Het gebruik van Geografische Informatie Systemen in Verkeersveiligheid De ontwikkeling van een gevisualiseerde databank: Deel I
F. Van Malderen, C. Macharis
►
Prof. dr. C. Macharis Referentiedatabank VUB, UHasselt, PHL, VITO, UGent
►
RA-MOW-2010-004
► ► ► ►
WETENSCHAPSPARK 5 B 3590 DIEPENBEEK 011 26 91 12 011 26 91 99
[email protected] www.steunpuntmowverkeersveiligheid.be
► ►
T F E I
Het gebruik van Geografische Informatie Systemen in Verkeersveiligheid
De ontwikkeling van een gevisualiseerde databank: Deel I
RA-MOW-2010-004
F. Van Malderen, C. Macharis
Onderzoekslijn Referentiedatabank
DIEPENBEEK, 2010. STEUNPUNT MOBILITEIT & OPENBARE WERKEN SPOOR VERKEERSVEILIGHEID
Documentbeschrijving Rapportnummer:
RA-MOW-2010-004
Titel:
Het gebruik van Geografische Informatie Systemen in Verkeersveiligheid
Ondertitel:
De ontwikkeling van een gevisualiseerde databank: Deel I
Auteur(s):
F. Van Malderen, C. Macharis
Promotor:
Prof. dr. C. Macharis
Onderzoekslijn:
Referentiedatabank voor verkeersveiligheid in Vlaanderen
Partner:
Vrije Universiteit Brussel – MOSI T
Aantal pagina’s:
41
Projectnummer Steunpunt:
1.1
Projectinhoud:
WP1: Referentiedatabank voor verkeersveiligheid in Vlaanderen
onderzoek
onderzoek
naar
naar
Uitgave: Steunpunt Mobiliteit & Openbare Werken – Spoor Verkeersveiligheid, april 2010.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
Wetenschapspark 5 B 3590 Diepenbeek T 011 26 91 12 F 011 26 91 99 E
[email protected] I www.steunpuntmowverkeersveiligheid.be
Samenvatting Om de verkeersveiligheid te monitoren en te analyseren is de beschikbaarheid van accurate data noodzakelijk. Zonder deze data kan er geen beleidsrelevant onderzoek gedaan worden over verkeersveiligheid. In Vlaanderen zijn er reeds verschillende publieke en private instanties bezig met het verzamelen van relevante data voor verkeersveiligheidsonderzoek. Deze databanken zitten echter verspreid over de verschillende instanties wat voor de nodige problemen zorgt bij het verkrijgen van data en de coherentie tussen de verschillende bronnen. Dit heeft bijgevolg een (negatieve) invloed op uit voeren van beleidsondersteunend onderzoek. Er is dus nood aan een referentiedatabank voor verkeersveiligheidsonderzoek. Met het ontwikkelen van deze databank wordt getracht om gedifferentieerde data (verkeersongevallen, verkeersintensiteiten, wegkenmerken, etc.) beschikbaar te stellen en zo het onderzoek naar verkeersveiligheid te optimaliseren door de datacollectie te vereenvoudigen. Bovendien kan men door de integratie van de verschillende databanken een completer beeld krijgen van verkeersveiligheid in Vlaanderen. Voor dit werkpakket zal geen nieuwe data ontwikkeld worden. Er zal enkel gewerkt worden met bestaande, betrouwbare en gestructureerde databanken die verzameld werden door ondermeer overheden, beroepsgroepen en private en publieke onderzoeksinstanties. Dit rapport beschrijft de aanzet tot ontwikkeling van een verkeersongevallendatabank die wordt gevisualiseerd in een Geografisch Informatie Systeem (GIS). GIS is een flexibele tool die het mogelijk maakt om data meteen op te slaan, te bewerken, op te vragen, te analyseren en vooral grafisch weer te geven. Een grote troef van GIS is dat er zowel ruimtelijke informatie als niet-ruimtelijke informatie kan opgeslagen worden in dit systeem. Het is dus mogelijk om ook geassocieerde niet-ruimtelijke data te koppelen aan bepaalde locaties. Dit systeem is zeer handig voor het beheren van data, aangezien deze zeer divers van aard zijn (ongevallendata, wegkenmerken, verkeersintensiteiten, etc.). Er kan op verschillende niveaus gewerkt worden met GIS. Van grote gebieden zoals Vlaanderen tot specifieke cases. Naast het belang van GIS wordt in dit rapport beschreven welke informatie er idealiter dient opgenomen te worden in de referentiedatabank. Er worden tevens enkele toepassingen van GIS besproken in het kader van verkeersveiligheid. Daarbij wordt de methodologie voorgesteld van de ontwikkeling van een pilootdatabank. De referentiedatabank zal onder andere gehanteerd worden als input van de Road Accident Analyzer. Deze tool wordt ontworpen om de ongevallenrisico’s te monitoren op de wegsegmenten van de Vlaamse autosnelwegen en belangrijke secundaire wegen. Daarnaast zal deze tool studies uitvoeren van verkeersongevallen waarmee de dominante ongevallenoorzaken aan het licht kunnen gebracht worden op de gevaarlijkste wegsegmenten. Door dit extra inzicht kan de beslissingnemer efficiënte en effectieve verkeersveiligheidsmaatregelen selecteren om de verkeersongevallen te verhelpen.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
3
RA-MOW-2010-004
English summary The use of Geographic Information Systems in road safety The development of a visualized database: Part I Abstract
The availability of accurate traffic data is necessary to monitor and analyse road safety policy correctly. Without this data no policy relevant research can be executed. In Flanders, there are already several public and private institutes engaged to collect relevant traffic data. The databases, however, are spread across several different agencies. This leads to problems of data collection. There is thus need for a reference database for road safety research in Flanders. By developing this database relevant traffic data on different domains will be accessible for researchers. This will facilitate the investigation of road safety. In addition, the integration of different databases gives a more complete picture of road safety in Flanders. The database will only aggregate the data, but will not develop new data. It will only be working with existing, reliable and structured databases which were collected by governments, professional groups, private companies and researchers. This report describes the first step of the development of the reference database which will be visualized by a Geographic Information System (GIS). GIS is a flexible tool which make it possible to store, edit, retrieve, analyze and visualize data. A major advantage of GIS is that both spatial and non-spatial data can be stored in this system. It is also possible to link non-spatial data with specific locations. This system is very useful for managing traffic data, since traffic data is very diverse in nature (accident data, road features, traffic counts, etc.). Besides the importance of GIS, this report describes what information should be included in the reference database. Some applications of GIS in the context of road safety are discussed in the paper. The methodology of the pilot database is then presented. The reference database will be used as input for the Road Accident Analyzer. This tool is designed to monitor the accident risks on the road segments of the Flemish motorways and important secondary ways. Furthermore, this tool will perform in-depth analyses of road accidents. This will give the researcher more insight in the dominant accident causes at a specific location and more effective and efficient road safety measures can be implemented.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
4
RA-MOW-2010-004
Inhoudsopgave
1. 2.
INLEIDING ................................................................................ 6 GEOGRAFISCHE INFORMATIE SYSTEMEN .............................................. 8
2.1
Probleemstelling en onderzoeksvragen definiëren
2.2
Dataverzameling
9 10
2.2.1 Weergave werkelijkheid met behulp van ruimtelijke en niet-ruimtelijke gegevens .................................................................................................10 2.2.2
Rasterdata, vectordata en attribuuttabellen .....................................11
2.2.3
Organisatie van de gegevens .........................................................12
2.2.4
Belangrijke geografische instanties in Vlaanderen ............................13
2.3
Dataverwerking: analyses met GIS
15
3.
VERKEERSVEILIGHEID IN BEELD: EEN REFERENTIEDATABANK .................... 17
3.1
Toepassingen in ongevallen-GIS
17
3.1.1
Zwarte punten identificeren ...........................................................17
3.1.2
Voorspellen van verkeersongevallen ...............................................18
3.1.3
Ongevallenoorzaken definiëren ......................................................18
3.1.4
Verkeersveiligheidsmaatregelen evalueren ......................................19
3.1.5
Andere applicaties ........................................................................19
3.2
Bestaande gevisualiseerde verkeersongevallendatabanken in Vlaanderen
19
3.3
Referentiedatabank voor verkeersveiligheid in Vlaanderen
20
4.
3.3.1
Functie van referentiedatabank ......................................................21
3.3.2
Benodigde data voor verkeersveiligheidsonderzoek ..........................21
3.3.3
Primaire data ...............................................................................28
3.3.4
Design en structuur pilootdatabank ................................................28
ROAD ACCIDENT ANALYZER .......................................................... 31
4.1 Identificatie van gevaarlijke segmenten op Vlaamse autosnelwegen aan de hand van ongevallenrisico’s 31 4.1.1
Berekening ongevallenrisico’s ........................................................32
4.1.2
Definiëring van de wegsegmenten ..................................................33
4.2
Analyse van verkeersongevallen
33
4.3
Evaluatie van verkeersveiligheidsmaatregelen
34
4.4
Selectie van verkeersveiligheidsmaatregelen
34
5. 6. 7. 8.
VERDER ONDERZOEK .................................................................. 35 CONCLUSIE ............................................................................. 36 VERKLARENDE BEGRIPPENLIJST ...................................................... 38 REFERENTIES........................................................................... 39
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
5
RA-MOW-2010-004
1.
INLEIDING
De afgelopen jaren boekte Vlaanderen reeds sterke vooruitgang in het terugdringen van het aantal verkeersslachtoffers. Ondanks deze positieve trend is dit aantal nog onacceptabel hoog. Om het aantal verkeersongevallen en slachtoffers verder te reduceren moet er voldoende inzicht zijn in de verkeersveiligheid (en meer bepaald de verkeersongevallen). Om dit te realiseren moet er een betrouwbare referentiedatabank beschikbaar zijn met data over verschillende domeinen (mens, voertuig en omgeving) en voor verscheidene jaren dat beleidsmakers, onderzoekers en andere stakeholders voldoende informatie moet geven om onderzoek te kunnen voeren naar verkeersveiligheid in Vlaanderen. Het dient dus als basis voor het verschaffen van een beter inzicht. Ondanks het feit dat er reeds verschillende databanken bestaan in Vlaanderen over verkeer en verkeersveiligheid (Verkeerscentrum, Agiv, ADSEI, etc.), bezit Vlaanderen nog geen geaggregeerde databank, waarbij verschillende bestaande databanken met elkaar worden gekoppeld. Het gebruik van meerdere databanken zorgt er nochtans voor dat er betere analyses kunnen gebeuren (Lyons et al, 2008). Als gevolg van technologische ontwikkelingen kunnen data om beleidsrelevant verkeersveiligheidsonderzoek te verrichten steeds beter beheerd en verwerkt worden. Desondanks is het analyseren ervan geen eenvoudige opdracht. De realiteit leert namelijk dat enorm veel factoren meespelen bij het ontstaan van een verkeersongeval. Er zal gebruik gemaakt worden van een Geografische Informatie Systeem (GIS) om de databank op te stellen. Dit computersysteem vervult vele taken, waaronder enerzijds een beschrijvende functie door de databanken simultaan te visualiseren en anderzijds analyses uit te voeren. In de referentiedatabank moeten dan ook de relevante databanken opgenomen worden die een verband hebben met verkeer en verkeersongevallen. De referentiedatabank zal naast de verkeersongevallendata en het wegennetwerk die gebruikt worden in de conventionele verkeersongevallendatabanken, onder andere ook informatie bevatten over gedetailleerde wegkenmerken, handhaving, verplaatsingsgedrag en verkeersintensiteiten. Er zal bij het opstellen van de databank enkel gewerkt worden met bestaande databanken. De data wordt op een gestructureerde wijze aan elkaar gekoppeld, zodat de verkeersveiligheid beter gemonitord wordt, meer gedetailleerde analyses uitgevoerd kunnen worden, de effectiviteit van verkeersveiligheidsmaatregelen kan berekend worden, etc. Het verbeterde inzicht dat men hierdoor zal verkrijgen in verkeersveiligheid zal dan leiden tot betere beleidsbeslissingen, doordat de beleidsmakers beter kunnen plannen en evalueren. Het basisdoel van het referentiebestand betreft het bevragen en visualiseren van relevante data. Naast het bevragen en visualiseren van de referentiedatabank wordt in dit werkpakket een analysetool (Road Accident Analyzer) ontwikkeld dat aan de hand van analyses meer inzicht moet verschaffen in de verkeersveiligheid van Vlaanderen. Deze analysetool zal de referentiedatabank als basisbron gebruiken. Op basis van de Road Accident Analyzer zullen de ongevallenrisico’s berekend worden en dit enkel op de autosnelwegsegmenten en van belangrijke secundaire wegen, aangezien er voor het onderliggend wegennet geen verkeersintensiteiten op een continue basis worden verzameld. Hiermee worden dan de gevaarlijkste segmenten in kaart gebracht. Op de gevaarlijkste segmenten zullen dan gedetailleerde ongevallenanalyses uitgevoerd worden, zodat de dominante verkeersongevallenoorzaken aan het licht komen en op deze wijze geschikte maatregelen kunnen getroffen worden. In dit rapport wordt een eerste aanzet gegeven tot de ontwikkeling van de referentiedatabank. Hierbij zal het gebruik en functionaliteiten van Geografische Informatie Systemen besproken worden. In het tweede hoofdstuk is dit in het algemeen. Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
6
RA-MOW-2010-004
In het derde hoofdstuk wordt dit belicht in het kader van verkeersveiligheid. Hierbij worden verschillende gisapplicaties voor verkeersveiligheid toegelicht. Daarnaast zal er ook besproken worden welke data er dient opgenomen te worden in de referentiedatabank. In dit hoofdstuk wordt ook de ontwikkeling en basismethodologie van een pilootdatabank uitgelegd op basis van primaire gegevens. Vervolgens wordt er in het vierde hoofdstuk de ontwikkeling van de road accident analyzer besproken. Het rapport wordt afgesloten met een bespreking van het toekomstig onderzoek.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
7
RA-MOW-2010-004
2.
