近年来,低碳交通与绿色出行受到越来越多的关注。步行与骑自行车作为两种重要的无碳交通方式,成为人们短距离出行的主要选择。另一方面,随着城镇化建设的不断发展,城市的道路不断被拓宽,行人和自行车的慢行交通用地逐渐被挤压,自行车和行人的冲突越来越严重。因此,有必要对共享道路上自行车影响下的行人运动特征开展深入研究,从而科学地设计交通设施和进行交通管控,保障行人与自行车出行的舒适性与安全性。本文重点关注自行车影响下的行人流宏观特征、行人与自行车之间的微观相互作用,以及对行人避让意图进行预测的可行性。第二章中我们开展了环形通道上人群与一辆自行车混合流的受控实验,分析对比了不同密度的人群在受到同向或反向运动的自行车影响时的基本图、分层现象和高密度簇的形成规律,以及人群密度、相对运动方向对自行车运动的影响。研究发现,自行车在与人群同向或反向运动时对行人基本图的影响呈现出显著的差异。单向流中的自行车明显限制了行人流;而在双向流中,我们观察到0.9ped/m2的临界转变密度,当人群低于临界密度,自行车对人群运动的限制不明显。对于自行车而言,其速度也取决于相对运动的方向,但是当跟随效应被排除后,这种差异变得不显著。在分层现象上,与单向流相比,双向流中形成的分层更为集中,且层间距较小。这种差异可以用单向和双向场景下行人对潜在碰撞的认知差异来解释。同时,我们还发现自行车对人群行为的主要影响是反向传播密度波的产生,这种密度波直接导致了形成高密度簇的Y形模式,这意味着随着前向和反向传播的密度波的合并,稳定的高密度簇有可能会形成。此外,在双向流中,产生的反向密度波还可能通过降低密度分布的不均匀性来促进高密度簇的衰退。在第三章中,首先我们发展并验证了一种直通道内行人运动的无碰撞模型。然后我们通过实验研究了行人和自行车在相互作用中的避碰行为,实验包括一组单列行人与一辆自行车的单向或双向运动。最后,结合实验中的发现,我们将无碰撞模型推广到行人与自行车相互作用的研究中。实验结果表明,在避碰过程中,自行车的期望安全距离小于行人的期望安全距离,在避碰过程中人和车会有明显的速度变化,这可以分为路径的选择和速率的调整,这些行为又取决于行人和自行车之间的距离以及他们的相对运动方向。基于实验观察,在主观认知和决策的概念下,我们引入了两个方向决定参数（临界前向距离和期望安全距离）以及两个速度决定参数（弛豫时间和临界减速距离）,建立了行人与自行车的无碰撞模型来描述行人和自行车之间的相互作用,并分别用直接校准法和交叉熵算法对参数进行了校准。模型模拟再现了双向和单向行人-自行车混合交通中各自车道的形成特性。微观验证还表明,我们所提出的无碰撞模型可以较好地重现双向场景中行人和自行车之间的微观相互作用,该模型的重现能力不仅体现在轨迹层面,还体现在瞬时速度和运动方向层面。第三章中,我们提出了一种基于迈步预测行人避让意图的数据驱动方法。通过利用机器人平台和动作捕捉系统开展行人对移动障碍物的避碰实验,我们从实验结果中确定了避碰迈步的相关特征,并验证了该数据驱动方法的可行性。与传统的只考虑前向距离的建模方法相比,数据驱动方法可以综合处理更多复杂因素,从而进行更好的预测。曲线下面积值AUC表明,通过选择合适的特征向量,分类器能够输出合理的结果。研究发现,当行人意图避免与障碍物的潜在碰撞时,他通常需要运动两步以进行调整。通过将前一步的状态包含到特征向量中,数据驱动方法的性能得到提高。我们所提出的数据驱动方法具有一定通用性,可在安全、健康等其他领域使用。最后我们对本研究主要结论做出了总结,阐述了其意义与局限性,并对未来工作作出展望。