Publicatie

Screening en diagnose van onveilige 50km/uur-wegen

Ontwikkeling en toepassing van een meetinstrument voor de Vervoerregio Amsterdam

Auteur(s)

Wijlhuizen, G.J.; Hermens, F.; Schepers, J.P.; Petegem, J.W.H. van; Schermers, G.

Jaar

2021

De Vervoerregio Amsterdam werkt aan een meer risicogestuurde aanpak van verkeersveiligheid: ongevallen voorkómen door de belangrijkste risico’s in het verkeerssysteem proactief aan te pakken. Deze risicogestuurde aanpak past in een bredere landelijke ontwikkeling die in gang is gezet met de publicatie van Het Strategisch Plan Verkeersveiligheid 2030 (SPV 2030).

Risicoanalyses, risico-indicatoren en uitvoeringsprogramma’s

Bij risicogestuurd verkeersveiligheidsbeleid wordt niet meer alleen (reactief) gestuurd op basis van ongevallen en ongevallencijfers, maar proactief op basis van risicofactoren die ongevallen in de hand werken, zoals snelheidsgedrag, alcohol in het verkeer en – vooral – onveilige infrastructuur. Om deze en andere verkeersveiligheidsrisico’s in kaart te brengen, kunnen wegbeheerders een risicoanalyse maken van het eigen weggennet. Deze is vervolgens de basis voor een uitvoeringsprogramma om die risico’s te verminderen.

Een belangrijk hulpmiddel hierbij zijn zogeheten risico-indicatoren of ‘Safety Performance Indicators’ (SPI’s): meetbare variabelen die een aantoonbaar oorzakelijk verband hebben met verkeersveiligheid. Een van de belangrijkste SPI’s betreft het ontwerp en de inrichting van de verkeersinfrastructuur. Veilig ingerichte wegen en fietsinfrastructuur kunnen ongevallen voorkomen en de letselernst van eventuele ongevallen beperken. Andersom kunnen onveilige of ontbrekende wegkenmerken potentiële risico’s vormen voor de verkeersveiligheid.

Netwerk Safety Index (NSI)

De Vervoerregio Amsterdam wil de SPI’s voor de weginfrastructuur in de komende jaren verder ontwikkelen en toepassen. Hiervoor heeft de Vervoerregio aan SWOV gevraagd om een methode te ontwikkelen die proactief in kaart brengt welke wegen op basis van hun infrastructuurkenmerken moeten worden aangepast om de verkeersveiligheid te verbeteren.

Daarbij wil de Vervoerregio zoveel mogelijk voortbouwen op eerdere ervaringen met de ‘Netwerk Safety Index’ (NSI), een instrument dat SWOV, in samenwerking met de ANWB, eerder ontwikkelde voor de gemeente Amsterdam om het verkeersveiligheidsniveau van 50km/uur-wegen te meten op basis van kenmerken van de infrastructuur en de intensiteit van verkeer.

De onderzoeksvraag van de Vervoerregio Amsterdam is:

Ontwikkel – uitgaande van de NSI-benadering – een doelmatige methode die ‘proactief’ inzicht geeft in wegen die op basis van hun infrastructuurkenmerken aanpassingen behoeven teneinde de verkeersveiligheid te bevorderen. Pas deze methode toe op 50km/uur-wegen in gemeenten in de Vervoerregio Amsterdam.

De methode bestaat uit twee instrumenten, te weten:

  1. Een ‘screener’ waarmee een onderscheid gemaakt kan worden tussen groepen 50km/uur-wegen die relatief veilig (circa 80% van het areaal) of relatief onveilig (circa 20%) worden geacht.
  2. Een diagnose-instrument om bij de circa 20% meest onveilige 50km/uur-wegen (op basis van de screener) een nadere diagnose uit te voeren door specifieke infrastructuurkenmerken van wegen, fietspaden en kruispunten/rotondes te beoordelen. Het diagnose-instrument moet onderscheid maken tussen infrastructuurkenmerken die relatief veilig (gewenst) en onveilig worden geacht.

De screener

Het uitgangspunt bij de ‘screener’ is dat de circa 20% meest onveilige 50km/uur-wegen zo goed mogelijk kunnen worden geselecteerd voor nader, meer gedetailleerd inhoudelijk onderzoek op infrastructuurkenmerken: de diagnose. De keuze voor ‘circa 20%’ is een praktische overweging die is afgestemd met de Vervoerregio: uitgaande van beperkte beschikbare middelen en tijd vraagt het veiliger maken van wegen om het stellen van prioriteiten.

