Ontwikkeling Netwerk Safety Index gemeente Amsterdam

Author(s)
Wijlhuizen, G.J.; Petegem, J.W.H. van; Schermers, G.; Bruin, J. de; Commandeur, J.J.F.; Kars, V.
Year

De gemeente Amsterdam voert een proactief risicogestuurd verkeersveiligheidsbeleid (Meerjarenplan Verkeersveiligheid 2016-2021, Gemeente Amsterdam, 2016). Een belangrijke reden voor de toenemende belangstelling voor de proactieve aanpak is dat de registratie van verkeersongevallen sinds 2009 te wensen overlaat, waardoor de kwaliteit van de beschikbare gegevens onvoldoende is.

In dit rapport wordt verslag gedaan van het wetenschappelijk onderzoeks­werk dat is uitgevoerd door SWOV in samenwerking met ANWB en de gemeente Amsterdam om een Network Safety Index (NSI) te ontwikkelen voor 50km/uur-wegen in Amsterdam. De keuze voor 50km/uur-wegen is gemaakt omdat in steden op deze wegen de meeste ernstige verkeersongevallen plaatsvinden.

Hoofduitkomst

Het in dit rapport beschreven onderzoek is erop gericht om te komen tot een zo eenvoudig mogelijk hanteerbaar instrument (NSI) waarvan is aangetoond dat het een score ‘relatief onveilig’ geeft voor alle 50km/uur-locaties waar het ook relatief onveilig is, in termen van aantallen verkeersongevallen per weglengte.

De belangrijkste uitkomst van het onderzoek is een (NSI-)formule waarin infrastructuurkenmerken en verkeersintensiteiten als variabelen zijn opgenomen. Al deze variabelen leveren multivariaat een significante bijdrage aan de samenhang met verkeersongevallen (zoals door de ambulance geregistreerd). Aan de hand van deze variabelen en hun weegfactoren kunnen NSI-scores worden berekend die aanwijzingen geven voor verschillen in de mate van verkeersveiligheid van straten.

De formule en de daaruit voortkomende NSI-scores hebben met dit onderzoek een aantoonbare empirische basis verkregen. Het is vastgesteld dat er een relatie is van bepaalde kenmerken en intensiteiten met verkeersongevallen. Een onderscheid in ongevallen met verschillende letselernst levert geen verschillende NSI op.

Omdat de verzamelde gegevens van infrastructurele kenmerken en NSI-scores in een database zijn gekoppeld aan geografische coördinaten, is het mogelijk om kenmerken – afzonderlijk en in combinatie – en NSI-scores beeldend weer te geven in GIS-kaarten.

Hieronder worden de belangrijkste elementen van het onderzoek: methode, resultaten en afzonderlijke conclusies en aanbevelingen weergegeven.

Doelstelling

Het onderzoek is erop gericht om een zo eenvoudig mogelijk hanteerbaar instrument (NSI) te ontwikkelen waarvan is aangetoond dat het een score ‘relatief onveilig’ geeft voor alle locaties waar het ook relatief onveilig is, in termen van aantallen verkeersongevallen per weglengte. De NSI is gebaseerd op een gewogen combinatie van kenmerken van infrastructuur en verkeersintensiteiten.

Methode van onderzoek

Bouwstenen van NSI

De bouwstenen voor de NSI zijn kenmerken van de infrastructuur (weg- en fietsinfrastructuur) van 50km/uur-wegen in Amsterdam in combinatie met intensiteitsgegevens van fietsverkeer en gemotoriseerd verkeer op de betreffende wegen en verkeersongevallen die op deze wegen hebben plaatsgevonden.

Kenmerken van weginfrastructuur zijn verzameld met de instrumenten:

  • Duurzaam Veilig-meter (DV-Meter);
  • Veilige Snelheden, Geloofwaardige Snelheidslimieten (VS/GS).

Kenmerken van fietsinfrastuctuur zijn verzameld met het instrument:

  • CycleRAP (bètaversie)

De inhoud van bovengenoemde instrumenten staat in de Bijlagen 1 en 2.

