北京四環(huán)內(nèi)騎行環(huán)境風險評估報告

報告北京四環(huán)內(nèi)騎行環(huán)境風險評估報告—2023年10月清華大學建筑學院龍瀛課題組自然資源保護協(xié)會 2023.10清華大學建筑學院龍瀛課題組清華大學龍瀛課題組由建筑學院長聘副教授/博導帶領，以城市空間作為實驗室，研究方向是城鄉(xiāng)規(guī)劃技術科學，研究興趣是城市空間測度、機理認知與效能提升。龍瀛擔任中國城市科學研究會理事，自然資源部科技創(chuàng)新團隊首席專家，教育部虛擬教研室主任，清華大學生態(tài)規(guī)劃與綠色建筑教育部重點實驗室副主任，住房和城鄉(xiāng)建設部智慧城市專業(yè)委員會委員，中國城市科學研究會城市大數(shù)據(jù)專業(yè)委員會副主任委員兼秘書長，中國城市規(guī)劃學會城市規(guī)劃新技術應用學術委員會副主任委員。曾獲國家級青年人才項目、中國城市規(guī)劃青年科技獎、全國優(yōu)秀工程勘察設計金獎、國家級一流本科課程、華夏建設科學技術獎、北京市科學技術獎等，多年入選全球前2%頂尖科學家。自然資源保護協(xié)會（NRDC）自然資源保護協(xié)會（NRDC）是一家國際公益環(huán)保組織，成立于1970年。NRDC擁有700多名員工，以科學、法律、政策方面的專家為主力。NRDC自上個世紀九十年代中起在中國開展環(huán)保工作，中國項目現(xiàn)有成員40多名。NRDC主要通過開展政策研究，介紹和展示最佳實踐，以及提供專業(yè)支持等方式，促進中國的綠色發(fā)展、循環(huán)發(fā)展和低碳發(fā)展。NRDC在北京市公安局注冊并設立北京代表處，業(yè)務主管部門為國家林業(yè)和草原局。請訪問網(wǎng)站了解更多詳情/課題編寫人員:龍瀛清華大學建筑學院長聘副教授吳其正清華大學建筑學院碩士研究生蘇南西清華大學建筑學院博士研究生李彥清華大學建筑學院助理研究員CoverImagebyFreepik.?NaturalResourcesDefenseCouncil2023所使用的方正字體由方正電子免費公益授權目錄前言???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????i第1章：北京自行車騎行環(huán)境現(xiàn)狀與研究基礎????????????????????????????????????????????????????????????????????????????????????????????全球城市自行車騎行現(xiàn)狀 2北京非機動車交通現(xiàn)狀與風險因素 3研究范圍與對象 3風險因素概念界定 4數(shù)據(jù)采集方法 5數(shù)據(jù)處理方法 6第2章：騎行環(huán)境風險因素識別方法????????????????????????????????????????????????????????????????????????????????????????????????????風險因素體系構建 9風險因素權重 9風險因素測度模型構建 11模型識別結(jié)果分類方法 11第3章：北京四環(huán)內(nèi)騎行環(huán)境風險因素識別結(jié)果??????????????????????????????????????????????????????????????????????????????????????各類騎行行為 13自行車道類型 13其他風險因素分布 14自行車道風險指數(shù) 19各風險因素識別結(jié)果統(tǒng)計 20模型識別結(jié)果聚類 20風險騎行行為初探 22第4章：北京騎行環(huán)境建設現(xiàn)狀與政策建議???????????????????????????????????????????????????????????????????????????????????????????北京市慢行交通相關政策 24與風險因素對應的具體案例分析 24北京自行車騎行環(huán)境建設政策建議 28結(jié)語???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????附件1：道路信息采集單元與采集日程??????????????????????????????????????????????????????????????????????????????????????附件2：風險因素檢測模型??????????????????????????????????????????????????????????????????????????????????????????????????????參考文獻???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????前言根據(jù)中國自行車運動協(xié)會數(shù)據(jù)，截至2022年，全國有1億多人經(jīng)常參與騎行，有近千萬人積極參與自行車運動。同時，2022年中國電動自行車保有量已達3.5億輛，電動自行車出行逐漸成為一部分人群主流的出行方式。如此大規(guī)模的傳統(tǒng)自行車與新型電動自行車同時出行，大大增加了騎行環(huán)境的安全風險。2023年2月8日，北京市朝陽區(qū)人民法院召開了非機動車交通事故案件審理情況新聞通報會，并向社會發(fā)布了《非機動車交通事故案件審判白皮書（2021年度—2022年度）》。白皮書顯示：2021年至2022年，北京市朝陽區(qū)人民法院共審理非機動車交通事故案件535件，收案量同比增長51%。在國家大力提倡綠色出行的背景下，安全的騎行環(huán)境尤為重要，因此研究團隊對北京中心城區(qū)（四環(huán)內(nèi)）的自行車騎行環(huán)境開展了安全性評估工作。本期報告在自然資源保護協(xié)會(NRDC)與清華大學建筑學院龍瀛副教授的團隊合作下，基于識別的12項風險因素評估了北京四環(huán)內(nèi)2963.4km（圖1）的騎行道路。希望本報告能夠客觀反映北京市在騎行環(huán)境建設方面的現(xiàn)狀，為未來更安全的騎行環(huán)境建設提供參考。圖1：北京四環(huán)以內(nèi)道路1第1章北京自行車騎行環(huán)境現(xiàn)狀與研究基礎首先，本章對比北京以及全球各大典型城市自行車騎行現(xiàn)狀及城市管理的相關規(guī)定。在此基礎上，針對近年來北京市公開的非機動車交通事故進行了梳理，通過溯源事故誘因，提煉出與北京自行車騎行密切相關的風險因素。進而明晰風險因素的概念，并確定本報告的研究對象。最后，介紹了本報告數(shù)據(jù)基礎的構建方法與概況。全球城市自行車騎行現(xiàn)狀目前全球多個城市均出現(xiàn)電動自行車和傳統(tǒng)自行車并存的騎行現(xiàn)狀。電動自行車保有量激增，全球各大典型城市均出現(xiàn)了各種類型的電動自行車（表1-1）。

