Detailergebnis zu DOK-Nr. 75588
Data Mining zur Verbesserung der Planung der Sicherheit von Fußgängern und Radfahrern (Orig. engl.: Data Mining to improve planning for pedestrian and bicyclist safety)
| Autoren |
I.N. Sener M. Hasani S. Munira J. Owens B. Appleyard S. Ryan S.M. Turner S. Ghanipoor Machiani |
|---|---|
| Sachgebiete |
5.5 Radverkehr, Radwege 5.6 Fußgängerverkehr, Fußwege, Fußgängerüberwege 6.1 Verkehrserhebungen, Verkehrsmessungen 6.3 Verkehrssicherheit (Unfälle) |
Blacksburg, VA: Safe-D National University Transportation Center (UTC), 2019, 52 S., 2 B, 4 T, 98 Q, Anhang. - Online Ressource: verfügbar unter: http:// www.vtti.edu/utc/safe-d/wp-content/uploads2019/12/01-003_Final-Research-Report_Final.pdf
Zwischen 2009 und 2016 war bei der Zahl der tödlichen Fußgänger- und Fahrradfahrerunfälle in den USA ein deutlicher Aufwärtstrend zu verzeichnen. Zusammengenommen macht der Gesamtprozentsatz der Fußgänger- und Fahrradunfälle heute 18 % der gesamten Verkehrstoten aus, gegenüber 13 % vor nur einem Jahrzehnt. Der technologische Fortschritt im Verkehrswesen hat einzigartige Möglichkeiten geschaffen, neue Datenquellen zu erforschen und zu untersuchen, um die Sicherheitsplanung zu verbessern. In der Studie des National University Transportation Center wurden Daten aus verschiedenen Quellen untersucht, darunter automatische Fußgänger- und Fahrrad-Zähler, Videokameras, Unfall-Datenbanken und GPS-/Mobil-Anwendungen, um Verbesserungen der Fahrrad- und Fußgängersicherheit zu beeinflussen. Es wurden Data-Mining-Techniken, eine neue Stichprobenstrategie und automatisierte Videoverarbeitungsmethoden angewandt, um einen ganzheitlichen Ansatz zu demonstrieren, der zur Identifizierung von Einrichtungen mit dem größten Verbesserungsbedarf angewandt werden kann. Zur Schätzung der Anzahl von Fußgängern und Radfahrern an Knotenpunkten wurden Expositionsmodelle entwickelt, die erklärende Variablen aus einem breiten Spektrum von Datenquellen einbeziehen. Zur Quantifizierung des Risikos wurden knotenpunktbedingte Unfälle und die geschätzte Exposition verwendet, was die Identifizierung von signalisierten Knotenpunkten mit hohem Risiko für Fußgänger und Radfahrer ermöglichte. Der Modellierungsrahmen und die Datenquellen, die in der Studie verwendet wurden, werden bei der Durchführung zukünftiger Analysen für andere Anlagentypen, wie zum Beispiel Straßenabschnitte, und auch auf aggregierteren Ebenen, wie zum Beispiel Verkehrsanalysezonen (Verkehrszellen), von Nutzen sein.