倒计时信号灯作为一种常见的交通管理设施,其对道路交通尤其是交叉口处的作用效果一直是道路交通安全领域研究的热点。迄今为止,已有许多国内外学者研究了倒计时信号灯对自行车与步行交通的影响,其中大多以行人违规率的变化为研究内容。然而,违规率并不能完全反映穿越者的穿越行为变化,同时,大部分研究忽略了个体之间的异质性问题。据此,本文基于间隙接受理论,结合实地调研采集的数据,创新地从间隙接受的角度探究了倒计时信号灯对行人和非机动车的影响,并且通过建立随机系数Logit模型来解决不同个体间的异质性问题,最后基于机器学习算法建立了间隙接受行为的预测模型。论文的主要工作及研究成果如下:(1)倒计时信号下穿越间隙的特性分析。基于北京市三个典型交叉口的实地调研数据,使用非线性拟合方法对穿越者的接受/拒绝间隙值进行分布形式的拟合,通过穿越间隙的多元线性回归模型分析不同因素对间隙值的影响,借助假设检验来对不同穿越群体、不同交通环境下的接受间隙变化情况进行分析。结果显示,对数正态函数对穿越间隙的分布有着更好的拟合效果;倒计时信号下对穿越间隙值有显著影响的因素是年龄、性别、等待位置、穿越阶段和共同穿越人数;倒计时信号对中年人和女性的接受间隙有显著影响,在红灯期间和流量较大情况下,倒计时信号灯对穿越者的接受间隙有显著影响。(2)倒计时信号下间隙接受行为建模分析。通过建立间隙接受与否的随机系数Logit模型,分析各种影响因素与穿越者间隙接受行为之间的关系,研究结果显示,相比于传统二项Logit模型,随机系数Logit模型有着更好的拟合优度,穿越阶段、等待时间、车流量、间隙值和间隙类型等因素对穿越者的间隙接受行为有显著影响,其中等待时间对穿越者决策的影响因个体的不同而有所差异。(3)倒计时信号下间隙接受行为预测。使用特征选择中的Relief算法筛选出进入模型的变量后,分别建立基于C4.5决策树、BP神经网络和SVM的间隙接受行为预测模型。结果表明,影响间隙接受行为的最重要10个变量依次为间隙值、等待时间、间隙类型、年龄、穿越阶段、有无倒计时、车流量、规模、等待位置和性别;与其他两种模型相比,C4.5决策树模型有着更好的预测性能,其准确率和AUC值分别为86.65%和0.90。