环境光对道路交通碰撞事故的影响：一项分析稳健性研究

《Lighting Research & Technology》：The impact of ambient light on road traffic crashes: A study of analysis robustness

　　

摘要
为探究道路交通碰撞事故（RTCs）在昼间与黑暗条件下的变化规律，研究人员开展了六项分析，系统考察了分析执行者、分析软件及太阳高度角数据来源等决策因素对结果的影响。上述决策因素在此类分析中通常具有一定任意性，因此本研究旨在评估分析结果对这些决策因素的稳健性，并将分析结果与此前采用相同数据集（STATS19）、相同数据时段（2005年至2015年）及相同数据筛选方法（时钟变更法）的两项研究进行比较。结果表明，除需借助太阳高度角判定RTC所处昼间或黑暗状态的情况外，各分析结果之间总体具有良好的一致性。研究发现，太阳高度角计算工具SunCalc所得的太阳高度角估算值与其他三种工具（Astral、PysunNOAA及NOAA Excel）存在差异。尽管差异幅度较小，但足以导致分析结果发生变化。

论文解读：环境光对道路交通碰撞事故影响的分析稳健性研究

研究背景与目的

在科学研究中，验证一项科学主张可信度的途径包括重复研究（replication，新数据但相同分析方法）、稳健性检验（robustness，相同数据但新分析方法）和可再现性检验（reproducibility，相同数据和相同分析方法）。如果分析在不同方法下均能获得一致结果，则表明该科学主张具有更高的可信度，降低因缺陷、错误或故意不当行为导致误差的可能性。

然而，在分析过程中引入新的分析方法时，会产生研究者自由度（researcher degrees of freedom）问题，即研究者在分析过程中做出的看似任意的决策。某些科学主张可能在合理的分析变异范围内保持稳健，而另一些主张则可能因依赖研究过程中的特定决策而变得脆弱，这种脆弱性对结果的普适性构成风险。

在照明研究领域，存在成功复制研究的案例，例如中间视觉光度学CIE系统的建立，就是基于欧洲MOVE联盟和美国照明研究中心两个独立研究团队采用不同方法却得到相似结论的结果。然而，在环境光对道路交通碰撞事故（RTCs）风险影响的直接复制研究方面，仅有一例已知的尝试：Raynham等人报告了黑暗期相比于昼间期RTCs的百分比增幅，但Fotios等人采用意图相同的程序复制该分析时，发现了更大的百分比差异。

本研究在此基础上，通过系统变化分析执行者、分析软件和太阳高度角数据来源三个因素，对Fotios等人此前研究中定义的分析1和分析2进行稳健性检验，旨在评估这些分析决策对结果的影响程度，并与先前研究结果进行比较。

主要技术方法

本研究使用英国警方报告的STATS19数据库（2005年至2015年英格兰、苏格兰和威尔士的RTC数据），采用时钟变更法筛选数据，即比较时钟变更前后各七天的特定时间窗口内RTC数量。分析1采用百分比差异衡量黑暗对RTC的影响，分析2采用比值比（odds ratio, OR）量化黑暗相对于昼间的RTC风险。研究共进行了六次分析（CW1至CW6），系统变化分析执行者（JU和HYS两位研究人员）、分析软件（R和Python）以及太阳高度角数据来源（SunCalc、Astral、PysunNOAA和NOAA Excel四种工具）。昼间定义为太阳高度角≥0°，黑暗定义为太阳高度角
主要研究结果

数据检索结果

六次分析（CW1至CW6）在总计数和首次筛选中获得一致结果，与Fotios等人相比发现多8起RTC（增加0.006%）。在案例数据方面，结果分为两组：使用SunCalc的分析（CW1、CW3、CW6）与使用Astral或NOAA的分析（CW2、CW4、CW5）存在差异，这一差异可归因于太阳高度角计算工具的选择。

分析1结果

分析1的案例数据显示出与案例数据相同的分组模式：使用SunCalc的分析产生与Fotios等人报告的相似百分比增幅，而使用Astral或NOAA的分析显示略小的差异（但骑行人员伤亡的差异更大）。对照期数据方面，六次分析在各RTC数据类别内产生一致的百分比差异。值得注意的是，Raynham等人报告的百分比增幅显著小于其他所有分析，Fotios等人已指出这源于Raynham等人分析中的数据筛选错误。