盡管各城市的電動自行車外型稍有差異，但基本上都是通過動力輔助裝置來助力騎行，并且基本都設置了速度上限。表1-1：各城市主流電動自行車特征城市倫敦溫哥華悉尼墨西哥城北京電動自行車（Pedelec），電動自行車（Pedelec），電動自行車（Pedelec），包含踏板輔助裝置，且僅在騎車人踩踏板時啟用，速度上限為25km/h+10%合法的電動自行包含踏板輔助裝包含踏板輔助裝包含踏板輔助動車是指以車載電置，且僅在騎置，且僅在騎力裝置的電動自池為輔助能源、電動自行車特征車人踩踏板時啟用，一旦達25km/h就會停止車人踩踏板時啟用，一旦達到32km/h就會停止行車，速度上限為32km/h能夠踏板騎行、具有電助力功能的兩輪自行車基于多用戶并存的騎行環(huán)境，全球多個城市對傳統(tǒng)合法性、是否允許在自行車道上、是否要求佩戴頭盔這四項（1-2）。在傳統(tǒng)自行車方面，僅墨西哥城與北

京對佩戴頭盔沒有要求，其他指標均一致；在電動自行車方面，與其他城市類似，北京對電動自行車同樣有限速要求，并且若在非機動車道上則為15km/h，相較其他城市而言區(qū)分更為細致。1-2：各城市傳統(tǒng)自行車與電動自行車對比城市速度限制/合法性/允許在自行車道上/需要頭盔傳統(tǒng)自行車電動自行車倫敦無速度限制/是/是/是25km/h/是/是/是溫哥華無速度限制/是/是/是32km/h/是/是/是悉尼無速度限制/是/是/是25+10%km/h/是/是/是墨西哥城無速度限制/是/是/否32km/h/是/否/否北京無速度限制/是/是/否25km/h（在非機動車道上為15km/h）/是/是/是綜合全球多個城市目前對傳統(tǒng)自行車和電動自行車的規(guī)范要求現(xiàn)狀，可見在電動自行車日益流行的全球趨勢下，如何在與傳統(tǒng)自行車共存的情況下讓電動自行車的安全性逐步提高，是一項越來越值得關注的全球性議題。北京非機動車交通現(xiàn)狀與風險因素非機動車交通事故能夠更真實地反映現(xiàn)實情形中“20222023

全面搜集了2022至2023年公開的北京市交通事故判決案例，研究團隊共篩選得到86條非機動車參與的案例。其中，66條案例有電動自行車參與，20條案例無電動自行車參與（圖1-1）。通過梳理分析每個事故發(fā)生的具體原因，發(fā)現(xiàn)9條案例與“大型車輛的存在”直接相關，主要為重型貨車與非機動車直接發(fā)生碰撞造成事故；2條案例與“路邊停車”直接相關，尤其是在開車門時易與非機動車發(fā)生碰撞；2條案例與“非自行車的交通主體存在”直接相關；2條案例與“逆行”直接相關；1條案例與“自行車道被阻擋”直接相關。 無電動自行車參與有電動自行車參與圖1-1：2022至2023有非機動車參與的交通事故判決案件分類2020年北京市五環(huán)內(nèi)的微博文本數(shù)據(jù)進一步探究了群眾反映的自行車出行安全相關的環(huán)境風險及現(xiàn)實問題。根據(jù)“自行車”、“電動自行車”以及各類具體風險因素等關鍵詞進行搜索，發(fā)現(xiàn)逆行、惡劣的路況、不戴頭盔等風險因素。通過如上兩類信息渠道對自行車騎行安全風險因素的搜集歸納，可以發(fā)現(xiàn)北京市自行車騎行安全現(xiàn)狀存在一定的安全隱患，然而受限于現(xiàn)有相關數(shù)據(jù)的可獲得性與質(zhì)量，使更加細致地檢測問題并精準刻畫北京市自

行車騎行環(huán)境現(xiàn)況收到了阻礙。因此，確定具體的風險因素，并針對各類具體風險因素展開大范圍精細化的測度評估亟待解決，以指導相關工程實施及政策優(yōu)化。研究范圍與對象本研究的研究范圍為北京中心城區(qū)四環(huán)內(nèi)，研究對象為北京四環(huán)內(nèi)所有自行車道（含四環(huán)），包括胡同等其他無自行車道的路段。研究所采用的道路路網(wǎng)數(shù)據(jù)來自高德地圖（圖1-2）。圖1-2：北京四環(huán)以內(nèi)道路風險因素概念界定在對北京自行車騎行環(huán)境中各類風險因素建立大致認知的基礎上，研究團隊進一步界定了風險因素的概念。首先，將騎行環(huán)境中的所有要素劃分為靜態(tài)要素與動態(tài)要素兩大類。靜態(tài)要素包括自行車道相關的基礎設施與綠化環(huán)境。其中，基礎設施包括路燈、路面狀況、公交車站、機非車道隔離設施等。動態(tài)要素包括交通參與者、可移動設施與天氣狀況。在開展本研究前，研究團隊針對更小尺度的建成環(huán)境及人為因素進行了探索和實驗。其中，對于交通參與者的騎行危險行為，研究團隊利用固定攝像頭拍攝的視

