Publicatie

Risicofactoren nader onderzocht: 50km/uur-kruispunten

Het concept van Safety Performance Indicators (SPI’s) nader belicht, risicofactoren bij dodelijke ongevallen en kwantificering van roodlichtnegatie

Auteur(s)

Aarts, L.T.; Loenis, B.J.C.; Dijkstra, A.; Deden, N.Y.; Noorloos, R.

Jaar

2016

Downloaden

PDF-pictogram pdf (5.17 MB)

Safety Performance Indicators (SPI’s) zijn ‘prestatie-indicatoren’ voor verkeersonveiligheid die betrekking hebben op risicofactoren in het verkeer die door beleidsmakers gebruikt kunnen worden voor proactief verkeersveiligheidsbeleid. Voor een proactief beleid bestaan al verschillende beleidsinstrumenten die steeds meer in de belangstelling staan door de toegenomen interesse van beleidsmakers in een ‘risicogestuurde’ aanpak. Dat betekent in essentie dat overheden op basis van wetenschappelijke inzichten vooraf maatregelen treffen op plekken en in situaties die potentieel gevaarlijk zijn.

In dit rapport is het begrip ‘SPI’s’ verder onder de loep genomen. Daarbij stonden de volgende vragen centraal:

  1. Wat wordt in de literatuur verstaan onder prestatie-indicatoren in het algemeen en SPI’s in het bijzonder, en welke conceptuele kaders treffen we daarbij aan?
  2. Welke SPI’s worden in de literatuur onderscheiden en welke daarvan zijn mogelijk relevant voor de Nederlandse context?
  3. Zijn er daarnaast ook nog andere mogelijke SPI’s te benoemen?
  4. Hoe staat het met de onderbouwing van de SPI’s onder punt 2 en 3 en met hun onderlinge relaties?
  5. Welke problemen ervaren onderzoekers bij het conceptuele kader van SPI’s, en welke problemen ervaren beleidsmakers bij het begrip SPI’s?
  6. Hoe kan onderzoek bijdragen aan oplossingen voor de geconstateerde problemen?
  7. Welke SPI’s kiezen we om nader te onderzoeken en onderbouwen, en waarom?
  8. Welke van deze factoren vinden we daadwerkelijk terug in ernstige ongevallen op het Nederlandse wegennet?
  9. Wat is de kwantitatieve relatie [i] tussen één of meer van deze factoren met het ontstaan van ongevallen en slachtoffers, en welke methoden zijn geschikt om tot een dergelijke kwantificering te komen?

Conceptuele beschouwing van SPI’s

Om de eerste zes vragen te beantwoorden, is een literatuuronderzoek gedaan naar prestatie-indicatoren in het algemeen en SPI’s in het bijzonder. Daarnaast zijn wetenschappers en beleidsmakers geïnterviewd die al met SPI’s bekend zijn of ermee werken: welke problemen ervaren zij met het begrip SPI’s en wat zijn volgens hen belangrijke onderzoeksvragen?

Op basis hiervan concluderen we het volgende:

1.

Prestatie-indicatoren zijn voor verschillende fasen binnen een systeem te definiëren (invoer, proces, gewenste en ongewenste uitvoer of resultaten). SPI’s zijn daarbinnen een specifiek soort prestatie-indicator, en wel als volgt:

SPI’s zijn risicofactoren of operationele condities van het verkeerssysteem die (kunnen) worden gebruikt om de resultaten van verkeersveiligheidsbeleid te meten. Het zijn daarmee een specifiek soort risico-indicatoren of operationele condities van het verkeerssysteem.

SPI’s zijn een tussenindicator van verkeersveiligheid, waarbij ongevallen en slachtoffers de eindindicator of het eindresultaat zijn. SPI’s worden ook wel aangeduid als ‘leading’ (voorspellende) indicatoren voor verkeersonveiligheid, waarbij ongevallen en slachtoffers als ‘lagging’ (volgende) indicatoren worden beschouwd.

2.