Om de 20% meest onveilige wegen te kunnen selecteren, zijn de volgende vragen beantwoord:

Vraag 1: Voor het NSI-project is gebruikgemaakt van gegevens over verkeersongevallen uit de ambulanceregistratie (2009-2012). Kunnen voor de selectie van onveilige wegen in dit project – in plaats van of daarnaast – ook gegevens uit het Bestand geRegistreerde Ongevallen in Nederland (BRON, de politieregistratie) worden gebruikt (inclusief verkeersongevallen met uitsluitend materiële schade, UMS)?

Op basis van BRON-gegevens (inclusief UMS) konden 50km/uur-wegen inderdaad worden geordend naar mate van verkeersonveiligheid. Ook bleek dat over meerdere jaren (2009-2018) van BRON-gegevens de ordening van de wegen in hoge mate vergelijkbaar is. Een probleem is dat ongevallen niet elk jaar even goed door de politie geregistreerd worden. Desondanks konden wegen over de jaren heen met elkaar worden vergeleken door niet de absolute cijfers van de ongevallendichtheid (aantal ongevallen per eenheid weglengte) te nemen, maar de rangorde van de jaarlijkse ongevallendichtheid van wegen. Om wegen te kunnen ordenen, hebben we de BRON-gegevens over tien jaren samengenomen, waarbij de meest onveilige wegen uiteindelijk werden geselecteerd. Dat is gedaan op basis van de ongevallendichtheid (aantal ongevallen per weglengte eenheid) en aanvullend het ongevalsrisico (ongevallendichtheid per eenheid etmaalintensiteit motorvoertuigen).

Vraag 2: Vinden we een relatie tussen verkeersintensiteiten van 50km/uur-wegen binnen de Vervoerregio Amsterdam (gemiddelde etmaalintensiteit gemotoriseerd verkeer) enerzijds en ambulancegegevens (2009-2012) en BRON-gegevens anderzijds?

Die relatie blijkt er inderdaad te zijn. Deze samenhang zagen we ook al in het NSI-project, zodat we voorzichtig kunnen concluderen dat de beschikbare intensiteitsgegevens bruikbaar zijn om het relatieve ongevalsrisico te bepalen als indicator voor onveiligheid, aanvullend aan de indicator voor de relatieve ongevallendichtheid. Daarbij gaat het om wegen die weliswaar geen hoge ongevallendichtheid hebben, maar die vanwege een hoog risico (relatief lage intensiteit) aandacht behoeven. Dat zijn wegen waar relatief weinig verkeer is, maar waar toch relatief veel ongevallen plaatsvinden, waardoor de wegen hoog in de risico-ordening komen.

Vraag 3: Op basis van welke criteria wijst de screener wegen aan als potentieel onveilig?

Voor de screener zijn de volgende twee primaire selectiecriteria gebruikt:

  1. Een hoge relatieve ongevallendichtheid volgens BRON (2009-2018).
  2. Een ongevallendichtheid volgens BRON die aanmerkelijk hoger is dan mag worden verwacht op basis van verkeersintensiteit (een relatief hoog risico volgens BRON).

Aanvullend hebben we ook gekeken of er op basis van (weliswaar oudere) ambulancegegevens (2009-2012) nog criteria moeten worden toegevoegd voor een completere selectie. Dit heeft geresulteerd in de volgende extra criteria:

  1. Een hoge relatieve ongevallendichtheid volgens de ambulanceregistratie (2009-2012).
  2. Een aanmerkelijk hogere ambulance-ongevallendichtheid dan mag worden verwacht op basis van verkeersintensiteit (een relatief hoog risico volgens de ambulanceregistratie).

Als een weg op ten minste één van deze vier criteria als relatief onveilig wordt gescoord, valt deze binnen de selectie van ‘meest onveilige wegen’.

Vraag 4: Welke 50km/uur-wegen worden op basis van de screener als relatief onveilig aangewezen?

De screener heeft een selectie opgeleverd van 88 wegen uit het totaal van 390 wegen die waren aangeleverd door de gemeenten.