GEOGRAFISCHE INFORMATIE SYSTEMEN
In dit hoofdstuk wordt het belang van Geografische Informatie Systemen (GIS) naar voor gebracht om de data te koppelen en op een gevisualiseerde wijze weer te geven. Hierbij zal de werking en sterktes van GIS uitgelegd worden. Het hoofdstuk wordt opgedeeld in 3 fasen: het formuleren van de probleemstelling en de onderzoeksvragen, dataverzameling en tenslotte de dataverwerking aan de hand van GIS. Deze 3 fasen moet men doorlopen indien men analyses wil doen met behulp van GIS. Data kunnen op verschillende wijzen voorgesteld worden. Deze data dient gevisualiseerd te worden opdat men op een efficiënte en effectieve wijze conclusies kan trekken. Er bestaan talrijke “conventionele” visualisatietechnieken zoals staafdiagrammen, frequentietabellen, cirkeldiagrammen en histogrammen die de gegevens ordenen. Aan de hand van beschrijvende statistiek kunnen dan ook hypothesen getoetst worden (Despontin, 2005). Ongeveer 50 jaar geleden kenden de Geografische Informatie Systemen hun oorsprong, maar in de laatste jaren werd GIS ook bekend bij het brede publiek door de sterke groei van routeplanners en meer bepaald GPS. GIS wordt tevens gebruikt in diverse domeinen zoals ruimtelijke ordening, milieu, demografie, waterbeheer, leger, landbouw, veiligheid en transport (Goodchild, 1993; Canters, 2003). In de context van dit rapport zullen de 2 laatste domeinen gecombineerd worden om zo de verkeersveiligheid in kaart te brengen. In dit hoofdstuk zullen we ingaan op GIS in zijn algemeenheid. In het volgende hoofdstuk zal dan dieper ingegaan worden op GIS en verkeersveiligheid. Bij GIS worden de alfanumerieke data (attributen) met een geografische component uit tabellen met grote hoeveelheden topografische data omgezet in digitale vorm, waardoor deze gegevens in kaart worden gebracht (Hendriks et al, 1997; Augeri et al, 2003). GIS heeft meer mogelijkheden dan enkel ruimtelijke data visualiseren. Dit wordt geïllustreerd aan de hand van enkele definities voor Geografische Informatie Systemen. GIS is …:
“… a powerful set of tools for collecting, storing, retrieving at will, transforming and displaying spatial data from the real world.” (Burrough, 1986)
“… a database system in which most of the data are spatially indexed, and upon which a set of procedures operated in order to answer queries about spatial entities in the database” (Smith et al, 1987)
“… an information technology which stores, analyses and displays both spatial and non-spatial data” (Parker, 1988)
“… een computersysteem dat hulpmiddelen biedt om aan elkaar gekoppelde ruimtelijke en niet-ruimtelijke gegevens te structureren, op te slaan, te bewerken, te beheren, op te vragen, te analyseren en weer te geven, zodanig dat die gegevens nuttige informatie opleveren voor het beantwoorden van een gegeven beleids –of onderzoeksvraag.” (Hendriks et al, 1997)
Uit deze definities kan er dus geconcludeerd worden dat geografische informatiesystemen probleemoplossende beleidsondersteunende informatie systemen zijn op basis van digitale technologie dat de mogelijkheid biedt om geografische informatie beter verkrijgbaar, verwerkbaar, behandelbaar en presenteerbaar te maken. GIS is dus een dynamisch computersysteem dat diverse functies vervult: het opslaan, bewerken, opvragen, analyseren en weergeven van gegevens. Het is een zeer geschikt systeem om gegevens te structureren uit verschillende databanken en zo het monitoren van de gegevens te verbeteren, waaruit dan betere beslissingen genomen kunnen worden. Geografische informatiesystemen kunnen op verschillende niveaus gebruikt worden. Men kan GIS gebruiken op zowel micro-, meso- als macrogeografisch vlak. Door de
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
8
RA-MOW-2010-004
uitgebreide mogelijkheden van geografische informatie systemen, is het gebruik ervan sterk gegroeid bij zowel overheden als bedrijven, doordat het beleidsmakers ondersteunt bij het nemen van beslissingen. Men kan oplossingen voor problemen uittesten en vergelijken, trends nagaan, … Daarenboven blijkt uit de definities dat GIS zowel ruimtelijke data als niet-ruimtelijke data kan bevatten. Niet alle gegevens dienen dus plaatsgebonden te zijn om te kunnen gebruiken binnen GIS. Het is voldoende indien minimaal één attribuut een geografische component heeft. Daarnaast kunnen er naast ruimtelijke en niet-ruimtelijke data ook afbeeldingen gekoppeld worden aan een bepaalde locatie. Op deze manier kunnen er bijvoorbeeld luchtfoto’s of satellietfoto’s aan de locaties gekoppeld worden.
2.1
Probleemstelling en onderzoeksvragen definiëren
Voordat men data verzamelt en analyses uitvoert binnen GIS, dient men na te gaan welk probleem er zich stelt. Hiervoor dient de probleemstelling gedefinieerd te worden. Een bepaalde situatie wordt als probleem ervaren indien de huidige situatie afwijkt van de gewenste situatie (van der Vlist et al, 2007). Het is belangrijk dat de definiëring van het probleem gebaseerd is op objectieve data zoals processen verbaal, verkeerstellingen… die opgeslagen zijn in lokale, regionale, nationale en/of internationale databanken of de geaggregeerde referentiedatabank. In het kader van verkeersveiligheid kunnen verschillende problemen rijzen. Deze kunnen betrekking hebben op voertuig, mens en omgeving. Daarom dat men ook voldoende data nodig heeft uit verschillende databanken die deze 3 componenten behelzen, opdat men in de verschillende regio’s de trends of zwarte punten kan identificeren en op die manier passende maatregelen kan treffen. In deze fase zal tevens het probleemgebied geografisch en tijdsgebonden afgebakend worden. Daarna kan men concrete onderzoeksvragen formuleren. Met behulp van deze onderzoeksvragen kunnen de knelpunten in kaart gebracht worden en kan er op zoek gegaan worden naar een gepast beleid om deze problemen te verhelpen. Er kunnen een viertal types onderzoeksvragen gedefinieerd worden. Er wordt telkens een voorbeeld bij gegeven om de vragen concreter te maken (De Peuter, 2007):
Beschrijvende vragen die meer informatie moeten verschaffen rond het beleid of ingevoerde maatregel, de werking ervan, de resultaten, etc. “Waar bevinden zich de zwarte punten op de E40 autosnelweg?”
Causale vragen die de evalueerders meer moeten vertellen over het bestaan, sterkte, richting en randvoorwaarden van de oorzaakgevolg relaties van de maatregel. “Bestaat er een verband tussen verkeersongevallen op autosnelwegen?”
verkeersborden
en
Normatieve of prescriptieve vragen moeten verwijzen naar de gewenste/optimale situatie of verandering. “Hoe kan men het aantal reduceren?”
dynamische
ongevallen op
een gevaarlijk wegsegment
Voorspellende vragen die informatie moeten geven over de mogelijkheid, kans en risico waarmee situaties of veranderingen in de toekomst kunnen optreden. “Welke invloed heeft een trajectcontrole op het aantal verkeersongevallen?”
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
9
RA-MOW-2010-004
2.2
Dataverzameling
Nadat de probleemstelling en de onderzoeksvragen zijn opgesteld moet er op zoek gegaan worden naar relevante data. De dataverzameling is waarschijnlijk de moeilijkste opdracht bij het werken met GIS. Er zijn namelijk vele verschillende informatiebronnen die men kan hanteren om het verkeersveiligheidniveau in Vlaanderen in kaart te brengen. Verkeersongevallendata van politie, het ADSEI (het vroegere NIS) of gelokaliseerde data van de Vlaamse overheid, verkeersintensiteiten, wegkenmerken, databanken KMI, verzekeringsgegevens, ziekenhuisstatistieken etc. kunnen relevante data bevatten. Bovendien heeft men te maken met zowel ruimtelijke data als nietruimtelijke data. In de volgende paragrafen wordt er dieper ingegaan op ruimtelijke data en niet-ruimtelijke data en hoe deze data dient georganiseerd te worden. Vervolgens worden de verschillende instanties besproken die relevante geografische informatie ter beschikking stellen.
2.2.1 Weergave werkelijkheid met behulp van ruimtelijke en niet-ruimtelijke gegevens
Ruimtelijke aspecten bevatten een bepaalde geometrie. Vandaar dat men deze ruimtelijke gegevens ook geometrische gegevens noemt. Deze data kan echter wel wijzigen in de loop der tijd. Een kruispunt kan in jaar x een ongeregeld kruispunt zijn, waarna het een jaar later een geregeld kruispunt wordt en weer een periode later kan deze verkeerssituatie alweer omgevormd zijn tot een rondpunt. De ruimtelijke aspecten kunnen gedefinieerd worden aan een welbepaalde locatie in de ruimte (geocoderen). Vaak wordt er gebruik gemaakt van 2 dimensionale x, y – coördinaten, ook wel rechthoekige coördinaten genoemd, om de plaats te bepalen. Niet-ruimtelijke of thematische gegevens kunnen interessante data aanleveren voor analyses binnen GIS. Onder deze attributen kan men de niet-ruimtelijke data als het aantal ingeschreven voertuigen, het autobezit, gordeldracht, aantal overtredingen, … verstaan voor een bepaalde regio. Het koppelen van geografische en niet-geografische data aan een bepaalde locatie is een zeer belangrijk kenmerk van GIS. Dit is een meerwaarde ten opzichte van de niet-ruimtelijke informatiesystemen. Aan de hand van de koppeling van deze ruimtelijke en niet-ruimtelijke gegevens tracht men de werkelijkheid weer te geven. De geografische realiteit is echter een zeer complex gegeven, vandaar dat men vaak gebruik maakt van ruimtelijke modellen die een vereenvoudiging zijn van de werkelijkheid. Hiervoor kunnen er twee methoden gehanteerd worden: de veldbenadering en de objectbenadering. Bij de eerste benadering wordt de geografische informatie behandeld als een verzameling van ruimtelijke distributies van attribuutwaardes. De objectbenadering daarentegen beschrijft de ruimte als verzameling van discrete, identificeerbare entiteiten of objecten. Deze laatste benadering zal voornamelijk gehanteerd worden in het samenstellen van de referentiedatabank. Op deze benaderingen wordt echter niet verder op ingegaan, aangezien deze ons te ver zullen leiden. Meer informatie hierover kunt u terugvinden in de literatuur (Hendriks et al, 1997; Canters, 2003; Longley, 2005). De verzamelde ruimtelijke gegevens en niet-ruimtelijke gegevens komende uit diverse domeinen (mens, voertuig en omgeving) hebben allen betrekking op een bepaald thema (verkeersveiligheid). Op deze manier kunnen er ruimtelijke interacties onderzocht worden aan de hand van synthesekartering. Hierbij worden diverse kaarten/lagen met een zelfde schaal over elkaar gelegd, waarmee dan analyses kunnen uitgevoerd worden. In de begin jaren, hanteerde men transparante slides en een lichttafel om de analyses uit te voeren. Met de huidige digitale technologie wordt deze procedure geautomatiseerd en kan men eenvoudig kaarten toevoegen, weglaten en zelf creëren met behulp van softwareprogramma’s zoals ArcGIS. Hierbij wordt uitgegaan van een gelaagd Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
10
RA-MOW-2010-004
rastermodel, waarbij elke laag de waarde van een kenmerk (attribuut) voor een regelmatig rooster van ruimtelijke eenheden (cellen) beschrijft. Door de informatie op te delen in verschillende lagen kan een beter inzicht gegeven worden van de situatie en kan een situatie in de toekomst voorgesteld worden (UHasselt, 2009). In onderstaande figuur wordt het principe van synthesekartering grafisch voorgesteld. Er dient dus verticaal doorheen de lagen gekeken te worden.
Figuur 1: Synthesekartering
Locale wegen Gewestwegen Snelwegen Blootstellingsdata Verkeersongevallen
Bron: Eigen opmaak
2.2.2 Rasterdata, vectordata en attribuuttabellen
In GIS maakt men een onderscheid tussen 3 types informatie waaruit de lagen kunnen opgebouwd zijn, namelijk rasterdata, vectordata en de attribuuttabellen. Hieronder worden deze 3 types kort besproken:
a. Rasterdata Rasterdata zijn data die geogerefereerd zijn zoals topografische kaarten of luchtfoto’s. Er kunnen echter geen berekeningen met gedaan worden. Bovendien verkrijgt men wazige beelden van dit type data naarmate men verder inzoomt. Het is zoals men steeds dichter inzoomt op een foto, waarbij de pixels uitvergroot worden tot vierkante kleurenvlakken. Deze data kan echter een meerwaarde betekenen om op die manier een beter beeld te hebben van de omgeving van de desbetreffende locatie.
b. Vectordata Vectordata kunnen 3 vormen aannemen: een puntenlaag, een lijnenlaag (polylijn) of een vlakkenlaag (polygoon). Elke laag representeert een bepaald thema. Een zelfde laag kan dus niet over zowel punten als lijnen als vlakken beschikken. Doordat men verschillende lagen over elkaar kan leggen kan men echter wel een combinatie hebben van punten, lijnen en vlakken, doordat men minstens 1 gemeenschappelijk element heeft, namelijk de locatie. In softwaretoepassingen zoals ArcGIS worden deze lagen shapefiles genoemd. Met vectordata kan meer gedaan worden dan met rasterdata. Hiermee kan men namelijk wel berekeningen maken, aangezien er achter elk punt, lijn of vlak een tabel zit met attributen. Bovendien bekomt men nooit wazige beelden naarmate men inzoomt. Typische voorbeelden van vectordata zijn
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
11
RA-MOW-2010-004
bijvoorbeeld het wegennet (lijnen), ongevallenlocaties (punten) en bebouwde kommen (vlakken). Hieronder worden de 3 basisvormen van vectordata grafisch weergegeven. Figuur 2: punten, lijnen en vlakken
Puntenlaag
Lijnenlaag
Polygoon
Bron: Eigen opzet
c. Attribuuttabellen Deze tabellen bevatten beschrijvende attributen over geografische objecten en kenmerken die gelinkt (kunnen) zijn met bovenstaande bestanden. Elke laag bezit bijgevolg een achterliggende attribuuttabel. Er kunnen ook losstaande tabellen toegevoegd worden aan de databank met bijvoorbeeld algemene cijfers over het aantal alcoholmisdrijven.
