Dit rapport bespreekt de mogelijkheden van het toepassen van verkeersmodellen voor verkeersveiligheidsonderzoek, op basis van literatuurstudie en interviews met experts. Onderzoek met verkeersmodellen is relatief nieuw in het werkveld van de verkeersveiligheid. Al langer worden verkeersmodellen gebruikt voor de evaluatie van infrastructurele en verkeersmanagementmaatregelen ten aanzien van verkeersdoorstroming en reistijden. Het gebruik van verkeersmodellen bij verkeersveiligheidsonderzoek richt zich vooral op de effectschatting ('impact assessment’) van Intelligente Transportsystemen (ITS) en het gebruik van kencijfers en Accident Prediction Models (APM) in combinatie met een verkeersmodel. De nadruk ligt in dit rapport op het eerste onderwerp, waarbij veel activiteiten gerapporteerd worden rondom de 'impact assessment’ van Advanced Driver Assistance Systems (ADAS). In toenemende mate worden daarvoor modellen voor dynamische microsimulatie gebruikt. Deze modellen berekenen de verkeersafwikkeling in een netwerk van bijvoorbeeld een stad, of route, waarin een totaalbeeld van het verkeer wordt samengesteld uit bewegingen van individuele verkeersdeelnemers op wegvakken en kruispunten. Onderzoekscases worden gedefinieerd op basis van variaties in een (beperkt) aantal gedragskenmerken en -regels, de hoeveelheid en samenstelling van het verkeer, de opzet van het netwerk en penetratiegraden van ADAS. Effecten op de verkeersveiligheid worden geschat met afgeleide indicatoren die een (meestal kwalitatieve) relatie met ongevallen hebben. De toepassing van kencijfers vindt vooral plaats bij macroscopische modellen. Deze modellen berekenen de verkeersafwikkeling in termen van geaggregeerde grootheden als intensiteiten en gemiddelde snelheid van verkeersstromen. Bij een toenemende nauwkeurigheid van microscopische modellen en APM's zijn er ook interessante mogelijkheden om meer gedetailleerde verkeersveiligheidskennis in kencijfers op te nemen. Voor de 'impact assessment’ van in-voertuig-ADAS zijn dynamische, microscopische verkeersmodellen vooral zinvol in combinatie met andere methoden, zoals rijsimulatoronderzoek en 'field operational tests’ (FOT). Onder uitsluiting van omgevingsinvloeden kunnen de modellen een schatting geven van de effecten van individuele maatregelen of ontwikkelingen, en de gevoeligheid van modeluitkomsten vaststellen voor specifieke variabelen of condities. Daarbij kunnen effecten bekeken worden op zowel lokaal als netwerkniveau, ook met betrekking tot gegevens die moeilijk empirisch te verkrijgen zijn. Ook kan verkeersveiligheid worden beschouwd samen met andere doelen in het verkeers- en vervoersbeleid (efficiëntie, milieu), en biedt de software vaak goede visualisatiemogelijkheden. Een belangrijke kanttekening is de beperkte hoeveelheid specifieke verkeersveiligheidskennis in de huidige verkeersmodellen. In belangrijke mate komt dit doordat verkeersmodellen historisch gezien niet vanuit het oogpunt van verkeersveiligheid ontwikkeld zijn. Dit uit zich in de opzet en kwaliteit van de gedragsmodellen voor individuele verkeersdeelnemers. Daarnaast zijn afgeleide indicatoren nodig vanwege een gebrek aan relevante statische ongevallendata. Daarbij is er nog onduidelijkheid over de vorm van de causale verbanden die veelgebruikte indicatoren zoals ongevallen hebben met time-to-collision (TTC) en varianten daarop. Overigens hebben andere methoden voor 'impact assessment’ van ADAS hier evenzeer last van. Daarom is het gebruik van deze indicatoren in kwantitatieve zin niet maar in kwalitatieve zin wel nuttig, vooropgesteld dat voertuigbewegingen voldoende nauwkeurig worden gemodelleerd. Voor zowel de 'impact assessment’ als de kencijfertoepassingen worden verkeersmodellen zinvol geacht voor ex-ante-evaluaties, waarbij de veiligheidseffecten van scenario's van maatregelenpakketten of alternatieve systeemontwerpen met elkaar worden vergeleken. De uitkomsten moeten daarbij kwalitatief en op een geaggregeerd niveau worden beschouwd. De uitkomsten kunnen dan richting geven aan vervolgonderzoek, en in een vroeg stadium het besluitvormingsproces ondersteunen. Op de wat langere termijn zouden de modellen een meer kwantitatieve voorspelling van ongevallen kunnen geven, bij voortschrijdende algemene kennis op het gebied van verkeersveiligheid en verkeersmodellering. Belangrijke aandachtspunten daarin zijn de modellering van menselijk verkeersgedrag, zowel met als zonder ADAS, en de validatie van veiligheidsindicatoren.
