Кратко и по пунктам.
1) Интервалы и исходные вычисления
- Если исходное число ДТП $C_0$, через три года стало $C_1$, то относительный рост $\frac{C_1}{C_0}=1.40$, т.е. $C_1=1.40C_0$. Это — сигнал к расследованию причин.
2) Методы сбора причинно‑следственных данных
- Наблюдательные дизайны:
- когортное наблюдение (персональный риск пешеходов/велосипедистов/водителей по годам);
- case–control (сравнить пострадавших и непострадавших по экспозициям: скорость, алкоголь, освещение);
- временной ряд (ежемесячные/еженедельные счета ДТП).
- Квазиэксперименты:
- difference‑in‑differences (DiD) с контрольным кампусом: оценка эффекта изменений инфраструктуры/политики;
- interrupted time series (ITS) при введении интервенции: модель вида $$Y_t={\beta }_0+{\beta }_{1}tim{e}_t+{\beta }_{2}interventio{n}_t+{\beta }_{3}time\_after\_interventio{n}_t+{\epsilon }_t.$$ - Экспериментальные подходы, где возможно:
- stepped‑wedge или кластерное рандомизированное внедрение мер (зоны замедления, освещение).
- Натуральные эксперименты, IV‑анализ при наличии инструментов (например, погодные вариации как инструмент).
- Источники данных: протоколы полиции/службы безопасности, медкарты, отчёты «near‑miss», CCTV/видеоанализ, датчики скорости/потока, опросы студентов и сотрудников, GPS/телеметрия автобусов, карты инфраструктуры.
3) Переменные для сбора (включить возможные конфаундеры)
- Экспозиции: скорость, интенсивность движения, освещение, видимость, дорожная разметка, пересечения, наличие/отсутствие пешеходных переходов, алкоголь/наркотики, время суток, погодные условия, мероприятия/плотность студентов.
- Результат: число ДТП, тяжесть травм, «near misses».
- Конфаундеры: изменение численности студентов/персонала, изменения расписаний, изменения парковочных правил, одновременные кампусы‑меры.
4) Статистические методы и метрики оценки риска
- Инцидентность: $$IR=\frac{N}{Person\_time}.$$ - Относительный риск/коэффициент инцидентности: $$RR=\frac{I{R}_{exposed}}{I{R}_{unexposed}},IRR\text{(для модели Пуассона)}.$$ - Атрибутивная доля: $$AF=\frac{RR-1}{RR}.$$ - Регрессии: логистическая (для бинарного исхода), Poisson/negative binomial (для счётных данных с смещением), смешанные эффекты для кластеров (зоны/дни).
- Каскад причинности: построение DAG для идентификации минимального набора переменных для контроля.
- Causal‑inference: propensity score matching/weighting, g‑computation, DiD и ITS как описано выше, проверка параллельных трендов.
- Простые проверки: сезонность, автокорреляция, контроль трендов, чувствительность к неучтенным переменным.
5) Оценка факторов риска — практический план
- Провести описательную аналитику по времени/локации/типу участников.
- Простые модели: подсчитать $IR$ по подгруппам, затем многопеременный анализ с контролем конфаундеров.
- Привести рейтинги факторов по величине эффекта (например, IRR и доверительные интервалы).
- Простые KPI: изменение IR до/после интервенции, % сокращения, NNT‑подобные метрики для мер (сколько учасников нужно охватить, чтобы предотвратить 1 ДТП).
6) Комплексные меры по обеспечению безопасности (инженерные + поведенческие + управленческие)
- Инженерные (прямое воздействие):
- снижение скорости: ограничение до $\le 30$ км/ч на территории кампуса, лежачие полицейские/сужения проезжей части, круговое движение на перекрёстках;
- безопасные переходы: поднятые пешеходные переходы, яркая разметка, островки безопасности, расширение тротуаров, отдельные велодорожки;
- освещение и зрительная видимость: LED‑освещение, уборка кустов, контрастная разметка;
- физические барьеры вокруг оживлённых зон, улучшенная парковочная организация.
- Контроль и технологии:
- автоматические камеры ограничения скорости, датчики потока и предупреждения, мобильные зоны снижения скорости (geofencing) для shuttle/сервисов;
- CCTV‑анализ для выявления «горячих точек» и near‑miss;
- интеграция данных экстренных служб и медучреждений для оперативной аналитики.
- Управление и политика:
- политика «безопасная скорость», контроль парковки, ограничение автомобильного движения в часы пик/мероприятий;
- сотрудничество с городскими властями для согласования трасс и маршрутов.
- Образование и поведение:
- регулярные кампусные кампании (курсы для новых студентов, тренинги для водителей, промо‑мероприятия по безопасности пешеходов и велосипедистов);
- мотивационные/санкционные схемы (штрафы, поощрения).
- Медико‑социальные меры:
- усиление скорой помощи на кампусе, точки первой помощи, программы лечения и реабилитации.
7) План внедрения и оценка эффективности
- Пилотировать пакеты мер в нескольких зонах (stepped‑wedge или кластерный RCT).
- Оценивать эффект по заранее заданным метрикам: $IR$, IRR, число ДТП/месяц, тяжёлые травмы.
- Использовать DiD или ITS для оценки причинного эффекта; при RCT — анализ по намерению лечить.
- Внедрить систему постоянного мониторинга (dashboard) и ежеквартальные ревью.
- Порог эффективности/цель: например, снижение числа ДТП на $\ge 20\%$ за год после полного внедрения — пересматривать по результатам.
8) Контроль качества и этика
- Обеспечить защиту персональных данных при сборе CCTV/медданных.
- Оценивать побочные эффекты (смещение трафика в соседние улицы).
- Проводить анализ чувствительности к неучтенным переменным.
Если нужно, могу предложить конкретный план исследования (выбор дизайна, набор переменных, размер выборки и модель) под ваши данные — укажите доступные данные и размер выборки.