不平等的黑暗：美国夜间行人死亡风险中的种族与社会经济差异

《Journal of Transport & Health》：Unequal darkness: Racial and socioeconomic disparities in nighttime pedestrian fatality risk in the United States

　　**摘要**

**背景**
美国的行人死亡人数达到了40年来的最高水平，其中约78%的死亡发生在夜间。黑暗加剧了行人交通事故的严重性，然而，夜间死亡人数的集中是否本身在不同种族和收入群体之间存在不公平现象，以及照明基础设施的不足是否解释了这种差异，目前尚未在国家层面进行过研究。

**方法**
我们将2015年至2023年期间《致命事故分析报告系统》（FARS）中的53,353起行人死亡事件与人口普查数据（美国社区调查）、卫星夜间辐射数据（Visible Infrared Imaging Radiometer Suited [VIIRS]年度合成图像）、美国环保署（EPA）的全国步行性指数、Vision Zero（VZ）的实施情况以及事故详细信息（包括交叉口类型、驾驶员饮酒情况和相关速度因素）进行了关联分析。黑暗程度的划分依据天文计算的民用黄昏时间。使用具有聚类稳健标准误差的逻辑回归模型（区域层面），并控制了州、年份、月份、道路类型和天气等因素，来估计社区劣势与夜间死亡发生概率之间的关系。

**结果**
在58,655起具有有效黑暗分类的行人死亡事件中，47.8%发生在夜间。在贫困程度更高（OR = 1.07，95% CI: 1.05–1.10）和少数族裔比例更高（OR = 1.08，95% CI: 1.05–1.11）的社区中，夜间发生致命事故的概率显著更高，这些效应独立于其他固定因素和事故等级的控制变量。更亮的VIIRS辐射与较低的夜间事故概率相关（OR = 0.86），但将辐射数据加入模型并未减弱这种人口统计趋势，表明该指标并未起到中介作用。在交叉口发生的事故在夜间发生的概率较低（OR = 0.83），而涉及酒驾的事故在夜间发生的概率较高（OR = 1.09）。Vision Zero的实施使夜间总体风险降低了约7%，但并未缩小种族间的安全差距。对日间事故的负对照分析证实了这些关联仅与夜间条件相关。研究结果对不同的黑暗定义、城市限制、时间段和地理范围具有稳健性。

**结论**
无论照明水平或事故等级的混杂因素如何，夜间死亡人数在贫困和少数族裔社区的集中现象依然存在。当前的Vision Zero框架虽然提高了夜间整体安全性，但并未缩小安全差距。这些发现可为有针对性的基础设施投资提供依据：改善高贫困区域的照明、增强交叉口照明和加强夜间酒驾执法可能有助于减少差异，尽管缩小安全差距可能需要除照明之外的综合性环境干预措施。

**1. 引言**
美国的行人死亡人数达到了40年来的最高水平。2013年至2022年间，美国行人死亡率增长了50%，而同期27个高收入国家的行人死亡率中位数下降了24.7%（Naumann等人，2025年）。这种差异反映了时间和人口两个方面的交叉影响，这两个因素很少被同时研究。
环境因素中，环境影响行人死亡的最强因素是环境光照：在黑暗条件下，行人遇难的风险几乎是白天的七倍（Sullivan和Flannagan，2002年）。目前约78%的美国人死亡事件发生在夜间（Nehiba和Tyndall，2025年），尤其是在日落后的0–120分钟内风险尤为凸显。通过分析1975年至2022年间近20万起行人死亡事件中的月光变化（Nehiba和Tyndall，2025年），发现照明对行人生存有显著影响：月光最亮的夜晚全国行人死亡数量减少5%，而在人工灯照不足的农村地区这一比例降至39%。夏令时的转换会突然将行人置于黑暗环境中，导致 pedestrian 和自行车死亡人数增加13%（Woods等人，2025年）。道路照明研究显示，将照度提高到约2.2勒克斯以上可将夜间行人事故减少78%（Li等人，2023年）。
行人死亡在不同社区之间的分布不均衡：非裔美国人和西班牙裔美国人的行人死亡比例远高于白人美国人，而且这种差距在过去十年中有所扩大（AAA交通安全基金会，2025年）。贫困社区承担了不成比例的行人死亡负担，尤其是在高速城市主干道上（AAA交通安全基金会，2025年；Anderson等人，2025年）。Tyndall（2023年）利用高速公路邻近性的自然实验发现，高速公路对非裔居民的行人死亡影响几乎是白人的两倍。在州层面，Mwende等人（2024年）记录了密歇根州夜间行人事故率中的种族和贫困梯度，这与AAA基金会的全国性发现一致。
现有研究很少将这两个因素结合起来。目前尚未有研究直接探讨夜间死亡风险是否在不同地区存在不公平现象，或者在贫困和少数族裔社区中夜间死亡事件是否占比较高，或照明基础设施不足是否导致了这种差异。如果夜间死亡风险与照明不足有关，那么有针对性的路灯投资将是一个高效可行的干预措施。如果这种关联独立于照明水平，那么道路设计、车辆速度、行人横穿设施或夜间暴露差异等结构性因素可能是造成这种差距的原因，这表明需要更全面的环境干预。

