路侧直线式公交站台对非机动车行驶安全的影响_沈金星.pdf

文章编号:1009-6094(2023)06-1908-08路侧直线式公交站台对非机动车行驶安全的影响沈金星,赵 聪(河海大学土木与交通学院,南京 210098)摘 要:为提高非机动车在路侧直线式公交站台区域的行驶安全,以现场调查的视频数据和模拟仿真的非机动车行驶轨迹数据为基础,利用替代安全评价模型提取非机动车交通冲突数据,构建超阈值极值模型,并通过模型参数构建的事故重现水平指标,定量研究机非混行、机非物理隔离、机非标线隔离情景下,公交站台设置对非机动车行驶安全的影响。结果表明,在机非混行情景下,公交站台区域非机动车行驶的交通冲突种类繁多且冲突严重性较高,骑行安全性最低。非机动车流量和站台长度会显著影响机非标线隔离情景下非机动车的行驶安全性。在机非物理隔离情景下,非机动车行驶安全性最高,分别比机非标线隔离与机非混行情景下提高39.253%与 45.281%。关键词:安全工程;安全分析;超阈值极值模型;直线式公交站台;非机动车;交通冲突中图分类号:X951 文献标志码:ADOI:10.13637/j.issn.1009-6094.2022.0110收稿日期:20220120作者简介:沈金星,副教授,从事交通安全与环境研究,。基金项目:国家自然科学基金项目(51808187)0 引 言公交站台是为乘客提供候车以及上下车空间的公共基础设施。根据公交站台的形式,可将其分为港湾式和直线式 2 种主要类型。站台形式和设置方案不仅会影响公交线路通行能力和服务效能,还会对道路交通安全产生显著影响1。在道路资源有限的老城区路段,沿人行道设置的路侧直线式公交站台(以下简称直线式站台)是一种常见的站台形式。公交车在停靠此类站台时会挤压机动车和非机动车的行驶空间,从而诱发严重的交通冲突2。研究表明3,这类站台附近交通碰撞数量的增加与非机动车和乘客微观行为有关。Currie 等4认为直线式站台处车道变窄是非机动车与公交车之间冲突的根源,追尾冲突和换道冲突是公交车与非机动车在站台区域内最常见的冲突方式。杜少娜等5发现,公交在直线式站台的进站和出站过程中,非机动车会对公交行车产生阻滞和摩擦干扰,影响公交运行效率和行车安全。Fernandez等6于 2005 年首次系统分析了公交、乘客以及道路交通流之间相互作用对站台延误以及通行能力的影响,构建了单泊位站台微观仿真模型,为公交站台区域混合交通流特征的模拟和分析奠定了基础。Yang等7认为道路交通流量、公交车停留时间和站台泊位数量对任何类型公交车站的交通运营都有负面影响,当小时车流量超过 200 辆时,港湾式站台比路侧直线式公交站台的效果更好。邵海鹏等8基于贝叶斯网络结构的分析结果表明,非机动车种类、驾驶员性别、车辆车头时距对站台处的交通安全有直接影响。虽然基于非事故指标的交通冲突技术可以有效解析多因素综合影响下交通事故的内在发生机理,但传统的交通冲突数据采集方法,依赖于观测者的经验判断,不仅需要耗费大量的人力物力,还可能会因为观测者的偏好而产生统计偏差9。Wang 等10于 2018 年首次建立了一种利用车辆轨迹的微观仿真数据、结合极值理论进行交通冲突研究的方法。Charly 等11利用实际条件下的车辆现场轨迹数据和微观模拟的车辆轨迹数据,提出了一种考虑非基于车道的行驶、不同类型车辆的相互作用及主要的交通冲突等因素的交通安全评估方法。综上所述,公交在停靠直线式公交站台过程中,公交车辆和上下车乘客会对非机动车行驶安全存在影响;目前针对直线式站台设计方案对道路交通安全影响的研究不足,导致管理者在选择直线式公交站台时缺少定量的判断依据。本文以直线式公交站台为研究对象,针对机非混行、机非物理隔离、机非标线隔离的道路条件下设置直线式公交站台情景,构建微观仿真模型并通过实测数据进行模型标定,基于替代安全评价模型识别非机动车骑行轨迹中的交通冲突,构建基于冲突数据的超阈值极值模型,分析不同类型站台对非机动车骑行安全的影响,以期为直线式公交站台方案的优化设计提供理论支撑。1 数据处理与分析1.1 交通冲突特征分析交通冲突是交通事故的初始形式,与避险行为密切相关,是人、车、路、环境等因素综合作用下不安全的表现形式9。为便于数据采集分析,将路侧直线式公交站台影响区域内非机动车的交通冲突定义为:公交车在进出站台、停靠服务乘客等过程中干扰非机动车驾驶者的正常行驶,迫使其采取减速、转8091第 23 卷第 6 期2023 年 6 月 安全 与 环 境 学 报Journal of Safety and Environment Vol.23 No.6Jun.,2023向、换道等避险行为来改变骑行轨迹,保障自身安全的遭遇事件。根据路侧直线式站台设置的位置、公交停靠区域及其与相邻车道的关系,可以将直线式公交站台的设置方案分为机非混行、机非物理隔离和机非标线隔离 3 种情景。