[论文解读] Assessing Road Traffic Safety During COVID-19: Inequality, Irregularity, and Severity

Lei Lin, Feng Shi+1 more|arXiv (Cornell University)|Oct 22, 2020

Traffic and Road Safety参考文献 30被引用 5

一句话总结

本研究利用移动性拐点检测、时空核密度估计和双重差分模型，分析了新冠疫情对洛杉矶和纽约市道路交通安全的影响。研究揭示了不同人口群体间的影响差异显著，事故热点在时空上发生显著变化，且尽管总体事故数量减少，致命事故率却持续存在。

ABSTRACT

COVID-19 is affecting every social sector significantly, including human mobility and subsequently road traffic safety. In this study, we analyze the impact of the pandemic on traffic accidents using two cities, namely Los Angeles and New York City in the U.S., as examples. Specifically, we have analyzed traffic accidents associated with various demographic groups, how traffic accidents are distributed in time and space, and the severity level of traffic accidents that both involve and do not involve other transportation modes (e.g., pedestrians and motorists). We have made the following observations: 1) the pandemic has disproportionately affected certain age groups, races, and genders; 2) the "hotspots" of traffic accidents have been shifted in both time and space compared to time periods that are prior to the pandemic, demonstrating irregularity; and 3) the number of non-fatal accident cases has decreased but the number of severe and fatal cases of traffic accidents remains the same under the pandemic.

研究动机与目标

• 评估新冠疫情如何改变美国主要城市道路交通安全模式。
• 调查疫情期间交通事故在不同人口群体（年龄、种族、性别）间是否分布不均。
• 识别与疫情前时期相比，交通事故热点在时间和空间上的变化。
• 考察事故严重程度的变化，特别是尽管总体事故数量减少，致命事故仍持续存在的原因。
• 评估数据驱动模型在检测移动性拐点及其安全影响方面的有效性。

提出的方法

• 利用谷歌社区移动性报告，在洛杉矶和纽约市检测到一个共同的移动性拐点，时间为2020年3月15日。
• 应用双重差分模型，比较15天、30天和60天时间段内，拐点前后交通事故数量和占比的变化。
• 使用核密度估计（KDE）可视化并分析交通事故热点在时空上的变化。
• 对KDE结果进行全局两样本比较检验，以统计验证事故分布的时空不规则性。
• 通过将事故分类为“无伤害”、“受伤”或“死亡”，分析其绝对数量和相对占比随时间的变化。
• 将人口统计数据与交通事故记录整合，评估不同年龄、种族和性别群体在事故暴露和结果上的差异。

实验结果

研究问题

• RQ1 新冠疫情如何对不同人口群体（年龄、种族、性别）的交通事故率产生不同影响？
• RQ2 与疫情前时期相比，疫情期间交通事故热点的时空分布是否发生了显著变化？
• RQ3 交通流量减少对交通事故严重程度有何影响，特别是对致命事故的影响？
• RQ4 在移动性减少后，无伤害、受伤和致命事故的占比是否随时间发生变化？
• RQ5 疫情在多大程度上加剧了道路安全结果中的既有交通不平等问题？

主要发现

• '20–29'和'30–39'年龄组的交通事故数量减少最多，而'10–19'年龄组的事故占比相对降幅最大。
• '西班牙裔'种族群体的每日事故数量最高，且事故数量减少最多，而'亚裔'群体的事故数量最低，减少幅度也最小。
• '白人'种族群体是唯一在所有三个研究时段（15天、30天和60天窗口）均表现出事故占比显著下降的群体。
• 事故'热点'从两座城市的市中心商务区转移至新位置——洛杉矶南部和布鲁克林南部，表明存在空间不规则性。
• 事故高峰时段从早上的（上午8点）和下午的（下午5点）通勤高峰，转变为晚上（晚上7点后），表明存在时间不规则性。
• 尽管总体事故数量下降了15%–30%，但致命事故数量在统计上保持不变，而'无伤害'和'受伤'事故数量则显著减少。