受保护的自行车道是否能降低碰撞风险？先把骑行人数算清楚

TL;DR;

• 在自行车道开通后，如果骑行量增长更快，即使事故增多也可以同时存在于更低的个体风险之中。
• 伦敦采用物理隔离的 Cycle Superhighway 路段骑行量增加了 48%，在暴露归一化碰撞风险上没有显著增加；非隔离路段风险上升。¹
• 在 CS2 升级为隔离设施后，骑行量上升 25%，原始碰撞数上升 22%，经暴露归一化后的风险下降 5%。¹
• 多伦多六条自行车专用道（cycle tracks）粗略的骑车人—机动车碰撞数翻倍，但经暴露调整后的风险下降 38%。²
• 暴露调整至关重要，但它无法修复糟糕的路口设计、警方漏报、薄弱的对照设计或将不同伤害严重程度混在一起的问题。

同一条自行车道可以同时“看起来更安全”和“更危险”

假设一条街上一年记录到 10 起自行车事故。一条隔离的自行车道建成后，骑行量翻倍，接下来一年记录到 15 起事故。

安全变差了吗？从公共卫生负担来看，事故从 10 起上升到 15 起。但从假想的“每位骑行者的风险”来看，风险却下降了 25%。这两个陈述在数学上都成立，但单独来看，都无法告诉我们这条车道是否导致了这些变化。

这个“分母问题”困扰着自行车道的效果评估。基础设施可以把原本在平行道路上的骑行者集中过来，产生新的出行，并吸引那些原本不会在混合车流中骑行的人。¹² 只数事故而不数骑行，会因为“用得多”而惩罚成功的路线。简单地用事故数除以骑行者数量要好一些，但当事故数并不与自行车流量成正比增长时，它依然会误导——这种反复出现的模式被称为 “数量-安全效应”（safety in numbers）。[^^3]³

一项 2025 年关于伦敦 Cycle Superhighways 的研究提供了一种更谨慎的处理方式。Anupriya 及其同事没有只问“事故是否增加”，而是将观察到的碰撞数与他们的模型在新骑行量水平下“预期”发生的碰撞数进行比较。他们的结果并不支持“只要叫自行车路线就更安全”的口号，而是支持更窄更具操作性的结论：物理隔离帮助伦敦在不超出暴露所预示的风险的前提下吸收了大幅增加的骑行量，而仅有涂装或共享车道的版本表现较差。¹

“更安全”这个词隐藏了三个不同的问题

在比较研究之前，需要先决定你关心的是哪一种结果：

1. 总碰撞数： 这条走廊上一共发生了多少起警方记录的事故？它衡量了部分总伤害负担，但强烈受该路线使用人数的影响。
2. 经暴露调整的单位风险： 每次出行、每公里、每小时，或每次进入路口发生多少起事故？这更接近于单个骑行者所面临的风险。
3. 伤害严重程度： 有多少人死亡或重伤？如果一种设计把高能量的机动车撞击换成偶发的低速摔倒，那么它未必在每一类事故上都减少，但依然可以预防 Vision Zero 政策最应关注的严重后果。

这些结果可以朝不同方向变化，它们使用的数据也不同。警方数据库记录的是有报告的伤害性碰撞；医院研究记录的是受伤患者，包括一些没有机动车参与的摔倒；应用程序数据可以估算骑行距离，但可能过度代表某些类型的骑行者。⁴⁵ 英国交通部明确警告：许多非致命伤亡从未进入警方数据，即使死亡记录要完整得多。⁶

伦敦研究实际上做了什么

伦敦自 2010 年开始启用 Cycle Superhighways。这个名称覆盖了非常不同的街道形式：有的路线主要是蓝色涂装、公交车道共享、交通减速和标识；CS3 主要是隔离的双向车道；CS5 和 CS6 完全隔离；CS2 和 CS7 则在开通几年后进行了大量保护性升级。¹ 把它们当作同一类干预会掩盖最有可能真正起作用的设计特征。

研究者利用英国 STATS19 警方碰撞记录、交通部交通计数、伦敦交通局的自行车道地理信息以及社区数据，构建了 2000–2019 年的面板。他们将距离已运营 Cycle Superhighway 0.5 公里内的 111 个道路路段归为处理组，并选取距离任何路线 1.5 公里以外的 584 个潜在对照路段。¹

他们采用了两种方法：

• 倾向得分匹配的双重差分（propensity-score-matched difference-in-differences）：按项目实施前的自行车和机动车流量、既往事故数、贫困程度、可达性以及距离对处理路段和对照路段进行匹配，然后比较它们随时间变动的结果差异。
• 带道路和年度固定效应的面板结果回归（panel outcome regression with road and year fixed effects）：在控制街道间稳定差异以及全市年度冲击的前提下估计变化。

