Udpegning af sorte pletter på basis af Data fra Kørende Biler

Transkript

1 Udpegning af sorte pletter på basis af Data fra Kørende Biler Niels Agerholm Adjunkt, Projektleder Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 1 of 44

2 Agenda Kort intro til sorte pletter Om projektet Metoden Floating Car Data Videnskabelig baggrund Datakilder Plan og status Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 2 of 44

3 En sort plet: definition En lokalitet, der er mere uheldsramt end det skulle forventes, når der tages hensyn til vejindretning, udstyr & trafikmængder Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 3 of 44

4 Hvorfor er sortpletudpegning og forbedring vigtig? Trods markant forbedret trafiksikkerhed omkommer mere end personer hvert år på de europæiske veje Sortpletforbedring er en af hjørnestenene i trafiksikkerhedsarbejdet Hvor det er gennemført, har det vist gode effekter Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 4 of 44

5 Hvorfor er sortpletudpegning nødvendig? Sortpletudbedring effekt Bedste bud 95% konf. interval Personskade uheld -33% (-36;-30) Materielskadeuheld +0% (-27;+38) The Handbook of Road Safety Measures - Second Edition (2009) Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 5 of 44

6 Behov for nye metoder Hvor dækkende er de officielle uheldsstatistikker? Store udsving fra land til land Mørketallet afhænger kraftigt af trafikanttypen Mørketallet er stort! En særlig dansk udfordring Dette er understøttet af mindre studier Uheldsregistrering i Danmark Antal tilskadekomne Politi 9,660 6,897 Politi & Hospital 46,075 47,792 Politirapporteret andel 21% 14% Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 6 of 44

7 Behov for nye metoder Hvor dækkende er de officielle uheldsstatistikker? Store udsving fra land til land Mørketallet afhænger kraftigt af trafikanttypen Mørketallet er stort! En særlig dansk udfordring Dette er understøttet af mindre studier Uheldsregistrering i Danmark Antal tilskadekomne Politi 9,660 6,897 Politi & Hospital 46,075 47,792 Politirapporteret andel Men 21% 14% 2007 Cyklister 6% Bløde trafikanter samlet set 9% Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 7 of 44

8 Behov for nye metoder? Mindre danske studier understøtter behovet for nye metoder Kun 10-12% af personskadeuheldene blev anmeldt Specielt kneb det med at registrere de unge tilskadekomne Ved en trad. sortpletudpegning blev kun 5/15 kryds udpeget både baseret på politi- og skadestueindberetninger En del sorte pletter registreres forkert, pga. den lave registreringsgrad Figur 2. Uheld med personskade registreret på udvalgte kommuneveje fra 1. april (Andersen & Sørensen 2004; Jørgensen & Bach 2007; Bunton & Celis 2009)) krydset Stormgade/Frodes tiet kun havde registreret held, mens skadestuen ha 26. Undersøgelsen viser l undersøgelser, at skadestu høj grad indeholder eneu trafikanter. Eneuheldene knap 60% af alle uhelden et stort antal flerpartsuheld kommer til politiets kends neladende er forskelle i de registreres af henholdsvis p stuen, kan det give anled løsningsforslag i det stedb kerhedsarbejde, hvis skade gistrering indgår i trafiksik Flere unge Den aldersmæssige sam uheldsofrene ændrer sig m kigger på skadestueregistre udelukkende at basere sig p ninger. Særligt personskad under 18 år er underrepræ ficielle uheldsstatistik. Netop skolebørnene e kantgrupper, der gøres m trafiksikkerhedsarbejdet. D ligt store ressourcer på at s i de enkelte kommuner. ladende hidtil sket på bag oktober Politi omfatter de uheld, der både er registreret af politi og skadestue, og de uheld, grænset andel af det reelle der kun er registreret af politiet. De sorte pletter er udpeget på baggrund af politiets uheldsregistrering (både person- og materielskader) skoleelever. Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 8 of 44 Brug skadestuerne Erfaringerne fra Esbjerg an delighed, at anvendelse af

9 Hvad med hospitalsdata Lokalisering af uheld har sjældent prioritet Diverse systemer i regionerne Stadigt bagudskuende Måske en fremtidig mulighed? J Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 9 of 44

10 Metoden kort I princippet arealbaseret konfliktstudieteknik Baseret på Floating Car Data (FCD) Ideen er, at potentielle sorte pletter resulterer i mere markante opbremsninger end ellers Mange decelerationer på en lokalitet indikerer en sort plet Et mindre studie viser, at ryk (ændring i accelerationen) giver et mere klart billede En fremadskuende tilgang (man behøver ikke at vente på at ulykken er sket) Derfor nødvendig, hvis man vil nå 0-Visionen Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 10 of 44

11 Udpegning af sorte pletter ved hjælp af GPS-data Aalborg Universitet, Trafikforskningsgruppen Finansieret af Det Frie Forskningsråd Teknologi & Produktion November 2011 Januar 2014 Projektleder: Niels Agerholm Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 11 of 44

12 I princippet arealbaseret konfliktstudieteknik Inspireret af Svensson & Hydén 2006 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 12 of 44

13 Konfliktindikator I princippet kan sammenstød undgås på 3 måder: Decelerere Accelerere Sideværts undvigelse Deceleration (og ryk) er i fokus: Intuitivt Kraftig svingning er svært at adskille fra ufrivillige svingning Støtte fra litteraturen: 72-98% af alle undvigelsesmanøvrer (Horst 1984, Hydén 1987, Hantula 1994, Nygård 1999) Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 13 of 44

