行人时E＝1，否则E＝0；人车冲突严重程度C：根据感知对人车冲突进行分级，无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2。

在一个实施例中，所述二元逻辑回归模型以及定序逻辑回归模型的自变量包括：无信控过街通道是否安装摄像头M，行人是否残疾D，行人是否携带物品L，车辆类型V，行人中是否有老人O，行人中是否有小孩K，行人出现位置P，旁车是否让行A，前车是否让行F，行人与车辆相对位置R，行人是否成组过街G，以及车辆上游平均速度S。

具体地，所述二元逻辑回归模型以及定序逻辑回归模型包括：

Pr(C＝i)＝Pr(k_i-1＜β_m2*M+β_d2*D+β_l2*L+β_v2*V+β_o2*O+β_k2*K+β_p2*P+β_a2*A+β_f2*F+β_r2*R+β_g2*G+β_s2*S+ε_ij≤k_i)，

其中，α为常数项，k_i-1与k_i均为定序模型中的切分点，ε_ij为遵循逻辑分布的误差项，β_n表示所有回归系数集合，β_n包括β_d、β_l、β_o、β_p、β_a、β_r、β_g、β_s、β_m1、β_d1、β_l1、β_v1、β_o1、β_k1、β_p1、β_a1、β_f1、β_g1、β_s1、β_m2、β_d2、β_l2、β_v2、β_o2、β_k2、β_p2、β_a2、β_f2、β_g2、以及β_s2，Pr(Y≠0|X)表示车辆让行概率，Pr(E≠0|X)表示车辆合法让行概率，Pr(C＝i)表示人车冲突严重程度为i时的概率，其中i为人车冲突级别，无冲突时i＝0，轻微冲突时i＝1，严重冲突时i＝2。

上述无信控过街通道车让人执法摄像头安全评价方法，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取二元逻辑回归模型以及定序逻辑回归模型输出的各个回归向量系数，当第一回归向量系数β_m大于0/小于0时，判定安装执法摄像头会增加/降低车辆让行概率；当第二回归向量系数β_m1大于0/小于0时，判定安装执法摄像头会增加/降低车辆合法让行概率；当第三回归向量系数β_m2大于0/小于0时，判定安装执法摄像头会增加/降低人车冲突严重程度；其通过选取与实验组具有相似特性的参照组，分别调查实验组与参照组的车辆让行行为及人车冲突严重程度，利用逻辑回归模型研究车让人执法摄像头对于车辆让行行为以及人车冲突严重程度的影响，能够较为准确的评估无信控过街通道车让人执法摄像头对行人安全的影响，为行人交通安全水平评价以及车让人执法摄像头的安装选址提供了科学有效的方法。

附图说明

图1是一个实施例的无信控过街通道车让人执法摄像头安全评价方法流程图；

图2是另一个实施例的无信控过街通道车让人执法摄像头安全评价方法流程图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参考图1所示，图1为一个实施例的无信控过街通道车让人执法摄像头安全评价方法流程图，包括如下步骤：

S10，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集；所述数据集包括实验组数据和对照组数据；所述实验组数据包括实验组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组数据包括对照组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组与实验组位于同一路段，以保证交通状况一致。

上述步骤可以实现调查区域选择及数据采集：具体针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组。对照组与实验组位于同一路段，保证交通状况一致。所用数据集包含车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量。

S40，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取二元逻辑回归模型以及定序逻辑回归模型输出的各个回归向量系数，当第一回归向量系数β_m大于0时，判定安装执法摄像头会增加车辆让行概率；当第二回归向量系数β_m1大于0时，判定安装执法摄像头会增加车辆合法让行概率；当第三回归向量系数β_m2大于0时，判定安装执法摄像头会增加人车冲突严重程度；本实施例的研究对象为发生在实验组与参照组内的行人与车辆间的互动。

上述无信控过街通道车让人执法摄像头安全评价方法，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取二元逻辑回归模型以及定序逻辑回归模型输出的各个回归向量系数，当第一回归向量系数β_m大于0时，判定安装执法摄像头会增加车辆让行概率；当第二回归向量系数β_m1大于0时，判定安装执法摄像头会增加车辆合法让行概率；当第三回归向量系数β_m2大于0时，判定安装执法摄像头会增加人车冲突严重程度；其通过选取与实验组具有相似特性的参照组，分别调查实验组与参照组的车辆让行行为及人车冲突严重程度，利用逻辑回归模型研究车让人执法摄像头对于车辆让行行为以及人车冲突严重程度的影响，能够较为准确的评估无信控过街通道车让人执法摄像头对行人安全的影响，为行人交通安全水平评价以及车让人执法摄像头的安装选址提供了科学有效的方法。