Het diagnose-instrument

Het Kennisnetwerk SPV heeft in een recente publicatie een aantal expliciete kenmerken van veilige wegen en fietspaden gedefinieerd. Op basis van deze kenmerken konden we voor elke weg en elk fietspad een veiligheidsprofiel maken. Het gaat om de volgende kenmerken:

50km/uur-wegen

  1. Een rijrichtingscheiding met markering aanwezig.
  2. Op de takken van kruispunten op de weg een oversteekvoorziening voor fietsers.
  3. Op de takken van kruispunten op de weg een oversteekvoorziening voor voetgangers.
  4. Aansluiting erftoegangsweg op een GOW heeft een uitritconstructie.
  5. Niet parkeren op of langs de rijbaan.
  6. Langzaam verkeer op fietspad/parallelweg én bromfiets op de rijbaan.

Fietspaden

  1. Geen obstakels in de verharding.
  2. Visuele geleiding langs de verharding.
  3. Voldoende breedte van de verharding.
  4. Verharding vlak, stroef, heel en schoon.
  5. Vergevingsgezinde rand; vlak of sterk afgeschuind.
  6. Vergevingsgezinde berm (binnen een meter naast de verharding geen obstakels).

Kruispunten/rotondes

Het Kennisnetwerk SPV benoemt geen expliciete veiligheidskenmerken voor verschillende typen kruispunten en rotondes. Daarom hebben we de volgende lijst opgesteld op basis van expertise binnen SWOV.

  • 1. a) Uitsluitend voor VRI: Per tak hebben fietsers en voetgangers elk een eigen VRI.
  • 1. b) Fietsers/voetgangersoversteek is aanwezig per tak.
  • 2. Middeneiland aanwezig per tak.
  • 3. Aantal (opstel)stroken per tak.
  • 4. Snelheidsremmers aanwezig per tak.
  • 5. Vrijliggende fietsvoorziening aanwezig per tak.
  • 6. Parkeervakken afwezig per tak.
  • 7. Geen zichtbelemmering per tak.
  • 8. Uitsluitend voor rotonde: fietser niet in voorrang bij vrijliggende fietspaden omdat de veiligheidswinst van een rotonde voor fietsers groter is als zij geen voorrang hebben op rotondes.

Op basis van deze negen kenmerken is van elk kruispunt en elke rotonde eveneens een veiligheidsprofiel gemaakt.

De diagnose

Aan de hand van 360°-beelden van het bedrijf CycloMedia hebben getrainde beoordelaars deze kenmerken van de infrastructuur gescoord. Met een clusteranalyse zijn groepen wegen, fietspaden, kruispunten en rotondes van elkaar onderscheiden op basis van al dan niet vergelijkbare profielen van veiligheidskenmerken. Dat heeft geleid tot de volgende inzichten voor aanpassingen om de infrastructuur veiliger te maken:

  • De clusteranalyses tonen steeds profielen van drie groepen (clusters) van wegen, fietspaden, kruispunten en rotondes. Die profielen geven aan in welke mate deze de gewenste veiligheidskenmerken hebben en daarmee ook welke kenmerken nog nodig zijn voor verbetering van de veiligheid. Voorbeelden daarvan zijn: het aanbrengen van vrijliggende fietspaden langs 50km/uur-wegen, het veiliger maken van de overgang van de fietsverharding naar de berm, het obstakelvrij maken van de berm langs fietspaden en zorgen voor fiets en voetgangersoversteken op takken van kruispunten.

  • Het is op basis van de profielen mogelijk om prioriteiten te stellen in de aanpak van wegen of fietspaden. In Bijlage B is hiervoor voor elke afzonderlijke weg en elk afzonderlijk fietspad het betreffende profiel opgenomen. Gezien het grote aantal kruispunten en rotondes zijn de afzonderlijke profielen daarvan niet opgenomen. Bij het stellen van prioriteiten voor maatregelen spelen ook lokale omstandigheden een rol, zoals onderhoudswerkzaamheden of geplande herstructurering. Deze vallen buiten het bestek van dit onderzoek.

Aanbevelingen

  1. Benut de resultaten van dit onderzoek bij het ontwikkelen van een uitvoeringsprogramma in het kader van het SPV 2030. Gebruik deze resultaten om wegen en fietspaden te identificeren die met voorrang op specifieke kenmerken veiliger gemaakt kunnen of moeten worden.
  2. Sluit bij het opstellen van een uitvoeringsprogramma zoveel mogelijk aan bij de gewenste veiligheidskenmerken van de infrastructuur.
  3. Monitor de realisatie van veranderingen in de kenmerken van infrastructuur. Houd de ongevallen op die wegen bij om evidence based (aanvullend) verkeerveiligheidsbeleid te kunnen blijven maken.
 

