当感到安全反而变得危险时：感知到的安全程度与街道网络特征如何影响交通事故的发生

《Travel Behaviour and Society》：When feeling safe becomes risky: how perceived safety and street network characteristics shape traffic collisions

　　**摘要**

交通安全研究传统上侧重于客观的环境因素，而对感知安全与街道网络特征如何共同影响碰撞风险的关注有限。本研究开发了一个综合框架，结合了街道视图图像和深度学习技术，量化了中国武汉街道连接级别的感知安全。我们提出了一种新型的条件自回归零膨胀负二项模型，该模型同时考虑了空间依赖性和严重碰撞数据中的零膨胀现象。研究结果表明，街道网络形态（包括介数中心性和分流比率）与严重碰撞频率存在与规模相关的关联。较高的感知安全与更频繁的严重碰撞相关，这暗示了一种潜在的安全风险悖论。此外，感知安全显著调节了街道网络特征与严重碰撞之间的关联。具体而言，它在社区尺度上增强了介数中心性的保护作用，而在城市尺度上削弱了分流比率的保护作用。这些发现表明，感知安全不仅与严重碰撞频率有关，还可能影响街道网络特征与严重碰撞之间的关系。这些发现对交通安全规划具有重要意义，特别是在感知安全可能与实际严重碰撞风险不匹配的情况下，并支持使用视觉警告措施、交通缓和策略和监控干预。本研究为感知安全、街道网络特征和严重碰撞之间的复杂关系提供了新的证据，并为城市交通安全干预提供了政策相关的见解。

**1. 引言**

交通事故是一个全球性的公共卫生问题，其严重性因快速的城市人口增长和全球城市化进程而加剧。2023年，全球约有119万人死于交通事故，财产损失占许多国家GDP的约3%（世界卫生组织，2023年）。在特大城市中，这种风险尤为突出，复杂的街道网络、高人口密度和大量的混合交通流进一步增加了碰撞风险（Nair和Bhavathrathan，2022年）。在这种情况下，制定有效的规划策略和政策措施已成为政府和城市规划者的当务之急，旨在改善城市交通安全。

应对这一挑战需要从被动干预转向主动的设计导向策略。基于建成环境的交通安全规划通过关注具体因素（如土地利用类型、土地利用混合度和开发强度以及街道设计特征（如街道网络结构和几何形状）（Ewing和Cervero，2010年；Ewing和Dumbaugh，2009年）提供了一种全面和长期的方法。这些因素通常使用“D”变量框架进行分类（从“3D”到“7D”）。然而，该系统未能充分捕捉街道网络形态特征在交通事故中的作用，可能限制了针对性安全政策的制定。最近在空间句法和相关分析工具方面的进步使得能够稳健地量化街道网络拓扑，为其与交通事故之间的关系提供了新的见解（Ling等人，2025年）。

除了客观的建成环境因素外，感知安全——反映了旅行者的情绪和心理状态——也具有理论上影响碰撞风险的能力（Kim等人，2024年；Rivera Olsson和Elldér，2023年）。感知安全并不是独立存在的，而是作为建成环境的补充维度，它反映了个体如何内化并应对周围环境，从而塑造出行行为。结合这一主观维度使研究人员能够更全面地理解建成环境如何影响交通安全的机制。实际上，当感知安全与客观条件一致时，它会促进谨慎行为，并鼓励按预期使用空间，从而实现建成环境的安全潜力（Atombo和Wu，2022年；Chu等人，2019年）。相反，如果感知安全与客观条件不一致，可能会由于认知偏差而引发风险行为，或者使设计良好的街道网络变得无效。尽管如此，感知安全与碰撞风险之间的经验关系仍不明确。具体来说，尚不清楚较高的感知安全是否与较低的碰撞风险相关，或者感知安全与客观建成环境因素如何共同影响碰撞风险。两个主要挑战可能导致这种模糊性：首先，大规模测量感知安全受到传统调查方法的高成本、有限的可扩展性和抽样偏差的限制（Liu等人，2015年）。最近在街道视图图像（SVI）和深度学习（DL）技术方面的进步开始克服这些障碍，实现了对城市街道上人类感知的自动化、低成本且空间连续的评估（Zhang等人，2024a）。尽管在城市和环境研究中应用日益增多（Kruse等人，2021年；Oyama，2024年；Zhang等人，2021b），但在交通安全背景下使用“SVI + DL”框架评估感知安全的研究仍较为罕见，这限制了我们对感知安全与碰撞风险之间关系的准确理解。其次，交通安全研究中使用的统计建模框架存在方法论上的局限性，阻碍了主观和客观维度的整合。大多数先前的研究依赖于预定义的空间单元（如交通分析区（TAZs）、行政区划和人口普查区来分析交通事故风险因素。然而，这些方法容易受到生态谬误和可修改区域单元问题（MAUP）的影响（Saha等人，2020年；Tang等人，2023年；Xie等人，2019年），这引入了空间不确定性并掩盖了街道层面的变化。这种对聚合数据的依赖本质上阻碍了主观感知与客观建成环境指标之间的精确对齐，因为感知安全通常使用高空间分辨率的SVI数据在街道层面进行测量。此外，尽管一些研究采用了负二项回归（NB）模型及其扩展来处理街道层面碰撞数据的过度离散问题（Nair和Bhavathrathan，2022年），但这些模型往往未能充分考虑街道间的空间自相关性和碰撞数据中的过多零计数，可能导致预测偏差（Hu等人，2023年）。