SPI’s die regelmatig in de literatuur worden genoemd, bevinden zicht op de volgende terreinen:

  • kwaliteit van infrastructuur (zoals netwerk, route en kruispunten);
  • gevaarlijk gedrag (zoals rijden onder invloed en snelheid);
  • veiligheidskwaliteit van voertuigen (zoals de leeftijd van een auto);
  • kwaliteit van traumazorg (op zowel korte als lange termijn).

3.

Andere mogelijke SPI’s zijn:

  • afleiding (bijvoorbeeld door smartphones);
  • lichtvoering en andere manieren van zichtbaarheid;
  • roodlichtnegatie in relatie tot kruispunten met verkeersregelinstallaties (VRI’s).

4.

De meeste SPI’s die in de literatuur worden genoemd, kunnen zowel theoretisch als empirisch worden onderbouwd. In sommige gevallen is de empirische onderbouwing alleen gebaseerd op internationaal onderzoek, soms wordt evidentie (of beter: de hoogte van de gevonden risico’s) door onderzoekers in twijfel getrokken (bijvoorbeeld bij rijden onder invloed). Voor een aantal SPI’s ontbreekt de empirische evidentie, met name voor de vraag hoezeer de betreffende factor risicoverhogend is (zoals geen lichtvoering en roodlichtnegatie). Bij sommige SPI’s is het betreffende gedrag nauwelijks te meten (zoals afleiding en vermoeidheid). Van SPI’s op het gebied van infrastructuur is vaak nog onvoldoende duidelijk in welke mate ze (ten opzichte van elkaar of in combinatie met andere factoren) bijdragen aan verkeersonveiligheid.

5.

De problemen die onderzoekers en beleidsmakers met SPI’s ervaren, hebben inhoudelijk gezien vooral betrekking op:

  • De samenhang tussen risicofactoren of condities waaronder factoren een risicofactor zijn: in welke mate dragen ze bij aan het risico op een ongeval als ze in een bepaalde combinatie met elkaar voorkomen?
  • De gelaagdheid van factoren: in hoeverre beïnvloeden ze elkaar en daarmee uiteindelijk het risico?
  • de maten die geschikt zijn om als SPI te gebruiken: in welke maat of eenheid kan een risicofactor het beste worden uitgedrukt om de relatie met onveiligheid zo goed mogelijk weer te geven?
  • SPI’s op één specifiek terrein (bijvoorbeeld gedrag) doorsnijden soms het invloedsdomein van verschillende typen beleidsmakers (in dit geval wegbeheerders en beleidsmakers die zich expliciet met gedragsbeïnvloeding bezig houden).

6.

Onderzoek kan op verschillende manieren bijdragen aan oplossingen voor de hierboven geconstateerde problemen. Ten eerste moeten de geïdentificeerde vraagstukken goed in kaart worden gebracht. Daarbij moeten ook de voorwaarden voor nader onderzoek concreet worden gemaakt. Ten tweede is het belangrijk om iets te doen aan de begripsverwarring van prestatie-indicatoren die zijn gerelateerd aan verschillende fasen van het beleidsproces. Hiervoor doet SWOV een voorstel voor specifiekere naamgeving en definities. Daarbij gaat het vooral om het verschil tussen ‘kritische prestatie-indicatoren’ voor beleidsacties en -maatregelen enerzijds (KPI’s), en prestatie-indicatoren voor verkeersonveiligheid anderzijds (SPI’s).

Empirisch onderzoek naar risicofactoren

Om de overige drie onderzoeksvragen te beantwoorden, is een empirisch onderzoek uitgevoerd naar risicofactoren bij dodelijke ongevallen op 50km/uur-kruispunten. Daarbij zijn de ‘registratiesets’ (formulieren die de politie opmaakt bij een ongeval) 89 dodelijke ongevallen uit 2012 gescoord (de meest recente bij SWOV beschikbare en bruikbare data). Om te achterhalen welke risicogedragingen veel voorkomen, hebben drie beoordelaars onafhankelijk van elkaar gescoord hoe vaak deze factoren zeker of mogelijk hebben bijgedragen aan het ontstaan of de ernst van het ongeval. Kwaliteitsaspecten van de infrastructuur zijn ook gescoord door een beoordelaar.