Screening and diagnosing unsafe 50km/h roads; Development and application of a measuring instrument for the Amsterdam Transport Area

The Amsterdam Transport Area is working towards a more risk-based approach to road safety: preventing crashes by proactively addressing the main risks. This risk-based approach is consistent with a broader national approach initiated with the publication of The Road Safety Strategic Plan 2030 (SPV 2030).

Risk analyses, risk indicators and implementation programmes

A risk-based road safety policy is not only based on crashes and crash data (reactive policy), but also on risk factors that contribute to crashes (proactive policy), such as speeding, drink-driving and – especially – unsafe infrastructure. To inventory these and other road safety risks, road authorities could draft a risk analysis of their own road networks. This could then be the basis for an implementation programme to reduce those risks.

In this process, so-called risk indicators or ‘Safety Performance Indicators’ (SPIs) are important tools: measurable variables that have a proven causal link to road safety. One of the most important SPIs concerns design and layout of the transport infrastructure. A safe road layout and cycling infrastructure may prevent crashes and reduce injury severity in case of a crash. Conversely, unsafe or missing road characteristics could pose a potential risk to road safety.

Network Safety Index (NSI)

The Amsterdam Transport Area intends to develop and apply new road infrastructure SPIs in the next few years. To this effect, SWOV was asked to develop a method to proactively inventory which roads should be adapted on the basis of their infrastructural characteristics in order to improve road safety.

Whenever possible, the Transport Area intends to build on previous experience with the ‘Network Safety Index’ (NSI), an instrument that was previously developed by SWOV, in collaboration with ANWB, for the city of Amsterdam to measure the road safety level of 50km/h roads on the basis of infrastructure characteristics and traffic volume.

The research question of the Amsterdam Transport Area is:

Develop – building on the NSI approach – an effective method that ‘proactively’ provides insight into roads that need adapting on the basis of their infrastructure characteristics in order to improve road safety. Apply this method to 50km/h roads in the Amsterdam Transport Area.

The method consists of two instruments, namely:

  1. A screener which allows distinction between groups of 50km/h roads which are relatively safe (around 80% of the acreage) or relatively unsafe (around 20%)
  2. A diagnostic instrument to further investigate the 20% of 50km/h roads that are most unsafe (after screening) by assessing specific infrastructure characteristics of roads, bicycle tracks, intersections and roundabouts. The diagnostic instrument should distinguish between infrastructure characteristics that are relatively safe (preferred) and unsafe.

The screener

The premise of the screener is that the approximately 20% of the 50km/h roads that are most unsafe can appropriately be selected for further, more detailed and substantive examination of their infrastructure characteristics: the diagnosis. The choice of ‘approximately 20%’ is based on practical considerations agreed with the Transport Area: because of the limited resources and time available, improving road safety calls for prioritising.

In order to select the 20% most unsafe roads, the following questions were answered:

Question 1: For the NSI project, crash data from the ambulance registration were used (2009-2012). The police also register crash data, in BRON (Bestand geRegistreerde Ongevallen in Nederland; the file of registered crashes in the Netherlands). To select unsafe roads, will this project also allow BRON data to be used – instead of or in addition to the ambulance data – including property damage only (PDO) crashes?

On the basis of BRON data (including PDO), 50km/h roads could indeed be ranked by level of unsafety. This ranking also proved to be very similar over a number of BRON years (2009-2018). What is a problem, however, is that the police crash registration is not equally accurate every year. In spite of this, roads could still be compared throughout the years by not using the absolute numbers of crash density (number of crashes per road length unit), but by using the road rankings of annual crash density. To rank roads, we aggregated BRON data over ten years, which eventually resulted in the selection of roads that are most unsafe. The selection was made using crash density (number of crashes per road length unit) and crash risk (crash density per unit of average daily motor vehicle traffic).

Question 2: Are the traffic volumes of 50km/h roads in the Amsterdam Transport Area (average daily motor vehicle traffic) related to ambulance data (2009-2012) and BRON data?

They do indeed appear to be related. This was already evident in the NSI project, so that it is relatively safe to conclude that the volume data available may be used to determine relative crash risk as an indicator of unsafety, in addition to the indicator of relative crash density. Although this concerns roads which may have a relatively low crash density, these roads do require attention on account of their high risk (relatively low traffic volumes).