2.2.3 Organisatie van de gegevens
De mogelijkheden voor ruimtelijke analyse zijn afhankelijk van de gebruikte software en de logische samenhang (organisatie) van de databanken. De meeste software-tools baseren zich op een traditionele tweeledige gegevensarchitectuur die gekenmerkt worden door enerzijds het apart opslaan en beheren van ruimtelijke en niet-ruimtelijke gegevens en anderzijds het groeperen van gegevens in thematische datalagen die in eenzelfde referentiesysteem gedefinieerd zijn maar verder los van elkaar staan. De niet-ruimtelijke gegevens worden beheerd in eenvoudige attribuuttabellen of in een relationele database, bestaande uit een set van objecten (tabellen, queries, formulieren, macro’s en modulen) die via een gemeenschappelijk attribuut met elkaar wordt gekoppeld. Het gemeenschappelijk attribuut bevat dan unieke informatie (bvb. volgnummer verkeersongeval), ook wel primaire sleutel genoemd, zodat elke rij in een tabel uniek te identificeren is door middel van deze sleutel. Het relationeel model beschrijft hoe gegevens logisch en efficiënt1 georganiseerd zijn in tabellen en hoe deze tabellen gekoppeld kunnen worden. De primaire sleutel wordt naast het identificeren van informatie ook gebruikt om tabellen aan elkaar te koppelen. Ruimtelijke gegevens worden beheerd aan de hand van een pakket-eigen datastructuur, die al dan niet topologische informatie bevat (Canters, 2003). Een tabel bestaat uit kolommen en rijen (records) waarin de gegevens worden opgeslagen. Onder de kolommen staat slechts 1 datatype: plaats ongeval of weggebruiker of ernst ongeval of etc. De rijen zijn heterogeen van aard. Hieronder
1
De gegevens worden slechts één keer bewaard op één bepaalde plaats.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
12
RA-MOW-2010-004
bevinden zich verschillende velden. In het ongevallenbestand van ADSEI bijvoorbeeld is dat: plaatsongeval, ernst ongeval, weggebruiker, etc. In een relationele database worden gegevens opgeslagen in verschillende kleinere tabellen waartussen relaties worden gelegd. Om de relaties weer te geven, wordt er vaak gewerkt met E-R modellering of entity-relationship modelling (Chen, 1976). De koppeling van de verschillende tabellen gebeurt in 95% van de gevallen aan de hand van relationele Data Base Management System (DBMS), waarbij primaire sleutels gehanteerd worden. Hiervoor kunnen softwareprogramma’s als MS Acces, MS SQL server en Oracle Universal server gebruikt worden om de specifieke structuurelementen zoals tabellen, queries macro’s en modulen aan elkaar te koppelen. Er kunnen verschillende relaties bestaan tussen tabellen:
1-op-1 relatie (one-to-one relation) De 1-op-1 relatie komt niet vaak voor. Elke rij in een tabel moet dan een corresponderende rij hebben in een tweede tabel. Bij individuele tabellen zijn er vele 1-op-1 relaties, bijvoorbeeld tussen de primaire sleutel en de andere gegevens op die rij is de relatie 1 op 1. Bij de verkeersongevallendatabank komt dit bijvoorbeeld voor tussen ongeval en plaats van het ongeval. Elke rij in de tabel “ongeval” heeft ook een corresponderende rij in de tabel “plaats ongeval”.
1-op-meer relatie (one-to-many relation) Bij de één-op-veel relatie is één attribuut gekoppeld aan 0, 1 of meer andere attributen. Een verkeersongeval kan 0, 1 of meer slachtoffers hebben en een slachtoffer is steeds gekoppeld aan 1 verkeersongeval.
Meer-op-meer relatie (many-to-many relation) In deze relatie kunnen meerdere rijen uit een eerste tabel gekoppeld zijn aan meerdere rijen uit een andere tabel. Dit komt niet voor in de ongevallendatabank, maar indien men de betrokkenen een unieke waarde geven zou dit wel kunnen. Dan kan een betrokkene 0, 1 of meer ongevallen hebben en een ongeval 0, 1 of meer betrokkenen hebben.
2.2.4 Belangrijke geografische instanties in Vlaanderen
Er zijn verschillende instanties in Vlaanderen en België die geogerefereerde data verzamelen en ter beschikking stellen van onderzoekers of overheden. Hieronder lijsten we de belangrijkste van deze organisaties op:
a. Agentschap voor Geografische Informatie Vlaanderen (AGIV – www.agiv.be) Dit agentschap is opgericht als uitvoerend orgaan van het in 1995 opgestarte gebruik van geografische informatie binnen de Vlaamse overheid te stimuleren en te coördineren. Men stelt de data ter beschikking via GIRAF (Geographical Information Retrieval Application for Flanders). Hieronder worden enkele interessante databronnen opgelijst in het kader van transport:
NAVSTREETS (native) Vector bevat onder andere een wegennetwerk met uitgebreide verkeersattributen, netwerkknopen en vormpunten, spoorwegen, waterwegen en –oppervlakten, parken, Points Of Interest (POI’s), ziekenhuizen, een laag met bodemgebruik, contouren bebouwde zones. Het product “Transportnetwerk (NAVTEQ – GIS-Vlaanderen)” bevat naast de gegevens van NAVSTREETS ook extra informatie uit het CRAB en andere voor GIS-Vlaanderen interessante gegevens. Dit product tracht tegemoet te komen
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
13
RA-MOW-2010-004
aan de noden van de gebruikers van wegenbestanden (wegbeheerders, openbaar vervoer, mobiliteit). De dataset bevat de gegevens uit Vlaanderen en het Brussels Hoofdstedelijk Gewest en geeft aanleiding tot één product, met 4 geografische entiteiten: Wegsegmenten (Wgs), Wegknooppunten (Wkp), Brunnels (Bru) en Spoorwegen (Spw). Routesysteem van de Vlaamse gewestwegen: Het routesysteem bevat de Vlaamse Gewestwegen (inclusief op- en afritten van de autowegen). Het systeem is opgebouwd in Arc/Info op basis van het thema straten uit het skeletbestand streetnet97 van TeleAtlas. CRAB stratenlijst: Het bestand bevat de straatnamen in België. De straatnamen kregen een volgnummer, de zgn. CRAB-straatcode. Ook de codes van het Rijksregister zitten in het bestand. De geografische ligging van de straatnamen staan niet in het bestand.
b. Nationaal Geografisch Instituut (NGI – www.ngi.be) Het Nationaal Geografisch Instituut werd opgericht in 1976. Het houdt de topogeografische inventaris van België bij en produceert topografische (raster)kaarten zoals administratieve kaarten van de gewesten, provincies, gemeentegrenzen, etc.; wegenkaarten; verkeersverbindingen. Het is tevens het centrum dat luchtfoto’s en satellietbeelden inricht en beheert. c. FLAGIS (www.flagis.be) Dit is een onafhankelijk discussieforum voor de gebruikers van GIS. FLAGIS tracht de doorstroming van informatie tussen alle GIS gebruikers in Vlaanderen te verbeteren en een open discussie rond belangrijke GIS thema's tot stand te brengen. Ze leveren echter zelf geen gegevens aan.
d. TeleAtlas (http://navigation.teleatlas.com/nl/) (http://www.navteq.com/language/nl)
&
NAVTEQ
Dit zijn 2 grote spelers die digitale kaarten aanbieden voor ondermeer GIStoepassingen en navigatiesystemen. Men verzamelt, actualiseert nauwkeurig de gedetailleerde geografische gegevens. Deze worden vastgelegd in databanken. Daarmee worden dan digitale (wegen)kaarten opgebouwd. Beide ondernemingen beschikken over gedetailleerde kaarten van honderden landen over de hele wereld. AGIV werkt vaak samen met TeleAtlas om geografische informatie te verzamelen.
e. ESRI Belux (www.esribelux.be) ESRI BeLux is de leverancier van het softwarepakket ArcGIS. Het bedrijf biedt tevens een waaier aan professionele dienstverlening zoals consultancy, behoeftestudies en GIS-analyse, ontwikkeling van GIS toepassingen, geografische dataconversie en integratie, projectmanagement, GIS- implementatie, software trainingen, opleidingen op maat. ESRI Belux ontwikkelt geen eigen data, maar heeft wel relaties met Eurosense, het NGI en TeleAtlas.
f.
Andere overheidsinstanties
Daarnaast zijn er echter ook nog initiatieven komende uit overheidsinstanties. Zo wordt in het kader van verkeersveiligheid bij het Verkeerscentrum de verkeersintensiteiten gekoppeld aan een geografisch informatie systeem, wordt er een verkeersbordendatabank opgesteld, worden de wegkenmerken bijgehouden in de ADA-databank en lokaliseren de Vlaamse provincies in opdracht van de Vlaamse Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
14
RA-MOW-2010-004
overheid de ongevallen voor hun provincie in het ongevallen-GIS Vlaanderen (MOBGIS). Hierover zal in het volgende hoofdstuk dieper op ingegaan worden. Vele politiezones houden ook hun statistieken bij in een GIS-omgeving, zodat er op lokaal vlak doordachte beleidsbeslissingen kunnen gemaakt worden.
2.3
Dataverwerking: analyses met GIS
De data die werd verzameld bij de dataverzameling wordt nu gegroepeerd en verwerkt tot bruikbare informatie. Uitgaande de hybride gegevensarchitectuur (zie paragraaf 2.2.3 Organisatie van de gegevens) kan een onderscheid gemaakt worden tussen functies voor het analyseren van niet-ruimtelijke gegevens, voor het analyseren van ruimtelijke gegevens en functies voor het geïntegreerd analyseren van ruimtelijke en niet-ruimtelijke data. Indien de data thematisch samengenomen worden in verschillende datalagen, kan men analyses doen binnen een datalaag of functies uitvoeren over verschillende datalagen tegelijkertijd. Er is tevens een onderscheid tussen een bevraging en een bewerking. Bij een bevraging zal enkel bestaande data opgevraagd worden die expliciet aanwezig is in de databank, zonder dat de inhoud van de databank dient gewijzigd te worden. Bewerkingen leiden nieuwe informatie af uit bestaande gegevens door het combineren van data of door het uitvoeren van berekeningen. GIS is een zeer goed instrument om ruimtelijke analyses op een geautomatiseerde wijze uit te voeren (Hendriks et al, 1997). Er kunnen dus verschillende types van functies uitgevoerd worden met behulp van GIS (Uhasselt, 2009):
Gegevens uit een database visualiseren
Statistische en geografische analyses maken
Verschillende kaarten digitaal vergelijken
Gebeurtenissen verklaren
Toekomstige patronen, trends, veranderingen, … voorspellen
Verschillende vergelijken
Wijzigingen aanbrengen op kaarten
…
scenario’s
en
mogelijke
oplossingen
visueel
voorstellen
en
Deze bovenvermelde functies kunnen gegroepeerd worden in 5 soorten analyses, namelijk identificatie, lokalisatie, spatio-temporele analyse, overlay-analyse en ruimtelijke modellering. Er wordt steeds ook vermeld hoe deze functie kan gebruikt worden op vlak van verkeersveiligheid (Canters, 2003; Uhasselt, 2009):
Identificatie: hierbij stelt men zich de vraag welke kenmerken een gegeven locatie of object heeft. In het kader van verkeersveiligheid is deze tool interessant om controle locaties te identificeren voor een bepaalde test locatie. Op deze manier kunnen de externe effecten deels geneutraliseerd worden.
Lokalisatie: hier wordt op zoek gegaan naar de plaats waar zich een bepaald fenomeen voordoet. Op deze manier kan GIS meehelpen bij de lokalisatie van verkeersongevallen of zwarte punten en helpen zo mee aan de verbetering van de verkeersveiligheid. Men kan zo werkpunten blootleggen van het wegennetwerk.
Spatio-temporele analyse: indien men over cijfers voor verschillende jaren beschikt, kan men de ruimtelijke veranderingen gaan monitoren over een bepaalde periode. In de verkeersveiligheidcontext kan de evolutie van de
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
15
RA-MOW-2010-004
verkeersongevallen gevisualiseerd worden. Hiervoor is het zeer interessant om de ongevallenmigratie2 in kaart te brengen.
Overlay-analyse: bij deze analyse worden ruimtelijke verbanden gelegd tussen bepaalde fenomenen. Op deze manier kan er bijvoorbeeld gekeken worden naar het aantal verkeersongevallen die zich voordoen in een bepaalde zone (schoolomgeving, binnen of buiten de bebouwde kom, industriezone, etc.).
