这可能是一个远景（实际上），但如果你能掌握（受害者、司机）这对人，并拥有一个体面的社交网络搜索引擎，你就可以计算出司机和受害者之间的“分离度”然后通过假设从发生事故的当地人口（例如，典型通勤距离内的每个人）中随机分配驾驶员和受害者来构建“分离度”的零分布。这将纠正“小镇”效应，每个人都与其他人有着密切的联系。

关键假设是：实际的司机/受害者对的分离度是否比一般人群少？如果是这样，则意味着（a）亲密熟人在城镇中的活动以某种方式“同步”[例如，人口分层]（b），至少一些事件似乎涉及异常大量的亲密熟人。

另一种方法是使用“分离度”作为变量进行逻辑回归，并在 y 轴上使用“事故/受害者配对的概率”。强烈增加的函数将暗示“接近”效应。

您需要通过查看是否有任何“高关系”对实际上导致了凶杀案审判并将其与行人碰撞的凶杀案起诉的总体比率进行比较来证实这一点。