信号协调控制已被广泛应用于城市干线信号交叉口。该技术通过形成绿波带,使车辆能以较少停车次数或不停车通过沿线交叉口。以往关于信号协调控制的研究主要关注信号配时方案的优化以实现交通运行效率的最大化。然而,信号协调控制对交通安全的影响往往被忽视,关于协调控制下干线交通安全性变化的研究相对较少。由于协调控制对交通流模式的改变,干线交通安全性表现可能随之发生变化。近些年,学者们开始逐渐关注协调控制干线的交通安全问题。相关的研究涉及到干线信号协调控制前/后安全计数指标的变化,如事故频率和交通冲突数量等。尽管如此,信号协调控制对交叉口和干线的交通安全影响机理仍未明确,相关的交通安全问题还需深入研究。为此,本文将重点研究信号协调控制对干线交通安全的影响,主要内容包括事故空间分布、事故风险、受伤严重程度等。本文以美国密歇根州安娜堡市六条城市干线为研究对象,交通安全分析数据源于密歇根州交通部记录的事故数据库(2000-2014年)。在事故空间分布方面,本文采用核回归模型评价信号交叉口在协调控制策略实施前/后的安全表现。通过该模型建立事故频率与事故空间点位之间的非线性关系,检验在各种非集聚条件下(如不同时间段、事故类型等)协调控制前/后交通事故空间分布的差异性。由基于密歇根州交通事故的案例分析,可知:1)当信号协调控制系统运行时,干线交通事故在空间分布上更加离散化;2)在以下非集聚条件下,应用信号协调控制之后路段上的事故频率有所增加:非高峰期、追尾事故、刮擦事故、低限速路段、受伤事故和仅财产损失事故。这些发现表明,信号协调控制带来安全效益的同时也伴随着一定交通安全隐患。在事故风险方面,本文使用相对危险暴露量技术对比干线上各类出行主体在有/无协调控制下的事故倾向性(以相对事故参与率表示)。该技术可用于评估特定驾驶员/车辆的事故风险,如驾驶员年龄、性别、车辆类型等。再采用同时包含固定影响和随机影响的混合效应logistic模型检验相对事故风险的显著性。基于密歇根州交通事故的数据分析结果表明:1)当信号协调控制实施后,年轻驾驶员、男性驾驶员和皮卡伴随着较多的事故责任;2)在不同非集聚条件下事故风险有所差异,比如,在高峰期年轻驾驶员的事故风险会增加;3)高风险驾驶群体在信号协调控制后的危险驾驶行为(跟车过近)相比协调控制前有所增加。在事故严重程度方面,本文首先用卡方检验分析了信号协调控制对事故严重程度的影响变化,再利用随机参数有序Logit模型和广义有序模型探索事故严重程度的影响因素。密歇根州安娜堡市的案例研究表明:1)信号协调控制减少了受伤程度较低的交通事故,但是增加了伤害后果较为严重的交通事故;2)诸多因素(事故涉及车辆数、女性驾驶员、事故发生时间、事故类型、危险驾驶行为,以及非正常的驾驶员身体状态)对事故严重程度具有显著影响;3)对比协调控制之前,干线在协调控制之后的事故严重程度呈现较强的空间相关性。此外,本文还通过建立双层Stacking机器学习模型研究事故严重程度的影响因素。模型第一层融合了随机森林、神经网络和提升分类树三种分类方法,第二层采用传统的logistic回归模型。结果表明:1)Stacking模型的分类表现优于各种单一机器学习模型;2)当事故为多车事故,对撞或追尾事故,夜间事故,驾驶员具有非正常驾驶状态(酒驾和分心)和危险驾驶行为(违反交通控制和未让行)时,则其事故后果往往比较严重。本文强调了开展信号协调控制交通安全分析的重要性,从交通安全视角为交通信号控制与管理提供了科学基础。研究结果有助于提出有效的交通管理措施以减少事故风险,降低事故严重程度,并最终提高信号协调干线的运营安全性。