近日交通安全领域学术期刊《Accident Analysis and Prevention》在线发表了南京邮电大学现代邮政学院毕辉教授为第一作者，现代邮政学院张学军教授、管理学院朱卫未教授、现代邮政学院高辉教授、东南大学叶智锐教授参与合作的学术论文《Why they take the risk to perform a direct left turn at intersections: A data-driven framework for cyclist violation modeling》（DOI：https://doi.org/10.1016/j.aap.2024.107846）。该期刊为交通安全领域TOP期刊（中科院 1区期刊，影响因子5.7）。据悉，这是我校首次以第一作者单位在该刊物发表学术研究论文。

信号交叉口区域内自行车交通事故风险值得关注，其中事故发生的主要诱因是未能有效避免与机动车及其他自行车的行驶冲突。很明显，如果自行车在机动车左转信号控制阶段与左转车辆混行同步左转（Direct left turn，DLT），自行车用户则面临着较大的碰撞风险。由于缺乏观测数据，DLT 事件检测与其背后的风险发生机制仍较少被研究。本研究从共享单车入手，提出了一个轨迹数据驱动的 DLT 事件检测框架，同时构建了考虑均值和方差异质性的随机参数 logit 模型（Random parameters logit model with heterogeneity in means and variances，RPLHMV）用以捕捉 DLT 事件数据集中尚未观察到的异质性，从而了解 DLT 行为诱因。结果表明，在通勤需求较大的工作日高峰期，DLT事件频发；对于DLT事件的发生，保守型骑行者更易受到外部突发事件的影响，激进型骑行者则常受到其个人习惯偏好的内涵作用；同时，RPLHMV 模型进一步揭示了若干导致DLT事件发生的重要因素，如实际等待时间、左转自行车的可用通行空间以及DLT行为偏好，另外骑行发生时间、机动车左转信号相位时长、平均骑行速度在影响过程中表现出异质性。本研究有望深入了解 DLT 行为发生机制，帮助制定更有针对性的DLT预防对策。

轨迹数据驱动的DLT事件检测方法框架

毕辉教授长期从事交通行为方面的研究，目前已经发表论文40余篇，主持中国博士后科学基金面上资助项目、江苏省自然科学基金青年项目、江苏省高等学校基础科学（自然科学）研究面上项目等科研项目多项。

撰稿：毕辉  审核：赵学健