Detailergebnis zu DOK-Nr. 81475
Untersuchung von Faktoren, die die Schwere von Fußverkehrsunfällen beeinflussen: eine Multi-Source-Studie in der Stadt Berlin (Orig. engl.: Exploring factors influencing pedestrian accident severity: a multi-source study in the city of Berlin)
| Autoren |
A. Kopsacheilis I. Politis |
|---|---|
| Sachgebiete |
1.4 Statistik (Straßen, Kfz, Unfälle) 5.6 Fußgängerverkehr, Fußwege, Fußgängerüberwege 6.1 Verkehrserhebungen, Verkehrsmessungen 6.3 Verkehrssicherheit (Unfälle) |
European Transport Research Review 16 (2024) Nr. 63, 18 S., 10 B, 12 T, zahlr. Q. − Online-Ressource: verfügbar unter: https://doi.org/10.1186/s12544-024-00686-6
Die Sicherheit im Straßenverkehr ist nach wie vor ein wichtiges Anliegen im europäischen Verkehrssektor. In städtischen Gebieten, in denen 40 % aller Verkehrstoten zu beklagen sind, sind Fußgängerinnen und Fußgänger besonders gefährdet, da die Wahrscheinlichkeit, dass diese tödlich verunglücken, nach Daten zur Straßenverkehrssicherheit 2,8- beziehungsweise 15-mal höher ist als in ländlichen Gebieten und auf Autobahnen. Im Einklang mit dem Konzept der Vision Zero und den Richtlinien der Europäischen Kommission ergreifen viele EU-Mitgliedstaaten Maßnahmen zur Verbesserung der Straßenverkehrssicherheit. Dementsprechend ist die Ermittlung der Schlüsselfaktoren für das Auftreten von Fußverkehrsunfällen und die Schwere dieser Unfälle in städtischen Gebieten von immer größerer Bedeutung. Die im Artikel der Aristoteles-Universität Thessaloniki vorgeschlagene Methode verwendet traditionelle logistische Regressionsmodelle und künstliche neuronale Netze unter Verwendung von Unfalldaten aus Berlin, die vom "Berlin Open Data Portal" stammen. Der Datensatz umfasst Informationen zu 3 257 Unfällen mit Fußgängerinnen und Fußgängern im Jahr 2018 oder 2019, einschließlich Details zu den beteiligten Fahrzeugen, Unfalldetails und Informationen zur Verletzungsschwere. Zusätzlich wurde der Datensatz mit Daten zur durchschnittlichen Geschwindigkeit im Netz von Uber Movement und Informationen zum Straßennetz aus Anwendungen des Geografischen Informationssystems (GIS) angereichert. Die Ergebnisse der formalen Analyse deuten darauf hin, dass mehrere Faktoren für die Unfallschwere von Bedeutung sind, zum Beispiel die Beteiligung von Fahrrädern oder schweren Fahrzeugen, die Lichtverhältnisse, die Geschwindigkeitsbegrenzung und die Unfallart. Außerdem zeigt ein Vergleich zwischen den Modellierungsansätzen einen klaren Leistungsvorteil von künstlichen neuronalen Netzen (Artificial Neural Networks, ANNs) gegenüber statistischen Modellen. Die Forschungsergebnisse bieten Einblicke für verschiedene Interessengruppen, die an der Verbesserung der Fußverkehrssicherheit in städtischen Gebieten arbeiten.