Intensiteitsgegevens zijn afkomstig van de volgende bronnen:

  • Verkeersmodel Amsterdam (gemotoriseerd verkeer)
  • Fietstelweken 2015 en 2016 gemiddeld (fietsverkeer).

Verkeersongevallen (N=9840) zijn afkomstig van ambulanceregistratie 2009-2012. Van de ongevallen is de straatnaam bekend waar het ongeval heeft plaatsgevonden.

Gegevensverzameling

De gegevensverzameling van infrastructuurkenmerken vond plaats door getrainde beoordelaars aan de hand van Cyclomediabeelden van wegen. Per 25 m van elke straat werden alle kenmerken beoordeeld en ingevoerd in de computer. Dit werk heeft plaatsgevonden in oktober en november 2015 (deel 1) en oktober en november 2016 (deel 2) van in totaal 622 verschillende 50km/uur-wegen; in totaal ca. 500 km.

Van de 622 wegen waren de ongevallen (N=9840) van ambulanceregistratie 2009-2012 bekend. Dat impliceert dat we de samenhang tussen infrastructuurkenmerken en ongevallen per straat konden onderzoeken (en niet per 25 m van een straat omdat we de locatie van de ongevallen niet met een nauwkeurigheid van 25 m kenden).

Per straat waren de intensiteiten bekend, de lengte van de straat, het aantal verkeersongevallen en voor elke straat is een aantal uit verscheidene kenmerken samengestelde scores geconstrueerd. Het gaat om de volgende variabelen:

Fietsinfrastructuur:

  • Kwaliteit-score; aandeel onveilige 25m-locaties/km;
  • Hoogte-en-lengteprofiel-score; aandeel onveilige 25m-locaties/km;
  • Obstakel-score; aandeel onveilige 25m-locaties/km;

Weginfrastructuur:

  • DV-meter-score: aandeel onveilige 25m-locaties/km;
  • VS-score: aandeel onveilige 25m-locaties/km;
  • GS-score: aandeel onveilige 25m-locaties/km;
  • Aantal grote kruispunten /km;
  • Aantal rotondes/km;
  • Aantal kleine kruispunten/km;
  • Tram en/of Bus aanwezig in betreffende straat (Ja/Nee)

De eerste analyse was erop gericht om een formule te maken waarmee per weg een NSI-score kan worden berekend. Daarvoor zijn in totaal 367 van de 622 straten in een multivariate regressieanalyse betrokken waarbij gezocht is naar de wijze waarop infrastructuurkenmerken in combinatie met elkaar samenhangen met het aantal verkeersongevallen per km weglengte. Bij de analyses hebben we gebruikgemaakt van gegeneraliseerde lineaire regressiemodellen waarbij voor het aantal ongevallen is uitgegaan van een negatief binomiale verdeling.

In de tweede analyse is met de formule voor elke weg een NSI-score berekend die de mate van verkeersveiligheid uitdrukt. Vervolgens is nagegaan in welke mate door de NSI als relatief (on)veilig beoordeelde wegen (met de NSI-score) ook op basis van de het aantal ongevallen per weglengte als relatief (on)veilig wordt geclassificeerd. Daarbij is de mate van samenhang tussen de NSI-score en de ongevallendichtheid bepaald en is aandacht besteed aan aspecten van nauwkeurigheid (sensitiviteit en specificiteit) van de NSI. De sensitiviteit van de NSI geeft aan welke proportie van de werkelijk onveilige straten door de NSI als onveilig wordt beoordeeld. De specificiteit van de NSI geeft aan welke proportie van alle werkelijk veilige straten door de NSI als veilig wordt beoordeeld.