为了解决这些空白，本研究应用“SVI+DL”方法评估城市街道环境的感知安全，并开发了一个条件自回归零膨胀负二项（CAR-ZINB）模型来研究街道网络特征、感知安全和交通事故之间的关系。

**2. 文献综述**

**2.1 街道网络特征对交通事故的影响**

作为城市交通系统的基本空间配置，街道网络体现了关键的结构和形态属性。越来越多的实证证据表明，这些属性与交通事故之间存在显著关联。早期研究主要使用视觉检查方法将街道网络分类为不同的模式，如网格状、环形和棒状布局，揭示了不同模式在不同人口群体和空间尺度上对碰撞的不同影响（Rifaat和Tay，2009年；Southworth和Owens，1993年）。最近的研究转向使用空间句法和图论方法（包括空间设计网络分析（sDNA）、NetworkX和UCINET等工具）对街道网络结构和形态进行定量分析（Ding等人，2019年）。这些方法利用中心性、分离度、可达性和连通性等指标系统地评估街道网络形态。

中心性通常通过介数中心性（BtE）来衡量，它量化了特定节点或链接在街道网络中的使用程度。在更大空间尺度上进行的研究表明，BtE较高的区域倾向于经历更多的交通事故，这可以归因于车辆流在主干道上的集中（Sarkar等人，2018年）。相反，在较小空间尺度上的研究表明，较高的BtE可能与非机动车碰撞风险的降低相关。这似乎受到交通缓和措施（如绿化带和人行道）的影响，这些措施改善了机动车和非机动车之间的分离，同时提高了行人安全（Zhang等人，2015年）。然而，矛盾的证据表明，在较小尺度上，高BtE也可能增加机动车与弱势道路使用者（如骑自行车者和行人）之间的冲突风险（Wang等人，2018年）。

分离度描述了街道网络的行驶效率，通常通过分流比率（DivE）来量化，它反映了路线的曲折程度和方向变化的频率。实证研究表明，DivE对交通安全具有双重影响（Sarkar等人，2018年）。一方面，较高的DivE可能通过降低行驶效率来减少交通流量和速度，从而降低碰撞风险。另一方面，DivE较高的街道链接通常包含更多的交叉口，这可能加剧机动车和非机动车之间的互动，增加碰撞的可能性。可达性指的是旅行者在街道网络中访问各种目的地的便捷程度，通常使用平均测地距离（MGLE）作为区域可达性的代理指标。研究表明，MGLE与碰撞风险呈负相关。较高的MGLE意味着旅行者必须经过更多的交叉口，导致路线复杂性增加，平均交通速度降低，从而降低碰撞风险（Zhang等人，2015年）。

连通性反映了街道网络中节点之间的互连程度，是节点可达性的指标。它通常通过链接-节点比率（LNR）来衡量。证据表明，较高的LNR通常通过在整个街道网络中更均匀地分布交通流量来提高交通安全。然而，过高的LNR也可能导致复杂的交叉口布局，增加潜在的冲突点数量，提高碰撞风险（Marshall和Garrick，2011年；Wang等人，2013年）。