Ruimtelijke modellering: hierbij worden alternatieve scenario’s met elkaar afgewogen of worden er simulaties uitgevoerd. Op deze manier kan gekeken worden welke verkeersimpact een nieuwe verkeerssituatie heeft. Bij de ruimtelijke modellering kan ook op zoek gegaan worden naar de meest geschikte locatie voor het inplanten van bijvoorbeeld flitspalen op autosnelwegen op basis van het aantal verkeersongevallen.
2 Ongevallenmigratie zorgt ervoor dat de verkeersongevallen op een herwerkte locatie verminderen, maar door deze aanpassing ontwikkelen zich nieuwe ongevallen op aanliggende kruispunten, waardoor het algemene verkeersveiligheidsniveau amper verbetert (Maher, 1990).
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
16
RA-MOW-2010-004
3.
VERKEERSVEILIGHEID
IN
BEELD:
EEN
REFERENTIEDATABANK
Om meer inzicht te krijgen in de factoren die de verkeersveiligheid beïnvloeden, verkeersveiligheidsmaatregelen te evalueren, trends te monitoren en strategische beleidsbeslissingen te ondersteunen in Vlaanderen dient er een veelomvattende referentiedatabank opgesteld te worden die betrouwbare, accurate en up-to-date data omvat over verschillende jaren (Lyons et al, 2008; Hizal et al, 2009; Van Malderen et al, 2009). De referentiedatabank wordt opgesteld in een GIS, zodat de uitgebreide tabellen van de geogecodeerde3 verkeers(ongevallen)databanken geïntegreerd en gevisualiseerd kunnen worden. Op deze manier wordt de data overzichtelijk weergegeven. Er zal voor de ontwikkeling van het referentiebestand gebruik gemaakt worden van het softwareprogramma ArcGIS 9.3.1 van ESRI (Environmental Systems Research Institute). De keuze van GIS is vanzelfsprekend aangezien dit systeem eenvoudig overweg kan met databanken die zowel over ruimtelijke als niet ruimtelijke data beschikken zoals in het vorige hoofdstuk werd aangehaald. Op deze manier kunnen ook niet-conventionele databanken opgenomen worden zoals wegkenmerken en verkeersintensiteiten. Het is daarbij mogelijk om extra links te leggen en zo een diepgaander inzicht te verkrijgen over de verkeersongevallen en hun patronen. Met de referentiedatabank willen we dus een ongevallendatabank samenstellen die het mogelijk maakt om gegevens zo te structureren, zodat er eenvoudig op een geautomatiseerde wijze gedetailleerde verkeersveiligheidsanalyses kunnen uitgevoerd worden. Om deze analyses uit te voeren zal er binnen dit werkpakket ook een analysetool ontwikkeld worden om de data uit de referentiedatabank te verwerken. Over deze analysetool, de Road Accident Analyzer, wordt dieper ingegaan in het volgende hoofdstuk. In dit hoofdstuk wordt de samenstelling van de databank besproken. Er zal echter eerst gestart worden met enkele toepassingen weer te geven van GIS in het kader van verkeersveiligheid.
3.1
Toepassingen in ongevallen-GIS
Aangezien verkeersongevallen een geografische component hebben, wordt er in het kader van verkeersveiligheid vaak gebruik gemaakt van GIS. Dit werd al gehanteerd voor verscheidene toepassingen. Het identificeren van zwarte punten is de meest voorkomende applicatie van GIS. Daarnaast kan GIS ongevallenoorzaken blootleggen, verkeersongevallen voorspellen, verkeersveiligheidsmaatregelen evalueren, budgetten toewijzen, veilige routes plannen, verkeersongevallenprocedure te verbeteren, etc. Hall et al (2000) bewezen tevens dat het gebruik van GIS een sociale opbrengst opleverde voor de maatschappij, aangezien er hoge baten-kostratio’s werden gevonden voor verkeersongevallenanalyses en beleidsplanning. Deze verschillende toepassingen worden hieronder kort besproken. Voor meer informatie over de desbetreffende applicaties wordt verwezen naar de bijhorende literatuur.
3.1.1 Zwarte punten identificeren
Een veel gekende toepassing van GIS in het kader van verkeersveiligheid is de aanduiding van zwarte punten (Geurts et al, 2003; Mandloi et al, 2003; Sorensen et al, 2007; Kowtanapanich, 2007). Hiervoor bestaan verschillende definities om de zwarte 3
In termen van x,y coördinaten
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
17
RA-MOW-2010-004
punten te bepalen (Hauer, 1996; Elvik, 2006; Elvik, 2007; Sorensen et al, 2007). Algemeen kan er gesteld worden dat een zwart punt een locatie is waarbij het geobserveerde aantal ongevallen hoger is dan verwacht in verhouding tot vergelijkbare locaties ten gevolge van lokale risicofactoren (Sorensen et al, 2007). In Vlaanderen worden de zwarte punten aangegeven in de verkeersongevallen-GIS. Men berekent zo eenvoudig de zwarte punten op basis van de 1-3-5 definitie, waarbij rekening wordt gehouden met de ernst van het ongeval. Een lichtgewonde krijgt een gewicht van 1, een zwaargewonde 3 en een dodelijk verkeersslachtoffer 5. Men bekomt een zwart punt indien er op 3 jaar tijd op dezelfde plaats minimum 3 ongevallen gebeurd zijn en waarbij het totale gewicht 15 of meer bedraagt. Dit kan samengevat worden in volgende functie (Moons, 2009):
1 L + 3 Z + 5 D ≥ 15 L = Lichtgewond; Z = Zwaargewond; D = Dodelijk gewond
3.1.2 Voorspellen van verkeersongevallen
Aan de hand van een Geografisch Informatie Systeem kan men tevens trends nagaan. Daarbij tracht men het aantal die in de toekomst zullen plaatsvinden te voorspellen. Het verwachte aantal ongevallen wordt traditioneel uitgedrukt als het product van de blootstelling en de ongevallenratio, waarbij de ongevallenratio algemeen gedefinieerd wordt als het aantal verkeersongevallen op de blootstellingeenheid zoals de AADT4. Elvik (2007) bespreekt in zijn rapport welke methodologie men dient te hanteren om een model op te stellen om verkeersongevallen te voorspellen. Onder andere Saccomanno et al (2001), Van Geirt et al (2006) en Bindra et al (2009) maakten reeds succesvol gebruik van een model op basis van GIS om verkeersongevallen te voorspellen. Daarbij waren verkeersstromen bijvoorbeeld een zeer belangrijke verklarende variabele voor het ontstaan van verkeersongevallen.
Verwacht aantal ongevallen = Blootstelling x Ongevallenratio
3.1.3 Ongevallenoorzaken definiëren Daarnaast kan GIS ook ongevallenpatronen definiëren. In verschillende studies werden verkeersongevallenanalyses uitgevoerd op basis van GIS, opdat interessante en significante ongevallenpatronen aan het licht zouden komen (Peled et al, 1996; Saccomanno et al, 1997; Kim et al, 1999; Saccomanno et al, 2001). Hiervoor worden verkeersongevallen geanalyseerd aan de hand van verschillende thematische lagen. Daarbij worden vaak statistische analyses uitgevoerd zoals regressieanalyses en clusteranalyses om de dominante verkeersongevallen eruit te filteren (Liang et al, 2005; Depaire et al, 2008). Door de ongevallenoorzaken na te gaan, kan men, in tegenstelling tot het bepalen van zwarte punten, op zoek gaan naar de onderliggende factoren van de verkeersongevallen. Op deze manier krijgt men meer inzicht in de situatie en kan men effectiever en efficiënter beleid voeren om de verkeersongevallen te reduceren.
4
Average Anual Daily Traffic
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
18
RA-MOW-2010-004
Er kunnen verschillende analyses uitgevoerd worden. Zo kan men de meest voorkomende ongevallenoorzaken checken bij dodelijk/zwaar/licht gewonden (severity analysis); een analyse uitvoeren afhankelijk van de tijd van de dag / dag in de week / … (tijdsanalyse); een verkeersongevallenanalyse per voertuigtype of per weertype; enzovoort. Het is bijvoorbeeld mogelijk dat er op een bepaalde weg op het eerste zicht niet abnormaal veel ongevallen gebeuren. Indien er echter gekeken wordt naar de dagen wanneer het geregend heeft, kan blijken dat er ten opzichte van soortgelijke wegen op een regenachtige dag significant meer ongevallen gebeuren. Een onderliggende oorzaak kan dan bijvoorbeeld een slechte afwatering zijn, waardoor er aquaplaning ontstaat met verkeersongevallen als gevolg.
3.1.4 Verkeersveiligheidsmaatregelen evalueren
Geografische Informatie Systemen werden ook al talrijke keren toegepast om effecten van verkeersveiligheidsmaatregelen te bepalen en te evalueren (zoals Augeri et al, 2003; Fuller et al, 2003; Augeri et al, 2005; RIPCORD-ISEREST, 2008). GIS maakt het namelijk eenvoudig om de wijziging in het aantal ongevallen voor en na implementatie van een verkeersveiligheidsmaatregel weer te geven. Sommige auteurs combineren GIS zelfs met socio-economische evaluatiemethoden zoals Multi-Criteria Analyse (MCA) en Sociale Kosten-Baten Analyse (SKBA) om de meest geschikte maatregelen te selecteren of om het ongevallenrisico te evalueren (Fuller et al, 2003; Augeri et al, 2005; Levine, 2007).
3.1.5 Andere applicaties
GIS werd tevens gebruikt voor allerlei andere toepassingen in het kader van verkeersveiligheid. Augeri et al (2005) hanteerden GIS om de financiële middelen optimaal te alloceren. Onder andere Miller (1997) en Loo (2006) pasten GIS toe om de ruimtelijke variabelen in de verkeersongevallenregistratie te valideren. Vervolgens hanteerden Smith et al (2005) GIS om effectief en efficiënt aan handhaving te kunnen doen. Austin et al (1997) beschrijven in hun artikel nog talrijke andere toepassingen van GIS om het verkeer veiliger te maken waaronder veilig traject bepalen voor het woonschool verkeer.
3.2
Bestaande gevisualiseerde verkeersongevallendatabanken in Vlaanderen
In Vlaanderen bestaan er verschillende gevisualiseerde databanken die de verkeersongevallen in kaart brengen. Overheidsinstanties, politiekorpsen, onderzoeksgroepen, … hanteren GIS om analyses te doen op de verkeersveiligheid in Vlaanderen en om daaruit dan conclusies te trekken die dan leiden tot gepaste beleidsaanbevelingen. De meest gekende ongevallendatabank is waarschijnlijk de ongevallen-GIS van de Vlaamse overheid, die door bepaalde provincies online wordt aangereikt. Deze is gebaseerd op de geaggregeerde ongevallenstatistieken van het ADSEI. In deze tool worden naast de ongevallenstatistieken ook lagen zoals straatnamen, gemeentenamen –en grenzen, gevaarlijke punten weergegeven. De functie dat deze databank heeft is het voorstellen van ongevallendata. Andere functies, zoals bewerkingen, kunnen hiermee echter niet uitgevoerd worden. Daarnaast kampen sommige applicaties kleine online probleempjes. De programma’s lopen soms vast, knoppen zoals legende zijn niet in alle gevallen operationeel, etc. Er zal dus rekening Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
19
RA-MOW-2010-004
moeten gehouden worden met deze mogelijke problemen om de database online te krijgen. Het is dan ook belangrijk dat er geen dubbelwerk wordt gedaan en dat de databank van het steunpunt zich duidelijk differentieert van deze van MOBGIS, dat het ongevallen-GIS van de Vlaamse overheid omvat. In onderstaande figuur werd een screenshot genomen van de ongevallen-GIS van West-Vlaanderen. Hierbij worden de verschillende ongevallen aangeduid met rode stippen, de zwarte punten werden aangeduid met een gele stip. Figuur 3: screenshot verkeersongevallen GIS-West: Diksmuide
Bron: GIS-Vlaanderen
In de volgende paragrafen wordt er besproken welke data er dient opgenomen te worden in de databank. Het is namelijk zo dat ongevallendata op zich een noodzakelijke, maar onvoldoende bron van informatie is in het onderzoek naar verkeersveiligheid. Daarvoor zijn namelijk extra databanken nodig, ondermeer deze die besproken werden onder paragraaf 2.2.4.
3.3
Referentiedatabank voor verkeersveiligheid in Vlaanderen
Het analyseren van verkeersveiligheidsmaatregelen op het wegennetwerk is een complex gebeuren, aangezien het gedetailleerde kennis noodzaakt over de verschillende factoren die de ongevallenrisico’s beïnvloeden op de weg. Deze kennis omvat complete en betrouwbare data over verkeersveiligheid. Om verkeersongevallenanalyses te kunnen uitvoeren moet men dus kunnen beschikken over een complete, betrouwbare en gestructureerde referentiedatabank voor verkeersveiligheid. Dit is echter geen sinecure omwille van verscheidene redenen:
De veelzijdige factoren die het ontstaan van verkeersongevallen beïnvloeden
De talrijke databanken die worden beheerd door verschillende (overheids)instanties. Deze hebben niet allemaal dezelfde codes, formaten en behandelen niet altijd dezelfde periodes
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
20
RA-MOW-2010-004
Inconsistente verbanden tussen de databanken dat het aggregeren van gegevens belemmert
Een Geografisch Informatie Systeem biedt een oplossing voor deze problemen, doordat het op een effectieve en efficiënte manier alfanumerieke data kan koppelen met geografische informatie. Naast het koppelen van de verschillende databanken heeft GIS als doel de referentiedatabank te visualiseren. Hiervoor zal een online webapplicatie ter beschikking gesteld worden, waarover in hoofdstuk 5 Future Research dieper zal ingegaan worden. De referentiedatabank verzamelt enkel bestaande data die aan elkaar gekoppeld dient te worden. Daarvoor wordt een nieuw gestructureerde databank opgesteld, zodat belanghebbenden accurate, volledige, betrouwbare en continu grafische informatie kunnen opvragen uit de databank. In onderstaande paragrafen wordt dieper ingegaan op de functie van de referentiedatabank en het soort informatie dat nodig is om aan relevant verkeersveiligheidsonderzoek te kunnen doen. Vervolgens worden de primaire databanken die opgenomen zullen worden in de referentiedatabank kort besproken. Deze primaire databanken vormen samen de pilootdatabank.
