Entwicklung, Anwendung und Evaluation einer Methode zur Prädiktion von Unfallrisiken auf Nationalstrassen (PURNA)

Abstract

Auf dem Schweizerischen Strassennetz ereigneten sich im Jahr 2012 über 18‘000 Verkehrsunfälle mit Personenschaden. Dabei wurden knapp 14‘000 Verkehrsteilnehmer leicht, knapp 4‘000 Verkehrsteilnehmer schwer und 301 Verkehrsteilnehmer tödlich verletzt [1]. Im internationalen Vergleich zählt die Schweiz mit durchschnittlich weniger als zwei Verkehrstoten pro Milliarde Fahrzeugkilometer zu den Ländern Europas mit den sichersten Strassen [2]. Um dieses vergleichsweise positive Ergebnis noch zu verbessern, ist es wichtig, dass Verkehrsrisiken konsistent berechnet werden und in die Entscheidungsfindung bei Planung, Bau und Unterhalt von Strassenabschnitten berücksichtigt werden. Das vorliegende Projekt beinhaltet die Entwicklung eines innovativen Modells zur Prädiktion von Unfallrisiken auf dem Schweizerischen Nationalstrassennetz (Klasse 1 und 2). Dieses basiert auf Bayes’schen Netzen und kann zur Vorhersage der Eintrittswahrscheinlichkeiten sowie der Anzahl von Unfällen mit Personenschaden eingesetzt werden. Die Ergebnisse können für das gesamte Netz ermittelt und georeferenziert dargestellt werden. Ein Beispiel ist in Abbildung 1 dargestellt. Abbildung 1: Illustration des Modells und der georeferenzierten Darstellung der Ergebnisse Bayes’sche Netze sind wahrscheinlichkeitstheoretische Modelle und können als Weiterentwicklungen von Ereignisbäumen interpretiert werden. In das Bayes’sche Netz fliessen die orts-spezifische Informationen über die Infrastruktur- und Verkehrsparameter ein, welches die Unfallrate pro Mio. Fzg. km und die Anzahl Unfälle berechnet. Das orts-spezifische Wissen, liegt in den bestehenden georeferenzierten Datenbanken des ASTRA vor. Das Modell ist ausschliesslich anhand der vorhandenen Daten des ASTRA entwickelt worden. Diese Vorgehensweise wurde gewählt, um das Potential des zur Verfügung stehenden Datenbestandes aufzuzeigen und um das Modell an die Schweizerische Verkehrs- und Unfallsituation anzupassen. Die 5/94 Modellentwicklung mit den verwendeten statistischen Methoden (inkl. der Bayes’schen Netze) ermöglicht einen hohen Ausnutzungsgrad der Dateninformationen für eine Prädiktion des zukünftigen Unfallgeschehens. Das Modell berücksichtigt  den durchschnittlichen täglichen Verkehr (DTV),  den Anteil Schwerverkehr des DTV,  die signalisierte Geschwindigkeit,  die Anzahl Fahrstreifen pro Richtung,  die Längsneigung,  die Kurvigkeit der Strecke,  die Ebenheit der Fahrbahn in Längsrichtung,  die Griffigkeit der Fahrbahn und  Unfälle mit leichtem, schwerem und tödlichem Personenschaden. Das Modell kann  Aussagen zum derzeitigen Unfallgeschehen treffen,  den Einfluss von Änderungen der berücksichtigten Parameter auf die Unfallrisiken bewerten,  als unterstützendes Instrument bei der Entscheidungsfindung im Risiko- und Infrastrukturmanagement von Strassennetzen eingesetzt werden. Beispielsweise kann damit – bei gleichzeitigem Anstieg des Verkehrsaufkommens - der Effekt einer Geschwindigkeitsreduktion auf das Unfallgeschehen abgeschätzt werden. Es hat sich gezeigt, dass  sich bei der Modellevaluation anhand der Unfalldaten des Jahres 2009 sich ein hoher Übereinstimmungsgrad zwischen den Unfallbeobachtungen und den Modellprädiktionen auf den einzelnen homogenen Segmenten von 86.53% erzielen lässt,  der hier verfolgte Ansatz generell anwendbar ist und auf andere Strassenklassen oder Situationen, wie beispielsweise Baustellen, übertragen werden kann,  ein grosses Potential in der Sammlung und der Verwendung der georeferenzierten Daten liegt und,  zusätzlich zur normalen Regressionsanalyse ein statistisches Updating mittels Daten einen Zugewinn an Präzision in der Unfallprädiktion von ca. 5-10% bringt. Forschungs- und Entwicklungsbedarf besteht insbesondere in  der weiteren Analyse und Anwendbarkeit des hier entwickelten Modells,  der Erweiterung auf andere Strassentypen uns Strassensituationen (z.B. Kreuzungspunkte),  der Analyse und Implementierung der Zeitvarianz von Variablen im Modell,  der Verknüpfung von vorhandenen Daten mit theoretischen Modellen aus der Literatur, sowie  einer mögliche Verknüpfung der Modelle mit georeferenzierten Systemen, um zukünftig Analysen in Echtzeit durchführen zu können. Die Modellentwicklung wurde anhand des beobachteten Unfallgeschehens der Jahre 2010-2012 durchgeführt. Für die Modellevaluation wurden die Unfalldaten des Jahres 2009 geschätzt und letztendlich mit den beobachteten Unfalldaten dieses Jahres verglichen. Die Ergebnisse der Modellevaluation zeigen, dass das entwickelte Risikomodell in der Lage ist, die Unfallhäufigkeiten bei gegebenen infrastrukturellen Rahmenbedingungen mit einer gewissen Unschärfe zu prognostizieren. Autobahnabschnitte mit einer erhöhten erwarteten Anzahl von Unfällen mit Personenschaden können identifiziert werden. 6/94 Der Einfluss zukünftiger Veränderungen, (z.B. eine Zunahme des DTV) auf das Unfallgeschehen, können abgeschätzt werden. Fortlaufende Aufzeichnungen und Speicherungen der georeferenzierten Unfalldaten können regelmässig zur Aktualisierung des Modells verwendet werden. Dadurch ist eine zunehmende Präzisierung der Prädiktionen zu erwarten, wenn zukünftig auch die zeitvarianten Charakteristiken Berücksichtigung finden. Diese Arbeit dient als erste Grundlage für die Weiterentwicklung von indikatorbasierten Modellen zur Prädiktion von Unfällen.