除了街道网络结构和形态外，几何设计特征（如街道链接长度和宽度）也显著影响交通安全。较长的街道链接倾向于鼓励长时间的加速和持续的高速行驶，这可能损害驾驶员的控制并增加碰撞风险（Harvey和Aultman-Hall，2015年）。较宽的街道截面和额外的车道可以容纳更大的交通流量，从而增加潜在碰撞的风险。此外，过宽的街道可能会使行人和非机动车基础设施的分配复杂化，降低穿越可行性，并加剧车辆与行人的冲突，从而可能增加交通事故的频率和严重性（Ewing和Dumbaugh，2009年）。

**2.2 感知安全对交通事故的影响**

人类感知指的是个体对城市环境的情绪和心理反应（Yao等人，2019年）。最近，越来越多的研究探索了人类感知，以更好地理解建成环境与交通安全之间的关系。例如，“交通安全氛围”这一概念被引入，以阐明人类感知如何通过出行行为的中介效应影响交通事故风险（Atombo和Wu，2022年；Zhang等人，2018b）。这些研究表明，由环境或个人变化触发的旅行者主观感知的变化可能导致态度和行为的调整，如目的地、出行方式和路线选择的改变，最终影响碰撞风险（Kaplan等人，2018年；Liu等人，2019年；Wang和Liang，2025年）。值得注意的是，感知安全通常反映了旅行者对环境安全的整体评估，其空间分布往往与感知的碰撞风险不同（Rivera Olsson和Elldér，2023年）。例如，夜晚空旷的街道可能被认为碰撞风险较低，但仍可能引发旅行者的不安和不安全感（Qin等人，2025年）。

除了作为行为中介之外，感知安全还可能与建成环境相互作用，影响交通安全。具体来说，建成环境可以直接影响旅行者的安全感知，进而影响交通安全（Qin等人，2025年；Weber等人，2019年）。此外，感知安全的变化可能导致旅行者过度强调或忽视特定的建成环境特征，从而改变出行行为和修改碰撞风险（Amiour等人，2022年；Khan等人，2014年）。在街道网络中，感知安全可能会放大或减弱街道网络特征对碰撞风险的影响。例如，在街道几何结构复杂的区域，提高旅行者的警惕性可能有助于降低碰撞风险（Ewing和Dumbaugh，2009年）。

**2.3 使用街道视图图像和深度学习技术评估人类感知**

最初对人类感知的评估主要依赖于访谈、调查和审计等传统方法。然而，这些方法在时间效率、运营成本和大规模应用方面存在显著局限性（Habib等人，2014年；Paulssen等人，2013年）。此外，异质人口抽样可能引入的潜在感知偏差可能影响研究结果的可靠性和可比性（Hipp等人，2021年）。在这种背景下，将SVI与DL技术相结合，实现了更高效和大规模的人类感知评估。

SVI通过模拟旅行者的地面视角，有效捕捉了城市街道景观的视觉和空间特征。通过百度、谷歌和腾讯等地图平台提供的应用程序编程接口（API），研究人员可以高效地收集大量SVI数据，为感知研究奠定坚实的基础（Zhang et al., 2018a）。例如，Dubey等人（2016）使用众包方法定量评估了六个感知维度（美丽、富裕、活力、安全、压抑和无聊）的全球SVI，从而构建了综合性的Place Pulse 2.0数据集。同样，Yao等人（2019）基于中国武汉的SVI开发了一个本地化的感知数据集，更好地捕捉了该地区的社会经济和文化特征。在这些感知数据集上训练的机器学习模型促进了人类感知数据的大规模收集，支持了包括建成环境评估和公共卫生研究在内的多个领域的定量分析（Kang et al., 2021, Qiu et al., 2022, Wang et al., 2019, Zhou et al., 2022）。SVI-DL框架也被引入到交通安全研究中。一些研究人员使用机器学习模型对城市SVI进行语义分割，提取视觉特征以量化街道景观元素，并检查它们与交通事故的关联（Hu et al., 2023, Yao et al., 2025）。然而，迄今为止很少有研究专门利用“SVI+DL”方法来评估城市街道景观或分析人类感知与交通安全之间的关系。