Resultaten

Uit de multivariate analyses is naar voren gekomen dat de volgende variabelen een significante samenhang hebben met het aantal ongevallen per weglengte. Dat zijn, naast de beide intensiteiten (fiets, auto):

Weginfrastructuur:

  • GeloofwaardigeSnelheid-score (GS): aandeel onveilige 25m-locaties/km;
  • Aantal kleine kruispunten /km;
  • Aantal rotondes/km;
  • Tram en/of bus aanwezig in betreffende straat

Fietsinfrastructuur:

  • Hoogte-en-lengteprofiel-score; aandeel onveilige 25m-locaties/km;
  • Obstakel-score; aandeel onveilige 25m-locaties/km;

Voor elk van de variabelen geldt dat ze een significant verband hebben met de ongevallendichtheid. Daarbij is de weegfactor (coëfficiënt) positief voor vrijwel elk van de variabelen in het model. Dat wil zeggen dat bij toenemende dichtheid van onveilige locaties of verkeersintensiteit, er ook een toename is van de verkeersongevallendichtheid (het aantal ongevallen per weglengte). Het resulterende NSI-model is een formule waarmee op basis van de bekende infrastructuurkenmerken en intensiteiten een NSI-score kan worden berekend. Deze score is een indicatie voor de mate van verkeersonveiligheid; een hogere score wijst op een grotere mate van onveiligheid.

De gevonden samenhang tussen de NSI-score en de verkeersongevallen­dichtheid (Pearson-correlatie) is R=0,72; significant afwijkend van nul (p<0,00). De verklaarde variantie R² is 0,52. Dit houdt in dat 52% van de variantie van de NSI-score verklaard wordt door de variantie in de verkeersongevallendichtheid.

De NSI heeft een relatief hoge mate van specificiteit (92%) en een relatief lage sensitiviteit (69%). Het blijkt dat ‘werkelijk’ veilige straten in hoge mate door de NSI als veilig worden beoordeeld: specificiteit is 92%. Van de ‘werkelijk’ onveilige straten wordt door de NSI bijna een derde (31%) toch als veilig beoordeeld.

Conclusies en aanbevelingen

  1. Er is een formule (model) voor de NSI ontwikkeld waarbij empirisch is vastgesteld dat de daarin opgenomen kenmerken van infrastructuur samenhangen met verkeersveiligheid; uitgedrukt in het aantal verkeersongevallen per straatlengte. Met de NSI is het mogelijk om voor Amsterdam een ordening te maken van 50km/uur-straten naar de mate van verkeersonveiligheid. Daarmee kan de NSI bijdragen aan het gefundeerd selecteren van straten die, met prioriteit, in aanmerking komen voor aanpassingen die de verkeersveiligheid ten goede komen.
     
  2. Er zijn kenmerken van infrastructuur betrokken in de analyse waarvan niet is komen vast te staan dat ze, naast de andere kenmerken, samenhangen met het aantal ongevallen per lengte-eenheid van een straat. Deze zijn daarom niet opgenomen in de huidige NSI. Het gaat daarbij om: de VeiligeSnelheid-score, Duurzaam Veilig-/DV-score, Kwaliteit van fietsinfrastructuur, Grote kruispunten. Het is niet uitgesloten dat bij beoordeling van infrastructuur in andere gemeenten één of meer van deze kenmerken wel een samenhang laten zien en daarom opgenomen kunnen worden in een aangepaste NSI.

    Aanbeveling:
    Neem bij vervolgonderzoek in andere gemeenten de volgende kenmerken mee om te bepalen of ze naast andere kenmerken blijken samen te hangen met het aantal ongevallen per lengte-eenheid van een straat: de VeiligeSnelheid-score, Duurzaam Veilig-/DV-score, Kwaliteit van fietsinfrastructuur, Grote kruispunten. Het kan daarbij gaan om onderzoek op zowel 30km/uur- als 50km/uur-wegen.
     
  3. Houd bij de interpretatie van de NSI rekening met het feit dat de NSI een indicatie geeft van de mate van verkeersonveiligheid en niet een nauwkeurige voorspelling. Diverse factoren zijn daarop van invloed, zoals:
    • Het feit dat verkeersonveiligheid ook wordt beïnvloed door gedragsfactoren, omstandigheden (gladheid, mist) en voertuigfactoren die niet in de NSI zijn opgenomen;
    • Onnauwkeurigheid in de metingen, of kenmerken van de infrastructuur die niet zijn gemeten.