**2. 文献综述**
**2.1. 环境光照与行人安全**
环境光照水平与行人安全之间的关联是交通安全研究中最稳健的发现之一。在黑暗条件下，行人遇难的风险是白天的三到七倍（Sullivan和Flannagan，2002年）。这种差异主要归因于人在低照度环境中的视觉性能下降。在“黄昏”过渡期间，人眼从视物（日光）视觉转变为暗视（夜间）视觉，此时辨别行人与背景的能力显著减弱（Sullivan和Flannagan，2002年）。即使考虑到饮酒和疲劳的影响，根据Owens和Sivak（1996年）的FARS事故分析，能见度差仍是导致行人死亡的主要因素。
最近的研究证实，行人在黄昏时期的“碰撞延迟时间”明显缩短，表明驾驶员和行人发现危险的时间都明显延迟（Hagita和Mori，2015年）。Alogaili和Mannering（2022年）通过对五年内堪萨斯州事故数据的分析发现，尽管伤害程度的决定因素随时间变化，但夜间事故造成的行人伤害更为严重；他们的样本外模拟表明，改善能见度（如增强照明和车内红外检测）可以带来显著的安全效益。Agheli等人（2026年）针对芝加哥六年的事故数据发现，穿着对比度低的行人在夜间遭遇严重伤害的概率更高，这一趋势在COVID-19后更加明显，且对老年人影响更大；而在黑暗环境下，穿着对比度高的行人受伤风险较低。

**2.2. 种族和社会经济差异与行人安全**
交通安全研究越来越关注种族和社会经济差异对行人安全的影响。非裔美国人和西班牙裔美国人的行人死亡比例远高于白人美国人（AAA交通安全基金会，2025年）。这些差异反映了历史上对少数族裔和低收入社区在交通基础设施上的投资不足，包括人行道、人行横道和行人信号灯的缺乏（Morency等人，2012年）。

**2.3. Vision Zero评估**
Vision Zero代表了道路安全领域的范式转变，其核心理念是人为错误不可避免，交通系统而非个体驾驶员应承担确保错误不导致死亡或严重伤害的责任。实际上，这一理念使政策从鼓励个人自律转向系统性设计，例如降低行驶速度、重新设计交叉口和建设容错型基础设施。Vision Zero哲学由瑞典议会于1997年正式采纳，旨在消除所有与交通有关的死亡和严重伤害（Tingvall，2002年）。在过去十年中，美国有超过80个主要城市正式采纳了Vision Zero目标（Evenson等人，2023年）。尽管早期采用者（如纽约市）通过降低全市通速至25英里/小时和设置行人引导间隔等措施显著减少了行人死亡人数，但全国范围内的效果仍存在差异（Vision Zero Network，2024年）。Ferenchak（2023）发现，纽约市的Vision Zero计划对非裔居民和医疗补助受益者的安全改善最为显著，这表明该计划具有促进公平性的潜力。