2.4. 街道链接级别的交通安全分析模型
最近的研究开发了各种交通安全分析模型，以识别街道链接级别与交通事故相关的风险因素。由于这一级别的碰撞数据分布通常是过度分散和非正态的，主要的建模方法依赖于泊松回归、负二项模型（NB模型）或其扩展（Najaf et al., 2018）。例如，An等人（2023）提出了一个增强调整负二项（EANB）模型，该模型纳入了街道网络形态指标的空间滞后项，以捕捉对碰撞发生的溢出效应。然而，城市街道网络中的相邻街道链接往往具有相似的街道设计和交通特征，导致观测值之间的空间相关性（Zhou et al., 2025）。传统的回归方法往往无法解释这种依赖性，限制了它们捕捉碰撞模式空间异质性的能力。为了应对空间自相关性，一些研究开发了空间建模框架。例如，Wang等人（2022）提出了一个贝叶斯条件自回归负二项（CAR-NB）模型，用于识别高速公路碰撞的风险因素，同时明确考虑了街道链接之间的空间依赖性。尽管贝叶斯模型具有灵活性，但它们通常涉及高维权重矩阵，这被称为“大M问题”，在应用于大规模数据集时大大降低了计算效率。另一个常见问题是街道级别碰撞数据中零计数的普遍存在，如果处理不当，可能导致参数估计偏差（Al-Hasani et al., 2021, Soroori et al., 2021）。这通常被称为零膨胀（Pew et al., 2020）。尽管许多研究尝试分别解决空间依赖性或零膨胀问题，但很少有研究在统一的建模框架内成功整合了这两种解决方案。因此，迫切需要开发新的方法来同时考虑空间自相关性和零膨胀，从而提高交通安全分析的准确性和可靠性。

2.5. 我们的研究
本研究旨在探讨街道网络特征、感知安全与交通事故之间的关系。以下是研究问题：
(1) 街道网络特征、感知安全与不同空间尺度的碰撞频率之间的关系是什么？
(2) 街道网络特征与感知安全之间的交互效应是否显著影响碰撞频率？
(3) 是否可以为街道级别研究开发一个能有效考虑空间自相关性和零膨胀的交通安全分析模型？

为了回答这些问题，我们开发了一个概念框架（图1）并提出了两个主要假设。首先，我们假设街道网络特征和感知安全都与交通事故有显著关联。其次，我们认为感知安全调节了街道网络特征与交通事故之间的关系。

下载：下载高分辨率图像（355KB）
下载：下载全尺寸图像

图1. 概念框架。

3. 数据和方法

3.1. 研究区域
选择了武汉的主要城区作为研究区域。作为湖北省的首府，武汉代表了中国中部最大的都市区。长江和汉江的交汇形成了独特的空间布局，通常被称为“两河三镇”模式（图2）。该主要城区面积约为670平方公里，人口密度超过7000人/平方公里，属于典型的密集人口城市区域。到2021年，武汉的汽车数量已超过400万辆，给交通安全带来了相当大的压力。总体而言，研究区域的特点是人口密度高、街道网络紧密相连，以及交通事故频率相对较高。此外，采用了一种统一的道路分割方法将街道网络划分为6482个街道链接，作为分析的基本单元（Nair和Bhavathrathan, 2022）。

下载：下载高分辨率图像（955KB）
下载：下载全尺寸图像

图2. 研究区域内交通事故和街道链接的分布。

3.2. 数据测量
利用ArcGIS、sDNA和NetworkX进行了数据处理（表1）：
1) 交通事故数据；
2) 街道网络数据（包括拓扑和几何属性）；
3) 感知安全指标；
4) 协变量数据（包括土地利用、社会经济和交通变量）。