      De NSI heeft een relatief hoge mate van specificiteit en een relatief lage sensitiviteit. Werkelijk veilige straten worden in hoge mate door de NSI als relatief veilig beoordeeld; van de werkelijk onveilige straten wordt door de NSI een minder grote proportie als relatief onveilig beoordeeld; er worden relatief veel werkelijk onveilige straten als veilig beschouwd.

      Aanbeveling:
      Onderzoek in welke mate van nauwkeurigheid van de NSI kan worden verhoogd en hoe de sensitiviteit kan worden verhoogd zonder verlies van de mate van specificiteit van de NSI.

       
  4. De NSI is een generieke score; een index. Uit de index zelf is niet op voorhand een ‘optimaal effectieve aanpak’ van het verkeersveiligheids­probleem af te leiden in de zin dat de te nemen maatregelen genomen zouden moeten worden op die kenmerken die onderdeel vormen van de index.

    Aanbeveling:
    Beschouw de NSI als een indicator voor verschillen in verkeersveiligheid en daarmee als onderdeel van een set van onderzoeksinstrumenten om (kosten)effectieve maatregelen te bepalen die de verkeersveiligheid in Amsterdam kunnen vergroten.
     
  5. De huidige NSI is gebaseerd op 50km/uur-straten in de gemeente Amsterdam. Dat maakt het niet mogelijk om vast te stellen in welke mate de huidige NSI passend is voor andere gemeenten dan Amsterdam.

    Aanbeveling:
    Pas de huidige NSI ook toe in gemeenten buiten Amsterdam van vergelijkbare en verschillende omvang. Bepaal vervolgens de validiteit van de NSI in deze gemeenten. Dat wil zeggen onderzoek of de in Amsterdam gevonden relaties tussen scores en ongevallen en de bijbehorende coëfficiënten ook buiten Amsterdam geldig zijn.
     
  6. Er is in het kader van dit onderzoek een groot aantal veiligheids­kenmerken van infrastructuur in Amsterdam in kaart gebracht op een hoog detailniveau (25 m), wat een uniek gegevensbestand heeft opgeleverd. Tegelijkertijd is een eerste ervaring opgedaan met het toepassen in wetenschappelijk onderzoek van fietsintensiteiten vanuit de Fietstelweek 2015 en verkeersongevallen die door de ambulance­registratie zijn aangeleverd over de periode 2009-2012.

    Vanwege de huidige stand van kennis op het gebied van de rol van stedelijke infrastructuur in relatie tot verkeerveiligheid – en die is beperkt – is voortzetting van toegepast wetenschappelijk onderzoek op dit terrein van groot belang. Bijzondere aandacht dient bij verder onderzoek te worden besteed aan het zo goed mogelijk valideren van de NSI. De gegevens en resultaten uit het huidige onderzoek bieden een uitstekende en unieke mogelijkheid voor verdieping van kennis op dit terrein.

    Aanbeveling:
    Vervolg het onderzoek naar de samenhang tussen kenmerken van – stedelijke – weginfrastructuur en verkeersveiligheid (ongevallen), zo mogelijk in het kader van toegepast wetenschappelijk promotie­onderzoek. Betrek daarbij de aanbevelingen die in het rapport van Wijlhuizen et al. (2016) zijn gedaan voor de doorontwikkeling van het CycleRAP-instrument voor veiligheidsbeoordeling van fietsinfrastructuur.

 

De lengtemaat (‘km’) die voor de Grote en Kleine kruispunten en voor de rotondes is gebruikt, is de totale lengte van de betreffende straat inclusief de ruimte die de kruispunten zelf innemen.

De belangrijkste reden om de resterende 255 straten niet mee te nemen was dat ze niet over hun totale lengte een snelheidslimiet bleken te hebben van 50 km/uur.

De lengtemaat (‘km’) die voor de Grote en Kleine kruispunten en voor de rotondes is gebruikt, is de totale lengte van de betreffende straat inclusief de ruimte die de kruispunten zelf innemen.

Report number
R-2017-10
Pages
54 + 71
Publisher
SWOV, Den Haag

SWOV publication

This is a publication by SWOV, or that SWOV has contributed to.