Op basis hiervan trekken we de volgende conclusies:

7.

Een aantal risicofactoren die we deels terugvinden in de literatuur, kan mogelijk als SPI worden gebruikt op 50km/uur-kruispunten in Nederland. Het gaat deels om algemene risicofactoren (snelheid, rijden onder invloed, afleiding, vermoeidheid, niet (correct) gebruik van beveiligingsmiddelen zoals helm of gordel en lichtvoering of zichtbaarheid bij duisternis), en deels om specifieke risicogedragingen (zoals voorrangverlening en roodlichtnegatie).

8.

De volgende vraag was: welke van deze risicofactoren vinden we daadwerkelijk terug in ernstige ongevallen op het Nederlandse wegennet? De beoordelaars vonden de volgende risicogedragingen die een rol speelden bij dodelijke ongevallen op 50km/uur-kruispunten in 2012 (in volgorde van zekere of vermoedelijke bijdrage):

  • Voorrangverlening (in 82% tot 84% van de gevallen zeker of mogelijk van toepassing; in 15% van de gevallen niet van toepassing vanwege de aard van de situatie).
  • Onaangepaste snelheid (in 15% tot 59% van de gevallen zeker of mogelijk aanwezig).
  • Roodlichtnegatie (in 11% tot 16% van de gevallen zeker of mogelijk aanwezig; in 76% van de gevallen niet van toepassing omdat er geen VRI aanwezig was, en in een enkel geval omdat de VRI niet werkte of er geen ander verkeer in de buurt was dat aan het ongeval heeft bijgedragen).
  • Rijden onder invloed (in 1% tot 16,4% van de gevallen zeker of mogelijk aanwezig).
  • Afleiding (in 1% tot 96% van de gevallen zeker of mogelijk aanwezig, maar de evidentie hiervoor was in vrijwel alle gevallen zeer beperkt).
  • Vermoeidheid (in 39% van de gevallen mogelijk aanwezig, maar ook hiervoor is evidentie uiterst mager).

In de onderzochte ongevallen werden de volgende beschermingsfactoren gevonden (in volgorde van vóórkomen):

  • Geen of incorrecte helmdracht door tweewielers (in 42% tot 55% van de gevallen heeft dit zeker of mogelijk bijgedragen aan het letsel; in 36% van de gevallen niet van toepassing omdat er geen tweewieler bij het ongeval betrokken was of dodelijk gewond raakte);
  • Geen lichtvoering en onvoldoende zichtbaarheid in relatie tot duisternis (in 26% tot 32% van de gevallen zeker of mogelijk aanwezig; in 55% van de gevallen als niet relevant gescoord vanwege de lichtgesteldheid);
  • Geen gordeldracht inzittende van gemotoriseerde voertuigen (in 2% tot 6% van de gevallen heeft dit zeker of mogelijk bijgedragen aan het letsel; in 85% van de gevallen niet relevant omdat het dodelijk slachtoffer niet in een voertuig reed waarin een gordel aanwezig is).

Voor drie risicogedragingen waren er in de registratiesets minder duidelijke aanwijzingen te vinden: zichtbaarheid en lichtvoering, afleiding en vermoeidheid. Deze factoren kunnen dan ook niet goed beoordeeld worden (wat niet wil zeggen dat ze geen of een onbelangrijke rol hebben gespeeld).

Een risicofactor uitgelicht: roodlichtnegatie op 50km/uur-kruispunten

9.

Voor de laatste onderzoeksvraag hebben we de beoordelingen van dodelijke ongevallen op 50km/uur-kruispunten, in een ‘casus-controlemethode’ vergeleken met roodlichtnegatiemetingen op straat. Daaruit kan met enige voorzichtigheid worden vastgesteld dat roodlichtnegatie op 50km/uur-kruispunten circa 17 tot 20 keer meer risico oplevert over alle vervoerwijzen. Dergelijke kwantificeringen kunnen worden afgewogen tegen de gekwantificeerde kennis van andere risicofactoren, en zo worden gebruikt in proactieve, risicogestuurde beleidsinstrumenten.