公交车在站台区域内减速进站、停车上下车以及加速出站的过程中,可能发生非机动车 公交、非机动车 上下车乘客、非机动车 非机动车冲突;根据非机动车冲突角的不同,有追尾、侧向与交叉冲突 3种12 13。图1 给出了非机动车行驶过程中可能存在的交通冲突情况。为充分观测直线式站台区域范围内非机动车的交通冲突7,选择的站台需设有较多的公交线路,站台所在路段交通量较大,站台附近有易于拍摄的自然条件,且存在不同的道路设施设计。因此选择盐城市亭湖区内7 个直线式站台为观测点。表 1 数据采集地点特征Table 1 Characteristics of the data collection sites站台名称车道数非机动车车道宽/m公交线路/条机非隔离方案中医院站双向 4 车道3.86机非标线分隔迎宾桥站双向 4 车道2.07机非物理分隔公交总站双向 4 车道2.78机非物理分隔建军路站双向 4 车道3.06机非混行儿童医院站双向 4 车道3.04机非混行新四军纪念馆站 双向 4 车道4.256机非标线分隔边防局站双向 4 车道4.255机非标线分隔1.2 交通冲突数据采集与分析采取视频录像与人工观测相结合的方法进行交通冲突调查。不同站台的尺寸、非机动车道宽度、机非混行道宽度及邻接机动车道宽度等静态交通信息均通过实地测量得出,见表 1。选择 VISSIM 仿真软件14模拟非机动车在直线式站台区域的行驶状况。先利用实测数据对车辆、乘客、公交站台、道路等要素进行参数标定,标定范围包括基础特征参数与交通特征参数,以及车辆在道路中的驾驶行为参数;再根据站台区域非机动车道与机动车道的分隔方案,分别构建机非混行、机非标线隔离及机非物理隔离情景下,公交车、非机动车及行人的混合交通流仿真模型;最后利用替代安全评价模型,分析 VISSIM 软件模拟的交通冲突数据15。2 超阈值极值模型与距 离 碰 撞 时 间 相 比,后 侵 入 时 间(PostEncroachment Time,PET)的观察和测量比较简单,且可以独立检测不同类型的交通冲突16,因此将 PET作为度量指标分析非机动车行驶轨迹中可能的交通冲突。PET 越小发生交通冲突的可能越大,当 PET0 时交通冲突发展为交通事故。由于交通事故是交通冲突的极值小概率事件,选择超阈值极值模型对直线式公交站台区域内非机动车的交通冲突数据进行分图 1 不同情景下公交停靠直线式站台与非机动车的交通冲突Fig.1 Traffic conflict between bus parking in curbsidestops areas and the non-motor vehiclesunder different scenarios9091 2023 年 6 月 沈金星,等:路侧直线式公交站台对非机动车行驶安全的影响 Jun.,2023析10。2.1 模型分布函数假设随机变量 X 的 n 个独立样本 X1,Xi,Xn的分布函数为 F,定义一个阈值 u,将高于 u的样本作为极值样本的方法称为超阈值方法。因此,所有大于 u 的独立样本 Xi称为超阈值极值样本。对于随机变量 X 超过 u 的值大于任一值 x 的概率分布函数 Fu(x)的表达式为Fu(x)=PX-u x|X u=1-F(u+x)1-F(u)(1)当 u 足够高时,超阈值极值服从广义帕累托分布17,其表达式为G(x;,u,)=1-1+x-u()-1/01-exp-xu()=0|(2)式中 x 且 1+(x-)/u 0,u为超出 u 的极值样本的尺度参数,为形状参数,为位置参数。2.2 非独立同分布极值分析服从广义帕累托分布的前提是极值样本是独立同分布的。对公交站台区域交通冲突的分析发现,由于公交车停靠的影响,同方向的非机动行驶空间会被压缩集聚,导致局部区域内非机动车的 PET 极值是相互关联的,不满足独立同分布的要求。为此,将同方向的空间间隔较小的交通参与者组成一个集合,定义为车组。图 2 中既可以将运动状态类似的非机动车作为车组,也可以将密集空间内的公交车和上下车乘客作为车组。由于同车组内的 PET 极值相互关联,仅保留车组内 PET 的最小值作为极值。参照非机动车冲突角的分类,车组之间的潜在交通冲突类型也可分为追尾、侧向和交叉冲突 3 种。图 2 车组划分及交通冲突类型Fig.2 Group division and types of traffic conflicts选取 2020 年 6 月 14 日至 7 月 1 日的工作日下班高峰时段,利用摄像机录制了 7 个公交站台处的交通状况,并确保每个站台的录制时不少于 4 h。基于视频文件采集的公交停靠时间、上下车人数、公交和非机动车的流量、速度、车头间距等数据。根据实地勘查的公交站台布局方案,构建 7 个公交站台VISSIM 仿真模型。利用采集的实际交通流数据对仿真模型进行了标定和校核后,从 7 个公交站台共获取到 4 209 个 PET 指标。对直接提取的原始 PET指标进行分组优化后得到 2 937 个 PET 指标,结果见表 2。