Geometric and topological determinants of pedestrian crash frequency: a predictive modeling approach in Città Studi, Milano

Pedestrian safety at urban crosswalks is a critical public health challenge, yet predictive models often lack the micro-level granularity needed to guide effective site-specific interventions. This thesis addresses this gap by developing a crosswalk-level predictive model to identify the geometric and operational determinants of pedestrian crash frequency, using the Città Studi district of Milano, Italy, as a case study. A master dataset was constructed for 423 crosswalks, integrating geometric features from OpenStreetMap (OSM) with official crash records (2017–2021) from the Municipal Traffic Accident Database (MTAD). Crashes were spatially assigned using an optimized 20-meter buffer matching method. Exploratory data analysis revealed significant overdispersion in the crash counts (variance ≈ 0.231 > mean ≈ 0.184), invalidating the assumptions of a standard Poisson model. Consequently, a Negative Binomial (NB) regression model was employed. Diagnostic tests confirmed the NB model's superior fit (Pearson χ²/df = 1.12) and robustness (low 3.3% influence point ratio). The model identified two key infrastructure characteristics as statistically significant predictors of crash frequency: 1. **Crossing Length:** This emerged as the strongest frequency factor. For every 1-meter increase in crossing distance, the expected crash frequency rises by 5.0% (IRR = 1.050, p < 0.01). This finding was validated as highly robust by bootstrap resampling. 2. **Road Type:** Configuration as a one-way road was a significant protective factor, associated with a 39.6% reduction in expected crash frequency compared to two-way roads (IRR = 0.604, p < 0.05). Monte Carlo simulations based on the model quantified the cumulative frequency, demonstrating that high-frequency designs (e.g., 40-meter crossings) can have over 440% higher predicted crash counts than low-frequency baselines. These findings provide quantitative, actionable evidence for traffic engineers to prioritize interventions that reduce effective crossing distance, such as curb extensions and refuge islands, to enhance pedestrian safety in dense urban environments.

La sicurezza dei pedoni negli attraversamenti urbani rappresenta una sfida critica per la salute pubblica, ma i modelli predittivi spesso mancano della granularità a livello micro necessaria per guidare efficaci interventi sito-specifici. Questa tesi affronta tale lacuna sviluppando un modello predittivo a livello di attraversamento pedonale per identificare i determinanti geometrici e operativi del rischio di incidente pedonale, utilizzando il quartiere di Città Studi a Milano, Italia, come caso di studio. È stato costruito un database principale per 423 attraversamenti pedonali, integrando dati geometrici da OpenStreetMap (OSM) con i registri ufficiali degli incidenti (2017–2021) del Database degli Incidenti Stradali del Comune (MTAD). Gli incidenti sono stati assegnati spazialmente utilizzando un metodo di matching ottimizzato basato su un buffer di 20 metri. L'analisi esplorativa dei dati ha rivelato una significativa sovradispersione (overdispersion) nel conteggio degli incidenti (varianza ≈ 0.231 > media ≈ 0.184), invalidando gli assunti di un modello di Poisson standard. Di conseguenza, è stato impiegato un modello di regressione Binomiale Negativa (NB). I test diagnostici hanno confermato la migliore adattabilità del modello NB (Pearson χ²/df = 1.12) e la sua robustezza (basso rapporto di punti di influenza, 3.3%). Il modello ha identificato due caratteristiche chiave dell'infrastruttura come predittori statisticamente significativi del rischio di incidente: 1. **Lunghezza dell'attraversamento:** Questo è emerso come il fattore di rischio più forte. Per ogni aumento di 1 metro nella distanza di attraversamento, il rischio atteso di incidente aumenta del 5.0% (IRR = 1.050, p < 0.01). Questo risultato è stato validato come altamente robusto mediante ricampionamento bootstrap. 2. **Tipo di strada:** La configurazione a senso unico è risultata essere un fattore protettivo significativo, associato a una riduzione del 39.6% del rischio atteso di incidente rispetto alle strade a doppio senso (IRR = 0.604, p < 0.05). Simulazioni Monte Carlo basate sul modello hanno quantificato il rischio cumulativo, dimostrando che i design ad alto rischio (ad esempio, attraversamenti di 40 metri) possono avere conteggi di incidenti previsti superiori di oltre il 440% rispetto a quelli a basso rischio. Questi risultati forniscono prove quantitative e operative per gli ingegneri del traffico, utili a prioritizzare interventi che riducano la distanza di attraversamento effettiva, come estensioni dei marciapiedi e isole salvagente, al fine di migliorare la sicurezza dei pedoni in ambienti urbani densi.