**3. 数据和方法**
**3.1. 数据来源**
《致命事故分析报告系统》（FARS）记录了美国所有机动车死亡事故，由国家公路交通安全管理局（NHTSA）维护。我们使用了2015年至2023年的个人层面的事故数据，仅限于行人死亡事件（人员类型=行人，伤害程度=死亡）。这导致了58,666起带有有效地理坐标和事故发生时间的行人死亡事件，这些数据代表了研究期间FARS数据库中所有行人死亡案例的全貌。主要结果变量IS_DARK是使用Python的astral库（v3）计算得出的，该库可以计算任何地理位置和日期的天文黄昏时间。如果根据timezonefinder确定的事故时间位于黄昏之后——即太阳低于地平线6°的时刻——则该事故被归类为发生在夜间。在道路安全研究中，黄昏是一个标准阈值（Nehiba和Tyndall，2025年；Li等人，2023年），它反映了驾驶员与行人可见度显著降低的临界点。如果事故时间在黄昏之后，则IS_DARK被编码为1；如果事故时间在黄昏之前，则编码为0。我们通过空间连接（geopandas）将每起事故与其所属的人口普查区域关联起来，匹配事故的纬度/经度与2023年TIGER/Line（拓扑集成地理编码和参考系统）的人口普查区域边界。人口普查区域层面的人口统计和社会经济特征数据来自美国社区调查（ACS）的五年估算结果。关键变量包括非白人比例、贫困率、家庭收入中位数、步行通勤的工人比例以及没有车辆的的家庭比例。

环境的 illuminance 强度是通过使用科罗拉多矿业学院地球观测小组生产的可见红外成像辐射计套件（VIIRS）日夜波段夜间灯光产品（VNL v2.2）的年度无云复合栅格图像来测量的。每个普查区域内的平均辐射值是通过区域统计提取的，从而得到了463米空间分辨率下的年度普查区域级测量数据（单位为nW/cm2/sr）。美国环境保护署（EPA）的全国步行可行性指数（NWI）提供了街区组级别的行人和公共交通环境的综合评估。我们通过人口加权平均值将街区组的NWI值汇总到人口普查区域。

行人死亡事件的控制变量是从FARS的事故和车辆文件中合并而来的，包括天气条件（WEATHER）、交叉口类型（TYP_INT）、肇事逃逸情况（HIT_RUN）、驾驶员饮酒情况（DR_DRINK）以及与速度相关的因素（SPEEDREL）。

我们的事故级协变量被限制在一组简明的变量中（交叉口类型、肇事逃逸情况、驾驶员饮酒情况、与速度相关的因素和天气），因为这些字段在所有研究年份中都是一致的，并且可能与事故是否发生在夜间有关。其他FARS车辆、驾驶员和道路级别的字段（如规定的速度限制、道路对齐方式、车道数量、交通控制设施、驾驶员年龄和路面状况）没有被纳入分析，原因有三点。首先，我们的研究结果是致命事故发生的时间（夜间还是白天），而不是伤害的严重程度，因此预测事故严重程度的设计和车辆相关变量与事故是否发生在夜间关系不大。其次，其中一些字段可能是所关注的建设环境和人口统计暴露的后果或空间相关性因素，而不是夜间事故的混淆因素，因此依赖这些因素可能会导致过度控制。尽管如此，我们在局限性部分也承认省略这些变量可能会留下残余混杂因素的可能性。

3.2. 样本构建
表1展示了从最初的FARS数据提取到最终分析样本的样本流程。

3.3. 分析变量
IS_DARK是一个二元结果变量，如果事故发生在黄昏之后或之前，则其值为1，否则为0。主要的影响因素包括PCT_NONWHITE（事故区域内非白人人口的比例）和POVERTY_RATE（低于联邦贫困线的人口比例）。对于所有回归模型，连续变量都进行了z分数转换（以平均值为中心并缩放一个标准差），以便报告的比值比反映出一个标准差变化所带来的结果概率变化。

