Safe Streets for All? Analyzing Infrastructural Response to Pedestrian and Cyclist Crashes in New York City, 2009–2018
Notice bibliographique
Résumé
Although cycling and walking carry a host of benefits, neither the benefits nor the risks—those of injury and fatality—are equitably distributed. Although research has shown higher income and gentrified areas have better access to protected bicycle infrastructure, low-income and communities of color are overrepresented in severe injury and fatality rates among cyclists and pedestrians. This research employs temporal, spatial, and socio-economic data to study the distribution of cycling infrastructure and safety improvements in New York City between income groups and boroughs. The integration of temporal data representing pedestrian and cyclist injury and fatality, and infrastructure installation date, point toward the establishment of time trends in the relationship between traffic violence and safety investment. Socio-economic factors are analyzed to see how this relationship and access more generally are related to income. We observed that lower-income groups continue to be overrepresented in crashes across New York’s boroughs, with the exception of Manhattan, and although crash rates have fallen in the years since 2009, these gains do not improve the position of lower-income groups, which continue to experience a disproportionate share of fatalities and injuries. However, longitudinal multi-level logistic models controlling for reported pedestrian and cyclist injuries in previous years uncovered additional relationships between socio-economic status, injuries, location, and safety investment. For example, the implementation of safety improvements and speed humps are significantly related to reported injuries in previous years; this finding supports the city’s stated goals of targeting improvements to areas most in need of improved safety for vulnerable road users.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».