3.3.1 Functie van referentiedatabank De hoofdfunctie van de referentiedatabank betreft het bevragen en visualiseren van relevante, complete en betrouwbare databanken met betrekking tot verkeersveiligheid. Deze databank moet als uitgangspunt zijn van beleidsrelevant wetenschappelijk onderzoek dat op die manier inzicht creëert in de factoren die verkeersveiligheid beïnvloeden, verkeersveiligheidsmaatregelen evalueert, trends in beeld brengt en strategische beleidsbeslissingen ondersteunt. Er zal ook een analysetool gekoppeld worden aan de databank om onderzoek uit te voeren, namelijk de Road Accident Analyzer. Deze wordt in volgend hoofdstuk besproken.
3.3.2 Benodigde data voor verkeersveiligheidsonderzoek
Er zijn diverse bronnen nodig om aan behoorlijk verkeersveiligheidsonderzoek te doen. Verkeersongevallen ontstaan namelijk als gevolg van een combinatie van factoren. Hierbij staan de mens, de omgeving en het voertuig centraal. Om rekening te houden met het stochastische karakter zal er in de referentiedatabank data voor verschillende jaren opgenomen worden. Volgens Cheng et al (2005) dient er steeds met 3 à 5 jaar gewerkt worden om betrouwbare uitspraken te doen over het effect van verkeersveiligheidsmaatregelen. Data uit het verleden is daarom ook noodzakelijk. Om de effecten te evalueren van een welbepaalde maatregel dienen minstens 2 soortgelijke locaties met elkaar vergeleken te worden met het enige verschil dat op de ene locatie (testlocatie) de maatregel van toepassing is en op de andere locatie niet (controlelocatie). Op deze manier kan men de effecten van andere verklarende factoren isoleren. Met behulp van GIS kan er dan nagegaan worden op welke locaties er in de laatste 3 à 5 jaar aanpassingen waren. Deze locaties zullen dan niet meer kunnen gebruikt worden als referentiepunten voor testsites. Van Hout et al (2004) gingen in een steunpuntnota na welke data er nodig zijn in het kader van verkeersveiligheid. In dit rapport werden de gewenste, beschikbare en ontbrekende data opgelijst. De kwaliteit van de gegevens werd in dat rapport ook nagegaan. Helaas zal wegens de kwaliteit van bepaalde data en de beschikbaarheid ervan niet al deze data kunnen worden opgenomen in de referentiedatabank van het Steunpunt. Zo is de data over de voertuiggegevens niet altijd even betrouwbaar en zijn de gedragsindicatoren moeilijk te koppelen aan de andere Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
21
RA-MOW-2010-004
gegevens. Het zijn echter wel mogelijkheden om later de referentiedatabank verder uit te breiden met dit soort data. In het ideale geval zouden volgende types data dus moeten worden opgenomen in de referentiedatabank. Deze zullen hieronder verder besproken worden:
Ongevallenstatistieken
Infrastructurele data
Voertuigtechnieken
Attitude en gedrag
Mobiliteit en verplaatsingsgedrag
Handhaving
a. Ongevallenstatistieken Ongevallenstatistieken vormen de basis voor verkeersveiligheidsonderzoek. De federale en lokale politie zijn verantwoordelijk voor de collectie van verkeersongevallendata. Deze worden ter beschikking gesteld van ADSEI. De federale politie verzamelt de data op autosnelwegen en soortgelijke wegen aan de hand van verkeersongevallenformulieren (VOF). De lokale politie doet dit op alle andere wegen. Een zeer belangrijke opmerking dat hierbij moet gemaakt worden, is dat de verkeersongevallendata zich beperkt tot de ongevallen met gewonden. Ongevallen met uitsluitend materiële schade worden dus niet opgenomen in de statistieken. In het VOF worden veelzijdige rubrieken ingevuld zoals de ernst van het ongeval, plaats van het ongeval op basis van hectometerpalen (op autosnelwegen) of huisnummers5 (binnen bebouwde kom), tijdstip, etc. Daarnaast worden er ook andere (situationele) karakteristieken opgenomen in de databank zoals weertype, wegkenmerken en gedrag van de betrokkenen. De VOF’s zorgen ervoor dat de verkeersongevallenregistratie vrij uniform verloopt tussen de verschillende politiezones. Daarenboven worden de ongevallendata verzameld door de politie samengebracht bij ADSEI, dat dan verantwoordelijk is voor de verspreiding van deze data (Van Malderen et al, 2009). Er bestaan enkele relevante problemen met deze databank. Onderregistratie is een groot probleem, waarmee steeds rekening gehouden moet worden. Bovendien zijn deze gegevens niet altijd even accuraat. De accuraatheid en betrouwbaarheid van de ongevallenregistratie is de afgelopen jaren in Vlaanderen verbeterd als gevolg van de registratie van de verkeersongevallen in ISLP en FEEDIS, aangezien bij het invullen van het proces-verbaal automatisch ook het VOF wordt ingevuld (Van Malderen, 2009). De kwaliteitscontrole van de data licht echter buiten het domein van dit werkpakket, maar werd in een vorig steunpunt reeds besproken door Lammar (2004 & 2006). In deze lijn zal in een volgend steunpuntrapport het huidig ongevallenregistratieproces besproken worden in samenwerking met SPATIALIST. Er zal gebruik gemaakt worden van de gelokaliseerde verkeersongevallenbank van het Vlaams Gewest die gebaseerd is op de ongevallendatabank van ADSEI. De gegevens die hiervoor beschikbaar zijn, beslaan de periode 1999-2007. Deze layer omvat een puntenlaag met verkeersongevallendata met lokale karakteristieken en gevolgen. Deze databank bevat gelokaliseerde data. In onderstaande figuur worden de onderlinge relaties tussen de verschillende rubrieken uit de ongevallendatabank weergegeven.
5
Via CRAB
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
22
RA-MOW-2010-004
Figuur 4: Onderlinge relaties gelokaliseerde ongevallendatabank ADSEI
Bron: ADSEI
b. Infrastructuur De omgeving, en meer bepaald de infrastructuur, is een belangrijke factor bij het ontstaan van verkeersongevallen, aangezien dit het wegbeeld van de bestuurders beïnvloedt en bijgevolg ook hun risicoperceptie en verkeersgedrag (Van Hout et al, 2004). Onder infrastructuur zit zowel het wegennetwerk zelf als de omgeving van de weg. Wegens het belang van infrastructuur dienen de ongevallengegevens gekoppeld te worden aan de infrastructurele gegevens. Men kan 2 soorten infrastructurele data onderscheiden. Data met betrekking tot de weg zelf of wegkarakteristieken (type weg, staat van de weg, aantal rijstroken, etc.) en omgevingskenmerken (aanwezigheid berm, openbare gebouwen, signalisatie en bebording, bebouwde kom, etc.). Interessant is ook om de wegbeheerder daarbij te vermelden. Op basis van
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
23
RA-MOW-2010-004
deze gegevens kunnen dan risicomodellen opgesteld worden die verkeersveiligheideffect van de infrastructurele parameters kunnen monitoren.
het
Er bestaan verschillende databanken die infrastructurele data bevatten. Ondermeer in de verkeersongevallendatabank van ADSEI worden deze data geregistreerd. Zo wordt ondermeer de staat van de weg bepaald, het type intersectie (rotonde, kruispunt, etc.), het aangereden voorwerp of weggebruiker, straattype, enzovoort bepaald. Deze databank wordt enkel aangevuld wanneer er verkeersongevallen zijn met gewonden… Een completere databank over infrastructuurdata komt echter van het agentschap Wegen en Verkeer, namelijk de zogenaamde Algemene Databank van het Agentschap Wegen en Verkeer of kortweg ADA-databank. Deze databank heeft ook als voordeel dat deze door infrastructuurspecialisten wordt samengesteld, wat niet het geval is bij registratie door een politiebeambte. Bovendien wordt deze databank samengesteld onafhankelijk het feit of er een ongeval heeft plaatsgevonden of niet. In 2001 werden de alfanumerieke data omgevormd tot een geo-databank. De databank bevat gedetailleerde wegkarakteristieken en omgevingskenmerken. De historiek van de locaties worden in deze databank ook bijgehouden. Infrastructuur wijzigt namelijk in de tijd, denk bijvoorbeeld aan de inspanningen van TV3V die werden gedaan om het aantal zwarte punten te reduceren. De verkeersongevallen die ontstonden op een bepaald moment moeten dan gerelateerd worden aan de infrastructurele situatie die toen heerste. Dit is belangrijk wanneer men de effectiviteit van infrastructurele maatregelen tracht te berekenen op basis van een voor-na studie. Om infrastructurele maatregelen socio-economisch te evalueren kan men de kosten van de maatregelen ook koppelen aan deze databank. Naast de ADAdatabank bevat het transportnetwerk (NAVTEQ-GIS-Vlaanderen) dat ter beschikking wordt gesteld door AGIV wegkenmerken. Deze bevatten enkel de huidige infrastructuursituatie. Later kan tevens het Grootschalig Referentiebestand GRBwegen op basis van CRAB kunnen ingeladen worden. Deze databank is momenteel nog in opbouw. Daarnaast is er ook nood aan het algemene wegennet. Deze data werden bekomen via AGIV. Voor het wegennetwerk zal gebruik gemaakt worden van het transportnetwerk (NAVTEQ-GIS-Vlaanderen). Bovendien zal er ook een segmentering van het autosnelwegennet geïntegreerd worden. Over deze segmentering, opgesteld door het Vlaams Verkeerscentrum, wordt in het volgende hoofdstuk over de Road Accident Analyzer dieper ingegaan.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
24
RA-MOW-2010-004
Figuur 5: Onderlinge relaties databestand transportnet NAVTEQ
Bron: Agiv, NAVTEQ
c. Voertuigtechnieken Voertuigtechnieken zijn ook een bepalende factor bij het ontstaan en ernst van verkeersongevallen. Onder voertuigtechnieken wordt naast voertuigkarakteristieken, uitrusting en voertuigdefecten verstaan. De uitrusting, zoals airbag, kinderzitjes, ABS, snelheidsbegrenzer, etc. bepaalt vaak ook de ernst van de verkeersongevallen. Daarom is het ook handig om dit soort gegevens te laten koppelen met verkeersongevallendata (Van Hout et al, 2004). Bij het registreren van verkeersongevallen worden slechts een beperkt aantal voertuigdefecten geregistreerd. Daarom vindt men in de gelokaliseerde ongevallendatabank terug of het voertuig (correcte) verlichting, afgesleten banden, klapband voor het ongeval had. Daarnaast wordt de aanwezigheid van defecten aan de lading of aanhangwagen ook gemeld. Er bestaan echter andere databanken waarin deze gegevens worden geregistreerd. De verschillende voertuigtypes (persoonswagen, bestelwagen, gelede en of ongelede vrachtwagen) dat over het hoofdwegennet rijdt wordt opgenomen in de databank van het verkeerscentrum betreffende de verkeerstellingen. Deze data is niet altijd even betrouwbaar, maar kan reeds een goede indicatie geven over de verkeersintensiteiten. Een andere databank Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
25
RA-MOW-2010-004
die kan gebruikt worden in de referentiedatabank is het Informex-bestand. Dit registreert in het “wrakkenjournaal” het type voertuigen die betrokken zijn geweest bij verkeersongevallen (Informex, 2009). ADSEI publiceert tevens geaggregeerde data over het Belgische wagenpark zoals gewicht, vermogen, afmetingen, etc.). Deze data kunnen echter niet rechtstreeks gekoppeld worden aan de ongevallendata. Daarnaast zijn er geen gedetailleerde voertuigkarakteristieken aanwezig van buitenlandse voertuigen.
d. Attitude en gedrag Naast de omgeving is het gedrag van de mens een verklarende factor. Door databanken op te nemen die attitude en gedrag bevatten kan men de relaties bepalen tussen kenmerken van personen, hun verkeersgedrag en de impact op verkeersveiligheid (Van Hout et al, 2004). Onder dit soort data hoort ondermeer gordeldracht, snelheid en rijden onder invloed. In het gelokaliseerde verkeersongevallenbestand van MOBGIS worden ook gegevens opgenomen met een menselijke component. Naast persoonskenmerken zoals leeftijd en geslacht wordt in deze databank ook de manoeuvres van de bestuurder, overtreding, etc. geregistreerd. Dit zijn echter enkel de statistieken die werden verzameld bij verkeersongevallen met slachtoffers (gewonden en/of doden). Daarenboven kan men aan de hand van politionele data ook statistieken bekomen van verkeersgedrag in de vorm van verkeersovertredingen, gordeldracht en rijden onder invloed. Deze databanken worden ook bij punt f. handhaving verder besproken. Het BIVV beschikt over verschillende metingen met betrekking tot gedragsindicatoren. Daarvoor kan de data van de SARTRE-enquête6 gehanteerd worden. Dit Europese onderzoeksproject afgerond in 2004 bestudeerde de opinies en het gerapporteerde gedrag van (Belgische) bestuurders van personenwagens ten aanzien van bepaalde risico’s (BIVV, 2004). Daarnaast kunnen de reclamepanelen langs de wegen met sensibilisatiecampagnes eveneens in kaart worden gebracht om het effect van deze bewustmakingsmaatregelen te evalueren.