3.4. 分析方法
我们估计了四个嵌套的逻辑回归模型来预测IS_DARK：
\[ \mathcal{L}_{\text{OG}}(\mathbf{T}(\mathbf{I}_{\text{SD}}, \mathbf{R}_{\text{AK}}, \mathbf{K} = 1)) = \beta_0 + \beta_1 \mathbf{T}_{\text{C}} \mathbf{N} \mathbf{O} \mathbf{N} \mathbf{W} \mathbf{H} \mathbf{I} \mathbf{T} \mathbf{E}_{\text{Z}} + \beta_2 \mathbf{T}_{\text{O}} \mathbf{W} \mathbf{E} \mathbf{R} \mathbf{T} \mathbf{O} \mathbf{A} \mathbf{T} \mathbf{E}_{\text{Z}} + \beta_3 \mathbf{W} \mathbf{I} \mathbf{I} \mathbf{R} \mathbf{S}_{\text{R}} \mathbf{A} \mathbf{R} \mathbf{I} \mathbf{A} \mathbf{N} \mathbf{C} \mathbf{E}_{\text{Z}} + \beta_4 \mathbf{W} \mathbf{I} \mathbf{I} \mathbf{R} \mathbf{S}_{\text{R}} \mathbf{A} \mathbf{R} \mathbf{I} \mathbf{A} \mathbf{N} \mathbf{C} \mathbf{E}_2 \mathbf{Z} + \beta_5 \mathbf{T}_{\text{C}} \mathbf{W} \mathbf{L} \mathbf{K}_{\text{C}} \mathbf{O} \mathbf{M} \mathbf{M} \mathbf{O} \mathbf{T} \mathbf{E}_{\text{Z}} + \beta_6 \mathbf{R} \mathbf{U} \mathbf{R} \mathbf{U} \mathbf{A} \mathbf{L} + \beta_7 \mathbf{A} \mathbf{T} \mathbf{I} \mathbf{N} \mathbf{T} \mathbf{E}_{\text{E}} \mathbf{R} \mathbf{I} \mathbf{S}_{\text{C}} + \beta_8 \mathbf{\mathbf{H}} \mathbf{I} \mathbf{T} \mathbf{U} \mathbf{N} \]
其中：
- IS_DARK 是一个二元结果变量，表示事故发生在黄昏之后或之前
- 主要的影响因素包括PCT_NONWHITE（事故区域内非白人人口的比例）和POVERTY_RATE（低于联邦贫困线的人口比例）
- 连续变量都进行了z分数转换

4. 结果
4.1. 样本特征
在58,655起带有有效黄昏分类的行人死亡事件中，有28,014起（47.8%）发生在夜间，30,641起（52.2%）发生在白天（见表A1）。夜间发生的事件发生在少数族裔集中程度较高的普查区域内（非白人比例分别为53.9% vs 52.4%，p < 0.001），贫困率也较高（17.3% vs 16.6%，p < 0.001），家庭收入中位数较低（68,108美元 vs 71,048美元，p < 0.001）。夜间发生的事件发生的社区的VIIRS辐射平均值也较低（28.1 nW/cm2/sr vs 30.7 nW/cm2/sr，p < 0.001），这证实了在原始数据中，弱势和光线较暗的社区承担了不成比例的夜间死亡事件（见图1）。

4.2. 黄昏与公平性差异
表2和图2展示了根据每个公平性指标的五分位数划分的夜间死亡事件比例（见图3）。
- 贫困率：贫困率最低的五分位数（Q1）为44.6%，最高的五分位数（Q5）为79.8%，差异显著（p < 0.001）。
- 收入中位数：收入中位数最低的五分位数（Q1）为50.0%，最高的五分位数（Q5）为100.5%，差异显著（p < 0.001）。
- VIIRS辐射：VIIRS辐射最低的五分位数（Q1）为45.9%，最高的五分位数（Q5）为50.1%，差异显著（p < 0.001）。

4.3. 回归分析
表3展示了四个模型中的逻辑回归结果。
模型1（仅考虑人口统计和FARS控制变量）显示，非白人比例增加一个标准差与夜间死亡事件概率增加5.3%相关（OR = 1.053，95%置信区间：1.027–1.080，p < 0.001）；贫困率增加一个标准差与夜间死亡事件概率增加6.5%相关（OR = 1.065，95%置信区间：1.040–1.090，p < 001）。新的FARS控制变量揭示了一些重要模式：发生在交叉口的事件在夜间发生的概率降低了18%（OR = 0.817），这与交叉口有更好的照明情况一致；涉及醉酒驾驶员的事件在夜间发生的概率增加了9%（OR = 1.086）；与速度相关的事件在夜间发生的概率降低了33%（OR = 0.674）。将注意力限制在日落后最初的0-120分钟“危险区域”（D1a）可以保持贫困梯度（OR = 1.076）并增强VIIRS效应（OR = 0.833），尽管种族梯度减弱至无显著性——鉴于这一定义保留的样本较小且时间上更为集中，这是意料之中的。更为保守的航海暮光阈值（D1b）和FARS报告的照明条件（D1c）都恢复了显著的种族和贫困梯度；FARS编码的定义产生了所有规格中最大的种族系数（OR = 1.169），表明从天文学角度计算出的民用暮光测量对于种族差异而言是保守的。