Aanbevelingen ten aanzien van gegevens

Bij het onderzoek met registratiesets zijn we tegen een aantal zaken aangelopen die tot de volgende aanbevelingen leiden:

  • Bij toekomstig onderzoek met registratiesets is aanvulling vanuit andere bronnen (rechtbankverslagen, mediaberichten, processen-verbaal) aan te bevelen.
  • BRON (de registratie van alle ongevallen die door de politie zijn vastgelegd in processen-verbaal en registratiesets) blijkt over een aantal risicogedragingen geen informatie te bevatten (zoals afleiding, vermoeidheid, gebruik van beveiligingsmiddelen en lichtvoering). In een aantal gevallen blijkt uit BRON ook een veel lagere bijdrage van een risicofactor dan uit gerichte analyses. BRON zou dan ook vollediger kunnen worden gemaakt door expliciet de belangrijkste risicogedragingen (SPI’s) te vermelden.
  • De politieregistratie zou een waardevolle bijdrage kunnen leveren aan de ‘risicogestuurde aanpak’ door voortaan standaard de bijdrage van de belangrijkste risicofactoren volgens een vast protocol te scoren bij ernstige ongevallen. Deze kunnen dan gemakkelijker en met meer zekerheid worden opgenomen in BRON.
  • Om de infrastructurele situatie te analyseren, (bijvoorbeeld met Google Street View), is het in toekomstig onderzoek aan te bevelen zo veel mogelijk de situatie van dat moment te reconstrueren, bijvoorbeeld door het onderzoek op een recentere periode te betrekken. Daarnaast bieden andere bronnen (zoals beelden van CycloMedia) aanvullende aanknopingspunten.
  • Een interessante verdiepingsslag voor zowel risicogedragingen, infrastructurele factoren en eventueel ook andere risicofactoren, zou kunnen plaatsvinden op basis van dieptestudies waarin een bepaalde situatie centraal wordt gesteld. Op basis hiervan kan met nog meer zekerheid worden vastgesteld welke factoren hebben bijgedragen aan het ongeval en ook hoe deze onderling samenhangen.

Aanbevelingen ten aanzien van methoden

In dit onderzoek is de ‘casus-controlemethode’ vergeleken met het gebruik van ‘crash-prediction’-modellen. Beide benaderingen blijken bruikbaar om risicofactoren te kwantificeren en bieden interessante aanvullingen op elkaar. Zo is de casus-controlemethode vooral geschikt om relatief snel vast te stellen in welke mate een risicofactor heeft bijgedragen aan het ontstaan van ongevallen of letsel. Crash-prediction-onderzoek biedt vooral uitkomst als combinaties van factoren gekwantificeerd moeten worden.

Aanbevelingen voor toekomstig onderzoek

Naar aanleiding van dit onderzoek zijn er drie richtingen voor vervolgonderzoek geformuleerd:

  1. Verdere kwantificering van risicofactoren op 50km/uur-kruispunten
    Het verzamelde materiaal biedt hiervoor nog allerlei aanknopingspunten, maar het kan ook lonen om te kijken of er recentere data beschikbaar zijn en of het onderzoek zich kan richten op meerdere jaren. Ook aanvullingen uit andere databronnen (rechtbankverslagen, mediaberichten, processen-verbaal) zijn daarbij aan te bevelen. Deze aanpak vraagt hoe dan ook om aanvullende metingen op straat, onder dezelfde omstandigheden waarin de ongevallen hebben plaatsgevonden. Daarnaast is het van belang om ook van 50km/uur-kruispunten zonder VRI de infrastructurele kenmerken te inventariseren en de relaties met risicogedrag te onderzoeken.
  2. Verdieping, verbetering en generaliseerbaarheid van gevonden inzichten
    Om tot een robuustere kwantificering van risicofactoren te komen, en ook om na te gaan in hoeverre de bevindingen generaliseerbaar zijn, bevelen we aan om:
    - meer en recentere jaren (en eventueel ook andersoortige kruispunten met VRI’s) in het onderzoek te betrekken;
    - aanvullende gegevens (rechtbankverslagen, media, processen-verbaal) of gegevens met een betere kwaliteit (dieptestudie) te gebruiken;
    - straatmetingen nog exacter in tijd en plaats te laten aansluiten op de omstandigheden van de betreffende ongevallen;
    - bij de straatmetingen (potentiele) conflictsituaties en niet alleen één verkeersstroom of rijrichting centraal te stellen, zodat ze nog beter vergelijkbaar zijn met de ongevallen.
  3. Met de casus-controlemethode ook andere locaties onderzoeken, bijvoorbeeld provinciale 80km/uur-wegen.
    Ook hier is behoefte om te komen tot een betere kwantificering van risicofactoren. Daarnaast kunnen dergelijke bevinden worden vergeleken met bevindingen uit crash-prediction-onderzoek om zo de evidentie beter te staven.