14 Floating Car Data Data fra kørende biler Lokalisering kan bestemmes af GPS og/eller GSM/GPRS netværk (mobilnet) Data kan indsamles med: On Board Units (ofte til forskning eller lignende) Smartphones Navigationsanlæg Enheder til flådestyring Etc. Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 14 of 44

15 Decelerationer & Ryk Has$ghed Accelera$on Ryk m/s v1 m/s 2 m/s 3 12 v2 v2- v1 12 v3 v3- v2 0 (v3- v2)- (v2- v1) 10 v4 v4- v3-2 (v4- v3)- (v3- v2) - 2 v5 6 v5- v4-4 (v5- v4)- (v4- v3) Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 15 of 44

16 Hastigheder, Decelerationer & Ryk Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 16 of 44

17 n!!! Speed, Decelerations, and Jerks Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 17 of 44

18 Fund af tærskelværdier Der er tydelig forskel på Ryk (og evt. deceleration) afhængig af, om opbremsningen er frivillig eller ufrivillig Der er stor individuel forskel Der skal søges en model, der kan håndtere dette Mindst to mulige tilgange Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 18 of 44

19 [Udpegning af potentielle sorte pletter via floating car data] Løsning 1: finde knækket på en fraktil/rykkurve Figur Ryk-kurve for deltager Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 19 of 44

20 Løsning II: finde forskelle på Ryk Inspireret af Bagdadi & Várhelyi 2012 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 20 of 44

21 Videnskabelig Baggrund (Salusjärvi 1981) Nygård (1999) Svendsen et al. (2008) Bagdadi & Várhelyi (2011) Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 21 of 44

22 Salusjärvi: På samfundsniveau Finland 1981 Undersøgte sammenhængen mellem hastighedsvariation og risiko Baseret på en række finske forsøg med hastighedsgrænser i perioden Når gennemsnitshastigheden forøges, stiger hastighedsvariationen markant! Jo højere hastighedsvariation, des flere alvorlige uheld! Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 22 of 44

23 Nygård Finland 1999 Målet var at finde alvorlige konflikter på baggrund af FCD 70 chauffører Hver kørte 50 km med GPS registrering og en en erfaren konfliktobservatør Sammenlignede størrelsen på Decelerationerne og Rykkene med konfliktobservationerne Fandt at Ryk gav den bedste sammenhæng Fandt at Ryk ifm. en alvorlig konflikt adskilte sig markant fra Rykket ved en frivillig opbremsning Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 23 of 44

24 Svendsen et al. Danmark 2008 Data fra Spar På Farten (SPF) Testede Sort Plet identifikation i lille målestok Bekræftede Nygårds Ryk-baserede tilgang 94 chauffører, Ryk Meget fokus på chaufførernes forskellige kørestil Fandt 12 lokaliteter med 4 Ryk Brugte lavfrekvent FCD (1 Hz) Han fandt også, at frekvensen påvirkede grænseværdierne markant Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 24 of 44

25 Bagdadi & Várhelyi Snarere et input til metoden: Sverige 2011 Baseret på FCD fra ISA forsøget i Lund ( ) Data fra 166 biler Spørgeskemadata (Bl.a. om uheldsdata) Fandt en sammenhæng mellem antallet af store Ryk og uheldsrisikoen Kørsel med mange Ryk forøgede risikoen med ca. 13% Dog usikkerhed om validiteten af dette Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 25 of 44

26 Udvalgt datakilde ITS Platform Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 26 of 44

27 ITS Platform Nordjylland & mulig fortsættelse OBU, Backend Server og et antal Applikationer 420 biler Køre i > år Skal gerne fortsætte på kommercielle vilkår efter 2013J Parkering Kørselslog Trafikinformation TrafikStatistik Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 27 of 44

28 FCD from ITS Platform 10 Hz 420 biler Accelerationsdata Ca mia. accelerationsdata Aggregering vil være nødvendig Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 28 of 44

29 Næste store opgave At adskille de ufrivillige ryk fra de frivillige & At tage hensyn til forskellige køremåder (måske) At skelne mellem rigtige konflikter og datafejl Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 29 of 44

30 Eksempler på data og datafejl Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 30 of 44

31 Antageligt konflikter Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 31 of 44

32 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 32 of 44

33 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 33 of 44

34 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 34 of 44

35 Forkerte observationer Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 35 of 44

36 Bump er en udfordring Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 36 of 44

37 Forkerte observationer Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 37 of 44

38 Dårlig GPS data en anden Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 38 of 44

39 Forkerte observationer Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 39 of 44

40 Man kan godt bremse kraftigt uden at der er tale om et stort ryk Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 40 of 44

41 Forkerte observationer Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 41 of 44

42 Sammenfatning AAU udvikler et værktøj til udpegning af sorte pletter baseret på FCD Data er under indsamling Teori er indsamlet Principper for data er opstillede Storskalaanalyser pågår fra ultimo 2012 Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 42 of 44

43 Aalborg Universitet og trafiksikkerhedsforskning To forskningsprojekter med forskellige tilgange og samme mål: Baseret på Ryk fundet i FCD Baseret på vejkarakteristika Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 43 of 44

44 Tak Niels Agerholm Trafikforskningsgruppen Aalborg Universitet Niels Agerholm, Trafikforskningsgruppen, Aalborg Universitet Nr. 44 of 44