De relatie tussen ongevallen en etmaalintensiteit op provinciale wegen in Gelderland

Intensiteitsmetingen en wegkenmerken van enkelbaans- en dubbelbaanswegen
Auteur(s)
Reurings, Dr. M.C.B.; Janssen, ir. S.T.M.C.
Jaar
Het doel van dit project Infrastructuur en verkeersonveiligheid is het leggen van (wiskundige) relaties tussen infrastructurele kenmerken van wegen enerzijds en de onveiligheid op die wegen anderzijds. Dergelijke wiskundige relaties worden in de literatuur over het algemeen aangeduid als 'accident prediction models' (APM's, ongevallenmodellen). In dit rapport worden ongevallenmodellen voor provinciale wegen in Gelderland gepresenteerd en besproken. De SWOV heeft van de provincie Gelderland een bestand gekregen met daarin de meetgegevens van een groot aantal telpunten in het provinciale wegennet. Deze telpunten tellen het aantal motorvoertuigen dat passeert. De aan de SWOV geleverde intensiteitsmetingen omvatten de jaren 1993-2004 en het gaat om gemiddelde etmaalintensiteiten. De intensiteiten zijn uitgesplitst naar werk- en weekenddagen. Aan elk telpunt zijn een of meer wegdelen toegekend waarop de intensiteit gelijk wordt verondersteld aan de gemeten intensiteit op het betreffende telpunt. Van deze wegdelen is een aantal kenmerken gegeven, zoals de aanwezigheid van rijrichtingscheiding of fietsvoorzieningen. Voor de modellen in dit rapport zijn alleen die wegdelen gebruikt die buiten de bebouwde kom liggen en waarop geen langzaam verkeer is toegestaan. De SWOV heeft voor deze wegdelen het aantal letselongevallen bepaald dat in 1997-2003 heeft plaatsgevonden. Er is gekozen voor letselongevallen omdat er te weinig dodelijke ongevallen zijn om nuttige analyses mee uit te voeren en omdat de registratie van ongevallen met uitsluitend materiële schade nogal te wensen overlaat. De meeste ongevallenmodellen in de literatuur hebben dezelfde vorm. Ze drukken het aantal (letsel)ongevallen op een wegdeel uit in in ieder geval de lengte en intensiteit van dat wegdeel. Daarnaast kunnen ook nog andere wegkenmerken in het model worden opgenomen, zoals het aantal rijbanen, de rijbaanbreedte en de aanwezigheid van uitritten. Van deze modelvorm is ook uitgegaan in dit rapport. Een verschil met andere ongevallenmodellen is echter dat wegkenmerken niet als verklarende variabelen in het model zijn opgenomen, maar dat geprobeerd is verschillende modellen te ontwikkelen voor verschillende wegtypen. Dit is onder andere gedaan omdat verkeersintensiteiten voor verschillende wegtypen sterk kunnen verschillen, waardoor het problematisch kan worden een goed model te fitten met zowel de intensiteit als bepaalde wegkenmerken als verklarende variabelen. Het gebruikte gegevensbestand bevatte te weinig informatie om hele gedetailleerde wegtypen te definiëren; het was alleen mogelijk om onderscheid te maken tussen enkelbaans- en dubbelbaanswegen. Aangezien scheiding van rijrichtingen het nagenoeg onmogelijk maakt dat voertuigen die in tegengestelde richting rijden met elkaar botsen, is het te verwachten dat het aantal rijbanen een grote invloed heeft op het aantal ongevallen. Om de modellen daadwerkelijk te ontwikkelen is gebruikgemaakt van gegeneraliseerde lineaire modellen. Deze worden in de literatuur veel gebruikt om de parameters van ongevallenmodellen te schatten. Modellen geschat met lineaire regressie zijn ook gegeneraliseerde lineaire modellen. Wanneer het drukker wordt op de weg, neemt het aantal ontmoetingen tussen verkeersdeelnemers toe. Het ligt voor de hand te verwachten dat daardoor ook het aantal ongevallen toeneemt. Er zijn immers meer verkeersdeelnemers op de weg die een ongeval kunnen krijgen. Uit de modellen blijkt dat de toename van het aantal ongevallen (per kilometer) minder sterk wordt naarmate de intensiteit stijgt. Het ongevallenrisico neemt dus af bij toenemende intensiteit, waarbij het ongevallenrisico gedefinieerd is als het aantal ongevallen per gereden motorvoertuigkilometer. De invloed van de weglengte op het aantal ongevallen is interessant. Het is namelijk niet zo dat op een weg die twee maal zo lang is als een andere weg maar dezelfde intensiteit heeft, twee maal zo veel ongevallen gebeuren. Het blijkt dat bij gelijke intensiteit langere wegdelen een lager risico hebben dan kortere wegdelen. Dit komt waarschijnlijk doordat bij de letselongevallen ook de ongevallen op kruisingen meegenomen zijn. Zij zijn toegekend aan het aanliggende wegdeel met de hoogste intensiteit. Korte wegvakken staan dus onder een grotere invloed van kruispunten dan langere. Twee andere conclusies die op grond van de gevonden modellen getrokken kunnen worden, zijn dat: - dubbelbaanswegen over het algemeen een lager risico hebben dan enkelbaanswegen, wat een direct gevolg is van het scheiden van de rijrichtingen; - voor enkelbaanswegen het risico op weekenddagen hoger is dan op werkdagen, terwijl het voor dubbelbaanswegen net andersom is. Ongevallenmodellen kunnen op twee manieren door wegbeheerders gebruikt worden. Ten eerste kunnen ze het aantal ongevallen op een bepaalde weg vergelijken met het door een geschikt model voorspelde aantal. Wanneer het werkelijke aantal hoger is dan het voorspelde aantal, kan een wegbeheerder concluderen dat zijn wegvak onveiliger is dan andere wegvakken van hetzelfde type. Door het wegvak nader te onderzoek kan de wegbeheerder proberen te achterhalen hoe dat komt en zo het probleem eventueel oplossen. Ten tweede kunnen ongevallenmodellen ook gebruikt worden om een keuze te maken tussen twee kenmerken bij het (opnieuw) inrichten van een weg. Uit de modellen in dit rapport volgt bijvoorbeeld dat dubbelbaanswegen over het algemeen een lager risico hebben dan enkelbaanswegen en op basis daarvan kan een wegbeheerder besluiten op bepaalde wegen de rijrichtingen te scheiden. Ook in het SWOV-programma 2007-2010 zullen ongevallenmodellen ontwikkeld worden voor verschillende wegtypen. Om dit goed te kunnen doen is het aan te bevelen een zeer uitgebreid gegevensbestand op te bouwen. In dit bestand moeten van veel meer wegen veel meer kenmerken geregistreerd staan dan in de huidige bestanden het geval is. Ook is het interessant om kruispunten met hun kenmerken aan het bestand toe te voegen. Alleen dan kunnen zeer gedetailleerde weg- en kruispunttypen gedefinieerd worden waarvoor dan ongevallenmodellen ontwikkeld kunnen worden. Dit zullen hetzelfde soort modellen zijn als beschreven in dit rapport, maar er zal ook gekeken worden naar andere typen modellen, namelijk de modellen die gebruikmaken van 'accident modification factors' (AMF's), zoals die in de Verenigde Staten ontwikkeld worden.
