Zurück Vor

Detailergebnis zu DOK-Nr. 80814

Modellierung der Häufigkeit von Unfällen mit Fuß- und Radverkehr an Knotenpunkten: Big-Data-gestützte Beweise aus Maryland (Orig. engl.: Modeling the frequency of pedestrian and bicyclist crashes at intersections: big data-driven evidence from Maryland)

Autoren	J. Mahmoudi C. Xiong M. Yang W. Luo
Sachgebiete	0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 5.5 Radverkehr, Radwege 5.6 Fußgängerverkehr, Fußwege, Fußgängerüberwege 6.3 Verkehrssicherheit (Unfälle)

Transportation Research Record: Journal of the Transportation Research Board Vol. 2677, H. 3, 2023, S. 1245-1260, 1 B, 5 T, 38 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr

Die Studie nutzt große standortbezogene Daten, die im Jahr 2019 von mobilen Geräten gesammelt wurden, um eine Sicherheitsanalyse für den Fuß- und Radverkehr durchzuführen. Es wurden statistische Modelle für die Unfallhäufigkeit dieser Gruppe an Knotenpunkten im Bundesstaat Maryland (an der Ostküste der USA) geschätzt, wobei standortbezogene Daten als Risikodaten verwendet wurden. Die Analyse wird unter Verwendung bekannter Häufigkeitsmodellierungsmethoden durchgeführt, darunter Poisson-, Negativ-Binomial-, Null-Inflations-Poisson- und Null-Inflations-Negativ-Binomial-Regressionstechniken. Die Ergebnisse deuten darauf hin, dass die Einbeziehung großer standortbezogener Daten von Dienstleistungsaktivitäten in die Analyse die Leistung der Modelle verbessert. Außerdem deuten die Ergebnisse darauf hin, dass die wichtigsten Faktoren, die zu Unfällen im Fuß- und Radverkehr an Knotenpunkten in Maryland beitragen, die folgenden sind: Knotenpunktentwurf und verkehrsbezogene Attribute wie die Anzahl der Knotenpunktabschnitte, das Vorhandensein eines Lichtsignals und die durchschnittliche Verkehrsstärke sowie Sicherheitsrisikomessungen wie die durchschnittliche tägliche Verkehrsstärke von Fuß- und Radverkehr sowie Kfz am Knotenpunkt. Dazu kommen verkehrsbezogene Attribute, einschließlich des Anteils öffentlicher Verkehrsmittel und nicht motorisierter Verkehrsmittel innerhalb der Zählungsblockgruppe des Knotenpunkts, Flächennutzungs- und Umweltattribute der Bebauung, wie zum Beispiel die Straßennetzdichte, die Aktivitätsdichte und das Ausmaß der Begehbarkeit innerhalb der Zählungsblockgruppe. Dann noch schließlich sozioökonomische und -demografische Merkmale, einschließlich des Anteils von Arbeitnehmerinnen und -nehmern mit niedrigem Einkommen, der Haushalte ohne Pkw, afroamerikanischer Bevölkerung und älterer Bevölkerung innerhalb der Zählungsblockgruppe. Die Ergebnisse der Studie zeigen, wie große ortsbezogene Datenmengen zur Belastung durch Dienstleistungen genutzt werden können, um Sicherheitsrisiken im Fuß- und und Radverkehr zu identifizieren und datengestützte, evidenzbasierte politische Entscheidungen zur Verbesserung der Sicherheit gefährdeter Verkehrsteilnehmender zu treffen.