Question 3: What are the criteria that the screener uses to identify potentially unsafe roads?

The screener uses the following primary selection criteria:

  1. A high relative crash density according to BRON (2009-2018).
  2. A crash density (based on BRON data and traffic volumes) that is higher than average.

We then determined whether criteria should be added on the basis of (admittedly older) ambulance data (2009-2012). This resulted in the addition of the following criteria:

  1. A high relative crash density as evidenced by the ambulance registration (2009-2012).
  2. An ambulance crash density which is remarkably higher than one would expect on the basis of traffic volume (relatively high-risk roads as evidenced by the ambulance registration).

If a road is rated relatively unsafe based on at least one of these four criteria, it will fall within the selection of ‘most unsafe roads’.

Question 4: Which 50km/h roads does the screener rate relatively unsafe?

Screening resulted in 88 roads deemed unsafe out of 390 roads submitted by the municipalities.

The diagnostic instrument

In a recent publication, Kennisnetwerk SPV (Knowledge Network for the Dutch Road Safety Strategic Plan) defined a number of explicit characteristics of safe roads and bicycle tracks. The characteristics allowed us to create a safety profile for each road and bicycle track:

50km/h roads

  1. Presence of marked separation of driving directions.
  2. A crossing facility for cyclists at the arms of an intersection.
  3. A pedestrian crossing at the arms of an intersection.
  4. An access road is linked to a distributor roads by means of an exit construction.
  5. No parking on or along the carriageway.
  6. Slow traffic on the bicycle track/service road and .

Bicycle tracks

  1. No obstacles on road surface.
  2. Visual guidance along road surface.
  3. Sufficient width of road surface.
  4. Even, skid-resistant, undamaged, and clean road surface.
  5. Forgiving edges; even or strongly chamfered.
  6. Forgiving roadside (no obstacles within a metre of the road surface).

Intersections/roundabouts

The Kennisnetwerk SPV does not identify explicit safety characteristics for different types of intersections and roundabouts. We therefore drew up the following list based on SWOV expertise:

  1. a) Only for traffic light controlled intersections: each individual arm is controlled by separate traffic lights for cyclists and pedestrians.
  1. b) A bicycle/pedestrian crossing at each arm.
  2. Median island at each arm.
  3. Number of dedicated turning lanes at each arm.
  4. Physical speed reduction measures at each arm.
  5. Bicycle track at each arm.
  6. No parking spaces at any of the arms.
  7. No sight obstructions at any of the arms.
  8. Only for roundabouts: no priority for cyclists on bicycle tracks since, for cyclists, the safety benefits of a roundabout are greater when they do not have right of way.

On the basis of these nine characteristics each intersection and each roundabout was also given its own safety profile.

The diagnosis

By means of 360° images supplied by the company CycloMedia, trained assessors scored the infrastructure characteristics. In a cluster analysis, groups of roads, bicycle tracks, intersections and roundabouts were distinguished from one another on the basis of presence or absence of similar profiles of safety characteristics. This resulted in the following insights for improving infrastructure safety:

  • The cluster analyses show three groups (clusters) of roads, bicycle paths, intersections and roundabouts. Their profiles indicate to what extent they have the required safety characteristics and, thus, which characteristics that could improve safety are still missing. Examples are: constructing bicycle tracks along 50km/h roads, making the transition from cycling track surface to roadside safer, obstacle-free roadsides along bicycle tracks and providing bicycle and pedestrian crossings at the arms of intersections.
  • The profiles allow for determining the order in which roads or bicycle tracks should be tackled. To this effect, Appendix B comprises the related profile for every individual road and bicycle track. In view of the their large number, individual profiles of crossings and roundabouts are not included. When prioritising measures, local circumstances are also at play, such as maintenance or planned restructuring. These lie outside the scope of this study.

Recommendations

  1. Use the results of this study when developing an implementation programme in the context of SPV 2030. Use these results to identify roads and bicycle tracks whose safety characteristics could or should be improved as a matter of priority.
  2. Align the implementation programme to the required safety characteristics of the infrastructure to a maximum extent.
  3. Monitor the realised changes in the infrastructure characteristics. Keep track of crashes on the improved roads to continue enabling an evidence based (supplementary) road safety policy.
Print this page
rapport

Rapportnummer

R-2021-7

Pagina's

80

Gepubliceerd door

SWOV, Den Haag