《Journal of Urban Health》:The Impact of Streetlight Placement on Trends and Disparities in Pedestrian-Motor Vehicle Crashes
编辑推荐:
行人-机动车碰撞(pedestrian-motor vehicle crashes)是城市环境中可预防伤害的主要原因,在过去几十年中显著增加,尤其在夜间,并对有色人种行人造成不成比例的影响。街灯(streetlights)是应对这些趋势的潜在工具,但其与行人创
行人-机动车碰撞(pedestrian-motor vehicle crashes)是城市环境中可预防伤害的主要原因,在过去几十年中显著增加,尤其在夜间,并对有色人种行人造成不成比例的影响。街灯(streetlights)是应对这些趋势的潜在工具,但其与行人创伤(pedestrian trauma)关系的实证研究有限。研究人员使用波士顿(2016–2023年)的地理空间数据,评估按人口普查区(census tract)划分的街灯密度(lights/road kilometer)与(1)行人碰撞、(2)碰撞率随时间变化、(3)碰撞发生率的种族差异(racial disparities)以及(4)夜间碰撞比例之间的关系。行人碰撞从2016年的616起(0.55/km)减少到2023年的421起(0.37/km),更高的街灯密度与更大的总体减少相关(每增加1个街灯/km,额外减少?0.002 crashes/km/year,95% CI [?0.003, ?0.001])。观察到持续的种族差异:每增加10%的有色人种居民,额外增加0.04 crashes/km/year(95% CI [0.02, 0.06])。然而,该关联每年减少0.004 crashes/km/year(95% CI [?0.01, ?0.001]),且更高的街灯密度与更大的减少相关(每增加1个街灯/km,额外每年减少0.0004 crashes/km/year,95% CI [?0.001, ?0.0001])。最后,夜间碰撞比例从37.6%增加到45.1%。街灯密度与夜间发生概率呈负相关(每增加1个街灯/km,调整后比值比(adjusted odds ratio, aOR)为0.991,95% CI [0.986, 0.997]),但与时间趋势无关。研究人员得出结论:街灯密度与行人安全之间可能存在有益关系,街灯密度较高的人口普查区在整体碰撞率和种族差异方面表现出更大的改善。
论文解读文章
**研究背景、问题与目的**
行人-机动车碰撞(pedestrian-motor vehicle crashes)是美国城市环境中可预防性伤亡的主要原因,每年造成超过6万起伤害和7000例死亡。自2009年以来,碰撞率急剧上升,尤其在夜间,且对黑人、西班牙裔和多族裔行人的影响不成比例。波士顿的数据显示,黑人和西班牙裔行人被车辆撞到的概率约为白人行人的四倍。导致这一增加的因素可能包括:人口向行人安全基础设施不足的地区迁移、郊区住宅区靠近大型道路的扩张(尤其对低收入人群),以及“分心驾驶”的增加。安全基础设施的不平等可能加剧这些差异,已有研究将行人创伤与历史上的种族隔离和基础设施投资联系起来。街道照明(street lighting)是潜在的干预工具,但现有实证研究有限,且多集中在小型研究或夜间致死率上。随着“零愿景”(Vision Zero)等计划推动州级和市级地理空间数据的公开,更详细的分析成为可能。本研究利用波士顿2016–2023年的地理空间数据,评估道路街灯密度(streetlight density)与行人碰撞率、碰撞率时间变化、种族差异以及夜间碰撞比例之间的关系,旨在为城市安全政策提供证据。该论文发表在《Journal of Urban Health》。
**主要关键技术方法**
研究人员采用回顾性生态学设计,数据来源包括:波士顿零愿景碰撞记录(2015–2023年,仅需紧急医疗服务激活的行人事故)、2016年波士顿街灯清单、2022年波士顿街灯审计仪表盘、波士顿气候适应性社会脆弱性指数中的普查区边界及人口数据、波士顿管理街道空间数据(含年均日交通量)、分区数据(市区 vs. 社区)以及2020年美国社区调查的人口普查区人口统计信息。分析方法为空间数据处理(ArcGIS Pro 3.1.0)和多变量回归,包括:评估街灯分布与普查区特征的关系;评估整体碰撞率与街灯密度及种族构成的关系(控制交通量、分区、人口密度);分析碰撞率时间趋势及其与各变量的交互作用;使用逻辑回归评估夜间碰撞发生概率。所有模型均以普查区道路公里数为权重,采用异方差和自相关稳健标准误,并以普查区为聚类项。共分析169个普查区约1320公里道路,平均街灯密度43个/公里。