将各站台分组处理后的 PET 指标,根据交通冲突类型进行分类后的统计结果见表 3。2.3 阈值选取对于满足式(2)的随机变量 X 超过某一阈值 u0的均值为E(X-u0|X u0)=u01-(3)式中u0为高于 u0的样本对应的尺度参数。对于任一 u u0的极值样本仍服从广义帕累托分布,但u与 u 之间存在变化关系 u=u+(u-u0)。因此可得E(X-u0|X u0)=u01-=u0+(u-u0)1-=u01-1-u(4)在上述假设成立的条件下,可以得到随 u 变化的数据点的计算式为(u,1nunui=1(xi-u):u 0。对参数求导并令其为 0,得到线性方程组后计算形状参数 与 u的极大似然估计值,结果见表 4。在参数估计的过程中,引入协变量矩阵 Y 作为与非平稳序列极值行为相关的变量,将其融入建模过程,得到广义帕累托分布的参数形式为=h(YT)(7)式中 代表分布模型参数;h 为关联函数;为参数向量。形状参数的时间线性趋势可用恒等关联函数表示;尺度参数与协变量有关,可通过指数关联函数表示。联立式(6)和(7),和 u的表达式为1191 2023 年 6 月 沈金星,等:路侧直线式公交站台对非机动车行驶安全的影响 Jun.,2023=(1,t)01|(8)u=exp(1,Y1,Y2)012|(9)式中 Y=(Y1,Y2),=(1,2)。考虑到 PET 会受到环境、道路等因素影响,且无时间上的集计,因此将 2 个非集计变量 Dmax和 S作为协变量。Dmax为极值 PET 对应的后车最大减速度,S 为极值 PET 对应冲突对象之间的速度差。将广义帕累托模型的参数通过关联函数与协变量连接后的参数估计结果见表 5。表 5 不同关联函数对应的超阈值极值模型Table 5 Peaks over threshold models corresponding to different correlation functions站台名称关联函数协变量参数估计值u=exp(Y)=Y01110212中医院站无指数恒等无 0.021-0.842Dmax-0.626-0.178-0.507S-0.921-0.427-0.043Dmax 0.022-0.839-0.029S 0.025-0.836-0.173边防局站无指数恒等无 0.397-0.476Dmax-0.820-0.540-0.973S-0.243-0.601-0.933Dmax 0.398-0.472-0.058S 0.405-0.471-0.036儿童医院站无指数恒等无 0.485-0.581Dmax-0.984-0.746-0.068S-0.851-0.910-0.797Dmax 0.487-0.573-0.025S 0.489-0.572-0.028建军路口北站无指数恒等无 0.334-0.123Dmax-0.409-0.881-0.512S-0.215-0.605-0.436Dmax 0.334-0.115-0.011S 0.336-0.116-0.010新四军纪念馆站无指数恒等无 0.069-0.628Dmax-0.110 0.000-0.762S-0.107-0.994-0.935Dmax 0.070-0.627-0.021S 0.070-0.625-0.200公交总站无指数恒等无 0.352-0.583Dmax-0.697-0.726-0.508S-0.684-0.956-0.396Dmax 0.285-0.646-0.134S 0.287-0.650-0.137迎宾桥站无指数恒等无 0.259-0.651Dmax-0.741-0.712-0.496S-0.676-0.865-0.387Dmax 0.263-0.647-0.123S 0.266-0.648-0.1492191 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期2.5 模型构建将、u与 Dmax、S 关联之后,各站台虽存在极大似然估计,但模型的拟合度比不考虑协变量的情况并无明显提升。这表明 S 与 Dmax对超阈值极值模型拟合效果的影响不大。主要原因是经过筛选后,样本容量较小,且数值型变量分类单一,使得影响不够显著。此外,对于后车速度小于前车的特殊情况,虽不存在冲突风险但仍会产生 PET,因此考虑协变量 S 并不会提升模型对 PET 指标的拟合度。不考虑协变量的平稳广义帕累托模型为最优模型,结合各站台的阈值 u、和 u,不同站台处构建的最优模型见表 6。3 结果分析根据超阈值极值模型的参数估计结果,可以分别估计未来一段时间内可能发生的事故起数和事故重现水平,并通过这2 个评价指标分析不同情景下设置路侧直线式公交站台对非机动车行驶安全的影响。