[i] Deze kwantitatieve relatie is belangrijk om SPI’s uiteindelijk in proactieve beleidsinstrumenten te kunnen gebruiken, bijvoorbeeld om het belang van verschillende risicofactoren tegen elkaar af te kunnen wegen.

Risk factors examined in more detail: 50 km/h intersections; A closer look at the concept of Safety Performance Indicators (SPI’s) in fatal crashes and quantification of red light running

Safety Performance Indicators (SPI’s) are achievement indicators for road safety related to risk factors in traffic that can be used by policymakers for proactive road safety policy. Policy makers show increased interest in road safety assessment instruments for proactive policy making that can be used in a 'risk based' approach. That essentially means that on the basis of scientific insights governments take measures beforehand at locations and in situations that show road safety hazards.

This report takes a closer look at the concept of SPIs. The following research questions needed to be answered:

  1. What definitions of performance indicators in general and of SPIs in particular are found in the literature and how can SPI’s understood from a conceptual frameworks?
  2. Which SPIs are distinguished in the literature and which of these are possibly relevant for the road safety context in the Netherlands?
  3. Can other possible SPIs be identified?
  4. What is the state of affairs concerning the substantiation of the SPIs under points 2 and 3 and with the relationships between them?
  5. What problems do researchers experience with the conceptual framework of SPIs, and what problems do policymakers experience with the concept of SPIs?
  6. How can research contribute to solutions for the problems identified?
  7. Which SPIs are relevant to further investigate and underpin and why?
  8. Which of these factors do we actually find back in serious crashes on roads in the Netherlands?
  9. What is the quantitative relationship [i] between one or more of these factors and the occurrence of crashes and casualties, and which methods are suitable for such quantification?

Conceptual discussion of SPIs

A literature study on performance indicators in general and SPIs in particular was carried out to answer the first six questions. In addition, scientists and policymakers were interviewed who are already familiar with SPIs or work with them: what problems do they experience with the concept of SPIs and what, according to them, are important research questions?

This resulted in the following conclusions:

1.

Performance indicators can be defined for different phases of a system (input, process, wanted and unwanted output or results). Within these, SPI’s are a specific type of performance indicator defined as:

SPIs are risk factors or operational conditions of the traffic system that are (or can be) used to measure the results of road safety policy. This makes them a specific type of risk indicators or operational conditions of the traffic system.

SPIs are an intermediate indicator of road safety, in which crashes and casualties are the final indicator or the end result. SPIs are also referred to as 'leading' (predictive) indicators for road safety, with crashes and casualties being considered as 'lagging' (next) indicators.

2.

SPIs that are regularly mentioned in the literature are found in the following areas:

  • quality of infrastructure (such as network, route and intersections);
  • dangerous behaviour (such as drunk driving and speeding);
  • safety quality of vehicles (such as the age of a car);
  • quality of trauma care (on both short and long term).

3.

Other possible SPIs are:

  • distraction (e.g. by smartphone);
  • lighting and other ways of visibility;
  • red light running in relation with signalized intersections.

4.