在一个实施例中，上述无信控过街通道车让人执法摄像头安全评价方法，还包括：

当第一回归向量系数β_m小于0时，判定安装执法摄像头会降低车辆让行概率；当第二回归向量系数β_m1小于0时，判定安装执法摄像头会降低车辆合法让行概率；当第三回归向量系数β_m2小于0时，判定安装执法摄像头会降低人车冲突严重程度。

本实施例可以进行评价模型选择及相关参数标定。具体地，由于车辆是否让行Y以及车辆是否合法让行E均为二元变量，因此采取二元逻辑回归模型进行分析。当β_m大于0时，说明安装执法摄像头可以增加车辆让行概率，反之亦然。当β_m1大于0时，说明安装执法摄像头可以增加车辆合法让行概率，反之亦然。由于人车冲突严重程度C为有序变量，其中无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2，因此采取定序逻辑回归模型，同样的，当β_m2大于0时，说明安装执法摄像头会增加人车冲突严重程度，反之亦然。其中，上述模型中自变量分别为：无信控过街通道是否安装摄像头M，行人是否残疾D，行人是否携带物品L，车辆类型V，行人中是否有老人O，行人中是否有小孩K，行人出现位置P，旁车是否让行A，前车是否让行F，行人与车辆相对位置R，行人是否成组过街G，车辆上游平均速度S，

具体地，所述二元逻辑回归模型以及定序逻辑回归模型包括：

Pr(C＝i)＝Pr(k_i-1<β_m2*M+β_d2*D+β_l2*L+β_v2*V+β_o2*O+β_k2*K+β_p2*P+β_a2*A+β_f2*F+β_r2*R+β_g2*G+β_s2*S+ε_ij≤k_i)，

其中，α为常数项，k_i-1与k_i均为定序模型中的切分点，ε_ij为遵循逻辑分布的误差项，β_n表示所有回归系数集合，β_n包括β_d、β_l、β_o、β_p、β_a、β_r、β_g、β_s、β_m1、β_d1、β_l1、β_v1、β_o1、β_k1、β_p1、β_a1、β_f1、β_g1、β_s1、β_m2、β_d2、β_l2、β_v2、β_o2、β_k2、β_p2、β_a2、β_f2、β_g2、以及β_s2，Pr(Y≠0|X)表示车辆让行概率，Pr(E≠0|X)表示车辆合法让行概率，Pr(C＝i)表示人车冲突严重程度为i时的概率，其中i为人车冲突级别，无冲突时i＝0，轻微冲突时i＝1，严重冲突时i＝2。

在一个实施例中，在步骤S10之后，还包括：

S20，在数据集中提取下述内容：无信控过街通道是否安装摄像头M：安装时M＝1，否则M＝0；行人是否残疾D：行人是残疾时D＝1，否则D＝0；行人是否携带物品L：行人携带物品时L＝1，否则L＝0；车辆类型V：车辆为小轿车时V＝1，车辆为货车或者7座及以上客车时V＝0；行人中是否有老人O：行人中有老人时O＝1，否则O＝0；行人中是否有小孩K：行人中有小孩时K＝1，否则K＝0；行人出现位置P：行人在路侧出现时P＝1，行人在路中出现时P＝0：旁车是否让行A：旁侧车辆让行时A＝1，否则A＝0；前车是否让行F：前方车辆让行时F＝1，否则F＝0；行人与车辆相遇时间隔车道数R；行人是否成组过街G：过街行人同时大于1位时G＝1，否则G＝0；车辆上游平均速度S；

S30，根据数据集判定车辆让行行为及人车冲突严重程度，具体包括：车辆是否让行Y：车辆让行人先行时Y＝1，否则Y＝0；车辆是否合法让行E：车辆停在停止线之前让行行人时E＝1，否则E＝0；人车冲突严重程度C：根据感知对人车冲突进行分级，无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2。

在一个实施例中，所述二元逻辑回归模型以及定序逻辑回归模型的自变量包括：无信控过街通道是否安装摄像头M，行人是否残疾D，行人是否携带物品L，车辆类型V，行人中是否有老人O，行人中是否有小孩K，行人出现位置P，旁车是否让行A，前车是否让行F，行人与车辆相对位置R，行人是否成组过街G，以及车辆上游平均速度S。

