精准识别高风险左转
基于共享单车轨迹的检测框架，并揭示直接左转行为的关键影响因素，为交叉口安全改善提供依据。
Bi, Hui · 张学军 · 朱卫未 · Gao, Hui · 叶智锐
Accident Analysis and Prevention 2024
该框架基于共享单车轨迹构建，可自动识别直接左转事件，解决了以往缺乏暴露数据导致无法检测的问题。
研究发现守法骑车人更易受外部事件影响，而冒险型骑车人则潜移默化地受其习惯影响，据此可制定更有针对性的干预措施。
模型揭示事件时间、左转自行车可利用的通行时间、平均骑行速度等为显著影响因素，且实际等待时间、可利用通行空间、违规偏好等为新兴变量，为预测和干预提供依据。
该研究有助于更好地理解直接左转发生机理，并提出更高效的对策以降低骑行者直接左转率。