e. Mobiliteit en verplaatsingsgedrag De belangrijkste verklarende factor van verkeersongevallen is de verkeersblootstelling –of intensiteit (Elvik et al, 2004). Blootstelling wordt uitgedrukt in termen van het aantal verplaatsingen, verplaatsingsafstand en verplaatsingsduur (Van den Bossche, 2006). De graad van verkeersintensiteit is dubbel. Enerzijds, hoe meer men zich in het verkeer bevindt, hoe groter de kans bestaat op verkeersongevallen. Anderzijds, hoe meer wagens zich op een bepaalde plaats bevinden, hoe groter de kans op verkeersongevallen (Elvik et al, 2004). De beschikbare informatie in verband met blootstelling zijn geaggregeerde verkeersintensiteiten van de periode 2001 tot 2009 op het hoofdwegennet en enkele belangrijke gewestwegen die verzameld worden door het Verkeerscentrum Vlaanderen. Deze tellingen gebeuren aan de hand van dubbele en enkele lussen, waarbij dubbele lussen betrouwbaarder zijn dan enkele lussen. Er kan op verschillende niveaus data opgevraagd worden. Van het gemiddeld jaarlijks dagelijks verkeer tot data per telpost per dag. Intensiteitgegevens over zachte weggebruikers
6
Social Attitudes to Road Traffic Risk in Europe
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
26
RA-MOW-2010-004
en moto’s worden echter niet geregistreerd. Op termijn zullen deze metingen verder uitgebreid worden naar het onderliggend wegennet. Daarnaast publiceert het FOD Mobiliteit en Vervoer de verkeerstellingen van het afgelopen jaar op het Belgische en Vlaamse wegennet,, evenals het aantal afgelegde kilometers. kilometers Voor de databank in verband met het verplaatsingsgedrag verplaatsingsgedrag zullen de tabellen omtrent het Onderzoek Verplaatsingsgedrag Vlaanderen kunnen opgenomen worden dat eind september 2009 beschikbaar aar werd gesteld voor de periode 2007-2008. 2007 2008. In deze databank worden mobiliteitskenmerken van personen en gezinnen onderzocht zoals wanneer, waarom, van waar, naar waar, waarmee, hoelang, hoever en wie zich verplaatst (Mobiel Vlaanderen, 2009).
f.
Handhaving
Handhaving is een volgend element van de 3 E’s dat kan opgenomen worden in de databank. Onder handhaving verstaat men de verkeerswetgeving zelf, de controle ervan en de gevolgen die eraan gekoppeld worden. In de referentiedatabank zal de controle op het naleven leven van de verkeerswetgeving centraal staan. Dit soort verkeersveiligheidsmaatregel beslaat snelheidscontroles, alcohol en drugscontroles, controle tachografen, inhaalverbod, etc. en wordt bij de verkeersnemers niet altijd even enthousiast onthaald. Er kan an in samenwerking met de politie relevante informatie over handhaving worden opgenomen in de databank.
g. Algemene data Er is ook nood aan algemene data zoals de territoriale structuren van de verschillende steden en gemeenten, provincies en Vlaanderen. Deze Dez data die de administratieve grenzen omvatten werden bekomen via Agiv.
De referentiedatabank bevat idealiter gegevens uit verschillende domeinen van voertuigtechnieken tot verkeerstellingen. Deze worden dan gekoppeld aan elkaar en aan de verkeersongevallenstatistieken. lenstatistieken. De data die hierboven werd beschreven kan aan de hand van onderstaand globaal kader weergegeven worden: Figuur 6:: Framework databank
Bron: Meerjarenplan Steunpunt Verkeersveiligheid
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
27
RA-MOW-2010-004
3.3.3 Primaire data
Naast het verzamelen van de benodigde data is een volgende stap in het opstellen van de referentiedatabank het koppelen van de primaire data. In het verdere verloop van het onderzoek zullen dan extra databanken hieraan gekoppeld worden. De minimum benodigde data voor het analyseren van verkeersongevallen omvat verkeersongevallenstatistieken, infrastructurele kenmerken en verkeersintensiteiten (Augeri et al, 2003; RIPCORD-ISEREST, 2008). Data over educatie, attitude, gedrag, voertuigen en handhaving worden dus nog niet behandeld in de pilootversie van de databank. Er zal gewerkt worden met de gelokaliseerde ongevallendatabank van MOBGIS, de ADA-databank, de verkeersintensiteiten van het Verkeerscentrum en het transportnetwerk van Agiv. Deze 4 databanken bevatten de basisdata om aan verkeersveiligheidsonderzoek te doen.
3.3.4 Design en structuur pilootdatabank
De referentiedatabank zal bestaan uit puntenlagen zoals verkeersongevallenlocaties met een unieke x, y coördinaten en polilijnen zoals het wegennetwerk. Er worden ook polygonen (vlakken) toegevoegd aan de databank zoals gemeenten, provincies, bebouwde kommen, etc. Achter al deze lagen bevinden zich uitgebreide attribuuttabellen uit de desbetreffende databanken. Elk databestand bestaat uit diverse attribuuttabellen, aangezien dit handiger is om met te werken. Het is eenvoudiger te beheren en om data op te vragen. Denk bijvoorbeeld aan de ADSEI databank waarbij tientallen gegevens worden geregistreerd bij een verkeersongeval. Van de ernst van het slachtoffer tot het weertype. De bevraging van de databank wordt ook eenvoudiger door de codering die gebruikt wordt door ADSEI. Tekst variabelen daarentegen zijn moeilijker te bevragen. Daarenboven sluipen hier vaak spellingfouten in of is de kans groter dat de registratie niet uniform gebeurt (Hizal et al, 2009). Bovendien werkt het software programma ArcGIS sneller wanneer men minder data dient op te laden. De verschillende tabellen worden met behulp van gemeenschappelijke sleutels aan elkaar gekoppeld. Achterliggend de referentiedatabank ligt dus een proces van verschillende relaties. Deze relaties worden gelegd met behulp van Microsoft Acces. De gebruikers dienen echter geen kennis te hebban van Structured Query Language (SQL) om de databank te kunnen bevragen. Om de gebruiksvriendelijkheid van de applicatie te verbeteren wordt namelijk een interface gecreëerd. Met behulp van deze interface is het bovendien onmogelijk om de onderliggende data aan te passen. In de pilootversie van de referentiedatabank zal enkel de basisdata weerhouden worden. Daarbij zullen enkele items weerhouden worden uit het wegennetwerk van Agiv, wegkenmerken uit diezelfde databank en de ADA-databank, verkeerstellingen uit de databanken van het verkeerscentrum en gelokaliseerde verkeersongevallendata uit MOBGIS. In onderstaande tabel wordt een overzicht gegeven van de gegevens die alvast gehanteerd zullen worden in de pilootversie van de referentiedatabank. In een volgend steunpuntrapport zal de gebruikte data en zijn beperkingen besproken worden.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
28
RA-MOW-2010-004
Tabel 1: Tabellen opgenomen in pilootdatabank Datatype Wegennetwerk
Benodigde data
Databank
Hoofdwegennet
Opritten en afritten
Wegtype
Lengte van de segmenten
Aantal rijstroken
Aanwezigheid berm
Aanwezigheid pechstrook
Verkeerstellingen
Aantal voertuigen per segment (in AADT)
Data Verkeerscentrum
Ongevallendata
Plaats ongeval
Letselernst
MOBGIS gelokaliseerde ongevallendata
Type ongeval
Vervoersmodus betrokken voertuigen
Wegkenmerken
Agiv NAVSTREETS
ADA-Databank en Agiv NAVSTREETS
Bron: Eigen opmaak
Momenteel wordt de tweede stap gezet in het ontwikkelen van de referentiedatabank, namelijk het opzetten van de pilootdatabank, waarover ook een steunpuntrapport zal verschijnen. Nadat de basisinformatie werd ingeladen zal er geleidelijk aan extra informatie gekoppeld worden aan de referentiedatabank. Zo zal het volledige wegennet worden opgenomen in de databank. Hieronder volgt het stappenplan voor het opstellen van de referentiedatabank: 1. Verzameling data Het merendeel van de primaire data werd reeds verkregen binnen het Steunpunt. Er wordt echter verder gezocht naar relevante data die de referentiedatabank verder kan verrijken.
2. Pilootdatabank: koppeling en visualisatie basisdata Momenteel werden er koppelingen gelegd tussen de gelokaliseerde verkeersongevallen en de verschillende wegsegmenten op het hoofdwegennet. Deze wegsegmenten zijn op hun beurt gekoppeld met de verkeersintensiteiten. De volgende stap in de realisatie van de pilootdatabank is de koppeling van de ADA-databank en de NAVSTREETS databank van Agiv.
3. Koppeling andere data In de pilootdatabank werden er slechts delen gebruikt van enkele verkeersdatabanken (zie tabel 1), maar zoals aangehaald in 3.3.2 bevatten deze databanken meer relevante data dan dat er gebruikt wordt in de piloot versie. Zo wordt er bijvoorbeeld in de pilootdatabank geen data gebruikt uit de gelokaliseerde ongevallendatabank over de leeftijd van de slachtoffers, weertypes op het ogenblik van het ongeval, etc. Van het wegennet wordt enkel het hoofdwegennet weerhouden en niet het onderliggende. Ook uit de verkeerstellingen kunnen meer gedetailleerde data gehaald worden zoals Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
29
RA-MOW-2010-004
verkeersintensiteiten per dag, per uur en zelfs per minuut. Daarnaast zijn er ook andere databanken die nog niet gehanteerd werden in de pilootdatabank, maar die wel zullen gebruikt worden in de referentiedatabank zoals de verkeersbordendatabank. Deze data zal geleidelijk aan toegevoegd worden aan de pilootdatabank.
4. Ontwikkeling van de Road Accident Analyzer De ontwikkeling van de Road Accident Analyzer wordt in het volgende hoofdstuk uitgebreid besproken.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
30
RA-MOW-2010-004
4.
ROAD ACCIDENT ANALYZER
De referentiedatabank is slechts een startpunt. Er is nood aan een analysetool om de data uit de referentiedatabank te kunnen verwerken, zodat men de verkeersveiligheid in Vlaanderen kan opkrikken. Daarbij zal rekening gehouden worden met de noden van de onderzoekers en beleidsmakers om analyses uit te voeren en dient gebruiksvriendelijk te zijn (Hizal et al, 2009). Daarom zal er een gebruiksvriendelijke interface ontwikkeld worden, waarbij de data en analyses grafisch worden gevisualiseerd, zodat men de informatie beter kan interpreteren en verwerken. In een eerste fase zullen er ongevallenrisico’s op de Vlaamse autosnelwegen en belangrijke secundaire wegen berekend worden. Vervolgens zullen de dominante ongevallenoorzaken afgetoetst worden op de gevaarlijke wegsegmenten. De Road Accident Analyzer kan verder ontplooid worden tot een evaluatie-instrument dat effectieve verkeersveiligheidsmaatregelen identificeert en selecteert. Om deze tool te kunnen ontwikkelen dient men te steunen op gestructureerde en betrouwbare data die werd verzameld in de referentiedatabank. Samenvattend kan men stellen dat deze analysetool de referentiedatabank als bron zal gebruiken voor:
4.1
Ongevallenrisico’s te bepalen
Dominante Ongevallenoorzaken in kaart te brengen
Hulpmiddel bij opzet van evaluaties doordat het testsites en controlelocaties eruit kan filteren en het effect van ongevallenmigratie kan monitoren
Ondersteuning strategische beleidsbeslissingen
Identificatie van gevaarlijke segmenten op autosnelwegen aan de hand van ongevallenrisico’s
Vlaamse
Zwarte punten worden normalerwijze berekend op basis van de 1-3-5 definitie zoals werd vermeld in paragraaf 3.1.1. Daarbij wordt dus de mate van verkeersonveiligheid van een kruispunt of wegvak bepaald op basis van het aantal verkeersslachtoffers die daar geregistreerd werden binnen de 3 jaar. Verkeersintensiteiten worden hier echter buiten beschouwing gelaten, nochtans dat dit een belangrijke verklarende factor is (Elvik et al, 2004). Voor de wegsegmenten op autosnelwegen en op enkele belangrijke secundaire wegen, opgesteld door het Vlaams Verkeerscentrum, kan er wel rekening gehouden worden met zowel verkeersongevallendata als verkeersintensiteiten. Deze data werden reeds aan elkaar gekoppeld in de referentiedatabank en daardoor kunnen dus ongevallenrisico’s berekend worden voor de verschillende segmenten. Op de andere wegcategorieën zullen er dus geen ongevallenrisico’s kunnen berekend worden tot zolang er geen verkeersintensiteiten worden verzameld voor het onderliggend wegennet. De ongevallenrisico’s zullen dan aan de hand van de GIS-toepassing gevisualiseerd worden. Op deze manier wordt het duidelijk voor onderzoekers en beleidsmakers waar de knelpunten liggen op het autosnelwegennet. Op basis daarvan kan het beleid zich daarop focussen, waardoor er efficiënt en effectief beleid kan gevoerd worden. Deze ongevallenrisico’s kunnen gezien worden als een nieuwe definitie voor zwarte punten, maar dan enkel op autosnelwegen, aangezien men naast verkeersongevallendata hierbij ook rekening houdt met de blootstelling van het verkeer. Het ongevallenrisico wordt echter wel berekend voor een volledig segment in plaats van een bepaald punt. De basisdefinitie voor zwarte punten van Sorensen et al (2007) blijft bij het gebruik van ongevallenrisico’s gehandhaafd, aangezien een gevaarlijk punt of segment een hoger ongevallenrisico heeft dan dat men oorspronkelijk verwacht. Statistisch gezien spreekt men van een zwart punt indien het ongevallenrisico de bovengrens van het Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
31
RA-MOW-2010-004
betrouwbaarheidsinterval overschrijdt. In de volgende 2 paragrafen wordt besproken hoe de ongevallenrisico’s zullen berekend worden en hoe de wegsegmenten worden bepaald door het Verkeerscentrum.