上述无信控过街通道车让人执法摄像头安全评价方法，通过选取无信控过街通道作为研究对象，利用二元逻辑回归模型以及定序逻辑回归模型研究车让人执法摄像头对于车辆让行行为以及人车冲突所造成的影响。

在一个实施例中，上述无信控过街通道车让人执法摄像头安全评价方法可以参考图2所示，包括如下过程：

(1)调查区域选择及数据采集：本方法针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组。对照组与实验组位于同一路段，保证交通状况一致。所用数据集包含车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；

(2)提取行人属性变量、车辆属性变量以及环境变量：确定实验组与参照组后，即可调研采集各组变量，包括无信控过街通道是否安装摄像头M(安装时M＝1，否则M＝0)，行人是否残疾D(行人是残疾时D＝1，否则D＝0)，行人是否携带物品L(行人携带物品时L＝1，否则L＝0)，车辆类型V(车辆为小轿车时V＝1，车辆为货车或者7座及以上客车时V＝0)，行人中是否有老人O(行人中有老人时O＝1，否则O＝0)，行人中是否有小孩K(行人中有老人时K＝1，否则K＝0)，行人出现位置P(行人在路侧出现时P＝1，行人在路中出现时P＝0)，旁车是否让行A(旁侧车辆让行时A＝1，否则A＝0)，前车是否让行F(前方车辆让行时F＝1，否则F＝0)，行人与车辆相遇时间隔车道数R，行人是否成组过街G(过街行人同时大于1位时G＝1，否则G＝0)，车辆上游平均速度S；

(3)判定车辆让行行为及人车冲突严重程度：车辆是否让行Y(车辆让行人先行时Y＝1，否则Y＝0)，车辆是否合法让行E(车辆停在停止线之前让行行人时E＝1，否则E＝0)，人车冲突严重程度C(根据感知对人车冲突进行分级，无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2)。

结合第一步，第二步以及第三步得到的相关数据如表1-1所示。

表1-1调查区域数据采集统计表

(4)评价模型选择及参数标定：由于车辆是否让行Y以及车辆是否合法让行E均为二元变量，因此采取二元逻辑回归模型进行分析。当β_m大于0时，说明安装执法摄像头可以增加车辆让行概率，反之亦然。当β_m1大于0时，说明安装执法摄像头可以增加车辆合法让行概率，反之亦然。由于人车冲突严重程度C为有序变量，其中无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2，因此采取定序逻辑回归模型，同样的，当β_m2大于0时，说明安装执法摄像头会增加人车冲突严重程度，反之亦然。其中，上述模型中自变量分别为：无信控过街通道是否安装摄像头M，行人是否残疾D，行人是否携带物品L，车辆类型V，行人中是否有老人O，行人中是否有小孩K，行人出现位置P，旁车是否让行A，前车是否让行F，行人与车辆相对位置R，行人是否成组过街G，车辆上游平均速度S，其中，α为常数项，k_i-1与k_i均为定序模型中的切分点，ε_ij为遵循逻辑分布的误差项，β_n表示所有回归系数集合，Pr(Y≠0|X)表示车辆让行概率，Pr(E≠0|X)表示车辆合法让行概率，Pr(C＝i)表示人车冲突严重程度为i时的概率，其中i为人车冲突级别，无冲突时i＝0，轻微冲突时i＝1，严重冲突时i＝2；

Pr(C＝i)＝Pr(k_i-1<β_m2*M+β_d2*D+β_l2*L+β_v2*V+β_o2*O+β_k2*K+β_p2*P+β_a2*A+β_f2*F+β_r2*R+β_g2*G+β_s2*S+ε_ij≤k_i)。

表1-2车辆是否让行模型参数标定表

由于该实施案例是基于假设条件进行，根据最终的参数标定表(表1-2)，假定β_m，β_m1以及β_m2均为正值，即说明安装车让人执法摄像头可以有效增加驾驶员让行以及合法让行概率，但是会增加人车冲突的严重程度，其余参数以此类推。

本申请针对某城市不礼让行人抓拍摄像头设置了对照实验，研究了无信控人行通道机动车的行驶特性、让行行为和人车冲突，对分析、评价电子警察等无信控过街通道处的约束措施和改善行人交通安全具有重要意义。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

本申请实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (4)