两者都试图估计反事实：在没有 Cycle Superhighway 的情况下，这些处理街道很可能会发生什么。这比简单的前后对比要强，但并不是随机对照。要进行因果解释，仍要依赖一个假设：匹配道路在未处理状态下会有可比的趋势，并且不存在重要的、在处理点和对照点上随时间差异变化的未观测因素。¹

为什么光用“自行车计数做分母”还不够

通常的暴露率是用年事故数除以年平均日骑行量，这相当于假定骑行者翻倍就应产生翻倍的碰撞数。然而，Jacobsen 的经典“数量-安全效应”分析及之后的荟萃分析发现，在许多情境中这关系是次线性的：随着步行或骑行量上升，碰撞数往往以更小的比例增加。⁷³

这种模式可能反映出：司机更预期到行人和骑行者、机动车速度降低、既有利于安全又支持骑行的基础设施和土地利用，或多种机制同时作用。它并 不能 证明“单纯增加骑行者”就会带来保护效应。但它意味着，采用线性分母会让任何高流量路线看上去“人为地好看”。

伦敦团队改为拟合一条在项目实施前“自行车流量—碰撞数”之间的灵活曲线。他们的 归一化碰撞率，是用观察到的碰撞数除以该曲线和其他协变量在该暴露水平下预测的碰撞数。值为 1 表示该路段经历的碰撞数与模型预期相当；大于 1 表示多于预期；小于 1 表示少于预期。¹

回到前面的假想街道。骑行量翻倍后，15 起事故看上去比 20 起要好（在线性假定下）。但如果在这个流量下、可比街道预期有 14 起事故（源于非线性暴露关系），那么归一化率就是 15 ÷ 14，即 1.07：略差于预期。该模型问的是一个更难的问题，而不是“碰撞增长比骑行增长慢不慢”。

伦敦在隔离车道建成后发生了什么

在总量层面上，Cycle Superhighways 使骑行量、原始碰撞数和归一化碰撞风险都增加。这个总体平均值并不能用来给“隔离车道”下结论，因为早期网络包含大量涂装车道和公交车道共享。一旦按设计类型拆分路线，结论就变化了。¹

所有百分比均为该研究采用倾向得分匹配双重差分所得估计；“无显著变化”表示在 95% 置信水平下，分析无法区分该估计与零的差别。¹

这张表说明为什么原始计数远远不够。隔离路段在干预后记录的碰撞数大约增加 36%，单看这一点令人担忧。但自行车流量增加了约 48%，而归一化风险并未显著偏离该暴露水平的预期。在 CS2 上，物理保护加上去之后，原始碰撞数同样上升，却让归一化风险下降了 5%。

研究者假设，早期非隔离路线吸引了缺乏经验的骑行者，而他们在路口更容易出现困难。他们发现，路口“单车事故”有一段时间上升，并将其用作经验不足的代理指标。¹ 这是一种有趣的解释，而不是真实测量的事实：数据中只有碰撞，没有骑行者的骑行历史。路线转移、施工细节或未观测的道路变化也可能有贡献。

其他考虑暴露的研究给出了相似方向——但有注记

伦敦并不是唯一案例。最有力的支持性研究采用了不同的暴露度量和研究设计，这非常有用，因为它们的弱点并不完全重叠。

这些研究并不能得出一个“放之四海而皆准”的事故减少百分比。它们显示的是：把“受保护的自行车道”当作一个统一处理类别过于粗糙。高度、连续性、停车位置、出入口频率、行驶方向、信号配时以及车道如何穿越路口，这些都可能与“有没有物理隔离”同等重要。

它们也一次又一次显示出“路段 vs 路口”的分裂。多伦多发现，四分之三的骑车人—机动车碰撞发生在路口。² 亚特兰大的点估计显示，在路段之间隔离车道有利，而在路口进入处却不利。⁴ 对于把保护一路延伸到路口转角的几何和信号设计，可以参见 Why Your Bike Lane Ends at Every Intersection。我们关于 right-hook crashes 的文章则专门讨论右转冲突问题；而本文的重点在于方法学：一个路段平均值上的“安全”可能掩盖高度集中的路口问题。

五种让“自行车道安全结果”骗过你的方式

1. 项目建在刚刚出现事故高峰的地方

城市常常在某条街刚经历异常糟糕的一段事故高峰后优先改造这条街。一段时间后，事故数继而“自然回落”到长期平均水平，这种现象称为 “回归均值”（regression to the mean）。天真的前后对比研究会把这部分回落完全归功于项目本身。经验贝叶斯方法和有说服力的对照道路有助于把“处理效果”与“随机波动”区分开来。¹⁰

