研究背景
目前,众多研究关注建成环境对健康的影响,而建成环境对行人安全影响的研究则相对较少。以美国为例,行人交通事故是导致年轻人死亡的主因之一,放眼世界范围内亦是如此。安全的环境是促进步行和改善健康的前提和保障。因此,开展促进步行研究的同时,必须考虑提高行人安全的有效途径。
文献综述
2.1 研究方法
本文系统性地梳理了建成环境对步行性和行人安全性影响的相关文献,并讨论了步行指数的相关研究。同时对控制空间自相关在行人安全研究中的重要性进行了探讨,并从PubMed,Google Scholar,Web of Knowledge网站选取50篇文献,涵盖城市规划、安全、公共卫生等众多领域的前沿学术成果。文献时间跨度为1988—2019年,大部分研究发表于2000年后。
2.2 研究成果
2.2.1 建成环境对步行的影响
众多研究系统地论证了建成环境对步行的影响。其中,D指标常被用来量化影响交通行为的环境特征。具有代表性的包括3D模型(密度、多样性、设计)和5D模型(密度、多样性、设计、目的地可达性、公交站点距离)。
Boarnet等指出,人行道、街道特征、人行横道、交通信号等设施与步行相关,而自然元素及建筑特征对步行的影响较小。Ewing等论证了影响步行的3类城市设计要素,表明城市设计,尤其是街景,对行人活动具有一定影响,通过增加街道座椅等路面设施,可以激发公共空间的使用,促进街道与行人的互动。Yin & Wang着眼于视觉围合感,提出可视的天空区域受行道树和建筑物的影响,并且影响步行性。然而,很少有研究系统地将影响步行的环境因子涵盖在行人安全相关讨论中。开展此类研究可以揭示同时影响步行性和安全性的环境因素,为政策制定提供理论依据。
2.2.2 建成环境对行人安全的影响
关于建成环境对行人安全影响的研究主要集中于环境要素和社会人口要素两方面。环境要素指街道特征;社会人口要素指社区人口特征以及司机和车辆特征。研究表明,建成环境对车流量有一定影响,从而进一步影响交通安全。
大量研究已经证实D指标影响人们的出行距离和出行方式,从而直接或间接地影响行人安全。Clifton and Kreamer-Fults指出,位于公立学校周边的公交可达性、商业用地率、人口密度与行人交通事故率呈正相关。LaScala等发现,位于高人口密度和高路口密度的地区,行人交通事故率更高。高人口密度的地区常位于就业中心附近,因此不但受当地车辆的影响,还受来自其他地区车流的影响,这将增加事故发生的概率。基于相关研究,当前文献提出了通过改善行人安全促进步行的具体措施,如优化街道设计、提升窄车道利用率、完善道路安全设施、增加车道两侧绿化。综上所述,大部分行人安全研究基于传统交通理论,偏重道路设计、路口密度、交通流量等方面的考量。
2.2.3 步行指数相关研究
步行指数算法包含了两类D指标(设计和目的地可达性)。该指数通过衰减函数以量化街道的步行适宜程度。同时,有学者在研究和实践中参考步行指数,衡量研究区域的步行性。文献表明,步行指数可针对性地评价社区步行性,关注零售服务密度、休闲与开放空间密度等指标,强调社区相对目的地的可达性。
针对步行指数的批判和质疑在于该指标过于强调实用性质的步行,而忽略了休闲娱乐性质的步行。此外,一些与步行相关的建成环境要素可能未被纳入步行指数算法中,例如多样性和公交可达性。然而,步行指数的优点也显而易见。步行指数易于获取且涵盖范围广泛,将其纳入行人安全模型中,可以高效地收集步行环境评估数据,还可以不受地理范围等条件的限制。因此,在行人安全相关研究中引入步行指数,可以深化对影响行人安全的环境要素的理解。
2.2.4 控制空间自相关的重要性
空间自相关是变量间相互空间关系的研究。随着研究用到的空间数据的增加,学者们认识到控制空间自相关是建构空间模型的基础。Goodchild认为空间自相关是地理数据的主要特征,因此,在空间模型中需要控制空间自相关。从行人安全的角度出发,当某一位置发生的事故数量和严重程度可能受到相邻环境的影响时,就应将空间自相关纳入考量。引入地理加权回归(GWR)模型,可以从统计学上分析事故与环境因素之间的关系,同时考虑事故的空间位置。
2.2.5 小结