表1. 本研究中的变量定义。

| 类型 | 变量名称 | 定义 |
|------|---------|-----------|
| | 交通事故数据 | 2012年至2015年间每个街道链接的严重或致命交通事故总数 |
| | 街道网络拓扑数据 | 通过介数中心性（BtE）测量的街道网络对特定链接的依赖性 |
| | 分流比率 | 通过分流比率（DivE）测量的每个街道链接搜索半径内实际最短路径与直线路径之间的偏差程度 |
| | 平均测地线长度 | 通过平均测地线长度（MGLE）测量的每个街道链接搜索半径内街道网络的整体可到达性 |
| | 链接节点比率 | 通过链接节点比率（LNR）测量的每个街道链接搜索半径内街道网络的互联程度 |
| | 街道网络几何数据 | 每个街道链接的长度测量 |
| | 街道链接宽度 | 每个街道链接的宽度测量 |
| | 感知安全数据 | 每个样本点在街道链接处的感知安全得分的平均值 |
| | 协变量 | |收集到的SVI数据随后被输入到训练有素的CNN模型中，以生成每条街道链接的感知安全评分。鉴于该模型的表现及其在同一城市环境中的应用效果，生成的感知安全评分预计能够合理地反映研究区域内的街道级安全感知情况，因此被用作后续分析中旅行者的感知安全度量。相比之下，交通流量与碰撞频率之间没有显著关联。4.3. 街道网络特征与感知安全之间的交互作用如表7所示，感知安全显著增强了BtE_400与严重碰撞频率之间的负相关关系，表明它在社区尺度上增强了BtE的保护作用。相反，在城市尺度上，感知安全减弱了DivE_7500与严重碰撞频率之间的负相关关系。此外，感知安全增强了道路长度与严重碰撞频率之间的正相关关系，而其与道路宽度的交互作用在统计上并不显著。表7. 街道网络特征与感知安全对CAR-ZINB模型中交通事故的交互作用。变量主要效应IRR（95% CI）交互效应IRR（95% CI）BtE_400 0.697 (0.638, 0.761) 0.878 (0.828, 0.930)BtE_300 0.994 (0.917, 1.077) 0.916 (0.873, 0.961)BtE_750 1.013 (0.945, 1.085) 0.942 (0.903, 0.983)DivE_400 0.953 (0.890, 1.021) 0.888 (0.817, 0.965)DivE_300 0.969 (0.901, 1.042) 1.136 (1.085, 1.191)DivE_750 0.786 (0.724, 0.854) 1.170 (1.115, 1.228)MGLE_400 0.991 (0.926, 1.061) 0.911 (0.869, 0.956)MGLE_300 1.037 (0.897, 1.199) 0.870 (0.827, 0.916)MGLE_750 0.940 (0.810, 1.091) 0.902 (0.858, 0.947)LNR_400 0.973 (0.928, 1.020) 0.976 (0.940, 1.013)LNR_300 1.012 (0.906, 1.132) 0.964 (0.919, 1.012)LNR_750 0.875 (0.757, 1.011) 0.984 (0.939, 1.031)道路长度 1.980 (1.852, 2.119) 1.382 (1.318, 1.449)道路宽度 1.148 (1.080, 1.219) 1.022 (0.979, 1.067)注：主要效应IRR指的是街道网络特征与交通事故频率之间的估计关联。交互效应IRR指的是感知安全与相应街道网络特征之间的乘法交互作用。粗体值表示统计上显著的效应。4.4. 敏感性分析为了评估在不同模型设定下主要发现的稳健性，进行了几次敏感性分析。首先，我们通过比较基线设定（1000米）与其他阈值（500米和1500米）来检查空间邻近阈值的影响（附录I，表S1）。其次，测试了两种额外的空间权重矩阵，以评估结果对相邻道路之间空间依赖性不同设定的敏感性：基于连接的逆距离加权和二进制邻近加权（附录I，表S2）。这些空间权重矩阵的详细数学定义见附录II，2.2。第三，通过比较基线半径（500米）与其他半径（300米和1000米）来评估结果对用于提取协变量的缓冲区大小的敏感性（附录I，表S3）。这些半径代表了每个道路链接周围的相对局部、中间和较广的社区建成环境背景，与先前的研究结果一致（Wei等人，2019年；Yu，2019年）。