2. 骑行者改变了路线

一条受保护走廊可能把骑行者从平行街道吸引过来。即使城市总体骑行量并未增加，被处理街道的事故数也会因为暴露集中而上升；而附近街道的事故数则可能下降，因为暴露迁移了。这并不是失败——更安全的路线承担了出行任务——但仅看走廊会无法判断：是总出行增长了，还是只是“把原有风险搬了家”。多伦多发现，在新专用道 151–550 米范围内的街道，其碰撞率下降了 35%，这提示可能存在某种“区域效应”，而不只是简单的风险迁移。²

3. “暴露”只是一个方便的代理

最佳分母取决于冲突类型。在路段上，骑行距离有用；在路口，进入次数更相关；对表面相关的摔倒而言，时间可能更重要。伦敦使用了若干固定点的年平均日自行车计数，并将 0.4 公里范围内的碰撞与之关联。¹ 这远胜于没有分母，但仍不是对每个路段上出行次数或里程的直接普查。

4. 轻微碰撞与致命碰撞被混在一起

伦敦的结果变量是“碰撞数”，而没有分别估计对致死与重伤的影响。¹ 在警方数据中，最严重的事件记录最为完整，而轻微事件则大量缺失；医院数据则记录了另一类样本，包括摔倒。⁶⁵ 成熟的评估应同时报告总伤害和“死亡或重伤（KSI）”结果，并拉长时间窗以应对其罕见性。

5. 平均值抹杀了设计差异

伦敦对“所有路线”的总体结果把安静街道、涂装车道、公交车道共享、部分隔离和连续隔离车道混在了一起。唯有拆开，才看到有用的结论。卡尔加里的 18 个月网络试点也遭遇了相同的“时间与暴露”问题：骑行量上升得很快，但一年左右的事故数据不足以建立稳健的风险变化估计，详见我们关于 Calgary cycle-track evaluation 的讨论。

为下一项项目准备一份更好的成绩单

当一个城市宣布“在隔离车道开通后，事故上升/下降”时，请索要这五组数字：

1. 前后期的自行车出行次数或距离，在可比季节和地点收集。
2. 一个对照组或反事实，而不是只和“去年”比。
3. 路口与路段结果分开呈现，同时描述出入口及路口设计。
4. 将死亡与重伤单独列出，与所有记录碰撞分开。
5. 网络层面与周边街道的影响，以免把路线迁移误当成新出行，或把“风险转移”误当成“风险新增”。

接着，问一句：究竟建了什么？一条穿越频繁车道出入口的双向塑料桩车道、一条带受保护信号的路缘隔离单向车道，以及一条公交车道上的蓝色涂装，并不是可以互换的“同一种干预”。

诚实的回答

受保护的自行车道能减少事故风险吗？在考虑暴露因素的证据中，占上风的观点是：设计良好的物理隔离车道可以降低受伤风险，或者在不让碰撞数同比增长的前提下吸收大规模的骑行增长。¹²⁸⁹⁴⁵ 伦敦最强的同路线结果——CS2 隔离升级——发现的是经统计显著但幅度温和的 5% 归一化风险下降，而不是奇迹。¹

启示既不是“事故上升，所以要拆车道”，也不是“骑行量上升，所以任何设计都安全”。要数清骑行者；要建模说明“可比街道在没有项目时会怎样”；要分清总伤害、个体风险和严重程度；并要把保护一直延伸过路口——否则，本来在走廊平均值上光鲜亮丽的成绩，仍可能在转角处土崩瓦解。

FAQ

Q1. 即使受保护的自行车道更安全，自行车事故数还能在开通后继续上升吗？
A. 能。多伦多在六条专用道开通后，粗略的骑车人—机动车碰撞数翻倍，但经暴露调整后的碰撞率下降了 38%。²

Q2. 什么是“经暴露归一化的自行车碰撞率”？
A. 它将观察到的碰撞数与在测得骑行量水平下“预期”发生的碰撞数进行比较，并考虑两者非线性关系。¹

Q3. 伦敦 Cycle Superhighways 研究对隔离车道有什么发现？
A. 隔离路段的骑行量增加了 48%，而归一化风险并未显著升高；CS2 的隔离升级则使归一化风险约降低了 5%。¹

Q4. 为什么受保护的自行车道在路口仍然可能危险？
A. 因为转弯机动车和横向车流仍会与骑行者发生交叉冲突；后退设置、减缓转弯速度、明确优先权以及受保护的信号相位，都是管理这些冲突的关键工具。²⁴

Q5. “数量-安全效应”是否证明了“骑行者越多，每个骑行者就越安全”？
A. 不。该关系可能反映基础设施、车速、土地利用、样本选择或司机行为等多种因素，而不仅仅是骑行者数量本身。⁷³

References