The relation between crashes and daily volumes on provincial roads in Gelderland The aim of the Infrastructure and road safety project is to establish mathematical relations between infrastructural road characteristics and the safety of these roads. In scientific literature such mathematical relations are generally refered to as accident prediction models (APMs). In this report we will present and discuss APMs for provincial roads in (the province of) Gelderland. From the eastern province of Gelderland, SWOV received a database containing traffic counts of a large number of count locations of passing motor vehicles along its road network. The traffic volume counts were from the 1993-2004 period and consisted of annual average daily traffic (AADT) counts subdivided by working days and weekends. Every count location is allotted one or more road sections which are assumed to have the traffic volumes that are counted by that count location. Of each road section a number of characteristics is known, such as the presence of bicycle facilities or separation of driving directions. The only road sections used for the models in this report are rural ones that do not permit mopeds, bicycles, and pedestrians. SWOV determined the 1997-2003 numbers of injury crashes on these road sections. We chose injury crashes because there were too few fatal crashes for analysis purposes and because the registration of Material Damage Only crashes is insufficient. In the literature, most APMs have the same structure. They express the number of (injury) crashes on a road section per road length and traffic volume of that road section. Besides this, other road characteristics can be included, such as the number of carriageways, the carriageway width, and the number of exit roads. This report uses such models. However, a difference is that road characteristics are not used as explanatory variables in the model, but that we have tried to develop different models for different road types. One of the reasons for this is that the traffic volumes for different road types can differ strongly. This makes it difficult to fit a good model with both the volume as well as certain road characteristics as explanatory variables. The databases used do not contain enough information to make a detailed classification of road types; it was only possible to make a distinction between single and dual carriageways. Seeing as driving direction separation makes it practically impossible for vehicles driving in the opposite direction to collide, it is to be expected that the number of carriageways greatly influences the number of crashes. To actually develop the models we used generalized linear models. In the literature these are often used to estimate APM parameters. Models estimated by linear regression are also generalized models. When a road gets busier, the number of meetings between road users increases. It is to be expected that because of this, the number of crashes would increase. After all, there are more road users who could be involved in a crash. The models show that the increase in the number of crashes per kilometre is less than the increase in the traffic volume. The crash rate thus decreases as the traffic volume increases. The crash rate is here defined as the number of crashes per motor vehicle kilometre travelled. The influence of the road length on the number of crashes is interesting. It is in fact not true that twice as many crashes occur on a road which is twice as long as another road with the same traffic volume. Longer road sections have a lower crash rate than shorter road lengths with the same traffic volume. This is probably because the injury crashes also include the intersection crashes. They are allotted to the adjacent road section with the highest traffic volume. So short road sections are more influenced by intersections than longer road sections. Two other conclusions that can be drawn from the models found are: - dual carriageways generally have a lower crash rate than single-carriageways, which is a direct result of the driving directions being separated; - single carriageways have a higher crash rate on weekend days than on working days, whereas it is the other way round on dual carriageways. APMs can be used by road authorities in two different ways. The first way is to compare the number of crashes on a particular road with the number predicted by a suitable model. If the real number is larger than the predicted one, a road authority can conclude that its road section is less safe than other road sections of the same type. By examining that road section further, the road authority can try to find out why that is the case, and possibly solve the problem. The second way is to also use APMs to choose between two characteristics when (again) laying out a road. The models in this report show that, for example, dual carriageways generally have a lower crash rate than single carriageways and, based on this, a road authority can decide to separate the driving direction on certain roads. The SWOV 2007-2010 programme also involves developing APMs for different road types. To do this properly we recommend setting up a very detailed database. This should contain many more characteristics of many more roads than the current databases. It is also interesting to add intersections with their characteristics to this database. Only then can very detailed road and intersection types be defined that are necessary for developing APMs. These will be the same type of models as described in this report, but we will also examine other types of models viz. models that use accident modification factors (AMFs), as have been developed in the United States.
Rapportnummer
R-2006-21
Pagina's
36 + 6
Gepubliceerd door
SWOV, Leidschendam

SWOV-publicatie

Dit is een publicatie van SWOV, of waar SWOV een bijdrage aan heeft geleverd.