第四，为了评估结果对感知安全变量潜在测量不确定性的稳健性，引入了±5%、±7.5%和±10%的扰动水平，这些水平代表了逐渐增加的假设测量误差，以检查结果在越来越保守的不确定性情景下是否仍然稳定（Coropulis等人，2024年；Miqdady等人，2023年）（附录I，表S4）。在所有敏感性分析中，主要发现都保持稳健（附录I，表S1-S4）。具体来说，在所有测试的设定下，安全-风险悖论仍然具有统计显著性，BtE_400和DivE_7500都一致显示出与严重碰撞频率的显著负相关，而它们的交互效应对模型设定的变化几乎没有敏感性。5. 讨论本研究探讨了街道网络特征、感知安全与交通事故之间的复杂相互关系，特别关注感知安全的调节作用。我们的发现显示感知安全与碰撞频率之间存在显著的正相关。此外，各种街道网络指标对碰撞的影响，以及感知安全对这些关系的调节作用，在不同空间尺度上差异很大。在社区尺度上，介数中心性与碰撞频率呈负相关，这种关系通过感知安全得到了显著增强。相反，在城市尺度上，感知安全减弱了分流比率与碰撞之间的负相关。尽管平均测地线长度与碰撞频率之间的关系在不同空间尺度上有所不同，但感知安全始终表现出保护性的调节作用。此外，感知安全放大了道路长度与交通事故频率之间的正相关。5.1. 街道网络特征与感知安全与交通事故的关联街道网络拓扑特征对严重交通事故的影响显示出显著的尺度依赖性变化。具体来说，BtE_400与严重交通事故之间的负相关表明，在社区尺度上更依赖于主要道路可能有助于提高交通安全。然而，现有文献关于这种关系的发现并不一致，特别是在行人安全的背景下（Wang等人，2018年；Zhang等人，2015年）。这种差异可能源于在社区尺度上非机动出行方式（如步行和骑自行车）的普遍性，这改变了交通流量构成。尽管这种变化可能会增加混合交通流量并可能加剧行人与车辆之间的冲突，但在配备了良好设计的交通缓和措施（包括绿色带、中央隔离带和行人岛）的干道上，这些风险可以得到有效缓解（Liu等人，2025年）。较高的DivE_7500值与较低的严重碰撞频率相关，表明在城市尺度上存在交通效率与安全之间的权衡。这一发现与先前的证据一致，即工程化的弯道可以调节驾驶行为（如超速），从而降低碰撞风险和碰撞严重程度（Sarkar等人，2018年）。我们的发现显示街道几何特征（包括道路长度和宽度）与严重碰撞频率之间存在正相关。这表明较长和较宽的道路链接更容易发生碰撞，这与先前的研究一致（Ewing和Dumbaugh，2009年）。较长的道路链接为车辆加速提供了更长的时间间隔，这可能增加碰撞的可能性。对于多车道的更高级道路，增加的道路宽度通常对应于更大的交通容量。尽管这可以提高交通效率，但也引入了更复杂的车辆互动模式，从而导致交通冲突的概率增加，从而增加了碰撞的风险。我们的结果显示感知安全与严重碰撞频率之间存在正相关，这表明旅行者在评估建成环境的安全性时可能存在“感知偏差”（Zhang等人，2024a）。换句话说，旅行者可能低估了他们认为安全的环境中的碰撞风险。一个合理的解释是，感知安全是一个多维构念，受到情境和主观因素的影响（Rivera Olsson和Elldér，2023年）。与犯罪记录或碰撞统计等客观指标不同，从街道视角图像中得出的感知安全测量反映了居民对包括交通安全、犯罪和环境危害在内的多个领域的主观评估（Qin等人，2025年；Zhang等人，2021年）。因此，它不仅受到个人特征（如个人经历、环境偏好、驾驶技能和行为习惯）的影响，还受到建成环境特征（包括街道复杂性、历史碰撞经验和其他情境危害）的影响（Kaplan等人，2018年；Park和Park，2021年）。因此，本研究中的感知安全测量应被视为更广泛的环境和社会安全线索的指标，而不仅仅是感知交通安全的直接测量。这里观察到的正相关可能反映了更广泛的安全线索与碰撞结果所捕捉到的特定交通风险之间的不匹配，这可能导致对实际交通风险的低估。先前的研究表明，感知安全主要通过旅行行为的中介作用影响碰撞频率（Liu等人，2021年；Márquez，2016年；Sanders，2015年）。具体来说，旅行者可能会避免被认为不安全的路线以减少碰撞风险，在被认为更安全的环境中，旅行者可能会低估驾驶技能和注意力资源的需求，从而降低警惕性，增加冒险行为的倾向，从而增加碰撞的概率（Yu等人，2024年）。本质上，城市街道环境提供了多样化的出行体验，形成了个体之间不同的感知安全水平。这种感知导致了“过度谨慎”或“过度放松”的心理倾向，进而体现在出行行为中（Traficante等人，2024年）。因此，出现了一个安全-风险悖论：较高的感知安全与较高的严重碰撞频率相关，而较低的感知安全与较低的碰撞频率相关。5.2. 感知安全的调节作用我们对交互作用的分析显示，感知安全与严重碰撞频率之间存在正面和负面的关联。