D2（仅限城市子样本）：由于城市和农村环境中行人死亡及其决定因素不同，我们重新估计了仅涉及44,287起城市事故的模型。人口统计梯度基本保持不变（非白人群体比例OR = 1.073；贫困OR = 1.066），VIIRS效应也是如此（OR = 0.862），这证实了公平梯度并非由于合并了结构不同的环境所导致的，而是在大多数行人死亡发生的城市环境中依然存在。

D3（时间稳定性）：种族和贫困梯度在2015-2018年和2019-2023年这两个子期间都表现出显著性。VIIRS效应在较早时期略强（OR = 0.821）于较晚时期（OR = 0.885），但两者都仍然非常显著。2019-2023年期间包括了COVID-19大流行及其后果，这一时期交通模式发生了显著变化：2020年总体交通量减少，超速行为增加，执法力度减弱，弱势社区的行人死亡人数激增。尽管有这些干扰，研究结果的稳定性增强了人们对公平梯度可靠性的信心。

D4（地理稳健性）：为了确保全国性结果不是由少数照明和报告环境特殊的大城市驱动的，我们排除了洛杉矶、芝加哥和纽约市，重新估计了剩余的51,412起事故。系数与基线相当（非白人群体比例OR = 1.074；贫困OR = 1.071；VIIRS OR = 0.872），表明该梯度反映了广泛的全国性模式，而不是少数几个主导大都市区域的影响。

D5（阴性对照）：在白天发生的事故中，贫困梯度降至边缘显著性（OR = 1.039，p < 0.05），种族梯度的方向发生了逆转（OR = 0.898，p < 0.001）。VIIRS辐射强度没有关联（OR = 1.001，NS）。这证实了人口统计公平梯度特定于与黑暗相关的时机，而不是反映一般的事故模式（图A1）。

D6（县级聚类）：通过将标准误差聚类在县级而非街区级别，所有系数都保持了统计显著性，解决了关于空间相关性的担忧。

6. 讨论
6.1. 主要发现总结
本研究提供了证据，表明在贫困和少数族裔社区，行人死亡在黑暗中的集中度不成比例。描述性来看，不同收入和种族五分位数之间的黑暗事故率相差五到六个百分点。这些梯度是单调的，统计上非常稳健（每种情况下χ2 p < 0.001），并在多变量模型中也得以保持：贫困率或非白人群体比例每增加一个标准差，黑暗中发生致命事故的概率就会增加大约7-8%，这一结果不受道路功能等级、农村程度、步行可行性、四个事故级别特征以及州、年份、月份、道路类型和天气固定效应的影响。转化为分布的尾部，最贫困街区中死亡的行人比最不贫困街区中的行人死亡的可能性高出大约13-15%。

有三个结果特征需要首先强调，因为它们塑造了后续的解释。首先，这种梯度是特定于黑暗的：在白天发生的事故中的阴性对照分析（D5）显示贫困关联降至边缘显著性，种族关联的方向也发生了逆转，这符合如果机制是通过夜间条件起作用，而不是通过贫困社区容易发生各种类型事故的一般倾向的预期。其次，这种梯度是稳定的：它在不同的黑暗定义、仅限城市的限制、研究时期的两个阶段、排除三个最大城市以及县级聚类中都保持不变。第三，也是对政策最有意义的是，这种梯度无法用测量的环境光来解释。

6.2. 照明悖论
最具政策相关性的发现是，通过卫星测量的夜间辐射强度并未起到中间调节作用。相反，人口统计系数略有增加，且VIIRS × 人口统计的相互作用均无显著性，这表明更亮的环境光的保护效果在各个贫困程度上是一致的。这些结果与简单的照明不足解释公平差距的观点不一致。

几种机制可能导致这种模式。VIIRS在463米分辨率下可以捕捉到社区级环境光，但无法区分照明良好的主干道和相邻未照明的小巷。贫困社区中的行人死亡往往集中在高速城市主干道上，危险来自车辆速度、视线距离和交叉口设计，而不仅仅是街道级别的照明。与此一致的是，Li等人（2023年）发现，需要实际的勒克斯测量值而不是卫星代理值来检测照明对事故数量的影响，这表明虽然VIIRS辐射强度与整体黑暗程度有关，但它可能过于粗糙，无法捕捉到对个别事故重要的街道级别照明差异。