頻數(shù)據(jù)，針對騎行者速度過快、急變速、逆向行駛、危險距離以及行人與非機動車數(shù)量等風險因素進行了基于深度學習的自動識別。此外，對于街區(qū)尺度，研究團隊利用主動感知的方法，自主采集了以騎行者視角為中心的騎行環(huán)境視頻數(shù)據(jù)，并初步建立了風險因素體系，包括道路寬度、道路裂縫、夜間燈光等。為了更加綜合地評估北京市四環(huán)內(nèi)約55.4平方千微博數(shù)據(jù)所反映的真實情況，研究團隊最終選取了基礎設施、交通參與者、可移動設施這三類靜態(tài)、動態(tài)要素作為本研究的風險因素（1-3）。騎行環(huán)境動態(tài)要素靜態(tài)要素綠化環(huán)境騎行環(huán)境動態(tài)要素靜態(tài)要素綠化環(huán)境行道樹、綠化帶基礎設施路燈、機非車道隔離、人行橫道、路面狀況、公交車站交通參與者行人、騎行者、機動車可移動設施路邊停車、堆放雜物天氣狀況降雨、大風、霧霾風險因素圖1-3：風險因素概念界定數(shù)據(jù)采集方法由于現(xiàn)有開放獲取的道路街景圖像均為機動車視角拍攝的，無法滿足本研究對自行車道的分析需求，因而研究團隊采用了移動感知的方法1構建數(shù)據(jù)基礎，即研究人員在自行車道上騎行，通過錄像設備模擬騎行者的第一視角來錄制騎行視頻，進一步通過計算機程序處理所得數(shù)據(jù)為后續(xù)分析提供基礎。在采集設備方面（1-4），研究團隊采用GoPro11作為視頻采集設備，并通過騎行支架固定于電動自行車車把上。除此之外，還通過手機支架將手機也固定于車把上，便于騎行時查看導航。采集人員在采集過程中全程佩戴頭盔。在采集方法方面，針對不同等級的道路，研究團隊采取不同的采集策略以適應北京四環(huán)內(nèi)多樣的道路現(xiàn)例如兩車道及以上且規(guī)劃有自行車道的道路需要雙向采集，兩車道且無自行車道的道路與其余更低等級道路均

只需要單向采集，以避免重復采集環(huán)境相似的騎行視頻而影響后續(xù)評估準確性。研究團隊通過整理以上采集工作要點與注意事項，編制了采集工作手冊以標準化采集流程，同時應對各類突發(fā)狀況。研究團隊還將北京四環(huán)內(nèi)的所有需采集道路按道路總長度與每天所能采集長度，分為48塊采集單元（見附件1）。在完成采集計劃的制定后，由兩位研究人員歷時兩個月完成了所有道路的采集。具體采集日程與對應的采集單元見附件1。最終，共采集了2629GB、103小時的騎行視頻，總騎行軌跡長度為2963.4km。圖1-4：實際采集工作照片1 移動采集指的是在采集設備移動過程中獲取數(shù)據(jù)的方法，如借助移動設備搭載運動相機、行車記錄儀等此外，在數(shù)據(jù)采集方面，除了上述移動感知方法，研究團隊還在清華大學校園內(nèi)嘗試了固定感知方法獲取數(shù)據(jù)，以探究騎行者風險騎行行為。針對校園內(nèi)的重點

區(qū)域，借助固定設置的監(jiān)控攝像頭數(shù)據(jù)對騎行者的騎行行為進行了補充分析，共獲取到24個路口，約60個攝像頭點位的6天的數(shù)據(jù)（圖1-5所示）。圖1-5：固定攝像頭拍攝數(shù)據(jù)分為十字交叉路口和道路中段數(shù)據(jù)處理方法在完成移動感知數(shù)據(jù)采集工作后，共獲得了三類數(shù)據(jù)：GoPro拍攝的視頻、從GoPro視頻提取的GPS軌跡，以及作為備份的手機記錄的GPS軌跡。首先，檢查GPS軌跡數(shù)據(jù)的完整性，以決定采用何種GPS軌

跡進一步處理；其次，根據(jù)GPS軌跡中的線圖層生成20mGPS軌跡中的點圖層與最近的20m根據(jù)圖像點位數(shù)據(jù)中的時間信息，在GoPro視頻中截取對應圖像（1-6所示）。數(shù)據(jù)基礎數(shù)據(jù)基礎 視頻 視頻提取的 軌跡 視頻 視頻提取的 軌跡 手機記錄的 軌跡沿線生成 定距點 將距離最近的軌跡點與 連接 圖片采樣點位數(shù)據(jù) 導出為 文件，通過點、時間 （點圖層） （線圖層）檢查 軌跡數(shù)據(jù)優(yōu)先采用 提取的 軌跡若軌跡有缺失，則使用手機的 軌跡補充通過 文件中的點與時間，抽取視頻中對應點位的圖像數(shù)據(jù)處理在經(jīng)過上述處理流程之后，共得到北京四環(huán)內(nèi)20m間距的自行車道圖像116107張（圖1-7）。圖1-7：北京四環(huán)內(nèi)自行車道圖像數(shù)據(jù)集22第2章騎行環(huán)境風險因素識別方法本章介紹了自行車道風險因素體系的構建，以及如何為各個風險因素分配權重。在此基礎上，通過構建圖像識別模型，對所得到的所有圖像進行風險因素自動識別，并針對每一類風險因素列舉識別到的所有情況。風險因素體系構建考慮到本研究針對北京四環(huán)內(nèi)所有城市道路，覆蓋范圍大、涉及要素多、騎行場景復雜，已有研究的風險要素體系無法完全滿足本研究的需要。因此亟需圍繞本次騎行環(huán)境風險因素評價構建新的風險因素體系。通過自行車風險相關文獻綜述以及與參與“通往健康和公平城市之路”項目的專家進行一系列討論，并從中國社交媒體平臺微博和中國法院判例記錄中獲得自行

