确保儿童安全和良好行动能力的统计模型

由丰桥工业大学建筑与土木工程系副教授松尾小次郎和国立工业大学-香川大学土木工程系教授宫崎浩介领导的研究团队成立了一种识别道路交叉路口发生涉及儿童的事故的高潜在风险的有效方法。

除了道路交通大数据、过去的事故数据、交叉路口结构和土地利用等之外，还可以使用基于丰桥市拥有的学校通勤路线和学校步行团体的独特地理信息化数据的统计模型，以防止通过确定发生事故的高潜在风险地点，即使没有发生事故。

日本的孩子从7岁左右(小学一年级和二年级)开始就经常独自四处游荡。虽然这在国际上有些不寻常，但被认为有助于儿童的健康和发展。重要的是要确保这种情况能够继续下去，因此提高儿童旅行的安全性是一项基本要求。

适当地确定应实施交通安全措施的区域和地点是交通安全管理的一个组成部分，以提高儿童在旅行时的安全，但由于此类事件很少见，而地点数量巨大，因此确定这些点很复杂孩子们走过。每个位置的潜在风险都需要进行定量评估，同时有效地识别需要采取额外措施的地方。

据此，研究团队建立了一种使用统计模型的方法，以有效识别涉及儿童交通事故的潜在危险十字路口。

作为首席研究员的松尾副教授解释说，“这个统计模型有两个主要特点。第一个是使用经验贝叶斯估计来结合环境道路交通条件的平均影响，例如交通量，路口结构和土地使用状况-从道路交通大数据中获得——与过去的事故数据适当平衡。

第二个是使用丰桥市拥有的学校通勤路线和步行团体的独特地理信息化数据，纳入关于有多少儿童在道路交通状况下出行的数据。

黑线：仅根据过去的事故数据进行识别蓝线：基于负二项式回归模型的识别红线：基于本研究建立的经验贝叶斯估计的识别。图片来源：国际环境研究与公共卫生杂志(2022年)。DOI:10.3390/ijerph192114123

最终，它识别出七个或更多潜在危险点的事实证明，与仅基于过去事故数据的方法相比，它在识别方面更加高效和有效。

此外，我们验证了当前“以学校通勤路线实施交通安全措施”的政策，因为日本儿童不仅在上下学路上，而且在日常外出时都倾向于使用熟悉的路线，但这些路线上发生的事故正在增加。”

开发背景

松尾副教授补充说：“如果没有丰桥市提供的学校通勤路线和步行团体的地理信息化数据，这项研究就不可能进行。

“我一直担任丰桥市学校通勤路线安全措施的顾问，作为一项行政举措，我计划在2015年有效管理和利用学校通勤路线和步行组的数据。在提出使用地理信息系统之后-信息化数据和数据结构，这是从2016年正式采用的。当时，我从未想过这些数据会对我的研究有用，但我很高兴六年前实施的措施仍在使用。我希望未来其他城市也能在学校通勤路线上推广地理信息化数据的使用。”

未来展望

通过这项研究，我们设计了一种基于从各种数据中获取的客观信息来识别潜在危险位置的方法。然而，现实世界的流量是复杂的，数据只是其中的一部分。研究团队希望推动研究如何最好地将公众持有的主观信息(例如险情)与客观信息有效结合。