5-1 資料分類
由觀察地點所拍攝的影片，自 DV 中截取影片並標定時間，首先進行車流的 計算，接著進行闖紅燈車輛的資訊收集。將資料依地點及時段分類及整理，依不 同方向及車種進行統計分析，使用 SPSS 統計軟體進行統計相關計算，並對運算 結果進行分析。
變數共有八項，有地點、時段、車種、車道、通過路口後的行駛方向、載客 與否、駕駛人性別及紅燈時相開始後幾秒超越停止線。編號方式如下所列：
1. 地點依路口 I 至路口 V 順序將其編號為 1 至 5。
2. 時段依離峰、尖峰、夜間依序編成為 1 至 3。
3. 車種依大型車、小型車、機車、腳踏車依序編號為 1 至 4。
4. 行駛車道依內側快車道、外側快車道、慢車道依序編號為 1 至 3。
5. 闖紅燈後行駛方向依直行、左轉、機車進入待轉區後再進行左轉行為、
迴轉、待轉格內車輛於支道綠燈前即穿越路口、右轉依序編號為 1 至 6。
6. 載客與否將無載客編為 0，有載客編為 1。
7. 駕駛人性別將男性編為 1，女性編為 2。
8. 紅燈時相開始後幾秒闖紅燈依實際秒數記錄。
僅有機車及腳踏車的樣本能由錄影所得的影片觀察「載客與否」及「駕駛人 性別」。由實驗人員於實驗室由影片進行判斷機車及腳踏車駕駛人的性別與是否 有載客，駕駛人的性別由觀察人員經由服飾或身材等主觀判斷；觀察載客與否僅 分有載客及無載客，若樣本車輛有乘客站立於駕駛者前方踏板處，或是樣本車輛 有承載兩人以上，則一律計為有載客。
5-2 資料修正
5-2-1 違規比例
計算車輛闖紅燈違規比例時，計算公式為：
39
違規比例 違規車輛數 輛 車流量 輛
假設車流量是均勻且穩定，理論上，號誌化路口的車流量僅能在綠燈時段被計算 到，但是車流並不是只有在綠燈時段才會抵達到路口，會連續且穩定的抵達路口，
但是在綠燈及黃燈抵達路口的車輛本身即可在當下立即通過路口，因此在綠燈及 黃燈時抵達的車流應不需要討論這些車輛是否闖紅燈，故將綠燈及黃燈時理論上 抵達的車流量將其剔除，僅計算理論上紅燈時抵達的車流，調整車流量的計算公 式如下：
每小時紅燈時段抵達車流量 一小時總車流量 紅燈時相長度 秒 周期長度 秒 因此將車輛闖紅燈違規比例修改為：
違規比例 紅燈時段違規車輛數 輛 紅燈時段抵達車輛數 輛
因為部分路口紅燈秒數較短，能夠闖紅燈的車輛數不多，但是道路車流輛較多，
使得闖紅燈的比例相對起來較低，為了使闖紅燈比例更貼近在路口等待紅燈車輛 的行為，因此進行上述的公式修改。
5-2-2 車輛闖紅燈時間點
路口的紅燈時相長度在不同的路口及時段皆不相同，以絕對時間進行比較或 檢定會較不合適，因此將各個樣本闖紅燈的時間進行修正，計算公式如下：
闖紅燈時間點 車輛闖紅燈時為紅燈的第幾秒
紅燈時相長度
將所有的闖紅燈車輛樣本都經由此轉換，才能讓各路口與各時段不因為時相長度 的差距而無法進行比較與分析。為了進一步分析闖紅燈的性質，將闖紅燈時間點 以 10%作切割，即將整個紅燈時相等分十等分。將闖紅燈時間點為小於 10%的 樣本於闖紅燈時間點欄位記為「1」，將闖紅燈時間點大於等於 10%小於 20%的 樣本記為「2」，將闖紅燈時間點大於等於 20%小於 30%的樣本記為「3」，以此 類推，最後一組為時間點大於等於 90%的樣本記為「10」。
5-2-3 闖紅燈後行駛方向
經由現場觀察，闖紅燈的行為包含六種情況，直行、左轉、機車進入待轉區
40
41
42
43
44 4.79%；離峰時闖紅燈左轉為 5.26%，尖峰時 25.58%，而夜間為 27.59%，詳如表 5-8。
45
46
47
48
49
50
51
52
53
僅討論丁字路口的闖紅燈車輛，使用卡方檢定來檢定直行與左轉的車輛在闖 紅燈的時間點是否為均勻分布，假設各時間點的闖紅燈數量為均勻分配，檢定結 果發現，闖紅燈直行的車輛在闖紅燈的時間點上有顯著性的不同，由實際樣本數 與期望樣本數的殘差發現，闖紅燈直行的車輛集中於最前的 10%及最後的 10%，