3.1 事故起数估计基于超阈值极值模型,结合交通事故发生条件,可以得到事故发生概率 R 的计算式为R=1-G(0)1-u/u0(10)式中 R 为事故发生的概率;G(0)为广义帕累托分 表 6 不同站台处的最优模型Table 6 Optimal models corresponding todifferent bus stops站台名称最优模型中医院站G(y)=1-(1-1.876y)0.843 01-exp(-1.582y)=0边防局站G(y)=1-(1-2.165y)0.863 01-exp(-1.867y)=0儿童医院站G(y)=1-(1-2.955y)0.574 01-exp(-1.697y)=0建军路口北站G(y)=1-(1-1.279y)1.344 01-exp(-1.720y)=0新四军纪念馆站G(y)=1-(1-1.426y)1.522 01-exp(-2.170y)=0公交总站G(y)=1-(1-1.939y)0.811 01-exp(-1.573y)=0迎宾桥站G(y)=1-(1-0.922y)1.503 01-exp(-1.386y)=0布在 0 处的取值。当 1-u/u0 时,R=0。假设仿真时间段 t 内交通冲突数据的样本分布能代表总体特征,那么公交站台短时风险评估模型就能适用于评估实际环境下 T 时段内的事故起数NT为NT=RT/t(11)3.2 事故重现水平在极值理论中,事故重现水平用来描述极值事件发生的最大可能性。该评价指标可理解为,设置一个重现期,若重现期内事故重现水平小于 0,则重现期内无交通事故发生,反之则存在安全隐患。根据定义,重现水平需满足条件为G(zp)=PZzp=1-p(12)式中 zp为随机变量 Z 的重现期为 1/p 时的重现水平;p 为特定概率;G()为广义帕累托分布。对于阈值为 u、参数为(u,)的广义帕累托分布,其重现水平计算式为zp=u+u1ptu()-1 0u+ulg1ptu()=0|(13)式中 t 为观测时段长度,h;u为观测时段内超过阈值样本所占比例。由式(12)和(13)计算出不同情景下 5 年内的事故起数和事故重现水平指标,结果见表 7。通过估计事故起数和事故重现水平评价指标对3 类站台的安全性进行纵向对比,可以发现在沿人行道设置的路侧直线式公交站台处,非机动车的骑行安全水平存在很大差异。设置机非分隔带的公交站台安全性最高,对此类站台模拟分析的结果表明,表 7 事故起数和事故重现水平评价指标Table 7 Evaluation indicators of accident numberand accident recurrence level仿真模型站台名称估计事故起数估计事故重现水平情景(机非混行)建军路口北站21.00.289儿童医院站16.00.185情景(机非物理分隔)公交总站 4.00.085迎宾桥站 5.00.097情景(机非标线分隔)中医院站13.00.243边防局站 0-0.251新四军纪念馆站 6.00.1643191 2023 年 6 月 沈金星,等:路侧直线式公交站台对非机动车行驶安全的影响 Jun.,2023此类站台区域非机动车的冲突类型少且交通冲突严重性水平低。设置标线隔离的公交站台区域,非机动车流量和站台长度因素会显著影响非机动车行驶的安全性;在机非混行车道的公交站台区域,非机动车的行驶安全性最低。在实际调查中发现,此类站台区域非机动车冲突类型多样且交通冲突严重,发生交通事故的风险最高。通过转换系数将事故风险指标转换为估计事故起数指标时会导致一定的不确定性,导致事故起数为 0(如表 7 中边防局站的事故起数指标);通过较短观测时间和仿真时间获得的事故风险指标,评估较长时间段范围的事故起数指标时,会导致事故起数指标对事故风险指标的误差非常敏感(例如,利用3 h 仿真分析的事故风险指标估计 5 a 的事故起数指标时,会将事故风险指标的误差放大 14 600 倍)。因此,用事故重现水平来衡量各站台设计类型下非机动车的骑行安全性是更加合理的。为保证评价结果的可靠性,分别通过调整系数 和 来削弱影响因素对站台安全的影响。安全水平 的计算式为=1nni=1zpii=1nni=1zpli12Ci1200(14)式中 n 为观测站台数量;li为观测站台长度;Ci为高峰小时非机动车车流量。不同类型站台安全性水平的评价结果见表 8。可以看出,安全水平 越小,非机动车骑行安全性水平越高。因此,与机非标线隔离与机非混行情景相比,机非物理隔离情景下非机动车的行驶安全性分别提高了 39.253%与 45.281%。与机非混行情景相比,机非标线隔离情景下非机动车骑行安全性提高了 9.92%。