Traffic models and road safety; Exploration of the possibilities to use traffic models in road safety research Based on a literature study and interviews with experts, this report discusses the possibilities to use traffic models in road safety research. Research making use of traffic models is relatively new in the field of road safety. Traffic models have already been used for some time now for the evaluation of infrastructural and traffic management measures aimed at the traffic flow and travelling times. Traffic models in road safety research are mainly used for impact assessment of Intelligent Transport Systems (ITS) and combining core data and Accident Prediction Models (APM) with a traffic model. This report pays particular attention to the first topic, reporting many activities concerning the impact assessment of ADAS. To this end, models for dynamic microsimulation are being used increasingly. These models calculate the traffic flow in a road network in a city or along a route, for which an overall picture of the traffic is compiled from movements of individual road users on road sections and junctions. Research cases are defined on the basis of variations in a (limited) number of behavioural characteristics and rules, the amount and composition of the traffic, the layout of the network and the ADAS penetration levels. Road safety effects are estimated by making use of derived indicators that have a (mostly qualitative) relation with crashes. Core data is mainly used in macroscopic models. These models calculate the traffic flow in terms of aggregated variables like intensities and the average speed of streams of traffic. An increasing accuracy of microscopic models and APMs creates interesting possibilities to include detailed road safety knowledge in the core data. For the impact assessment of in-vehicle ADAS, dynamic, microscopic traffic models are especially worthwhile in combination with other methods like driving simulator study and field operational tests (FOT). When effects caused by changes in surroundings are excluded, the models can give an estimation of the effects of individual measures or developments, and the susceptibility of the model's results to specific variables or conditions. It is possible to also look at the effects at a local level as well as at the network level, also in relation with data that are difficult to obtain empirically. Road safety can also be studied together with other targets in traffic and transport policy, like e.g. efficiency or the environment. Furthermore, software applications often have good visualisation facilities. An important reservation is the limited amount of specific road safety information in the present traffic models. To a large extent this is the case because historically traffic models were not developed from a road safety point of view. This becomes evident in the design and quality of behavioural models for individual road users. In addition, derived indicators are necessary due to a lack of relevant static crash data. Then there is also a lack of clarity about the form of the causal relations between crashes and widely used indicators, like time-to-collision (TTC). It must be said that other methods of ADAS impact assessment also have this problem. Therefore, although the use of these indicators is not useful in a quantitative sense, it is sensible in a qualitative sense, provided that the vehicle movements are modelled sufficiently accurately. For both the impact assessment as well as the core data applications, traffic models are considered useful for ex ante evaluations, in which the safety effects of sets of measures or alternative system designs are compared. The results must be considered qualitatively and at an aggregated level. They can then indicate the direction for follow-up research and give support to the decisionmaking process at an early stage. In the somewhat longer term, with increasing knowledge on the subject of road safety and traffic modelling, the models could give a more quantitative prediction of crashes. Points of special interest are the modelling of human traffic behaviour, both with and without ADAS, and the validation of safety indicators.