車事故信息作為補充，綜合上述工作基礎，研究團隊構建了一套包含12類要素的自行車騎行環(huán)境風險因素體系。其中靜態(tài)要素共6個，分別為：自行車道種類、自行車道寬度、公交車站的存在、出入口的存在、惡劣的路況、人行道與自行車道無高差；動態(tài)要素共6個，分別為：路邊停車、自行車道被阻擋、大型車輛的存在、非自行車的交通主體存在、逆行、不戴頭盔。具體指標對應含義見表2-1。2-1：自行車騎行環(huán)境風險因素體系編號類型風險因素含義1靜態(tài)要素自行車道種類與機動車道完全分離的自行車道用護欄與機動車道分離的自行車道用涂裝與機動車道分離的自行車道無專門的自行車道2自行車道寬度自行車道寬度小于1.5m3公交車站的存在存在于自行車道上的非港灣式公交車站4出入口的存在停車場和建筑物入口5惡劣的路況自行車道上的積水、坑洼、裂縫6人行道與自行車道無高差人行道與自行車道高度相同7動態(tài)要素路邊停車路邊停放的車輛8自行車道被阻擋阻塞自行車道的建筑設施和非機動車9大型車輛的存在自行車道或鄰近道路上存在的大型車輛10非自行車的交通主體存在出現(xiàn)在自行車道上的行人、寵物等11逆行逆行的騎行者12不戴頭盔不戴頭盔的騎行者風險因素權重為了給每個風險因素確定對應的百分比權重，以便于后續(xù)風險指數(shù)的計算。研究團隊采用“德爾菲法專家問卷”的方式，德爾菲法也稱為專家調(diào)查法，是一種采取通訊方式分別將所需解決的問題單獨發(fā)送到各個專家

饋給專家，再次征詢意見，各專家依據(jù)綜合意見修改自比較一致的預測結(jié)果的決策方法。研究團隊共邀請262輪打分。針對每個風險因素的危險自然資源保護協(xié)會程度，每位專家都進行0-100打分。最后，收集匯總所有專家的打分結(jié)果，求取每個風險因素的危險程度均

值并轉(zhuǎn)換到百分比格式，以形成每個風險因素的風險權重（表2-2）。表2-2：自行車騎行環(huán)境風險因素權重編號類型風險因素權重（%）1靜態(tài)要素自行車道種類10.224.937.365.1100.02自行車道寬度9.93公交車站的存在9.14出入口的存在7.15惡劣的路況6.26人行道與自行車道無高差5.07動態(tài)要素路邊停車9.58自行車道被阻擋9.59大型車輛的存在10.810非自行車的交通主體存在6.811逆行8.512不戴頭盔7.5其中，針對自行車道種類，由于共有固定隔離帶、移動隔離帶、自行車道劃線與無自行車道這4種類型，因此需要對每一類自行車道分別確定權重。需要說明的是，這四類自行車道中，無自行車道的風險程度最高，則以其權重作為基準，其余類型的自行車道按比例計算風險權重。結(jié)果如圖2-1所示：報告/北京四環(huán)內(nèi)騎行環(huán)境風險評估報告/10路邊停車自行車道被阻擋

風險因素指標權重

各類自行車道權重與機動車道完全分離的自行車道用護欄與機動車道分離的公交車站的存在

無專門的自行車道

自行車道用涂裝與機動車道分離的自行車道 圖2-1：自行車騎行環(huán)境風險因素權重與各類自行車道權重在確定了各類風險因素權重的基礎上，即可根據(jù)如下公式計算風險指數(shù)：風險指數(shù)=Σ（風險指標數(shù)值/該指標最大值*對應權重）風險因素測度模型構建12類風險因素，需要根據(jù)其動態(tài)靜態(tài)屬性分（見附件需要讓計算機能夠從圖片中框選出指定的目標要素。為達到該目的，還需對計算機模型進行訓練，告知它們何為“路邊停車”“惡劣的路況”等。85各風險因素的模型準確率見附件2。需要說明的是，自[2]。