4.1.1 Berekening ongevallenrisico’s
Het ongevallenrisico kan gedefinieerd worden als ratio van het geobserveerde aantal ongevallen met het blootstellingsrisico. Het blootstellingsrisico wordt op zijn beurt berekend door het product van het verkeersvolume en de weglengte voor een welbepaalde tijdsperiode (zie formule). Om significant te zijn, dient de onderzoeksperiode minstens 2 jaren omvatten en niet meer dan 5 jaar om stationaire verschijnselen te vermijden (Augeri et al, 2003). De referentiedatabank bevat zoals reeds gezegd ongevallendata en verkeersintensiteiten over verscheidene jaren en kan dus de ongevalrisico’s bepalen op de verschillende wegsegmenten van het hoofdwegennet. Hiervoor kunnen verschillende methodes toegepast worden zoals Saccomanno et al (1997) en dit van Augeri et al (2003) dat hieronder wordt beschreven:
ARi =
N i * 10 6 l i * 365 * ∑ AADTit t
AR = Accident Rate (ongevallenrisico) Met Ni = Totaal aantal ongevallen in het i-de segment voor de bestudeerde periode. Li = lengte van de i-de sectie (in km) AADTit = Average Annual Daily Traffic (Jaarlijks Gemiddeld Dagelijks verkeer) op de i-de sectie voor de bestudeerde periode t = bestudeerde periode (in jaren)
Men zal spreken over een zwart punt indien het ongevallenrisico ARi de bovengrens van het betrouwbaarheidsinterval overschrijdt met significantieniveau (alfa of 1 - delta)7. Augeri et al (2003) hanteren volgende formule op basis van de Poisson verdeling om de bovengrens (BG) te berekenen:
BG = AR R + kδ
AR R 1 + li ⋅ 365 ⋅ ∑ AADTit 2 ⋅ li ⋅ 365 ⋅ ∑ AADTit t
t
Met ARR = Average Accident Rate Kδ = standaardafwijking voor een betrouwbaarheidsinterval δ
AR R
∑N = ∑E
i
i
i
i
Met Ei = blootstelling in het i-de segment voor de bestudeerde periode
7
Betrouwbaarheidsniveau = 1 – alfa = delta
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
32
RA-MOW-2010-004
Om de ARR te berekenen worden alle ongevallen op soortgelijke wegsegmenten geaggregeerd en gedeeld door de geaggregeerde blootstelling. Op deze manier bekomt men een gemiddeld ongevallenrisico dat als standaard zal dienen. Om gelijkaardige segmenten te determineren zal een clusteranalyse opgesteld worden die soortgelijke segmenten verzamelt. Dit model opgesteld door Augeri et al (2003) zal gehanteerd worden ter bepaling van de ongevalrisico’s. In een volgend steunpuntrapport zal er nog rekening gehouden worden met de letselernst. Verkeersongevallen met uitsluitend materiële schade hebben namelijk minder zware gevolgen voor de maatschappij dan ongevallen met dodelijk gewonden. De exacte methodologie die zal gehanteerd worden, wordt in een volgend rapport behandeld.
4.1.2 Definiëring van de wegsegmenten Voor de segmentering van de verkeersongevallendatabank zal er gebruik worden gemaakt van de segmenten opgesteld door het verkeerscentrum, aangezien deze segmenten in de toekomst als standaard zullen gebruikt worden voor Vlaanderen. Op basis van deze segmenten zullen de ongevallenrisico’s berekend worden. Er wordt hierbij ook rekening gehouden met de rijrichting. Het Verkeerscentrum heeft een drieledige opdeling van de segmenten: •
Supersegmenten zijn de wegvakken tussen 2 knooppunten. Knooppunten zijn knopen waarbij 2 of meer autosnelwegen samenkomen. De knopen zelf worden ook gedefinieerd als supersegmenten.
•
Segmenten zijn de wegvakken tussen afritten en bestaan uit 6750 delen. Deze worden bepaald op basis van betonpunten. Dit zijn fysieke scheidingen van de autosnelwegen, waarbij de bestuurders een keuze moet maken.
•
Deelsegmenten zijn een verdere opdeling van de segmenten. Deze worden bepaald aan de hand van markante punten zoals portieken. De lengte van deelsegmenten zijn ongeveer 500m.
4.2
Analyse van verkeersongevallen
Nadat de ongevallenrisico’s werden in kaart gebracht kan er per deelsegment, segment of supersegment bekeken worden welk soort verkeersongevallen domineren. In de analyses met de Road Accident Analyzer zal de focus liggen op de gevaarlijke wegsegmenten van de Vlaamse autosnelwegen en de belangrijkste secundaire wegen, waarvoor er voldoende verkeersintensiteiten gekend zijn. Hiervoor zal eveneens een clusteranalyse uitgevoerd worden, maar dan op basis van de types ongevallen die zich voordoen op een welbepaald segment. Op deze wijze kunnen dus de dominante verkeersongevallen per segment in kaart brengen en kunnen tevens onderliggende oorzaken naar boven komen (Depaire et al, 2008). Er zullen tevens enkele regressieanalyses uitgevoerd worden, zodat verbanden tussen ongevallen, blootstelling en wegkenmerken zichtbaar worden. Om deze analyses uit te voeren zal er gebruik worden gemaakt van de Spatial Statistics Tools (ESRI, 2010) om verkeersongevallen te clusteren.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
33
RA-MOW-2010-004
4.3
Evaluatie van verkeersveiligheidsmaatregelen
In het kader van evaluaties van verkeersveiligheidsmaatregelen zal de Road Accident Analyzer eveneens kunnen gehanteerd worden. Bij het determineren van de ongevallenrisico’s wordt met behulp van een clusteranalyse de verschillende segmenten gegroepeerd op basis van soortgelijke karakteristieken (wegkenmerken, verkeersintensiteiten & aantal ongevallen). Op basis van deze analyse kunnen dus gepaste controle en testlocaties geselecteerd worden. Ongevallenlocaties kunnen namelijk niet zomaar met elkaar vergeleken worden. De ongevallenstatistieken, verkeersintensiteiten en wegkenmerken verschillen van segment tot segment. Met behulp van de Road Accident Analyser kan men de externe effecten zoveel mogelijk isoleren.
4.4
Selectie van verkeersveiligheidsmaatregelen
De Road Accident Analyzer kan verder uitgewerkt worden tot selectie instrument van gepaste verkeersveiligheidsmaatregelen. Door het uitvoeren van gedetailleerde verkeersongevallenanalyses komen zoals gezegd de dominante verkeersongevallen aan het licht waarvoor in de meeste gevallen verschillende alternatieven voor bestaan om deze dominante en minder voorkomende ongevallen te reduceren. Om de meest optimale maatregel te kiezen kan dan gebruik gemaakt worden van socio-economische evaluatiemethoden zoals de Multi-Actor Multi-Criteria Analyse (MAMCA) (ontwikkeld door Macharis, 2004) of Multi-Criteria (MCA). Op deze manier kan er op een effectieve en efficiënte wijze maatregelen geïmplementeerd worden die het verkeersveiligheidniveau kunnen verbeteren (Augeri et al, 2005; Ampe et al, 2008). Dit is een mogelijke uitbreiding van de Road Accident Analyzer.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
34
RA-MOW-2010-004
5.
VERDER
ONDERZOEK
Zoals hierboven reeds werd gemeld zal er voor dit werkpakket eerst een pilootversie opgesteld worden die de basiselementen zal bevatten van de referentiedatabank. In een volgend steunpuntrapport zal gedetailleerd beschreven worden hoe deze data precies met elkaar werd gekoppeld. Een pilootversie van de databank zal eind 2010 online gezet worden. Deze databank zal geleidelijk aan verder uitgebreid worden met relevante databanken die in dit rapport werden besproken onder de rubriek “Benodigde data voor verkeersveiligheidsonderzoek”, opdat de databank zo compleet mogelijk is voor het onderzoek naar verkeersveiligheid in Vlaanderen. Verder zal er een Road Accident Analyzer ontwikkeld worden die de data van de referentiedatabank zal verwerken. Hiervoor zullen de ongevallenrisico’s op de autosnelwegsegmenten berekend worden, die de pijnpunten van het hoofdwegennet zullen bloot leggen. Deze segmenten zullen op basis van hun karakteristieken geclusterd worden, zodat homogene segmenten worden gegroepeerd. Daarnaast zal er per segment nagegaan worden welk type verkeersongevallen er domineren. Dit alles zal geïntegreerd worden in een webapplicatie. Daarbij zal oog worden gehouden voor de gebruiksvriendelijkheid. De tool moet voor onderzoekers en beleidsmensen eenvoudig te gebruiken zijn, zodat men effectief en efficiënt aan verkeersveiligheidsonderzoek kan doen. De bekomen outputs moeten tevens eenvoudig te interpreteren zijn. De road accident analyzer zelf zal niet online worden gezet. De applicatie zal dus enkel gegevens kunnen opvragen en visualiseren. In het volgende steunpuntrapport, waarbij de ontwikkeling van de pilootdatabank wordt beschreven, zal tevens dieper ingegaan worden op de verdere ontwikkeling van de Road Accident Analyzer. Daarbij zal ondermeer onderzocht worden hoe de letselernst kan opgenomen worden in de berekening van de ongevallenrisico’s. Daarnaast zal in dat rapport ook de types regressieanalyses bepaald worden die men kan gebruiken om de ongevallenoorzaken na te gaan. Tot slot wordt er ook een steunpuntrapport opgeleverd in samenwerking met SPATIALIST over het huidige ongevallenregistratieproces in Vlaanderen, waarbij aan de hand van diepte-interviews de knelpunten van dit proces worden blootgelegd. Op deze manier krijgen we ook een idee over de kwaliteit van de data in de referentiedatabank.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
35
RA-MOW-2010-004
6.
CONCLUSIE
Om de verkeersongevallenproblemen aan te pakken, dienen de verkeersongevallen op een efficiënte en effectieve manier geanalyseerd te worden. Het beschikken van verkeersongevallendata op zich is onvoldoende. GIS kan helpen bij het kosten –en tijdsefficiënt opslaan, verwerken, bewerken, beheren en analyseren van de data. Aangezien verkeer en meer bepaald verkeersongevallen een interactie is tussen verschillende disciplines is het gebruik van GIS aan te raden. Bovendien kan dit systeem eenvoudig overweg met grote hoeveelheden data die steeds up-to-date dienen gehouden te worden. Het is daarbij mogelijk om databanken te koppelen aan de ongevallenlocaties die geen ruimtelijke component hebben of data die vaak niet opgenomen worden bij de conventionele ongevallenanalyses die echter wel aan de basis kunnen liggen van het ongeval. Daarenboven visualiseert deze tool de data, waardoor de opgevraagde data gemakkelijker kunnen geïnterpreteerd worden en waaruit betere conclusies kunnen getrokken worden. Bovendien kan er op verschillende niveaus gewerkt worden met GIS. Zowel op lokaal vlak als op Vlaams niveau of zelfs Europees niveau (Peled et al, 1996). In dit rapport werd een eerste aanzet tot ontwikkeling van een referentiedatabank besproken. Daarbij werd nagegaan welke databanken kunnen opgenomen worden in de referentiedatabank. Daaruit werden 4 basisbestanden geselecteerd waarmee een pilootdatabank zal opgesteld worden: de wegkenmerken in de vorm van het ADAbestand van AWV, de verkeersintensiteiten van het Vlaams Verkeerscentrum, het transportnetwerk van Vlaanderen via Agiv en tenslotte de basisdata voor verkeersveiligheidsanalyses, namelijk de gelokaliseerde ongevallendatabank van de Vlaamse Overheid (MOBGIS). Vervolgens werd er ook een analysetool besproken die ontwikkeld zal worden ter analyse van de referentiedatabank. Deze zal enerzijds risico’s berekenen op de Vlaamse autosnelwegen en focussen op de gevaarlijkste segmenten. Op de gevaarlijkste segmenten zullen dan analyses uitgevoerd worden, waarbij de typologie van deze ongevallen en hun oorzaken zal worden nagegaan. Op basis daarvan kunnen dan beleidsmaatregelen getroffen worden. Van de ruwe data uit de verkeersdatabanken tot en met de Road Accident Analyzer kan men dus 5 stappen onderscheiden:
Verzamelen en samenbrengen van verkeersdata in pilootdatabank In een eerste fase wordt een pilootdatabank opgesteld, waarin de basisdata wordt opgenomen. Deze databank bestaat uit de kerninformatie van 4 databanken. De databank bevat zo als startpunt de wegkenmerken, verkeersintensiteiten, het transportnetwerk en verkeersongevallendata.
Opstellen referentiedatabank door koppeling pilootdatabank met extra databanken Nadat de pilootdatabank opgesteld wordt kan men deze databank verder aanvullen met extra data komende uit de reeds gehanteerde databestanden, maar ook uit nieuwe databronnen. Op deze wijze wordt er een geïntegreerde referentiedatabank opgesteld voor het onderzoek naar verkeersveiligheid in Vlaanderen. Op basis van de referentiedatabank kan onder andere de Road Accident Analyzer analyses doen met betrekking tot verkeersveiligheid in Vlaanderen.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
36
RA-MOW-2010-004
Identificatie en rangschikking van risicovolle wegsegmenten Door het berekenen van de ongevallenrisico’s op de verschillende wegsegmenten aan de hand van de verkeersintensiteiten en ongevallendata, zal men in staat zijn om de risico’s te bepalen op het Vlaamse wegennet. Een clusteranalyse van de wegsegmenten op basis van de specifieke karakteristieken moet ervoor zorgen dat men de ongevallenrisico’s kan vergelijken op basis van soortgelijke wegen.