通过参考步行性和行人安全的最新研究,本文在控制空间自相关的同时,使用D指标定量论证建成环境对行人安全的影响,同时进一步扩展了步行指数在评估行人安全方面的适用性。
研究思路
案例分析
3.1 研究方法
纽约州布法罗市被步行指数网站评为步行优异的全美前10城市,然而近年来该市的行人交通事故却不断增加。本文从纽约州交通部网站收集2012—2016年车流量和行人交通事故的数据,从纽约州GIS Clearinghouse收集2015年街道中心线数据,其他数据分别从纽约州、美国人口普查局、Walk Score网站收集获取。
本文评估了在两类直线半径(400 m和800 m)内,建成环境与行人安全的关系。案例分析的因变量是行人交通事故,自变量包括三向和四向路口密度、人口密度、非裔人口密度、就业密度、用地混合度、车流量、整合度和步行指数。
变量指标一览表
3.2 研究成果
本文比较了普通最小二乘(OLS)模型和地理加权泊松回归(GWPR)模型的结果,GWPR模型的结果更优,表明其空间分析的适用性和解释力更强,显示了控制空间自相关效应的重要性。位于400 m半径内的自变量影响均显著。位于800 m半径内除人口密度外的其他自变量影响均显著。人口密度在不同半径内对行人安全影响有差异,400 m内行人更多,交通事故也相应较多;800 m内较高的人口密度未必意味着更多的行人,人们可能选择其他交通工具来代替步行出行。
本文证实了车流量、三向和四向路口密度、人口密度、用地混合度与行人安全性呈负相关,这与世界范围内已有的研究结论一致。
就业密度与行人安全性正相关,这与现有文献结论有矛盾。产生这一差异的原因可能是位于布法罗市区(就业密度最高的地区)的步行设施维护良好,为行人安全提供了有力保障。
步行指数与行人安全性呈负相关。步行指数较高意味着该地区路口较密集,而研究表明路口密度与行人安全性呈负相关。需要指出的是,步行指数与步行性呈正相关。
非裔人口密度与400 m半径内的行人安全性呈负相关,与800m半径内的行人安全性呈正相关。这是由于400 m内较高的非裔人口密度可能意味着更多的行人,而800 m内的非裔人群可能选择步行以外的其他交通方式。大多数非裔美国人与低收入和贫困存在统计上的相关性,而社会经济因素对行人安全存在一定影响。
与之类似,整合度与行人安全的关系也受距离影响。整合度在400 m内与行人安全性呈负相关,在800 m内与行人安全性呈正相关。
结论与讨论
本文通过对当前文献的梳理总结,以及基于布法罗市的案例分析,融合安全研究和步行研究中的D指标,深化了对建成环境影响行人安全和步行性机制的理解。研究表明,一系列建成环境要素与行人安全显著相关。通过梳理步行指数的相关文献及其在案例中的应用,拓展步行指数在不同地理区域和不同空间尺度上评估行人安全的适用性。值得注意的是,步行指数与行人安全性呈负相关,而与步行性呈正相关。这就为建设步行友好和安全的人居环境提供了新思路,应进一步评估传统意义上的步行友好场所是否也为行人提供了足够的安全保障。
本文为城市规划师和政策制定者提供了通过城市规划和设计改善行人安全性的策略。具体包括:(1)应在人口聚集、多路口和车流繁忙的场所增加人行道、交通信号等安全设施;(2)应进一步完善建设既适宜步行又安全的人居环境的合理方案;(3)应更多地关注弱势群体,例如低收入人群;(4)行人安全受其相邻区域环境的影响,因此应关注整个地区行人安全的持续改善。
推荐阅读
◆【公共卫生与规划响应】建成环境对公共健康影响的尺度与方法研究 | 上海城市规划
◆【健康城市】学校周边建成环境对学龄儿童上下学交通方式的影响——以上海市为例 | 上海城市规划
◆【公共卫生与规划响应】上海社区应对重大公共卫生风险的规划思考
中国科技核心期刊、《中国学术期刊网络出版总库》全文收录、《中国学术期刊影响因子年报》统计源期刊、《中国核心期刊(遴选)数据库》全文收录、美国《乌利希期刊指南》(Ulrich's Periodicals Directory)收录期刊、中国人文社会科学引文数据库来源期刊
官方网站(在线投稿):
https://www..com.cn
Email:shcsgh@supdri.com
邮发代号:4-803
电话:021-32113552/32113553
传真:021-32113554