在使用模型識別完所有圖片后，研究團隊還人工檢查了所有圖片結(jié)果，以保證最終識別結(jié)果的可靠性。模型識別結(jié)果分類方法根據(jù)模型識別的結(jié)果，研究團隊希望進一步探究每一類風險因素都包含哪些具體情況，因而采用層次聚類法根據(jù)識別結(jié)果的相似性對每一類風險因素的識別結(jié)果進行進一步分類。通過模型識別結(jié)果聚類，一方面可以對不同的類別進行管控，如不同類型的大型車輛、不同顏色的電動自行車騎行者、阻擋自行車道物品；另一方面進一步理解風險等級，例如固定隔離帶中停放自行車、公交車站等可通行的隔離設施，以及沉降程度不同的路面。33第3章北京四環(huán)內(nèi)騎行環(huán)境風險因素識別結(jié)果本章基于模型識別的結(jié)果，首先展示了各類騎行行為；其次針對每一類風險因素在北京四環(huán)內(nèi)的嚴重程度分布進行可視化，并計算綜合風險指數(shù)并在道路尺度進行呈現(xiàn)；最后，通過聚類方法展現(xiàn)了各風險因素的所有情況。3.1各類騎行行為針對不同的騎行交通工具和騎行行為，研究團隊對其進行了描述性統(tǒng)計。在騎行交通工具方面，北京四環(huán)內(nèi)騎電動車的人數(shù)占比最高，達62.9%；其次是騎

29.2%；騎三輪車的人數(shù)占比最低，3-1。在騎行行為方面，所有騎行者中%%0.1%的騎行者在人行道上騎行。詳見圖3-2。騎三輪車的人 騎自行車的人騎電動車的人 圖3-1：各類騎行交通工具占比在人行道上騎行逆行不戴頭盔圖3-2：三類騎行行為在所有騎行者中的占比自行車道類型針對不同的自行車道類型，研究團隊對北京四環(huán)內(nèi)所有自行車道進行了可視化呈現(xiàn)（圖3-3）。經(jīng)

統(tǒng)計，如圖3-4所示，無自行車道的道路長度最長，占比37.4%；其次為自行車道劃線的道路，長度占比35.6%；采用固定隔離帶的自行車道長度占比18.0%；采用移動隔離帶的自行車道長度占比最低，為9.0%。圖3-3：自行車道類型固定隔離帶無自行車道固定隔離帶無自行車道移動隔離帶自行車道劃線針對其他各類風險因素，統(tǒng)計每公里該風險因素存在的數(shù)量，并用橘色漸變色帶進行可視化，顏色越深說明每公里該風險因素出現(xiàn)的次數(shù)越多。具體情況見圖3-5至圖3-12。大型車輛的存在（10.8）圖3-4：各類自行車道長度占比

“大型車輛的存在”即自行車道或鄰近道路上存在大型車輛，其分布情況如圖3-5所示。重點分布路段包括三四環(huán)間的G6輔路、京密路、西直門外大街輔路、紫竹院路輔路、蓮花池東路輔路和十里河西街等路段。在該風險因素較嚴重的區(qū)域，需重點關注大型車輛的行駛與停放行為，避免占用自行車道，以防給途經(jīng)大型車輛周圍的騎行者造成安全隱患。圖3-5：大型車輛的存在路邊停車（9.5）“路邊停車”即路邊停放機動車，其分布情況如圖3-6所示。整體分布情況在北京四環(huán)內(nèi)呈現(xiàn)出東北區(qū)域停車密度大于西南區(qū)域。個別區(qū)域如北四環(huán)西路附近的

世紀城停車密度也較高。在該風險因素較嚴重的區(qū)域，需重點關注違章路邊停車與臨時停車現(xiàn)象，避免占用自行車道，尤其需要注意機動車上下客時，車門與騎行者的碰撞風險。圖3-6：路邊停車自行車道被阻擋（9.5）“自行車道被阻擋”即阻塞自行車道的建筑設施和非機動車等其他設施，包括指示牌、圓形路墩、廢棄物品、私人物品等。其分布情況如圖3-7所示，主要分布

在二環(huán)內(nèi)的胡同中。在該風險因素較嚴重的區(qū)域，需重點關注自行車道被物品阻擋而導致的通行能力下降等問題，以及對騎行者造成的摔倒風險。圖3-7：自行車道被阻擋公交車站的存在（9.1）“公交車站的存在”即存在于自行車道上的非港灣式公交車站。其分布情況如圖3-8所示，主要分布于四

環(huán)內(nèi)的各條主要城市道路，整體分布區(qū)域較均勻。在該風險因素較嚴重的路段，需重點關注公交車進出公交車圖3-8：公交車站的存在出入口的存在（“出入口的存在”即存在于自行車道旁的停車場和建筑物出入口。其分布情況如圖3-9所示，整體分布區(qū)域較均勻，僅北三環(huán)中路與北四環(huán)中路之間的區(qū)域較其

他區(qū)域分布密度更高。在該風險因素較嚴重的路段，需重點關注機動車進出出入口時與途經(jīng)的騎行者可能的碰撞風險，在必要區(qū)域宜設置減速帶、反光鏡等設施提高安全水平。圖3-9：出入口的存在非自行車的交通主體存在（6.8）寵物等非自行車的交通主體不當?shù)剡M入自行車道、侵占了騎行者路權的情況。其分布情況如圖3-10所示，除了二環(huán)內(nèi)的分布密度較高，二三環(huán)之間與三四環(huán)之間的

分布較均勻。在該風險因素較嚴重的路段，需重點關注機動車、行人、寵物等非自行車的交通主體與騎行者可能的碰撞風險。同時也可結(jié)合該風險因素的分布情況，檢查對應路段是否由于人行道通行能力差而導致行人走到自行車道上的現(xiàn)象。圖3-10：非自行車的交通主體存在惡劣的路況（6.2）“惡劣的路況”即自行車道上的積水、坑洼、裂縫等。其分布情況如圖3-11所示，主要分布在二環(huán)內(nèi)的

