Uheldsmodel for cykler i vigepligtsregulerede kryds i byer
Oversat titel
Accident model for bicycles in urban unsignalized intersections
Forfatter
Feldens, Mathias Hoffmann
Semester
4. semester
Uddannelse
Udgivelsesår
2023
Afleveret
2023-06-09
Antal sider
124
Resumé
Specialet undersøger, hvordan trafik- og designforhold hænger sammen med uheldstætheden for cyklister i bykryds, der er reguleret af vigepligt. Til formålet udvikles en uheldsmodel som en negativ binomial regressionsmodel med log-link, hvilket er velegnet til at analysere optællinger af uheld, hvor nogle steder har markant flere uheld end andre. Da lette trafikanter (fx cyklister) ofte er underrapporteret i politiets uheldsdata, kombineres politiregistrerede uheld med data fra det udvidede skadestueregister. Datagrundlaget omfatter 257 flerpartsuheld med mindst én cykel fordelt på 149 observationer i 144 vigepligtsregulerede kryds i Aarhus og Odense. Modellen bruges til at beregne det forventede antal flerpartsuheld med mindst én cykel. Derudover anvendes Empirical Bayes-metoden til at justere for regressionseffekten (tendensen til, at ekstreme værdier nærmer sig gennemsnittet), så der opnås mere robuste estimater af uheldsforekomsten. Resultaterne viser, at nedadgående længdefald på primærvejen samt tilstedeværelse af sekundærhelle (helle på den sekundære vej) og skillerabat (midterrabat) er forbundet med øget uheldstæthed. Modellen forklarer 71,4 % af den systematiske variation i uheldsforekomsten.
This thesis examines how traffic and design features relate to the frequency of cyclist-involved crashes at urban intersections regulated by give-way rules. The study develops a crash model using a negative binomial regression with a log link, a method well suited to count data where some sites have many more crashes than others. Because vulnerable road users (such as cyclists) are often underreported in police records, the analysis combines police-reported crashes with data from an expanded emergency department injury register. The dataset includes 257 multi-party crashes involving at least one bicycle, based on 149 intersection observations from 144 yield-controlled intersections in Aarhus and Odense. The model estimates the expected number of multi-party crashes with at least one bicycle. In addition, the Empirical Bayes method is used to adjust for regression-to-the-mean, providing more stable crash estimates. Results indicate that a downward longitudinal slope on the primary road, as well as the presence of a secondary refuge island and a median strip, are associated with higher crash density. The model explains 71.4% of the systematic variation in crash occurrence.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]
Emneord