信号控制交叉口作为城市道路环境中的重要枢纽,行人和车辆在此需要共享同一交通区域,在未设置右转专用相位的信号交叉口中,右转机动车与行人的交互十分频繁,不好的交互行为会导致交通冲突的产生,严重影响道路交通的安全与效率。在复杂情况下,如何准确地模拟行人和机动车在交叉口的交互决策行为,特别是准确预测其对彼此状态的反应,仍然是有待研究的问题。论文首先通过对现有文献的总结和对实际情况的观察,较为全面的对行人与右转机动车交互过程及其影响因素进行了分析,并利用交通视频处理技术获取到了准确的人车交互速度位置信息,为预测模型的建立提供了良好的数据支撑。在较为全面准确的数据基础上,论文利用机器学习算法对行人和右转机动车的交互行为进行了建模预测,通过对不同算法的比较得出了当前数据集下的最优右转机动车让行行为预测模型和行人过街行为预测模型,由模型评估报告可知,得到的模型在测试集上有着较优的预测性能。并在比较得到的最优模型基础上对行人过街模型和右转机动车让行模型进行了特征重要性排序,分别获取到了行人过街行为和右转机动车让行行为的影响因素重要性评分。最后对穿越间隙特征组与速度-距离特征组下的建模效果进行了比较,进一步明确右转机动车的速度-距离指标在对交互行为预测中的重要性。并基于预测模型进行了速度-距离SVM特征分类,在此框架下对右转机动车在不同交互区域让行行为进行比较;并利用速度-距离对提前右转车道下人车交互行为进行划分,得到了安全交互决策区域和争议交互决策区域对应的速度-距离范围。本文对右转机动车和行人交互行为进行了建模分析,并在预测模型基础上探究了不同交互行为的速度-距离特征分布情况,为建立交叉口行人安全评价指标与方法和优化交叉口规划设计与管理提供了有效参考,也为自动驾驶和车联网相关场景的主动风险识别提供了理论依据和模型基础。