西北區(qū)域。在該風險因素較嚴重的路段，需重點關注路面平整度的改善，以提高騎行通行的平穩(wěn)性，降低因道路狀況而導致潛在的騎行危險。圖3-11：惡劣的路況人行道與自行車道無高差（5.0）“人行道與自行車道無高差”即人行道與自行車道高度相同，容易導致行人和騎行者相互干擾的情況。其分布情況如圖3-12所示，整體分布情況較為分散，二

環(huán)內(nèi)該風險因素出現(xiàn)的頻率較高；此外人民大學北路的情況最為嚴重。在該風險因素較嚴重的路段，需重點關注人行道與自行車道的劃分，可通過路面鋪裝、路障三角錐等設施加以區(qū)分。圖3-12：人行道與自行車道無高差自行車道風險指數(shù)基于已確定的各風險因素權重，通過歸一化公式計算每條道路的風險指數(shù)。在可視化方面，使用QGIS，以“等數(shù)量（分位數(shù)）”方式將其分為四類，盡量保證每一類中的道路數(shù)量相等。具體數(shù)值分段為：0.24-

0.41，高風險道路；0.21-0.24，較高風險道路；0.09-0.21，較低風險道路；0-0.09，低風險道路。棕色3-13此外，研究團隊還計算了這四類風險等級道路的長度占3-14所示。圖3-13：自行車道風險指數(shù)高風險道路

低風險道路較高風險道路 較低風險道路圖3-14：各風險等級自行車道長度占比各風險因素識別結(jié)果統(tǒng)計12類風險因素，在道路尺度分別統(tǒng)計其最小3-1所示?？砂l(fā)類風險因素最為普遍，每公里出現(xiàn)次數(shù)均值大于10；

逆行這四類風險因素出現(xiàn)頻率較低，每公里出現(xiàn)次數(shù)均1-3之間；公交車站的存在、人行道與自行車道無高差兩類風險因素出現(xiàn)頻率最低，每公里出現(xiàn)次數(shù)均值1。表3-1：各風險因素模型識別結(jié)果統(tǒng)計編號類型風險因素單位最小值最大值均值標準差1靜態(tài)要素自行車道種類0-303.00.71.92自行車道寬度米07.01.91.23公交車站的存在每公里數(shù)量011.00.52.84出入口的存在每公里數(shù)量017.01.95.95惡劣的路況每公里數(shù)量057.02.39.06人行道與自行車道無高差每公里數(shù)量031.01.04.87動態(tài)要素路邊停車每公里數(shù)量0164.028.245.48自行車道被阻擋每公里數(shù)量0103.07.319.39大型車輛的存在每公里數(shù)量033.01.86.810非自行車的交通主體存在每公里數(shù)量0113.013.722.811逆行每公里數(shù)量0100.01.66.312不戴頭盔每公里數(shù)量0275.034.433.2模型識別結(jié)果聚類為具體展現(xiàn)每一類風險因素的各種實際情況，采用前文所提及的層次聚類法對各風險因素的模型識別情況3-2。表3-2：風險因素模型聚類結(jié)果類型風險因素圖片樣例類別與機動車道完隔離自行車道和機動車全分離的自行車道道的可以移動的基礎設施,包括灌木綠化帶、帶欄桿的綠化帶、沙土綠化帶、圍欄、停靠自行車的人行道、白色欄桿、綠色欄桿、公交車自行車道種類（10類）候車區(qū)、行人通道用護欄與機動車道分離的自隔離自行車道和機動車道的可以移動的基礎設行車道施，如欄桿、隔離桿、（10類）三角錐等用涂裝與機動車道分離的自以白色劃線隔離機動車行車道道和自行車道（2類）靜態(tài)存在于自行車要素公交車站道上的非港灣4種類型的公交車站牌的存在式公交車站和公交車站候車區(qū)（5類）停車場和建筑物入口伸縮電動門、柵欄式道出入口的存在閘、直桿道閘、停車場標識、鐵門等有機動車駛出的小區(qū)、停車場、辦公場所入口(12類）惡劣的路況自行車道上的積水、坑洼、裂縫（7類）路面破損、縱向裂縫、網(wǎng)狀裂縫、橫向裂縫、坑洼、積水、井蓋不平人行道與自行車道無高差人行道與自行車道高度相同（2類）人行道與自行車道之間無隔離和有隔離桿類型風險因素圖片樣例類別動態(tài)要素路邊停車路邊停放的車輛（8類）平行、斜向、垂直停在路邊的不同車型、順向或逆向停放的機動車自行車道被阻擋阻塞自行車道的建筑設施和非機動車（8類）占用自行車道上的物體，如執(zhí)法車輛、電動車自行車、快遞三輪車、自有自行車、共享單車、私人物品、圍欄、廢棄物品、圓形路墩、指示牌等大型車輛的存在自行車道或鄰近道路上存在的大型車輛（8類）卡車、市政車輛、公交車、貨車、房車等非自行車的交通主體存在出現(xiàn)在自行車道上的行人、寵物等（5類）行人、寵物、推輪椅的人、推行李的行人等在自行車道逆行逆行的騎行者（6類）逆向行駛的電動車、三輪車和自行車不戴頭盔不戴頭盔的騎行者（9類）佩戴不同顏色頭盔的自行車、電動自行車、三輪車騎行者風險騎行行為初探基于固定的監(jiān)控攝像頭，在重點區(qū)域識別到的風險行為包括：（1）速度過快；（2）急變速：分析速度變