首先，感知安全增强了道路长度与严重碰撞频率之间的正相关关系。这可能是因为较长的道路链接（通常是干道或高速公路）主要是为机动车辆设计的。在这种情况下，增强的分离设施可能会降低驾驶员对弱势道路使用者的警惕性。此外，连续的道路链接通常具有稀疏的交叉口和与混合交通流区域更大的空间隔离——这些区域更容易发生行人与车辆之间的冲突。因此，在这种环境中，驾驶员需要分配更多的认知资源来避免碰撞（Boua等人，2022年）。然而，在感知安全较高的情况下，驾驶员可能会采取过于放松的态度，导致对风险的误判，这与实际情况不符。此外，高等级的道路通常具有更好的基础设施和更高的速度限制，这可能会进一步妨碍驾驶员及时应对危险的能力（Zhang等人，2024b）。因此，在感知安全较高的长道路链接上，驾驶员可能更倾向于从事风险较高的行为，如超速、注意力降低和违反交通规则，所有这些最终都可能增加严重交通事故的可能性。其次，感知安全削弱了分流比率在城市尺度上的保护作用。尽管较高的DivE可能会在交通效率上产生一些权衡，但它通常对交通安全具有保护作用。然而，交互效应分析表明，在感知安全较高的地区，DivE的保护作用显著减弱。一个可能的解释是，在城市尺度上，高度多样化的街道网络中频繁的弯道增强了道路交通流的稳定性，从而降低了碰撞风险（Xiao等人，2025年）。然而，这种受限的驾驶环境也可能导致道路使用者低估碰撞的固有风险，从而导致对安全驾驶实践的遵守程度降低，相应地增加了严重交通事故的可能性。最后，感知安全增强了BtE_400与严重交通事故之间的负相关，表明在社区尺度上具有有益的调节作用。对武汉主要城区感知安全的空间分布分析显示，感知安全较高的道路链接主要集中在城市中心——这些区域通常与更严格的交通规则相关。这样的环境鼓励旅行者更严格遵守交通规则并调节他们的出行行为，从而提高了交通缓和措施的有效性（Liu等人，2024年）。例如，虽然在感知安全较低的郊区，一些驾驶员可能会违反交通信号灯，但在中央位置、规则严格的区域，这种行为要少得多。5.3. 模型讨论本研究开发的CAR-ZINB模型为街道级别的交通安全分析提供了一个稳健且可扩展的框架。通过在道路链接层面分析交通事故的决定因素，我们的方法避免了生态谬误和MAUP，并明确考虑了空间自相关性。与经常面临高维权重矩阵问题的传统贝叶斯模型不同（Wang等人，2022年），我们的实现用集成嵌套拉普拉斯近似（INLA）替代了马尔可夫链蒙特卡洛（MCMC）抽样，显著提高了计算效率。这一创新使得在可行的时间范围内分析超过6000个链接的大规模街道网络成为可能，同时不牺牲空间准确性。此外，零膨胀组件有效地处理了事故数据中常见的多余零值，提供了比标准计数模型更好的模型拟合度和适用性。尽管一些学者质疑零膨胀模型的理论基础，特别是结构零和采样零之间的区别（Geedipally等人，2012年；Lord等人，2005年），但实证证据支持在交通安全研究中使用零膨胀模型，特别是在高度零膨胀的数据集上（Pew等人，2020年）。5.4. 政策含义传统的交通安全规划通常假设提高感知安全将鼓励更安全的出行行为。然而，本研究中发现的安全-风险悖论，即较高的感知安全与较高的严重碰撞频率相关，表明这一假设并不总是成立。感觉更安全的环境实际上可能并不一定更安全，在某些情况下，甚至可能增加实际碰撞风险。这种不一致性突显了在交通安全规划中整合主观安全感知与客观街道网络特征的重要性。这一问题对于严重碰撞尤其相关，因为严重碰撞会带来巨大的医疗、经济和社会负担。由于现有的城市街道网络往往难以进行大规模重新设计，因此应针对特定的街道环节采取有针对性的干预措施。首先，规划者应认识到并解决感知安全风险悖论可能带来的负面后果。在追求吸引人且舒适的街道环境时，应更加关注较高的感知安全性可能会降低旅行者风险意识的可能性。实际应对措施可以包括安全教育、现场警告信息，以及将交通安全标准纳入目前强调感知安全性的街道设计框架中。其次，规划干预措施应利用感知安全性的双重调节作用：当感知安全性具有保护性调节作用时，规划者可以促进更连通的街道网络，并设计有助于提高步行和骑行安全性的街道景观；当感知安全性可能反而放大风险时，应考虑额外的视觉或物理警告措施，如减速带、警告标志和监控系统，特别是在长直路和连续弯道上。最后，感知安全性的调节作用似乎在不同的空间尺度上有差异：在步行和骑行较为普遍的社区尺度上，其保护作用更强；而在以机动交通为主的城市尺度上，其不利影响更为明显。因此，促进积极出行的政策，结合减速措施和加强监控，可能有助于减少碰撞的风险和严重程度，同时缩小感知安全性与实际安全性之间的差距。

