[论文解读] Impact of E-Scooters on Pedestrian Safety: A Field Study Using Pedestrian Crowd-Sensing

Anindya Maiti, Nisha Vinayaga-Sureshkanth+3 more|arXiv (Cornell University)|Aug 16, 2019

Urban Transport and Accessibility被引用 5

一句话总结

本研究通过可穿戴设备支持的群体感知技术，在为期三个月的时间内，于两所大学校园内收集了真实世界中电动滑板车与行人互动的数据，识别出潜在行人风险的时空热点区域。研究发现，尽管数据采集为被动模式，仍有三分之一的参与者认为电动滑板车检测通知令人困扰；同时，58%的参与者表示有兴趣使用安全提醒应用程序，凸显了在微型交通安全管理系统中设计平衡且保护隐私的通知机制的必要性。

ABSTRACT

The popularity and proliferation of electric scooters (e-scooters) as a micromobility solution in our cities and urban communities has been rapidly rising. Rent-by-the-minute pricing and a healthy competition between micromobility service providers is also benefiting riders with low trip costs. However, an unprepared urban infrastructure, combined with uncertain operation policies and poor regulation enforcement, has resulted in e-scooter riders encroaching public spaces meant for pedestrians, thus causing significant safety concerns both for themselves and the pedestrians. As a consequence, it has become critical to understand the current state of pedestrian safety in our urban communities vis-à-vis e-scooter services, identify factors that impact pedestrian safety due to such services, and determine how to support pedestrian safety going forward. Unfortunately, to date there have been no realistic, data-driven efforts within the research community that address these issues. In this work, we conduct a field study to empirically investigate crowd-sensed encounter data between e-scooters and pedestrian participants on two urban university campuses over a three-month period. We also analyze encounter statistics and mobility trends that could identify potentially unsafe spatio-temporal zones for pedestrians. This first-of-its-kind work provides a preliminary blueprint on how crowd-sensed micromobility data can enable safety-related studies in urban communities.

研究动机与目标

• 通过真实世界数据，实证研究电动滑板车普及对城市环境中行人安全的影响。
• 识别电动滑板车与行人高频率相遇的时空区域，作为潜在的安全热点。
• 评估用户对电动滑板车相遇通知的感知，以及对移动安全应用的兴趣。
• 建立基于数据的蓝图，用于在城市安全研究中应用群体感知的微型交通数据。
• 为城市规划和基础设施改进提供依据，以减少行人与电动滑板车间的冲突区域。

提出的方法

• 在参与者的智能手机上部署移动应用程序，通过蓝牙低能耗（BLE）信号被动感知电动滑板车相遇事件。
• 在为期三个月的实地研究期间，于两所大学校园内收集时空数据。
• 通过分析相遇统计、移动趋势及空间聚类，识别行人的高风险区域。
• 在研究结束后开展问卷调查，评估用户对通知的感知及对安全应用的兴趣。
• 使用统计基准和移动性指标，评估电动滑板车与行人互动的频率和情境。
• 通过仅收集匿名的设备级相遇数据，不包含视频或持续追踪，以保障隐私。

实验结果

研究问题

• RQ1 城市校园中电动滑板车与行人相遇的时空模式是什么？
• RQ2 哪些环境或基础设施因素与更高的相遇频率及潜在安全风险相关？
• RQ3 用户在行人安全背景下，如何感知关于电动滑板车相遇的实时通知？
• RQ4 用户对能够预警潜在电动滑板车相遇的移动应用程序的兴趣程度如何？
• RQ5 如何利用群体感知的微型交通数据支持城市安全规划？

主要发现

• 尽管应用程序处于被动运行状态且不依赖用户响应，仍有三分之一的参与者认为电动滑板车检测通知令人困扰。
• 58%的参与者表示有兴趣使用能够提醒其潜在电动滑板车相遇的移动应用程序，表明此类工具存在强烈用户需求。
• 本研究识别出电动滑板车与行人频繁相遇的重复性时空热点区域，提示存在基础设施层面的风险。
• 相遇统计数据表明，移动模式和共享空间限制显著影响行人安全风险。
• 本研究首次提出了利用被动、保护隐私的群体感知技术研究城市环境中微型交通安全的蓝图。
• 尽管数据具有敏感性，但将根据研究人员请求提供该数据集，以支持未来相关安全研究。