1.一种无信控过街通道车让人执法摄像头安全评价方法，其特征在于，包括如下步骤：

S10，针对无信控过街通道，分别选取安装了车让人执法摄像头的实验组以及未安装车让人执法摄像头的对照组，分别采集实验组和对照组采集数据集；所述数据集包括实验组数据和对照组数据；所述实验组数据包括实验组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组数据包括对照组处的车辆是否让行Y，车辆是否合法让行E，人车冲突严重程度C，行人属性变量、车辆属性变量以及环境变量；所述对照组与实验组位于同一路段，以保证交通状况一致；

S20，在数据集中提取下述内容：无信控过街通道是否安装摄像头M：安装时M＝1，否则M＝0；行人是否残疾D：行人是残疾时D＝1，否则D＝0；行人是否携带物品L：行人携带物品时L＝1，否则L＝0；车辆类型V：车辆为小轿车时V＝1，车辆为货车或者7座及以上客车时V＝0；行人中是否有老人O：行人中有老人时O＝1，否则O＝0；行人中是否有小孩K：行人中有小孩时K＝1，否则K＝0；行人出现位置P：行人在路侧出现时P＝1，行人在路中出现时P＝0：旁车是否让行A：旁侧车辆让行时A＝1，否则A＝0；前车是否让行F：前方车辆让行时F＝1，否则F＝0；行人与车辆相遇时间隔车道数R；行人是否成组过街G：过街行人同时大于1位时G＝1，否则G＝0；车辆上游平均速度S；

S30，根据数据集判定车辆让行行为及人车冲突严重程度，具体包括：车辆是否让行Y：车辆让行人先行时Y＝1，否则Y＝0；车辆是否合法让行E：车辆停在停止线之前让行行人时E＝1，否则E＝0；人车冲突严重程度C：根据感知对人车冲突进行分级，无冲突时C＝0，轻微冲突时C＝1，严重冲突时C＝2；

S40，将数据集输入二元逻辑回归模型以及定序逻辑回归模型，获取二元逻辑回归模型以及定序逻辑回归模型输出的各个回归向量系数，当第一回归向量系数β_m大于0时，判定安装执法摄像头会增加车辆让行概率；当第二回归向量系数β_m1大于0时，判定安装执法摄像头会增加车辆合法让行概率；当第三回归向量系数β_m2大于0时，判定安装执法摄像头会增加人车冲突严重程度。

2.根据权利要求1所述的无信控过街通道车让人执法摄像头安全评价方法，其特征在于，还包括：

当第一回归向量系数β_m小于0时，判定安装执法摄像头会降低车辆让行概率；当第二回归向量系数β_m1小于0时，判定安装执法摄像头会降低车辆合法让行概率；当第三回归向量系数β_m2小于0时，判定安装执法摄像头会降低人车冲突严重程度。

3.根据权利要求1所述的无信控过街通道车让人执法摄像头安全评价方法，其特征在于，所述二元逻辑回归模型以及定序逻辑回归模型的自变量包括：无信控过街通道是否安装摄像头M，行人是否残疾D，行人是否携带物品L，车辆类型V，行人中是否有老人O，行人中是否有小孩K，行人出现位置P，旁车是否让行A，前车是否让行F，行人与车辆相对位置R，行人是否成组过街G，以及车辆上游平均速度S。

4.根据权利要求3所述的无信控过街通道车让人执法摄像头安全评价方法，其特征在于，所述二元逻辑回归模型以及定序逻辑回归模型包括：

Pr(C＝i)＝Pr(k_i-1<β_m2*M+β_d2*D+β_l2*L+β_v2*V+βo₂*O+β_k2*K+β_p2*P+β_a2*A+β_f2*F+β_r2*R+β_g2*G+β_s2*S+ε_ij≤k_i)，

其中，α为常数项，k_i-1与k_i均为定序模型中的切分点，ε_ij为遵循逻辑分布的误差项，β_n表示所有回归系数集合，β_n包括β_d、β_l、β_o、β_p、β_a、β_r、β_g、β_s、β_m1、β_d1、β_l1、β_v1、β_o1、β_k1、β_p1、β_a1、β_f1、β_g1、β_s1、β_m2、β_d2、β_l2、β_v2、β_o2、β_k2、β_p2、β_a2、β_f2、β_g2、以及β_s2，Pr(Y≠0|X)表示车辆让行概率，Pr(E≠0|X)表示车辆合法让行概率，Pr(C＝i)表示人车冲突严重程度为i时的概率，其中i为人车冲突级别，无冲突时i＝0，轻微冲突时i＝1，严重冲突时i＝2。

Images