5.5 强项与局限性
本研究在多个方面为城市交通安全研究做出了贡献。首先，通过将街道视图图像与深度学习相结合，它提供了街道环节级别的感知安全性的定量评估，从而克服了传统基于调查的方法的一些局限性，如效率低、成本高和可扩展性有限。其次，通过结合主观和客观因素，该研究提供了对交通事故机制更全面的理解。第三，通过在CAR-ZINB模型中引入交互项，它识别了感知安全性的调节作用，而这一点在以往的研究中并未得到充分重视。从方法论角度来看，CAR-ZINB模型同时考虑了空间依赖性和零膨胀效应，因此比传统的广义线性模型具有更好的解释能力和预测准确性。然而，也应注意几个局限性：首先，所使用的SVI数据主要来自百度地图，这可能限制了研究结果的普遍性；图像覆盖不全面也可能引入空间偏差。未来的研究应整合来自不同地理和文化背景的多源图像，以提高跨区域的有效性；其次，用于训练CNN模型的感知数据集仅限于武汉地区，需要更具代表性的地理数据以提高模型的稳健性和文化敏感性；此外，没有独立的感知数据来验证分析样本中的预测感知安全分数，未来的研究应纳入独立的感知调查以进一步评估模型的迁移能力和校准效果；第三，武汉急救中心提供的碰撞数据仅包含严重碰撞事件，因此研究结果主要适用于严重碰撞风险，不应推广到所有类型的交通碰撞；第四，由于结果变量结合了多种严重碰撞类型，估计的关联应被解释为混合严重碰撞之间的平均关系而非特定类型的效应，这种聚合可能会减弱或掩盖不同碰撞类型之间的异质性；第五，尽管使用了2015年的街道视图图像和街道网络数据来提高与2012至2015年碰撞记录的一致性，但仍可能存在时间匹配问题，尤其是对于研究早期发生的碰撞，这可能会在感知安全性和街道网络变量中引入测量误差，进而削弱估计的关联。更严格的时间匹配数据将有助于提高未来分析的稳健性。

6 结论
本研究利用SVI和深度学习（DL）评估了城市街道环节的感知安全性，并开发了一个新的CAR-ZINB模型来分析街道网络特征、感知安全性和严重交通事故之间的关系。研究结果表明，街道网络特征与碰撞频率显著相关，这些关联的强度和方向在不同空间尺度上有所差异。感知安全性不仅与严重碰撞频率呈正相关，还调节了街道网络特征与碰撞之间的关系。这些发现强调了感知因素在塑造交通安全结果中的关键作用，并强调了需要综合规划，以协调主观感知与客观设计。通过将感知安全性纳入交通安全分析，本研究为政策制定者和城市规划者提供了宝贵的见解，帮助他们制定综合考虑客观和主观安全性的综合交通规划策略，从而支持更有效和更具情境敏感性的碰撞预防措施。

作者贡献声明
张鼎林：撰写原始草稿、可视化处理、数据验证、调查分析、概念构建。
庞哲：审阅编辑、数据验证、调查分析、形式化分析。
谢波：审阅编辑、项目监督、资源管理、资金获取、概念构建。

资金支持
本研究得到了国家自然科学基金（项目编号：42371252和41971179）的支持。

作者单位：中国武汉大学城市设计学院