6.3. 事故级别的洞察
添加FARS事故级别的控制变量提供了新的见解。在黑暗中发生的交叉口事故减少了17%（OR = 0.834），表明交叉口照明——相比街区中间的照明——可能降低夜间事故风险。这一发现支持在贫困走廊中对交叉口照明的有针对性投资。涉及酒精影响驾驶员的事故在黑暗中发生的概率增加了9%（OR = 1.090），这与酒精影响驾驶在夜间高峰时段的集中相符。这一点支持夜间重点执行对酒精影响驾驶的策略。

与速度相关的事故在黑暗中发生的概率减少了33%（OR = 0.675），这可能看似反直觉，但可能反映了高速事故在白天高峰时段（交通量和速度最高的时刻）的集中。综合考虑这三个模式，它们是相互加强的，而不是孤立的观察结果。交叉口的结果表明，照明在一致提供的地方确实降低了夜间风险，这使得VIIRS辐射强度在街区级别未能解释公平差距的问题成为空间尺度的问题，而不是照明无用的问题：保护效果在单个交叉口的细节层面上起作用，超出了463米卫星复合数据可以解析的细节。酒精和速度的结果同时表明，剩余的危险在于道路环境和时间段之间的相互作用：酒精影响驾驶集中在夜间，高速事故集中在白天的高速道路上。然而，将这些事故级别因素纳入模型后，这些因素都无法解释人口统计梯度。因此，公平差距并没有因为事故发生的地点、时间或条件而减少；它在这种调整后仍然存在，这指向了背后的结构机制。

6.4. 暴露混淆
这项分析的一个关键限制是暴露混淆。步行通勤变量捕捉的是白天的通勤行为，并未衡量夜间的行人暴露情况。贫困社区可能有不同的夜间行人活动模式：低收入工作者更可能从事需要夜间通勤的工作，而没有车辆的家庭可能夜间没有其他选择，只能步行。与此一致的是，全国旅行调查数据显示，低收入家庭，特别是没有车辆的家庭，比高收入家庭步行和骑行的比例要高得多，这反映了出于必要而非选择的积极出行（Ghimire和Eleni，2023年）。这种不同的夜间暴露可能独立于照明基础设施解释了部分公平梯度。

目前没有按社区划分的每小时行人流量的全国性数据。阴性对照分析（D5）提供了间接证据，表明公平梯度是特定于黑暗的，而不是反映一般的事故模式，但无法完全排除暴露混淆。结果应被解释为社区级别的关联，而不是个体级别的因果效应。

6.5. COVID-19时期的影响
2019-2023年期间包括了COVID-19大流行的重大干扰。2020年初交通量急剧下降，随后尽管驾驶减少，但超速行为增加，总体死亡人数上升（NHTSA，2021年），同时行人死亡人数激增，尤其是在低收入社区和有色人种社区（Smart Growth America和National Complete Streets Coalition，2022年）。时间稳定性分析（D3）显示，公平梯度在2015-2018年和2019-2023年期间都保持不变，尽管VIIRS的保护效应在后期有所减弱（OR = 0.885 vs 0.821）。这表明大流行时期的行为变化可能对夜间事故模式产生了不同的影响，尽管核心的公平发现仍然稳健。VIIRS保护效应在后期减弱，而人口统计梯度保持稳定，这表明大流行时期的变化改变了夜间事故发生环境的混合，但没有扰乱贫困社区与黑暗事故风险之间的基本关联。换句话说，干扰似乎更多影响了照明与事故之间的关系，而不是公平与事故之间的关系。由于2019-2023年期间恰好与低收入社区和有色人种社区中行人死亡人数激增的时间段重合（Smart Growth America和National Complete Streets Coalition，2022年），这种梯度在这个时期的持续性，而不是其在大流行噪音中的消失，更强烈地表明公平效应是结构性的，而不是任何单一交通制度的结果。

6.6. Vision Zero与公平
采用Vision Zero与城市层面的夜间事故概率降低约7.5%相关（OR = 0.925）。然而，VZ-贫困和VZ-种族的交互项均无显著性，表明当前的VZ实施在夜间安全效益上是中性的：它们均匀地降低了整体黑暗事故风险，没有不成比例地惠及贫困社区。这与VZ实施优先考虑事故量高的地点一致，而不考虑社区特征。这种公平中性的平均效果不应被视为Vision Zero无法减少差异的证据，而只是表明典型的实施并没有自动实现这一目标。Dragan和Sherry（2024年）发现，纽约市项目的利益主要落在黑人居民和Medicaid参与者身上，这表明当有目的地追求公平结果时是可以实现的。这种对比表明，Vision Zero的分配效应是实施选择的结果，而不仅仅是采用本身的结果。此外，我们的估计也有一个警告：因为我们将Vision Zero视为一个二进制采纳指标，我们的模型无法捕捉到项目强度、时间或精确度的变化，因此我们观察到的均匀效益最好理解为平均实施状态的现状，而不是公平导向项目所能实现的最大值。