化情況，加速度；（3）逆向行駛(占道騎行）：占用對面車道或機動車道；（4）危險碰撞：與其他行人距離過近。圖3-15：風險騎行行為示例4 第4章北京騎行環(huán)境建設現(xiàn)狀與政策建議本章通過系統(tǒng)梳理近年來北京市慢行交通相關政策與建設案例，形成對北京騎行環(huán)境建設現(xiàn)狀的具體認知。針對本研究關注的風險因素，我們在實際的工程案例中也找到了相應的改造優(yōu)化等工作基礎。最后，針對北京騎行環(huán)境建設現(xiàn)狀從本研究角度形成若干政策建議。北京市慢行交通相關政策通過廣泛搜集近年來北京市在慢行交通方面出臺的相關政策，研究團隊發(fā)現(xiàn)除了每年定期發(fā)布《北京市城市慢行交通品質(zhì)提升行動工作方案》以外，自2018年起北京市已陸續(xù)發(fā)布側(cè)重點多樣的慢行交通政策（表

于2020年發(fā)布《關于保障慢行優(yōu)先規(guī)范道路停車位設置條件的通知》；針對慢性交通設施改善，市交通委與市交管局于2020年聯(lián)合印發(fā)《北京市步行和自行車交通設施改善技術指南》；結(jié)合城市河湖濱水景觀營造，市水務局于2021年出臺《北京市城市河湖濱水慢行系統(tǒng)規(guī)劃》。[3]表4-1：北京市慢行交通相關政策每年《北京市城市慢行交通品質(zhì)提升行動工作方案》2021年《北京市慢行系統(tǒng)規(guī)劃（2020-2035年）》2021年《北京市“十四五”時期慢行系統(tǒng)品質(zhì)提升規(guī)劃》2021年《城市道路非機動車道交通組織設計指南》2021年《北京市城市河湖濱水慢行系統(tǒng)規(guī)劃》2020年《北京市步行和自行車交通設施改善技術指南》2020年《關于保障慢行優(yōu)先規(guī)范道路停車位設置條件的通知》2020年《慢行交通服務評價考核體系》2018年《北京市步行和自行車交通環(huán)境設計建設指導性圖集》除此之外，市交通委還于20225月正式發(fā)布了《北京市“十四五”時期慢行系統(tǒng)品質(zhì)提升規(guī)劃》，2025年，中心城區(qū)綠色出行比例力爭達到76.5%80%”的階段性目標。在十四五規(guī)劃的指導下，《2023年北京市城市2023中心城區(qū)綠色出行比例達到74.7%45分鐘以內(nèi)通勤出行占比達到54%，全市軌道車站出入口換乘距5086%，中心城區(qū)公共52.9%，小客車車均出行強26.5公里，集中建設區(qū)道路網(wǎng)密度達到5.45公里/平方公里，高峰時段平均道路交通指數(shù)控制在5.6左右，全市道路交通死亡事故穩(wěn)步下降，確保城市交通運行安全、平穩(wěn)、有序。[4]

與風險因素對應的具體案例分析二環(huán)路慢行系統(tǒng)優(yōu)化提升工程時間：2021年地點：北京二環(huán)路舉措：;[5]圖4-1：新增柔性隔離柱@記攝人間12米以上道路非機動車道寬度不足路2.5米以上。

措施，最大限度增加非機動車通行空間。改造后，二環(huán)路的非機動車道寬度能從2米左右普遍提升至3米以上，最寬處可達3.6米；[6]圖4-2：重新施劃的機非車道分界線@新京報

德勝門公交車站、西二環(huán)復興門橋以南等多個區(qū)[7]圖4-3：騎行者路過“拓寬”后的德勝門公交車港灣處@北京日報[8]時間：2021年8月地點：五道口路口舉措：

現(xiàn)東西非機動車一次左轉(zhuǎn)；拓寬非機動車道，為左轉(zhuǎn)自行車創(chuàng)造獨立的等候空間。圖4-4：五道口路口增設非機動車左轉(zhuǎn)專用信號燈@新京報北京CBD（西南區(qū)[9]

時預警派單”的共享單車監(jiān)管方式。CBD地區(qū)總共將34個電子圍欄停放區(qū)，全域共享單車控制在1.5時間：2021年地點：朝陽區(qū)CBD二期（西南區(qū)）舉措：+平臺動態(tài)調(diào)+實

萬輛以內(nèi)，入欄結(jié)算，圍欄外禁停，緩解共享單車侵占步道空間的現(xiàn)象，凈化步道空間環(huán)境。圖4-5：共享單車電子圍欄停放區(qū)@北京商務中心區(qū)管理委員會[10]時間：2023年1月地點：朝陽門橋舉措：14日晚上啟動朝陽門橋慢行系

施劃引導線，通行空間不足，缺少等待區(qū)和信號燈。一是均衡機非資源配比，取消一條機動車道，增加非機動車道的空間達到6米以上；二是重新施劃引導線，減少環(huán)島車輛的交織沖突，規(guī)范通行秩序。此外還新建行人和非機動車信號燈。結(jié)合交通流量特點，優(yōu)化調(diào)整橋區(qū)的信號配時。圖4-6：重新施劃非機動車引導線@北京交通廣播北京自行車騎行環(huán)境建設政策建議結(jié)合本研究各風險因素識別結(jié)果（3-2）與對應改造提升難度，繪制如下騎行環(huán)境建設優(yōu)先級坐標系（4-7）：以改造難度為縱坐標、風險因素分布的普普遍程度越高、改造難度越低則優(yōu)先級越高。此外，還通過每個風險因素所對應的圓形半徑直觀反映其風險權重。可見，“非自行車的交通主體存在”在所有風險因素中的改造優(yōu)先級最高；“路邊停車”雖然現(xiàn)狀較為嚴重，但改造提升難度也較高，因而可以考慮分階段分片區(qū)逐步進行優(yōu)化；同理，針對“不戴頭盔”可考慮通過

