Hoe komt het dat het aantal verkeersdoden onregelmatig maar gestaag daalt? Het is niet eenvoudig om het verloop van de verkeersonveiligheid in de tijd (op basis van ongevallencijfers) te verklaren. Dit komt doordat de condities voor experimenteel onderzoek ontbreken. Het is niet mogelijk om het effect van een bepaalde maatregel te isoleren van andere maatregelen en ontwikkelingen. Het verloop van de verkeersonveiligheid in de tijd wordt bepaald door veranderingen in risico en expositie (mobiliteit). Veranderingen in risico zijn het gevolg van betere voertuigen, veiliger wegen en veiliger gedrag van verkeersdeelnemers. Veranderingen in expositie zijn het gevolg van veranderingen in verkeersdeelname. De SWOV heeft onderzoek gedaan naar zowel ontwikkelingen in risico als ontwikkelingen in expositie. Dit is gedaan met behulp van technieken om tijdreeksen te analyseren. Met behulp van modelvorming op basis van deze technieken is getracht de samenloop van maatregelen en ontwikkelingen te ontvlechten. Dit rapport begint met een inventarisatie van bestaande kennis over modellen met verklarende factoren en van ervaringen die elders zijn opgedaan met toepasselijke analysetechnieken. Daarna is een aantal indelingen gemaakt van ongevallen en hypothesen opgesteld over de ontwikkeling in de tijd van de verkeersonveiligheid door die ongevalstypen. Vervolgens zijn voor een beperkt aantal ongevalstypen en voor ongevallen per wegcategorie tijdreeksanalyses uitgevoerd om de invloed van bepaalde variabelen op de ontwikkeling van het ongevallenrisico empirisch vast te stellen. Daarbij is gebruikgemaakt van een techniek van tijdreeksanalyse, die in de Engelstalige literatuur bekend staat als 'state space modelling'. De belangrijkste resultaten van de onderzoeken waarvan in het rapport verslag wordt gedaan, liggen op methodologische vlak. Hoe kunnen met behulp van 'state space modelling' verklaringen gevonden worden voor de ontwikkeling van de verkeersonveiligheid in de tijd? Ondanks de uitgebreide systematische zoektocht naar mogelijke verklaringen zijn maar weinig verklaringen gevonden. Wel zijn invloeden gevonden van het weer, het Startprogramma Duurzaam Veilig en de invoering van de ov-studentenkaart. Een belangrijk leerresultaat uit de onderzoeken met behulp van 'state space modelling' is dat bij het ontwikkelen van een verklarend model rekening moet worden gehouden met een aantal complicerende omstandigheden: de beperkte beschikbaarheid van data (met name over verklarende variabelen), de relatief korte tijdreeksen van de data en het feit dat veel ontwikkelingen gelijktijdig plaatsvinden.
Influences on road safety development; A study of the applicability of models Why does the number of road deaths decrease steadily but irregularly? To explain road safety developments by using crash data is not that simple. This is because of a lack of conditions for experimental research. It is just not possible to isolate the effects of a particular measure from other measures and developments. How road safety develops in the course of time is determined by changes in crash rates and exposure. Changes in crash rates are the result of safer vehicles, safer roads, and safer road user behaviour. Changes in exposure are the result of changes in distances travelled and changes in modes of transport. SWOV carried out a study of developments in crash rates as well as exposure. This was done by using techniques of time series analysis. By using models based on these techniques we tried to disentangle the sequence of measures and developments. This report begins with an inventory of existing knowledge about explanatory models and of experience elsewhere with applicable analysis techniques. We then made a number of subdivisions in crash data and formulated hypotheses about road safety development of these crash types in the course of time. Then, for a limited number of crash types and crashes by road type, we carried out time series analyses in order to empirically calculate the influence of certain variables on the crash rates. For this we used a time series analysis technique that is known as state space modelling. The most important results reported here are of a methodological nature. How can state space modelling help us to find explanations for road safety developments as a time series? In spite of an extensive systematic search for possible explanations, only a few were found. What we did find concerned the influence of weather, the Start-up Programme Sustainable Safety, and the introduction of the Free Public Transport Pass for students. An important learning result of using state space modelling was that when developing an explanatory model one should take a number of complicating circumstances into account: the limited availability of data (especially explanatory variables), the relatively short time series of the data, and the fact that many developments occur simultaneously.
