SWOV Catalogus

108180

A Bayesian model for ranking hazardous sites.
C 29531 [electronic version only]
Brijs, T. Karlis, D. Bossche, F. van den & Wets, G.
Diepenbeek, Steunpunt Verkeersveiligheid bij Stijgende Mobiliteit, 2004, 27 p., 36 ref.; Rapportnummer RA-2004-19

Samenvatting Road safety has recently become a major concern in most modern societies. The determination of sites that are more dangerous than others (black spots) can help in better scheduling road safety policies. The present paper proposes a methodology to rank sites according to their hazardousness. The model is innovative in at least two respects. Firstly, it makes use of all relevant information per accident location, including the total number of accidents, the number of fatalities, as well as the number of both light and severe injuries. Secondly, the model includes the use of a cost function to rank the sites with respect to their total expected cost to the society. Bayesian estimation for the model via a Markov Chain Monte Carlo (MCMC) approach is proposed. Accident data from 519 intersections in Leuven (Belgium) are used to illustrate the proposed methodology. Furthermore, different cost functions are used in the paper in order to show the sensitivity of the proposed method on the use of different costs per injury type. (Author/publisher) Nederlands abstract: Verkeersveiligheid is één van de belangrijke bekommernissen geworden van de hedendaagse moderne maatschappij. Het bepalen van gevaarlijke locaties op de weg (zwarte punten) is hierbij een belangrijk instrument in het kader van verkeersveiligheidsbeleid. In deze paper stellen we een methodologie voor om gevaarlijke locaties op de weg te rangschikken in functie van het aantal en het type ongevallen. Vanuit het oogpunt van verkeersveiligheid beoogt het model een realistische voorstelling van de werkelijkheid omdat het 1) rekening houdt met het aantal ongevallen en het aantal slachtoffers van verschillende types (doden, zwaargewonden en lichtgewonden) en 2) gebruik maakt van een kostenfunctie om de locaties te rangschikken in functie van hun totale verwachtte maatschappelijke kost. De output van dit werk kan daarom dienen als input voor een kosten-baten analyse waarbij de prioriteitsstelling van verkeersveiligheidsmaatregelen wordt bepaald op basis van de afweging op welke locaties elke ingezette Euro het meest oplevert in termen van de reductie van de maatschappelijke kost van verkeersongevallen. Vanuit het methodologische oogpunt wordt in de paper een multivariaat Poisson hierarchisch Bayes model geïntroduceerd. Het multivariate karakter van het model is gebaseerd op de verwachtte interdependentie die er bestaat tussen het aantal doden, zwaargewonden en lichtgewonden op een locatie. Een geavanceerde schattingsprocedure gebaseerd op Markov Chain Monte Carlo (MCMC) technieken wordt gebruikt om de parameters van het model te schatten. Een empirische studie gebaseerd op ongevallengegevens op 519 kruispunten in de stad Leuven wordt gebruikt om de voorgestelde methodologie te illustreren. Tevens worden verschillende kostenfuncties gebruikt teneinde de sensitiviteit van de resultaten te bestuderen bij veranderende gewichten per slachtoffertype. (Author/publisher) The report is available at: http://www.steunpuntverkeersveiligheid.be/nl/modules/publications/store/47.pdf
Full-text
Dossier
Suggestie? Neem contact op met de SWOV bibliotheek voor uw opmerkingen
Copyright © SWOV | Juridisch voorbehoud | Contact