Gedetailleerde ongevallenanalyse en maatregelen definiëren Van zodra de gevaarlijke wegen in kaart zijn gebracht kan men in detail gaan bekijken welke dominant ongevallen daar voorvallen. Op basis van de dominante oorzaken kunnen dan specifieke beleidsmaatregelen naar voor gebracht worden om deze ongevallen in de toekomst te trachten verhelpen.
Evaluatie van verkeersveiligheidsmaatregelen Bij het bepalen van de ongevallenrisico’s worden de wegsegmenten geclusterd op basis van de wegkarakteristieken. Op basis daarvan kan men tevens controlelocaties en testlocaties identificeren om zo de evaluatie van verkeersveiligheidsmaatregelen mogelijk te maken. Daarnaast kan men bij het bepalen van de dominante ongevallenoorzaken tevens verkeersveiligheidsmaatregelen aanbrengen waarbij op basis van multicriteria analyse de meest efficiënte en effectieve maatregel kan gekozen worden.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
37
RA-MOW-2010-004
7.
VERKLARENDE
BEGRIPPENLIJST
Betonpunt: een plaats waarbij de bestuurder de keuze heeft om het wegvak waarop hij/zij rijdt te verlaten. Een afrit is bijgevolg een betonpunt. Dominante ongevallen: ongevallenoorzaken die het vaakst voorkomen op een bepaalde weg(segment). Geografisch Informatie Systeem (GIS): is een dynamisch computersysteem dat diverse functies vervult: het opslaan, bewerken, opvragen, analyseren en weergeven van gelokaliseerde en niet-gelokaliseerde gegevens. Gevaarlijke segmenten: wegsegmenten met een hoger ongevallenrisico dan verwacht. Ongevallenrisico: het risico op een (bepaald type) ongeval. Wordt vaak berekend op basis van verkeersintensiteit en het aantal ongevallen die op een welafgebakende zone gebeuren. Pilootdatabank: eerste aanzet tot referentiedatabank, waarbij de primaire databanken zoals verkeersongevallendatabank, verkeersintensiteitendatabank, etc. met elkaar worden gekoppeld. Synthesekartering: hierbij worden diverse kaarten/lagen met een zelfde schaal over elkaar gelegd, waarmee dan analyses kunnen uitgevoerd worden. Vectordata: de werkelijkheid wordt weergegeven in een puntenlaag, lijn of vlak. Achter deze punten, lijnen of vlakken zitten attribuuttabellen, waarmee men analyses kan doen. Verkeersintensiteiten: zijn de proporties verkeer die per tijdseenheid over de weg rijden. Wegkenmerken: fysieke eigenschappen van een weg: snelheidslimiet, aantal rijstroken, aanwezigheid middenberm, etc. Wegsegmenten: zijn delen van de Vlaamse autosnelwegen en belangrijke secundaire wegen die werden bepaald door het Vlaams Verkeerscentrum op basis van betonpunten. Dit loopt bijvoorbeeld van een oprit tot de eerst volgende afrit. Rasterdata: verzameling van vierkante cellen, georganiseerd in rijen en kolommen die zo de werkelijkheid trachten weer te geven. Referentiedatabank: geaggregeerde databank voor verkeersveiligheid, waarbij verschillende bestaande en relevante databanken met elkaar worden gekoppeld voor het onderzoek naar verkeersveiligheid. Road Accident Analyzer: GIS-tool gebaseerd op de referentiedatabank die in dit werkpakket wordt ontwikkeld. De tool zal de ongevallenrisico’s en dominante ongevallenoorzaken identificeren en op deze manier meer inzicht geven in de huidige verkeersveiligheidsproblemen. Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
38
RA-MOW-2010-004
8.
REFERENTIES
Ampe, J., Geudens, T. & Macharis, C. (2008). “Multi-Criteria Analyse en Multi-Actor MultiCriteria Analyse. Mogelijke meerwaarde voor de evaluatie van verkeersveiligheidsmaatregelen”. Rapport Steunpunt MOW RA 2008-09 – spoor Verkeersveiligheid. Diepenbeek. Augeri, M.G., Cafiso, S. & La Cava, G. 2003. “Road safety evaluation using GIS for accident analysis”. Transactions on Ecology and the Environment 67:547-554. Augeri, M.G., Colombrita, R., Lo Certo, A., Greco & S. Matarazzo, B. 2005. “Multi-Criteria Analysis to evaluate road safety measures and allocate available budget”. Working paper. University of Catania. Austin, K., Tight, M. & Kirby, H. 1997. “The use of geographical information systems to enhance road safety analysis”. Transportation Planning and Technology. 20(3): 249266. Bindra, S., Ivan, J.N. & Jonsson, T. 2009. “Predicting segemnt-intersection crashes with land development data”. Transportation research record: journal of the transportation research board. 2102: 9-17. BIVV. 2004. “Social Attitudes to Road Traffic Risk in Europe – SARTRE. Resultaten voor België”. Onderzoeksrapport D/2004/0779/50. http://www.bivv.be/dispatch.wcs?uri=710739442&action=viewStream&language=nl Burrough, P.A. 1986. Principles of Geographic Information Systems for Land Resources Assessment. Monographs on Soil and Resources Survey No. 12. Oxford: Oxford University Press. Canters, F. 2003. “Geografische Informatie informatiekunde. Vrije Universiteit Brussel.
Systemen”.
Cursusmateriaal
geo-
Chen, P.P.-S. 1976. “The entity-relationship model-toward a unified view of data”. Association for Computing Machinery Transactions on Database Systems. 1(3). Depaire, B. Wets, G. & Vanhoof, K. 2008. “Traffic accident segmentation by means of latent class clustering”. Accident Analysis & Prevention. 40(4): 1257-1266. De Peuter, B., De Smedt, J. & Bouckaert, G. 2007a. “Handleiding beleidsevaluatie. Deel 3: Evaluatietechnieken”. Steunpunt Bestuurlijke Organisatie Vlaanderen – spoor Beleid en monitoring, Leuven. Despontin, M. 2005. “Meetschalen en beschrijvende statistiek”. VUBPress Elvik, R. & T. Vaa. 2004. Handbook of road safety measures. Elsevier, Amsterdam: 1078. Elvik, R. 2006. The Empirical Bayes method for road safety estimation. Presentation at the 1st RIPCORD/ISEREST Conference, Bergisch Gladbach, Duitsland. Elvik, R. 2007. “State-of-the-art approaches to road accident black spot management and safety analysis of road networks”. TOI report 883/2007. ESRI. 2010. “Powerful Spatial Statistics Tools in ArcGIS http://www.esri.com/news/arcuser/1104/spatial_statistics.html
9”
website
Fuller, D.O. Williamson, R., Jeffe, M. & James, D. 2003. “Multi-criteria evaluation of safety and risks along transportation corridors on the Hopi Reservation”. Applied Geography. 23(2-3): 177-188. Geurts, K & Wets, G. 2003. “Black spot analysis methods: literature review”. Rapport Steunpunt MOW RA 2003-7 – spoor Verkeersveiligheid. Diepenbeek.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
39
RA-MOW-2010-004
Goodchild, M.F. 1993. “The state of GIS for environmental problem-solving”. Environmental modeling with GIS, pp. 8-15. Oxford University Press, New York. Hall, J.P., Kim, T.J. & Darter, M.L. 2000. “Cost-benefit Analysis of Geographic Information System implementation, Illinois Department of Transportation”. Transportation Research Record. 1719. National Research Council, Washington. 210-226 Hauer, E. 1996. “Identification of sites with promise”. Transportation Research Record, 1542: 54-60. Hendriks, P. & Ottens, H. 1997. Geografische Informatie Systemen in ruimtelijk onderzoek (red.). Assen: Van Gorcum. Hizal, H.H. & Sharifah, A.S.M.R. 2009. “The construction of road accident analysis and database system in Malaysia”. Paper presented at IRTAD conference (16-17 september 2009), Seoul. Informex, 2009. Wrak www.informex.be
verkoop
voertuig
expertise
aankoop
opbod.
Website
Jones, C.B., 1997. Geographical Information Systems and Computer Cartography. Longman, Harlow. Kim, K. & Levine, N. 1996. “Using GIS to improve highway safety”. Computers, environment and urban systems. 20(4-5): 289-302. Kowtanapanich, W. 2007. “Black spot identification. Methods in Thailand”. Working paper. Lammar, P. & Hens, L. 2004. “Onderzoek naar het gebruik van ziekenhuisgegevens: Minimale Klinische Gegevens”. Rapport Steunpunt MOW RA 2004-20 – spoor Verkeersveiligheid. Diepenbeek. Lammar, P. 2006. “Haalbaarheidsstudie voor de correctie van de ongevallengegevens. Eindrapport”. Rapport Steunpunt MOW RA 2006-94 – spoor Verkeersveiligheid. Diepenbeek. Levine, N. 2007. “Houstan, Texas, Metropolitan Traffic Safety Planning Program”. Transportation Research Record: Journal of the Transportation research board. 1969:92-100. Liang, L.Y., Ma’soem, D.M. & Hua, L.T. 2005. “Traffic accident application using geographic information system”. Journal of the Eastern Asia Society for Transportation studies. 6: 3574-3589. Longley, P.A., Goodchild, M.F., Maguire, D.J., & Rhind, D.W. 2005. Geographic Information Systems and science. Second Edition. Wiley: Chichester, New York. Loo, B.P.Y. 2006. “Validating crash location for quantitative spatial analysis: a GIS-based approach”. Accident Analysis and Prevention. 38(5): 879-886. Lyons, R.A. Ward, H., Brunt, H., Macey, S. Thoreau, R. Bodger, O.G. & Woodford, M. 2008. “Using Multiple datasets to understand Trends in serious Road Traffic Casualties”. Accident Analysis and Prevention. 40(4): 1406-1410. Macharis, C. (2004). “The importance of stakeholder analysis in freight transport: The MAMCA methodology”. European Transport/transport Europei 25/26: 114-120. Maher M.J. 1990. “A bivariate negative binomial model to explain traffic accident migration. Accident Analysis and Prevention”. 22(5): 487-498. Mandloi, D. & Gupta, R. “Evaluation of accident black spots on roads using Geogrphical Information Systems (GIS)”. Working Paper. Miller, J.S. 1997. “Using Technology to help overcome instutional obstacles to improved crash records processing”. Transportation Research Record. 1581. National Research Council, Washington. 1-9. Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
40
RA-MOW-2010-004
Mobiel Vlaanderen. 2009. Onderzoek Verplaatsingsgedrag Vlaanderen. http://www.mobielvlaanderen.be/ovg/ovg03.php?a=19&nav=10
Website
Moons, E. 2009. “Evaluatie van het programma ‘gevaarlijke punten’. Audit van bestaande evaluatieprogramma’s”. Rapport Steunpunt MOW – spoor Verkeersveiligheid. Diepenbeek. Parker, H.D. 1988. “The unique qulities of a geographic information system: a commentary”. Photogrammetric Engineering and Remote Sensing. 54: 1545-1549. Peled, A., Haj-Yehia, B. & Hakkert, A.S. 1996. “ArcInfo – based geographical information system for road safety analyses & improvement”. Working paper. RIPCORD-ISEREST. 2008. “GIS-based Decision Support Safety Tool”. Sixth framework programme. Deliverable D11. WP11. Saccomanno, F.F., Chong, K.C. & Nassar, S.A. 1997. “Geographic Information System Platform for Road Accident Risk Modeling”. Transportation Research Record. 1581: 18-26. Saccomanno, F.F., Fu, L. & Roy, R.K. 2001. “Geographic Information System-based integrated Model for analysis and prediction of road accidents” Transportation Research Record. 1768. National Research Council, Washington. 193-202. Smith, R. Graettinger, A.J. Keith, K. Hudnall, M. & Parrish A. 2005. “Using GIS for law enforecement”. Journal of Safety Research. 36(5): 477-479. Smith, T.R. Menon, S., Starr, J.L. and Estes, J.E. 1987. “Requirements and principles for the implementation and construction of large-scale geographic information systems.” 1(13). Sorensen, M. & Elvik, R. 2007. Black spot management and safety analysis of road networks - Best practice guidelines and implementation steps. TOI report 919/2007 RIPCORD/ISEREST project. UHasselt. 2009. Opleiding Verkeerskunde. Cursustekst www.uhasselt.be/verkeerskunde (geraadpleegd op 23/11/ 2009).
GIS.
Van den Bossche, F. 2006. “Road Safety, risk and exposure in Belgium, an econometric approach”. Doctoraatsverhandeling TEW, UHasselt. Hasselt Van der Vlist, A.J., Bunte, F.H.J., van Galen, M.A. 2007. “Beleidsevaluatie ex-post. Methodiek en illustratie”. Rapport 6.07.13 Den Haag Van Geirt, F. & Nuyts, E. “Cross-sectional accident models on Flemish motorways based on infrastructural design”. Proceedings of EcoMod 2006. Brussel. Van Hout, K. Van den Bossche, F. & Daniels, S. 2004. “Data voor verkeersveiligheidsonderzoek in Vlaanderen. Steunpuntnota”. Rapport Steunpunt MOW – spoor Verkeersveiligheid SN 2004-03. Diepenbeek. Van Malderen, F., Macharis, C., Novikova, E. & Geudens, T. 2009. “Accident registration in Flanders: methods, problems and weaknesses”. Paper gepresenteerd op BIVEC research day (27 mei 2009), Brussel. Vistisen, D. 2002. Models and methods for hot spot safety work. PhD thesis, Denmark.
Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid
41
RA-MOW-2010-004