Most SPIs found in the literature can be underpinned both theoretically and empirically. In some cases the empirical underpinning is just based on international research, sometimes the evidence (or better: the quantification of the risks factor) is questioned by researchers (e.g. drunk driving). For a number of SPIs empirical evidence is missing, particularly for the question to what extent a specific factor is risk-increasing (e.g. not lighting and red light running). For some SPIs the behaviour can hardly be measured (e.g. distraction and fatigue). For SPIs concerning infrastructure it is often still insufficiently clear to what extent they (relative to each other or in combination with other factors) contribute to road safety.

5.

The problems with SPIs that researchers and policymakers experience are mainly related to:

  • The relationship between risk factors or conditions in which factors are a risk factor: to what extent do they contribute to the risk of a crash if they occur in a particular combination?
  • The layering of factors: in what way do they influence each other and in the end lead to a particular hazard?
  • The measures that can be used as SPIs: in what size or unit can a risk factor best be indicated to express the relationship with road safety as accurately as possible?
  • SPIs in one specific field (e.g. behaviour) sometimes cover the range of influence of different types of policy makers (in this case, road authorities and policy makers that explicitly deal with behavioural influence).

6.

Research can contribute to solutions for the problems identified above in several ways. Firstly, the identified issues must be mapped out clearly; the conditions for further investigation should also be made concrete. Secondly, it is important to tackle the confusion about the concepts of performance indicators that are related to different phases of the policy process. To this purpose SWOV has made a proposal for more specific names and definitions. This applies especially to the difference between ' key performance indicators ' for policy actions and measures on the one hand (KPIs), and performance indicators for road safety on the other (SPIs).

Empirical research of risk factors

An empirical study into the risk factors in fatal crashes at 50 km/h intersections was conducted to answer the remaining three research questions. In the study, the 'registration sets' (forms filled out by the police when a crash occurs) of 89 fatal crashes in 2012 (the most recent data available and usable for SWOV) were scored. To identify the most common risk behaviours, three reviewers independently scored how often these factors certainly or possibly contributed to the occurrence or the severity of the crash. Quality aspects of the infrastructure were also scored by a reviewer.

Based on this, we draw the following conclusions:

7.

A number of the risk factors that we partly found in the literature, could potentially be used as an SPI at 50 km/h intersections in the Netherlands. Most of these are general risk factors (speeding, drunk driving, distraction, fatigue, no (correct) use of protection devices such as a helmet or a seatbelt and lighting or visibility in darkness), some factors are specific risk behaviours (e.g. failing to give priority and red light running).

8.

The next question was: which of these risk factors do we actually find back in serious road crashes in the Netherlands? The reviewers identified the following risk behaviours that played a role in fatal crashes at 50 km/h intersections in 2012 (in order of definite or possible contribution):

  • Giving priority (in 82% to 84% of the cases definitely or possibly applicable; in 15% of cases not applicable due to the nature of the situation).
  • Inappropriate speed (in 15% to 59% of the cases definitely or possibly present).
  • Red light running (in 11% to 16% of the cases definitely or possibly present; in 76% of cases not applicable because no traffic signals were present, and in some cases because the signals did not operate, or because no other traffic was present that could have contributed to the crash).
  • Drunk driving (in 1% to 16.4% of the cases definitely or possibly present).
  • Distraction (in 1% to 96% of the cases definitely or possibly present, but in nearly all cases evidence was very limited).
  • Fatigue (possibly present in 39% of the cases; here evidence is also very limited).

In the investigated crashes the following protection factors were found (in order of occurrence):

  • No or incorrect helmet use by two-wheelers (in 42% to 55% of the cases this has certainly or possibly contributed to the injury; in 36% of cases not applicable because no two-wheeler was involved in the crash or the rider did not sustain fatal injury);
  • Not carrying lights and insufficient visibility in relation to darkness (in 26% to 32% of the cases definitely or possibly present; in 55% of cases scored as not relevant because of the light conditions);
  • No seatbelt use by occupant of motor vehicles (in 2% to 6% of the cases, this has definitely or possibly contributed to the injury in 85% of the cases this is irrelevant because the fatality was not in a vehicle in which a belt is present).