分析2结果

分析2的OR结果显示，部分RTC数据类别的OR及95%置信区间（CI）在Fotios等人与当前六次分析之间近乎一致。但使用Astral或NOAA的分析组（CW2、CW4、CW5）对行人伤亡显示较低的OR值，对骑行人员伤亡显示较高的OR值。这一差异对骑行人员RTC具有重要影响，因为它改变了效应是否具有统计显著性的判定：Fotios等人及使用SunCalc的分析（CW1、CW3、CW6）中骑行人员OR与1.0无显著差异，而使用Astral或NOAA的分析（CW2、CW4、CW5）则显示显著差异。

太阳高度角计算比较

为探究不同太阳高度角计算工具的差异，研究人员以英国谢菲尔德市中心（北纬53.3811°，西经1.4701°）为参考点，在春分、夏至和冬至日落前后各5分钟内以15秒间隔进行太阳高度角估算。结果显示：SunCalc在给定时刻估算的太阳高度角低于其他三种工具（Astral、PysunNOAA和NOAA Excel），后三者彼此完全一致。SunCalc指示的日落时间比其他工具早约3至4分钟，或给定时刻的太阳高度角低约0.5°。尽管差异较小，但足以改变特定RTC事件发生在昼间、民用曙暮光还是黑暗状态的判定。进一步分析发现，使用SunCalc导致64起骑行人员RTC被从分析1的黑暗案例期排除（以及42起从昼间案例期排除），而这些在使用Astral或NOAA时被保留。

讨论与结论

研究结果表明，六次新分析总体与Fotios等人的结果趋于一致，但当结果依赖于太阳高度角判定事件的昼间、曙暮光或黑暗状态时，一致性取决于所用的太阳高度角确定方法。与Fotios等人一致，当前研究对黑暗期和对照期RTC百分比变化的估计与Raynham等人不同，此差异此前已被认为源于数据选择错误。

通过对研究者、分析软件和太阳高度角工具的独立比较，研究发现：研究者效应可通过比较CW3和CW6评估（相同软件和太阳工具、不同研究者），结果显示数据检索和结果几乎一致；分析软件效应可通过比较CW1和CW6评估（相同研究者和太阳工具、不同软件），结果同样几乎一致；太阳高度角工具效应可通过比较CW2、CW3和CW4评估（相同研究者和软件、不同工具），结果显示出显著差异。

研究人员进一步指出，太阳高度角计算库的源代码分析揭示了两个可能解释：一是不同计算方法，PysunNOAA和Astral采用基于NOAA/Meeus风格的计算路线，而SunCalc使用简化表达式；二是大气折射处理方式不同，SunCalc似乎返回几何太阳高度角，而Astral和PysunNOAA默认返回经折射校正的太阳高度角。

研究局限性方面，仅使用两个对照期以保持与先前研究一致，但对照时段的选择可能影响OR结果，未来应考虑采用所有可能组合的加权平均值；此外，昼间、民用曙暮光和黑暗依据太阳高度角的标准定义划分，但云量、月光和雾等环境因素也可能影响环境光强度。不过这些因素不影响对研究者自由度的分析。

研究结论指出，六次昼间与黑暗条件下RTC的调查中，通过变化分析执行者、分析软件和太阳高度角数据来源，评估了分析的稳健性。与Fotios等人的结果一致，但与Raynham等人的估计不同。不同太阳高度角工具导致不同结果，但未发现研究者或分析软件的影响。SunCalc与其他三种工具（Astral、PysunNOAA和NOAA Excel）存在差异，指示日落时间早约3至4分钟或太阳高度角低约0.5°，这些差异足以改变RTC事件处于昼间、民用曙暮光或黑暗的判定。研究人员强调，这并非表明SunCalc有误，而是证明不同太阳高度角计算工具可能产生不同输出，且差异足以影响显著性结论。这进一步证明了在分析中明确说明所用软件及其版本、分析代码、太阳高度角计算器、数据来源、数据梳理规则以及不完整数据处理规则的重要性，以支持研究的可再现性。该研究发表在《Lighting Research》期刊上。