Multivariate analysis and prediction models for pedestrian, bicycle and vehicle crashes in an urban environment through centrality indices and clustering techniques: the case study of Città Studi

Urban environments face significant challenges in ensuring the safety of pedestrians, cyclists, and other vulnerable road users amid increasing traffic volumes and complex road networks. Milan’s Città Studi district, characterized by high pedestrian and cyclist activity, is particularly impacted by crash risks associated with dense traffic and limited infrastructure tailored to non-motorized users. Addressing these risks requires an in-depth analysis to identify high-risk locations and factors contributing to crash frequency and severity. This thesis is made of two parts to analyze and predict urban traffic crashes involving pedestrians, bicycles, and other vehicles in Città Studi. In the first part, a comprehensive multivariate analysis examines five years of crash data (2017-2021) to uncover key factors associated with the frequency and severity of crashes specifically involving pedestrians and bicycles. The analysis reveals critical patterns in crash distribution, identifying and highlighting the impact of infrastructure, vehicle types, and weather conditions on pedestrian and cyclist safety for Milano city as a whole and its district Città Studi. The second part develops predictive models tailored to forecast crashes involving pedestrians, bicycles, and other vehicles, as well as to pinpoint high-risk areas within the district. Utilizing clustering techniques and centrality indices—including a novel index called Icentr—the model incorporates network topology and spatial crash to create clusters of high-crash locations. These data are then used to generate probability density functions, enabling the prediction of future crashes for pedestrians, bicycles, and vehicles, one at a time. The model outcomes provide urban planners with a framework for targeted safety interventions, optimizing resource allocation to effectively mitigate traffic incidents in vulnerable areas in Città Studi.

Le aree urbane affrontano notevoli sfide per garantire la sicurezza di pedoni, ciclisti e altri utenti vulnerabili della strada in un contesto di volumi di traffico in aumento e reti stradali complesse. Il quartiere Città Studi di Milano, caratterizzato da un’elevata presenza di pedoni e ciclisti, è particolarmente esposto ai rischi di incidente a causa della densità del traffico veicolare e delle limitate infrastrutture dedicatea agli utenti non motorizzati. Affrontare questi rischi richiede un’analisi approfondita per individuare le aree ad alto rischio e i fattori che contribuiscono alla frequenza e alla gravità degli incidenti. Questa tesi è composta da due parti per analizzare e prevedere gli incidenti stradali urbani che coinvolgono pedoni, biciclette e altri veicoli nel quartiere Città Studi. Nella prima parte, una completa analisi multivariata esamina cinque anni di dati sugli incidenti (2017-2021) per individuare i principali fattori associati alla frequenza e alla gravità degli incidenti che coinvolgono specificamente pedoni e biciclette. L’analisi rivela modelli critici nella distribuzione degli incidenti, identificando e sottolineando l’influenza di infrastrutture, tipo di veicolo e condizioni meteorologiche sulla sicurezza di pedoni e ciclisti sia per la città di Milano nel suo complesso sia per il quartiere Città Studi. La seconda parte sviluppa un modello predittivo per prevedere gli incidenti che coinvolgono pedoni, biciclette e altri veicoli, e per individuare le aree ad alto rischio all'interno del quartiere. Utilizzando tecniche di clustering e indici di centralità, tra cui un nuovo indice chiamato Icentr, il modello integra la topologia della rete e i dati spaziali sugli incidenti per creare cluster spaziali con elevata presenza di incidenti. Questi dati vengono quindi utilizzati per generare funzioni di densità di probabilità, consentendo la previsione di futuri incidenti. Questi risultati offrono ai pianificatori urbani un quadro per interventi mirati alla sicurezza, ottimizzando l’allocazione delle risorse per mitigare efficacemente gli incidenti stradali nelle aree vulnerabili di Città Studi.