45、电动交通的安全推广与伤害预防

电动交通的安全推广与伤害预防

1. 数据指标分析

• 参与度衡量 ：通过Vicinitas网站收集以“电动交通”为关键词的推文，共收集到2053条推文。参与度和影响力分别为6600和5870万。参与度仅为推文数量的3倍，但影响力约为推文数量的30000倍。随着时间推移，累积参与度和推文数量稳步增加，表明用户近期积极讨论和转发有关电动交通的推文。
• 新兴指标 ：使用Harzing’s Publish or Perish 7从Google Scholar搜索“电动交通伤害预防”的数据计算新兴指标，时间范围为2010 - 2019年。新兴指标包括增长、网络和持久性。具体数据如下表：
  | 新兴指标 | 新兴值 |
  | — | — |
  | 增长（2019年文章数量/2010年文章数量） | 1.92 |
  | 网络 | 501位作者 |
  | 持久性 | 524篇文章 |

2. 结果分析

• 共被引分析

  • 工具使用 ：使用CiteSpace、VOSviewer和通过Bibexcel生成的透视表进行共被引分析，以筛选出有影响力的文章。
  • CiteSpace分析结果 ：以“电动车辆伤害”为关键词从WoS获取数据，创建的共被引聚类中显示有四位作者：Du W.、Siman - Tov M.、Langford B. C.和Popoutsi S.，表明他们的文章被频繁引用。通过CiteSpace进行的引文爆发分析显示，Du等人的一篇文章在2017 - 2019年被引用最多，该文章被加入系统评价的待审查文章列表。
  • VOSviewer分析结果 ：使用相同的数据进行分析，Du W.、Siman - Tov M.、Langford B. C.和Popoutsi S.也出现在分析图中。在最低出现次数为6次的共被引分析文章列表中，只有13篇文章达到阈值，Du W.的文章链接强度最高，还有另一篇文章链接强度排第五。
  • Google Scholar数据确定领先作者 ：使用“电动交通伤害预防”为关键词从Google Scholar获取数据，确定Guo Y.、Xu C.和Li Y.为领先作者，他们各有7篇相关文章。将每位作者被引用最多的文章加入内容分析。最终整理出的待进一步审查的参考文献列表如下：
    | 作者 | 标题和出版信息 | 年份 |
    | — | — | — |
    | Du, Wei等 | Understanding on - road practices of electric bike riders: an observational study in a developed city of China. Accident Analysis Prevention 59:319–326 | 2013 |
    | Siman - Tov, Maya等 | The casualties from electric bike and motorized scooter road accidents. Traffic Injury Prevention 18(3):318–323 | 2017 |
    | Guo, Yanyong等 | Evaluating factors affecting electric bike users’ registration of license plate in china using Bayesian approach. Transportation Research Part F: Traffic Psychology and Behaviour 59(2018):212–221 | 2018 |
    | Du, Wei等 | Epidemiological profile of hospitalised injuries among electric bicycle riders admitted to a rural hospital in Suzhou: a cross - sectional study. Injury Prevention 20(2):128–133 | 2014 |
    | Wang, Chen等 | Modeling faults among e - bike - related fatal crashes in China. Traffic Injury Prevention 18(2):175–181 | 2017 |

• 内容分析

  • 工具使用 ：使用VOSviewer、Vicinitas和MAXQDA进行内容分析。
  • Vicinitas生成词云 ：以“电动交通”为搜索词生成词云，除搜索词外，“未来”“车辆”“转变”等是值得注意的关键词，表明公众认为电动交通是未来趋势，且正在从传统交通方式向电动交通转变。
  • MAXQDA生成词云 ：对共被引分析后考虑审查的文章和书籍生成词云，最低频率为30次。词云中出现“踏板车”“电动自行车”表明对这些交通工具的研究活跃，“中国”的出现表明中国在电动交通方面的研究较多，“电池”和“电机”作为电动交通的主要部件，其改进可能是伤害预防的关键领域。
  • VOSviewer内容聚类分析 ：以“电动交通伤害预防”为关键词从Google Scholar搜索数据，创建的网络图表最低出现次数为20次。最初有51个词达到阈值，去除不必要和冗余的词后，剩下29个词。“伤害”是最常用的关键词，除搜索词外，“系统”出现136次，“安全”出现88次。图表中包含中国和美国，表明这两个国家在该研究领域的研究较多。以下是关于“电动车辆伤害”研究文章的前10个国家的表格：
    | 国家/地区 | 记录数 | 占122条记录的百分比 |
    | — | — | — |
    | 中国 | 40 | 32.787 |
    | 美国 | 36 | 29.508 |
    | 澳大利亚 | 9 | 7.377 |
    | 以色列 | 9 | 7.377 |
    | 德国 | 8 | 6.557 |
    | 加拿大 | 7 | 5.738 |
    | 日本 | 6 | 4.918 |
    | 瑞典 | 5 | 4.098 |
    | 韩国 | 4 | 3.279 |
    | 瑞士 | 4 | 3.279 |

下面我们可以用mermaid绘制一个简单的流程图来展示内容分析的流程：

graph LR
    A[数据获取] --> B[共被引分析]
    B --> C[确定待审查文章]
    C --> D[内容分析]
    D --> E[Vicinitas词云分析]
    D --> F[MAXQDA词云分析]
    D --> G[VOSviewer内容聚类分析]

