目前城市大部分交叉口都设有非机动车待行区来分离机非待行交通,常见的主要有普通形式、非机动车停车线提前、以及BOX形式的非机动车待行区域设施,以减少机非冲突,但关于三种形式的有效性研究并不多见,并且对于在不同道路条件和交通流特性(机非交通量、大车比例、电动车比例)下,选择何种形式的非机动车待行区来减少机非冲突也没有进一步的说明。本文以信号交叉口右转机动车与直行非机动车的冲突为研究对象,考虑不同非机动车待行区的设置特性,选择具有不同待行区的典型信号交叉口,确定调查方案进行实地调查以及数据采集,然后利用交通冲突识别算法,以TTC为判别指标,进行机非冲突的识别,并利用85%位累积曲线分析法对交通冲突程度进行阈值界定,得出本文机非冲突程度判别标准,即当0s≤TTC≤1.1s时为严重冲突,1.1s<TTC≤2.7s时为一般冲突,TTC>2.7s时认为不构成冲突。为不同非机动车待行区下机非冲突产生机理研究以及机非冲突预测模型的构建提供数据支持。其次,对不同待行区形式下严重冲突所占总冲突数比例的影响进行分析,证明不同待行区形式对机非冲突严重程度的影响没有显著不同。基于信号周期内冲突时间分布特征对不同待行区形式下机非冲突的产生机理进行研究,结果表明,不同待行区形式下机非冲突的产生机理不同。采用冲突率作为评价指标,对三种待行区下的冲突率进行方差分析,结果表明不同非机动车待行区形式对机非冲突的影响不同。另外对交叉口其他机非冲突的影响因素进行偏相关分析,表明右转机动车交通量、直行非机动车交通量、大车比例、电动车比例都与机非交通冲突存在相关关系。第三,基于贝叶斯方法,建立了负二项分布回归模型以及考虑不同非机动车待行区的随机效应负二项分布回归模型,对模型进行了拟合优度评估以及有效性检验,结果显示考虑不同非机动车待行区的随机效应负二项分布回归模型具有更好的拟合效果。对影响因素进行弹性分析,结果显示在其他影响因素不变的前提下,右转机动车交通量每增加1%,机非交通冲突增加0.44%;直行非机动车交通量增加1%,机非交通冲突增加0.49%;非机动车停车线提前形式的待行区能有效减少35.9%的机非冲突;BOX形式的非机动车停车线提前能有效减少49.3%的机非冲突;大车比例每增加1%,增加1.5%的机非冲突;电动车比例每增加1%,增加0.644%的机非冲突。最后,以机非交通冲突数作为非机动车待行区安全水平的评价指标,运用K-means聚类分析方法,以AIC准则为聚类模型判别标准,将安全水平划分为4个等级,并对每个等级的进行了安全水平方面的描述。结合机非交通冲突预测模型,最终给出了信号交叉口非机动车待行区的设置形式选择方法。然后进行算例分析,给出了信号交叉口非机动车待行区的选择流程。本文对于交叉口非机动车待行区机非冲突的产生机理、机非冲突预测模型、非机动车待行区的设置形式选择方法进行了研究。研究成果可为信号交叉口非机动车待行区设施设计和改善提供参考和依据。