For three risk behaviours the registration sets contained less obvious clues: visibility and lightning, distraction and fatigue. These factors cannot be assessed properly, which is not to say that they did not play a role or were insignificant.

A risk factor highlighted: red light running on 50 km/h intersections

9.

For the final research question we used a case-control method to compare the reviews of fatal crashes at 50 km/h intersections with red light running measurements in the streets. With some caution it can be determined that the risk caused by red light running at 50 km/h intersections is about a factor 17 to 20 times higher for all modes of transport. Such quantifications can be balanced against the quantified knowledge of other risk factors, and can then be used in proactive, risk-based policy instruments.

Recommendations for data

In our study using registration sets we encountered a number of issues that lead to the following recommendations:

  • In future research that makes use of registration sets it is recommended to use other sources as a supplement (court reports, media reports, police reports).
  • BRON (the registration of all crashes that the police have recorded in reports and registration sets) does not contain any information about a number of risk behaviours (e.g. distraction, fatigue, use of safety devices, the use of lights). For a number of risk factors, the contribution to fatal crashes seems much smaller when BRON is used as a source than more in-depth crash-oriented analyses are performed such as was done in this research. BRON could be made more complete by explicit mention of the most important risk behaviours (SPIs) .
  • The police registration could be a valuable contribution to the 'risk-based approach' by from now on scoring the contribution of the main risk factors for serious crashes according to a fixed protocol. These can then more easily and with more certainty be included in BRON.
  • For analysis of the infrastructural situation in future research (for example using Google Street View), it is recommended to reconstruct the situation of that time as much as possible, for example by relating the research to a later period. In addition, other resources such as images from CycloMedia [ii] offer additional starting points.
  • Another interesting step for risk behaviours, infrastructural factors and possibly also for other risk factors, could be taken on the basis of in-depth studies of a specific situation. On this basis it may be possible to determine with more certainty what factors have contributed to the crash and also how these are interrelated.

Recommendations for methods

In this research the 'case-control method' has been compared with the use of 'crash-prediction' models. Both approaches prove useful to quantify risk factors and provide interesting additions to each other. The case-control method, for instance, is especially suitable to determine relatively quickly to what extent a risk factor has contributed to the occurrence of crashes or injury. Other methods such as crash-prediction research is especially useful when combinations of factors need to be quantified.

Recommendations for future research

As a result of this study three directions for follow-up research have been formulated:

  1. Further quantification of risk factors at 50 km/h intersections
    The collected material offers many starting points, but it can also be useful to see if more recent data is available, and whether the research can cover several years. The use of additions from other data sources (court reports, media reports, police reports [iii]) are also recommended. In any case, this approach requires additional street measurements, under the same conditions in which the crashes occurred. Furthermore, it is important to also take stock of the infrastructural characteristics of 50 km/h intersections without traffic light control and to investigate the relations with risk behaviour.
  2. Enhancement, improvement and generalizability of insights
    To create a more robust quantification of risk factors, and to also make clear the extent to which the findings are generalizable, we recommend:
    - to include more years and more recent years and maybe also different types of signalized intersections in the research;
    - to use additional data (court reports, media, police reports) or higher quality data (in-depth studies);
    - to adapt time and location of street measurements more precisely to the conditions of the crash;
    - to focus on potential conflict situations rather than on one traffic flow or driving direction in street measurements, to facilitate better comparison with the crashes.
  3. Use the case-control method to also investigate other location, e.g. provincial 80 km/h roads.
    It is also necessary to come to a better quantification of risk factors at other locations. In addition, such findings could be compared with findings from crash-prediction-research for better underpinning of the evidence.

 


[i]This quantitative relationship is important for eventually being able to use SPIs in proactive policy instruments, for example to weigh the importance of different risk factors against each other.

[ii]Large-scale and systematic visualisation of public roads at street level based on 360° panoramic photographs.

[iii]These are much more extensive reports than registration sets and contain details of witness reports and forensic evidence.

 

 

Print this page
rapport

Rapportnummer

R-2016-17

Pagina's

108 + 2

Gepubliceerd door

SWOV, Den Haag

Thema's