表 8 不同情景下公交站台区域非机动车行驶安全评价Table 8 Safety evaluation of non-motor vehicle driving in bus stops area under different scenarios站台设计情景站台名称估计事故重现水平系数 系数 安全水平 机非混行建军路口北站0.289 40.750.78儿童医院站0.185 20.960.670.144 209机非物理分隔公交总站0.085 30.861.05迎宾桥站0.097 40.791.050.078 910机非标线分隔中医院站0.243 30.800.98边防局站-0.250 70.801.20新四军纪念馆站0.163 51.041.170.129 8984 结 论1)结果表明,超阈值极值模型参数的估计结果可以有效评估公交站台区域非机动车行驶安全性,事故重现水平指标可以更好地对不同情景下路侧直线式公交站台区域非机动车行驶安全性进行评价。2)在机非混行情景下,公交站台区域非机动车行驶的交通冲突种类繁多且交通冲突严重性较高,骑行安全性最低。在机非标线隔离情景下,非机动车流量和站台长度会显著影响非机动车的行驶安全性,非机动车骑行安全性比机非混行情景提高9.92%。在机非物理分隔情景下,非机动车行驶安全性最高,非机动车的行驶安全性比机非标线隔离与机非混行情景分别提高 39.253%与 45.281%。参考文献(References):1 PHILLIPS R O,HAGEN O H,BERGE S H.Bus stopdesign and traffic safety:an explorative analysis J.Accident Analysis&Prevention,2021,153:105917.2CHAND S,CHANDRA S.Impact of bus stop on urbantraffic characteristics:a review of recent findings J.Journal of Society for Transportation and Traffic Studies,2014,5(2):5772.3 RHEE K A,KIM J K,LEE Y,et al.Spatial regressionanalysis of traffic crashes in SeoulJ.Accident Analysis&Prevention,2016,91:190199.4 CURRIE G,REYNOLDS J.Vehicle and pedestrian safetyat light rail stops in mixed traffic J.TransportationResearch Record:Journal of the Transportation ResearchBoard,2010,2146:2634.5杜少娜,彭宏勤,李妙君,等.城市公交站点自行车对公交车的干扰行为研究J.交通运输系统工程与信息,2011,11(增 1):126131.DU S N,PENG H Q,LI M J,et al.Study on theinterference behavior of bicycle to bus in urban bus stops J.JournalofTransportationEngineeringandInformation Technology,2011,11(S1):126131.6 FERNANDEZ R,TYLER N.Effect of passenger-bus-trafficinteractionsonbusstopoperations J.Transportation Planning and Technology,2005,28(4):273292.7YANG X,SI B,HUAN M.Mixed traffic flow modeling4191 Vol.23 No.6 安全 与 环 境 学 报 第 23 卷第 6 期near Chinese bus stops and its applicationsJ.Journal ofCentral South University,2012,19(9):26972704.8邵海鹏,李静娴,谢沛,等.基于贝叶斯网络的公交停靠站时两轮车穿插行为研究J.武汉理工大学学报(交通科学与工程版),2017,41(6):969973.SHAO H P,LI J X,XIE P,et al.Research on crossingbehavior of two-wheeler at bus station based on BayesiannetworkJ.Journal of Wuhan University of Technology(Transportation Science and Engineering),2017,41(6):969973.9朱顺应,蒋若曦,王红,等.机动车交通冲突技术研究综述J.