而闖紅燈左轉則是無法拒絕虛無假設，即無法拒絕左轉車輛的闖紅燈時間點為均 勻分配的假設，如表 5-15。由於闖紅燈直行與左轉的樣本數不同，因此將各時間 點的樣本數均改為該方向總樣本數的百分比進行繪圖，如圖 5-3，可看出直行闖 紅燈極集中於開頭與結尾的 10%，而左轉則是並無明顯的集中趨勢。
5-5-3 違規比例
進行違規比例計算時，假設車流量是均勻且穩定，將綠燈及黃燈時理論上抵 達的車流量將其剔除，僅計算理論上紅燈時抵達的車流，調整車流量的計算公式 如下：
每小時紅燈時段抵達車流量 一小時總車流量 紅燈時相長度 秒 周期長度 秒 因此將車輛闖紅燈違規比例修改為：
違規比例 違規車輛數 輛 紅燈時段抵達車輛數 輛 調整後的車流量及各路口的違規車輛數詳如表 5-16。
由表 5-16 可看出，左轉的違規比率，皆較直行來的高，與左轉車流量較小 有關，且經過車流量的調整使得分母變的異常小，造成計算出的違規比率呈現異 常高的情況。
討論各路口在不同時段的違規比率是否有顯著差異，進行母體比例的單尾檢 定，發現四個路口在 =0.05 的情況下，四個路口皆無明顯差異，如表 5-17。而 夜間的闖紅燈情況是明顯顯著的比離峰及尖峰嚴重許多，如表 5-18。
不計算夜間樣本，僅計算各路口的尖離峰樣本，進行各路口間交叉比較闖紅 燈直行車輛數的比例，各路口間進行直行闖紅燈比例是否有顯著差異之檢定。
如表 5-19，路口 I（對照組）與路口 II（紅燈時相較長）的直行闖紅燈比率 並無顯著差異，與路口 III（有左轉保護時相）相比，路口 III 的直行闖紅燈比率 顯著的比路口 I 低，與路口 IV（有紅燈倒數計時）的路口相比，路口 IV 的直行 闖紅燈比率也顯著的比路口 I 低；路口 II 的闖紅燈直行比率顯著的比路口 III 高，
也顯著的比路口 IV 高；路口 III 的闖紅燈直行顯著的比路口 IV 為低。
54
55
5-5-4 車種、行駛車道
本研究將車種分為四類，大型車、小型車、機車及腳踏車，其中大型車包含 大客車及大貨車，將車種與轉向及行駛車道交叉進行卡方檢定，找尋因子間的相 關性，此段討論不討論十字路口樣本及待轉格內車輛提前進入支道的樣本。
車種與轉向進行交叉分析及卡方檢定後發現，p-value 小於 0.001，表示此兩 因子有相關，由殘差的正負值可發現小型車較多的闖紅燈情況發生於左轉，而機
車種與車道進行交叉分析及卡方檢定後發現，p-value 小於 0.001，表示此兩 因子有相關，由殘差的正負值可發現大型車及小型車在闖紅燈時主要行駛於內側
56
車種與轉向進行交叉分析及卡方檢定後發現，p-value 小於 0.001，表示此兩 因子有相關，由殘差的正負值可發現欲闖紅燈左轉的車輛會行駛至內側快車道再 p-value 值為 0.238，大於 0.05，無法拒絕「駕駛人性別與闖紅燈時間點無相關」
的假設，如表 5-23。駕駛人性別與闖紅燈的方向進行交叉表分析，並進行卡方檢 定，檢定的 p-value 值為 0.305，大於 0.05，無法拒絕「駕駛人性別與闖紅燈的方 向無關」的假設，如表 5-24。駕駛人性別與闖紅燈時行駛的車道進行交叉表分析，
並進行卡方檢定，檢定的 p-value 值為 0.122，大於 0.05，無法拒絕「駕駛人性別 與闖紅燈時行駛的車道無關」的假設，如表 5-25。經由檢定結果發現，闖紅燈時
57 p-value 值為 0.384，大於 0.05，如表 5-26，無法拒絕「是否有載人與闖紅燈時間 點無相關」的假設。是否有載人與闖紅燈的方向進行交叉表分析，並進行卡方檢 定，檢定的 p-value 值為 0.271，大於 0.05，無法拒絕「是否有載人與闖紅燈的方 向無關」的假設，如表 5-27。是否有載人與闖紅燈時行駛的車道進行交叉表分析，
58
59
60