6.7. 政策含义
研究结果支持了几项基于证据的政策建议：
1. 有针对性的照明投资：更高的VIIRS辐射强度与黑暗事故概率降低14%相关（OR = 0.860），支持在贫困和高少数族裔走廊投资路灯。然而，仅靠照明可能无法消除公平差距。
2. 交叉口照明：在黑暗中发生的交叉口事故减少了17%（OR = 0.834），表明交叉口照明具有保护作用。优先改善贫困社区的交叉口照明可能降低夜间事故风险。
3. 夜间酒精执法：涉及酒精影响驾驶员的事故在黑暗中发生的概率增加了9%（OR = 1.090），支持针对酒精影响驾驶的夜间执法。
4. 全面的建成环境干预：在控制照明因素后，公平梯度的持续存在表明还有其他因素（道路设计、交叉口基础设施、车辆速度）推动了这一差异。政策应同时解决这些结构因素和照明改进。
5. 以公平为导向的Vision Zero：当前的VZ框架并未缩小公平差距。项目应采用明确的公平指标，并优先考虑在贫困社区的干预措施。

6.8. 限制
有几个局限性需要考虑，包括：
- 这是一项生态学研究；街区级别的人口统计数据描述的是事故发生的社区，而不是行人受害者。
- 暴露混淆可能发生，如果低收入行人夜间出行更多，而这无法通过现有数据完全解决。
- VIIRS在463米分辨率下无法区分个别街道或交叉口的照明条件。
- 分析将Vision Zero视为一个二进制采纳变量，忽略了项目强度和实施的变化。
- 行人死亡人数可能与紧急响应时间较慢或创伤护理访问有限的社区的行人伤害总数不符，这可能会减弱观察到的差异。

前两点尤其值得强调，因为它们直接限定了解释。首先是如何暴露的混淆；如果低收入和无车居民夜间步行出行更多（正如全国旅行调查关于出于必要而进行的积极出行的证据所示（Ghimire和Eleni，2023年），那么部分梯度反映了更大的暴露量，而不是每次旅行的危险性更大。鉴于缺乏按社区划分的每小时行人流量的全国性数据，这无法直接消除；阴性对照只能提供间接的保障。第二个问题是照明测量的空间粗糙度。我们的零媒介结果应理解为排除了基于邻里规模照明不足的解释，而不是证明精细化的照明措施无关紧要；因此，需要像Li等人（2023年）所做的那样，直接进行光度测量来验证街道层面的照明假设。最后，将研究结果限制在行人死亡案例而非所有行人受伤案例上可能会使我们的估计过于保守：在紧急响应速度较慢或创伤护理资源有限的社区中，事故更可能导致人员死亡，这会使观察到的公平性差距偏向于零这种假设（即不存在照明不足的情况），而不是相反。7. 结论：在弱势群体和少数族裔居住的社区中，行人在黑暗中的死亡比例显著更高；这种收入和种族维度的5-6个百分点的差异在考虑了全面的固定效应、事故层面控制因素以及多次敏感性分析后仍然存在。造成这种现象的原因并不仅仅是街道照明不足：卫星测量的夜间辐照度既没有起到中介作用，也没有调节这种人口统计差异的作用，反而表明夜间暴露程度、道路设计以及车辆速度可能是更重要的影响因素。在黑暗中发生的交通事故较少，而涉及饮酒后驾驶者的交通事故则更常见，这分别支持了在交叉口设置针对性照明措施和加强夜间执法的必要性。实现“Vision Zero”目标的城市的夜间交通事故率总体上显著降低，但公平性差距依然没有改变。行人在黑暗中是否死亡不应取决于其所在社区的年收入或种族构成；现有的政策框架尚未达到这一标准。

作者贡献声明：
Isabel Webb Carey：可视化、方法论设计、数据收集与整理、正式分析。
Eshanth Beeram：写作（审稿与编辑）、初稿撰写、项目指导、概念框架的构建。

Isabel Webb Carey | Eshanth Beeram
德克萨斯大学奥斯汀分校，美国