概述
这项研究为何重要。
传统安全分析往往在事故发生后才开始。我的研究探索新兴出行数据与替代指标如何更早、更精细地揭示网络风险，使机构在风险演变成悲剧前采取行动。
在图森信号交叉口网络研究中，我参与将5480万个逐秒网联车辆轨迹点转化为三种替代安全指标，并与五年警方事故记录关联。统计、机器学习及图模型一致发现，避免碰撞所需减速度DRAC是测试中最强的指标。
结果也说明替代指标的适用边界：对追尾、左转、角度碰撞和较轻事故最有信息量；侧擦、单车及严重后果需更多情境与行为变量。这一区分对负责任实施至关重要。
