加纳行人安全行为解析：基于聚类分析的风险特征与安全画像研究

来自加纳的研究人员通过聚类分析方法，深入探究了行人行为模式与交通安全的关系。该研究构建了行人安全与风险特征画像，揭示了高风险人群的行为特征及影响因素，为制定针对性交通安全干预措施提供了科学依据。研究成果对发展中国家交通治理具有重要参考价值。

　　

这项开创性研究采用先进的数据挖掘技术，对加纳行人交通行为进行深度剖析。通过K-means聚类算法，研究人员成功识别出三类典型行人群体：风险规避型（risk-averse）、情境依赖型（context-dependent）和风险偏好型（risk-seeking）。研究团队运用逻辑回归模型（logistic regression）分析发现，年龄、教育水平和道路基础设施质量是影响行人风险等级的关键因素（p<0.01）。特别值得注意的是，研究首次量化了"手机使用分散注意力（distracted walking）"对行人安全的影响系数（β=1.34, 95%CI 1.12-1.61）。这些发现为制定基于证据的（evidence-based）交通安全政策提供了重要参考，尤其对资源有限的中低收入国家（LMICs）具有特殊意义。研究还创新性地提出了"行人安全指数（Pedestrian Safety Index, PSI）"评估体系，该体系整合了环境因素、个体特征和行为模式等多维参数，展现出良好的预测效度（AUC=0.87）。