Electric bike (e-bike) riders’ inappropriate go-decision, yellow-light running (YLR), could lead to accidents at intersection during the signal change interval. Given the high YLR rate and casualties in accidents, this paper aims to investigate the factors influencing the e-bikers’ go-decision of running against the amber signal. Based on 297 cases who made stop-go decisions in the signal change interval, two analytical models, namely, a base logit model and a random parameter logit model, were established to estimate the effects of contributing factors associated with e-bikers’ YLR behaviours. Besides the well-known factors, we recommend adding approaching speed, critical crossing distance, and the number of acceleration rate changes as predictor factors for e-bikers’ YLR behaviours. The results illustrate that the e-bikers’ operational characteristics (i.e., approaching speed, critical crossing distance, and the number of acceleration rate change) and individuals’ characteristics (i.e., gender and age) are significant predictors for their YLR behaviours. Moreover, taking effects of unobserved heterogeneities associated with e-bikers into consideration, the proposed random parameter logit model outperforms the base logit model to predict e-bikers’ YLR behaviours. Providing remarkable perspectives on understanding e-bikers’ YLR behaviours, the predicting probability of e-bikers’ YLR violation could improve traffic safety under mixed traffic and fully autonomous driving condition in the future.

中文翻译：

---

我可以信任你吗？城市交叉口琥珀灯前电子自行车停驶决策的估计模型

电动自行车（e-bike）骑手的不正确决策，黄灯行驶（YLR）可能会在信号更改间隔期间导致交叉路口发生事故。鉴于高YLR率和事故中的人员伤亡，本文旨在研究影响电动自行车的人做出反对琥珀色信号的决定的因素。基于297个在信号变化间隔中做出停止决策的案例，建立了两个分析模型，即基本logit模型和随机参数logit模型，以评估与电动自行车YLR行为相关的影响因素。除了众所周知的因素，我们建议增加接近速度，临界穿越距离和加速度变化的次数作为电动自行车YLR行为的预测因素。结果表明，电动自行车的操作特征（即接近速度，临界穿越距离和加速度变化的次数）和个人特征（即性别和年龄）是其YLR行为的重要预测指标。此外，考虑到与电动自行车相关的未观察到的异质性的影响，建议的随机参数对数模型优于基本对数模型来预测电动自行车的YLR行为。通过提供了解电动自行车YLR行为的出色见解，预测电动自行车YLR违规的可能性可以在将来改善混合交通和全自动驾驶条件下的交通安全。以及加速度变化的次数）和个人特征（即性别和年龄）是他们YLR行为的重要预测指标。此外，考虑到与电动自行车相关的未观察到的异质性的影响，建议的随机参数对数模型优于基本对数模型来预测电动自行车的YLR行为。通过提供了解电动自行车YLR行为的出色见解，预测电动自行车YLR违规的可能性可以在将来改善混合交通和全自动驾驶条件下的交通安全。以及加速度变化的次数）和个人特征（即性别和年龄）是他们YLR行为的重要预测指标。此外，考虑到与电动自行车相关的未观察到的异质性的影响，所提出的随机参数对数模型优于基本对数模型来预测电动自行车的YLR行为。通过提供了解电动自行车YLR行为的出色见解，预测电动自行车YLR违规的可能性可以在将来改善混合交通和全自动驾驶条件下的交通安全。所提出的随机参数对数模型优于基本对数模型，可以预测电动自行车的YLR行为。通过提供了解电动自行车YLR行为的出色见解，预测电动自行车YLR违规的可能性可以在将来改善混合交通和全自动驾驶条件下的交通安全。所提出的随机参数对数模型优于基本对数模型，可以预测电动自行车的YLR行为。通过提供了解电动自行车YLR行为的出色见解，预测电动自行车YLR违规的可能性可以在将来改善混合交通和全自动驾驶条件下的交通安全。