中国公路学报,2020,33(2):1533.ZHU S Y,JIANG R X,WANG H,et al.Review ofresearch on traffic conflict techniquesJ.China Journalof Highway and Transport,2020,33(2):1533.10 WANG C,XU C,XIA J,et al.A combined use ofmicroscopic traffic simulation and extreme value methodsfor traffic safety evaluationJ.Transportation ResearchPart C:Emerging Technologies,2018,90:281291.11 CHARLY A,MATHEW T V.Estimation of trafficconflicts using precise lateral position and width ofvehicles for safety assessmentJ.Accident Analysis&Prevention,2019,132:105264.12 CHAND S,CHANDRA S.Improper stopping of buses atcurbside bus stops:reasons and implications J.Transportation in Developing Economies,2017,3:513.13 张开冉,邱谦谦.平面交叉口电动自行车交通冲突模型研究J.安全与环境学报,2017,17(2):422425.ZHANG K R,QIU Q Q.Study on traffic conflict modelof electric bicycle at intersectionsJ.Journal of Safetyand Environment,2017,17(2):422425.14 HUANG F,LIU P,YU H,et al.Identifying if VISSIMsimulation model and SSAM provide reasonable estimatesforfieldmeasuredtrafficconflictsatsignalizedintersections J.Accident Analysis&Prevention,2013,50:10141024.15 GETTMAN D,HEAD L.Surrogate safety measures fromtraffic simulation modelsJ.Transportation ResearchRecord,2003,1840:104115.16 孙重静,辛飞飞.人车冲突风险度评价指标计算研究综述J.交通信息与安全,2016,34(2):916,38.SUN C J,XIN F F.An overview of the conflictindicators between vehicles and pedestriansJ.Journalof Transport Information and Safety,2016,34(2):916,38.17GOMES M I,GUILLOU A.Extreme value theory andstatisticsofunivariateextremes:areview J.InternationalStatisticalReview,2015,83(2):263292.18 郑来,邓晓庆,孟祥海.基于 PET 极值统计的高速公路车道变换行为安全性研究J.公路交通科技,2016,33(8):120126.ZHENG L,DENG X Q,MENG X H.Study on safety oflane changing behaviours on expressway based on PETextremestatistics J.JournalofHighwayandTransportation Research and Development,2016,33(8):120126.Influence of curbside bus stops on thedriving safety of non-motorized vehiclesSHEN Jinxing,ZHAO Cong(College of Civil Engineering and Transportation Engineering,Hohai University,Nanjing 210098,China)Abstract:To improve the driving safety of non-motor vehicles inthe area of curbside bus stops,we quantitatively analyzed theinfluence of setting bus stops on the driving safety of