行車道被阻擋”，需要加強交通監(jiān)管與治理，及時督促并清理雜亂設施；針對“逆行”，一方面需要提高騎行者的安全意識，另一方面也需要增加過街設施密度；針對“大型車輛的存在”，需要對出現(xiàn)頻率較高的車輛類型，如貨車、市政車輛等進行管制，避免在高峰時段出行；針對“自行車道種類”，結(jié)合道路寬度條件，優(yōu)先改善無自行車道的道路；針對“人行道與自行車道無高差”，需要對問題路段加強區(qū)分自行車道與人行道；針針對“自行車道寬度”“出入口的存在”與“公交車站的存在”這三類因素，其分布的普遍程度較低且改造難度較高，因而可以考慮優(yōu)先對其他風險因素進行改善。改造難度

圓半徑對應風險因素權重大小高自行車道寬度出入口的存在公交車站存在自行車道種類路邊停車不戴頭盔高自行車道寬度出入口的存在公交車站存在自行車道種類路邊停車不戴頭盔非自行車的交通主體存在自行車道被阻擋車道無高差惡劣的路況非自行車的交通主體存在自行車道被阻擋車道無高差惡劣的路況低低輕度逆行大型車輛存在高度輕度逆行大型車輛存在高度中等圖4-7：北京四環(huán)內(nèi)騎行環(huán)境建設優(yōu)先級示意圖展望未來，研究團隊認為在現(xiàn)有北京慢行交通規(guī)劃建設的系列政策的指導下，圍繞騎行環(huán)境安全性提高還可以在以下五方面開展探索:一、針對使用不同交通工具的騎行主體，如自行車、電動自行車、三輪車等，制定相應的騎行規(guī)范，在明確速度上限的基礎上，根據(jù)其交通工具自身的風險水平調(diào)整管控力度，避免高速騎行帶來的安全隱患。對于特定從業(yè)者，如外賣員、快遞配送員等，除了與企業(yè)合作制定騎行規(guī)范外，還可設置專門的培訓課程，確保其熟悉并遵守交通規(guī)則；二、針對不同城市片區(qū)自行車騎行環(huán)境風險現(xiàn)狀，因地制宜出臺相應規(guī)劃導則以應對嚴重程度不一的各類具體問題。例如，二環(huán)內(nèi)主要解決騎行環(huán)境中自行車道被阻擋與路面狀況等問題，居住區(qū)主要解決路邊停車等問題；三、針對不同等級道路，結(jié)合各類風險因素的嚴針對環(huán)路輔路與主干路，需重點關注大型車輛的存在；針對無自行車道的道路，需注意行人跨道等現(xiàn)象；

四、通過公共宣傳與教育，加強騎行者的安全意識。尤其以事故高發(fā)路段的具體案例作為教育素材，增強騎行者對不同情形騎行風險的認知能力，進一步有效預防非機動車交通事故。除了公共宣傳與教育外，還可以與學校合作，將騎行安全教育納入學校的安全教育課程中。利用新媒體平臺，如短視頻、社交媒體等，進行有趣的騎行安全宣傳，吸引更多年輕人關注；五、大數(shù)據(jù)驅(qū)動下，加強市域非機動車交通信息協(xié)同水平。可同相關科技公司合作，搭建面向公眾的騎行安全信息平臺，便于騎行者自主上報具體地點的安全性問題。還可以引入社交功能，讓騎行者之間可以互相分享騎行經(jīng)驗和路線建議。此外，還可綜合收集社交平臺、事故處理等信息渠道非機動車交通的實時狀況，動態(tài)管控、實時調(diào)整交通流向，提高騎行效率和安全性。結(jié)語本研究聚焦北京市四環(huán)內(nèi)騎行環(huán)境的現(xiàn)狀和近年來在此方面的改善措施，通過12項風險因素對自采集的2963.4km道路共116107張騎行圖像進行識別評估。我們發(fā)現(xiàn)，在這12項風險因素中，不戴頭盔、路邊停車與非自行車的交通主體存在情況較為嚴重；公交車站的存在、出入口的存在與大型車輛的存在等風險因素情況稍好。我們還梳理了北京市近年來慢行交通相關政策與案例，發(fā)現(xiàn)有關部門已針對具體風險因素開展了有效

改善提升工作。在此基礎上，結(jié)合風險因素識別結(jié)果與改造難易程度，我們對未來北京市騎行環(huán)境建設提供了本研究還認為需要從宣傳層面加強騎行者主觀的安全出行意識，從根源上杜絕具有潛在風險的騎行行為，為自己的騎行安全負責。附件1：道路信息采集單元與采集日程圖1：北京四環(huán)內(nèi)48塊采集單元1：采集日程與對應采集單元序號周一周二周三周四周五周六周日82.19122021352.264222191732.272.23.43.533、291830413.12164732、133623、1483.1910285、11624、1225、53.268734、27359263.273.283.293.303.314.14.238、4337、443940、4841、45附件2：風險因素檢測模型針對6個靜態(tài)風險因素：采用YOLOv8(https:///ultralytics/ultralytics）目標檢測模型來識別