**研究结果**
*Streetlight Distribution*:街灯更可能位于前一年碰撞率较高的人口普查区。2016年清单中,每增加1个碰撞/km(2015年),额外增加21个街灯/km(95% CI [15, 24]);2022年清单中,2016–2021年的碰撞率每增加1个碰撞/km,额外增加22个街灯/km(95% CI [13, 25])。市区普查区及人口密度更高的地区街灯更密集。控制前一年碰撞率后,有色人种居民比例每增加10%,街灯密度减少约1.6–1.7个/km(2016年: ?1.7, 95% CI [?2.8, ?0.60];2022年: ?1.6, 95% CI [?2.4, ?0.9]),相当于第25百分位(29%有色人种)与第75百分位(80%有色人种)普查区间街灯密度差约8–9个/km。
*Census Tract Characteristics and Crash Rates*:2016–2023年平均每年0.43个行人碰撞/km。市区普查区、高人口密度和高交通量地区碰撞率更高:市区相比社区每年额外0.29个碰撞/km(95% CI [0.11, 0.48]),每增加1000人/km2额外0.024个碰撞/km(95% CI [0.012, 0.036]),每增加1000辆车/天额外0.034个碰撞/km(95% CI [0.013, 0.055])。对于平均7.8公里道路的普查区,这些差异累积为每年数起碰撞。
*Racial Disparities*:整个研究期间观察到种族差异。每增加10%有色人种居民,碰撞率增加0.039个碰撞/km/年(95% CI [0.018, 0.059]);控制其他特征后,增加0.05个碰撞/km/年(95% CI [0.046, 0.062])。第75百分位(80%有色人种)与第25百分位(29%有色人种)普查区间累计差异约12.4起碰撞。
*Changes Over Time*:总体趋势上,碰撞数从2016年的837起(0.63/km)逐年减少约57起/年(95% CI [10, 103])或0.043碰撞/km/年(95% CI [?0.052, ?0.033])。街灯密度与更大的下降相关:每增加1个街灯/km,碰撞率额外下降0.02碰撞/km/年(95% CI [?0.003, ?0.001])。第75百分位街灯密度(51个/km)的普查区碰撞数减少57%(从6.5降至2.8),而第25百分位(36个/km)减少53%(从3.8降至2.0)。种族差异随时间缩小:每10%有色人种居民相关的额外碰撞率每年减少0.0038碰撞/km(95% CI [?0.008, ?0.001])。街灯密度调节了这一效应:每增加1个街灯/km,该减少幅度额外增加0.0004碰撞/km/年(95% CI [?0.001, ?0.0002])。
*Overnight Timing*:夜间碰撞占总碰撞的40%,夜间发生概率从2016年的37.6%增加到2023年的45.1%(调整后比值比aOR=1.04/年,95% CI [1.02, 1.06])。更高的街灯密度与较低的夜间碰撞率相关(aOR=0.99, 95% CI [0.986, 0.997]),相当于线性概率模型中每增加1个街灯/km,夜间概率降低0.21%(95% CI [?0.3%, ?0.07%])。但街灯密度与夜间碰撞比例的时间趋势无显著关联。
**讨论与结论**
研究人员讨论了多种潜在机制:街灯可能直接改善低能见度条件下的安全性(包括夜间及恶劣天气),或者街灯密度作为道路或行人安全基础设施投资的代理变量(如人行道、人行横道等)。此外,街灯密度高的普查区可能经历人口统计或商业活动的更广泛变化,从而影响行人流量和脆弱性。种族差异的缩小可能反映了历史少数族裔社区基础设施投资的改善。研究局限性包括:单一城市回顾性分析、仅使用单时间点的街灯和人口数据、COVID-19疫情对出行行为的干扰(已通过固定效应控制),以及描述性设计无法确定因果关系。
**研究结论**:总体而言,分析发现城市街灯密度与行人碰撞率的下降以及碰撞发生率种族差异的缩小相关。需要进一步研究以更好地理解这些关联背后的机制,从而帮助制定直接改善行人安全的针对性干预措施。