以上就是电动交通安全推广与伤害预防相关研究的上半部分内容，涵盖了数据指标分析和结果分析的主要内容，为我们了解该领域的研究现状提供了重要信息。

电动交通的安全推广与伤害预防

3. 电动交通伤害趋势

全球范围内电动交通工具的数量不断增加，多个国家的城市都在对电动交通意外的伤害趋势进行研究。
- 中国 ：电动自行车和轻便摩托车是主要的交通方式之一，南京、泰兴、苏州和浙江等城市都开展了相关研究。据研究，浙江三年间观察到的交通事故中，32.7%与电动自行车有关。常见的伤害原因包括不戴头盔和不遵守交通规则。例如，只有9%的骑行者戴头盔，这大大增加了受伤风险。在苏州的研究中，57.2%的交通伤害与电动自行车骑行者有关，夜间事故中创伤性脑损伤的几率显著增加。
- 美国 ：自2017年末电动滑板车共享服务开始在美国普及，多项研究分析了伤害趋势并寻求安全措施。根据数据，电动滑板车每百万英里行驶的受伤率为180，而其他机动车为0.9，前者是后者的200倍。最常见的受伤原因是从车上摔倒（84.7%），头部和面部是最易受伤的部位（45.5%），且仅有1.6%的患者戴了头盔。此外，大量重伤患者受酒精或大麻影响。
- 其他国家 ：以色列和新加坡也对电动交通伤害进行了研究。在以色列，92%的患者是骑行者，33%的伤亡者是14岁以下的儿童。在新加坡，电动自行车和电动滑板车骑行者在个人移动设备造成的伤害中受伤最严重。

从全球来看，虽然各地都在进行研究，但电动交通伤害的常见原因和加重伤害的因素呈现出相似的趋势。以下是不同国家电动交通伤害情况的简单对比表格：
| 国家 | 主要交通工具 | 常见受伤原因 | 特殊情况 |
| — | — | — | — |
| 中国 | 电动自行车、轻便摩托车 | 不戴头盔、不遵守交通规则 | 夜间事故创伤性脑损伤几率高 |
| 美国 | 电动滑板车 | 从车上摔倒、未戴头盔 | 大量重伤患者受酒精或大麻影响 |
| 以色列 | 电动自行车、电动滑板车 | - | 33%伤亡者为14岁以下儿童 |
| 新加坡 | 电动自行车、电动滑板车 | - | 骑行者受伤最严重 |

4. 伤害预防方法

在分析了常见的伤害模式后，一些文章提出了相应的伤害预防方法：
- 注册与教育 ：电动交通目前处于机动车和人力交通工具的灰色地带，速度比人力交通工具快，风险更高，但尚未得到严格的注册和监管。因此，电动自行车应进行注册，以监控道路上的违法行为。同时，骑行者应接受与机动车驾驶员类似的安全教育。
- 佩戴安全装备 ：多篇文章指出，大多数受伤患者未戴头盔，导致头部或面部受伤。因此，佩戴适当的安全装备是最重要的预防方法。
- 改善交通系统 ：可以通过改善交通系统来减少伤害的发生。例如，设置与其他车道物理隔离的自行车道、安装电动自行车骑行者视频监控系统以及对酒后骑行者进行严格监管等。

我们可以用mermaid绘制一个流程图来展示伤害预防方法的实施流程：

graph LR
    A[分析伤害模式] --> B[提出预防方法]
    B --> C[注册与教育]
    B --> D[佩戴安全装备]
    B --> E[改善交通系统]

5. 未来工作

深入分析表明，电动交通已成为全球新兴的交通方式，骑行者和行人面临的潜在危险也在相应增加。虽然已经提出了一些预防方法，如推广电动交通工具注册、限制酒后使用以及佩戴头盔等，但还需要详细分析驾驶员的行为，以找出导致事故的因素。
- 预测驾驶员行为 ：有研究项目致力于通过预测驾驶员在车内从事次要活动时的分心情况来预防交通事故。例如，Monselise等人开发了一个模型，根据道路条件和驾驶员行为预测事故。他们收集并分析了7707次行程，使用四种不同的机器学习和深度学习模型，其中梯度提升模型在事故预防方面表现出最准确和可解释的结果。研究表明，预测事故的最重要变量是事故前的操作和次要任务持续时间，因此专注于驾驶是预防事故的关键。
- 发展可靠的事故预防系统 ：随着联网和自动驾驶车辆的快速发展，其安全功能至关重要。这些系统不仅要能够感知道路数据，还要能够预测其他驾驶员的行为，特别是传统车辆或主动交通使用者（行人或自行车骑行者）的行为。在全自动车辆广泛上市之前，需要开发可靠的事故预防系统。随着计算方法和传感器的不断进步，可以收集和分析更多的道路和驾驶员数据，从而建立更准确的模型，发现以前未考虑到的因素，降低潜在危险。

综上所述，电动交通的安全推广和伤害预防是一个复杂且重要的课题，需要从多个方面入手，不断探索和改进，以保障骑行者和行人的安全。