non-motorvehicles.According to the relationship between the vehicle andthe non-motor vehicle on the road,the scenarios that set up busstops can be divided into three types,i.e.,mingled,physicallyseparated,and marking lines separated.Firstly,we selectedseven representative bus stops in Yancheng City and analyzed thetraffic conflict characteristics of non-motor vehicles during busstops.Using the video-based data of the field investigation,weconstructed the simulation model with a commercial microscopicsimulation package,i.e.,VISSIM.And the Post-EncroachmentTime(PET)value ware extracted from simulated drivingtrajectory dataofnon-motorvehiclesbySurrogateSafetyMeasures.Then,we constructed a peaks over threshold model toevaluate the driving safety of non-motorized vehicles.After thecorrelationanalysisoftheextremevalue,wegroupedoptimization of the PET values.And using the maximumlikelihood estimation method,we estimated the model parameterswith group-optimized PET values.Finally,according to theestimation results of the model parameters,we analyzed thedifferences between two indexes in evaluating the driving safety ofnon-motor vehicles,i.e.,the estimated number of accidents andthe accident recurrence level.And we selected the accidentrecurrence level value to quantitatively evaluate the impact ofcurbside bus stops on the driving safety of non-motor vehiclesunder different scenarios.The results show that under themingled scenario,the traffic conflicts of non-motor vehicles inthe bus stops area are various and severity,and the driving safetyis thelowest.Thetrafficflowandplatformlengthwillsignificantly affect the driving safety of non-motorized vehicles inthe scenario of marking lines separated.The driving safety ofnon-motor vehicles is the highest in the scenario physicallyseparated,which is 39.253%and 45.281%higher than that inthe marking lines separated and mingled scenarios,separately.Key words:safety engineering;safety analysis;peaks overthresholdmodel;curbsidebusstop;non-motorized vehicle;traffic conflict5191 2023 年 6 月 沈金星,等:路侧直线式公交站台对非机动车行驶安全的影响 Jun.,2023