In road safety, macroscopic models are developed to support the quantitative targets in safety programmes. Targets are based on estimated numbers of fatalities and crashes that are derived from models. When constructing these models, typical problems are the lack of relevant data, the limited time horizon and the availability of future values for explanatory variables. As a solution to these restrictions, we suggest the use of calendar data. These include a trend, a trading day pattern, dummy variables for the months and a heavy traffic measure. In this paper, we test the relevance of calendar data for the prediction of road safety. ARIMA models and regression models with ARMA errors and calendar variables are built. Predictions are made by both models and the quality of the predictions is compared. We use Belgian monthly crash data (1990-2002) to develop models for the number of persons killed or seriously injured, the number of persons lightly injured and the corresponding number of crashes. The regression models fit better than the pure ARIMA models. The trend and trading day variables are significant for the outcomes related to killed or seriously injured persons, while the heavy traffic measure is significant in all models. The predictions made by the regression models are better than those from the ARIMA models, especially for the lightly injured outcomes. (Author/publisher) Nederlandse samenvatting: In verkeersveiligheidsonderzoek worden macroscopische modellen gebruikt om kwantitatieve doelstellingen te evalueren. Deze doelstellingen zijn gebaseerd op verwachte waarden van slachtoffers en ongevallen die worden bepaald met behulp van verkeersveiligheidsmodellen. Bij het opzetten van deze modellen duiken meestal volgende problemen op: het ontbreken van relevante gegevens, een beperkte tijdshorizon en het ontbreken van toekomstige waarden voor de variabelen in het model. Als oplossing voor deze problemen wordt in dit onderzoek het gebruik van kalendervariabelen voorgesteld. Hiertoe behoren een trend, een “trading day” patroon, dummy variabelen voor de maanden en een maat voor druk verkeer. In dit rapport testen we de relevantie van kalendervariabelen bij het voorspellen van de verkeersveiligheid. ARIMA modellen en regressiemodellen met ARMA foutentermen en kalendervariabelen worden opgezet. Met beide modellen worden een aantal voorspellingen gemaakt en de kwaliteit van de voorspellingen wordt vergeleken. In deze studie gebruiken we Belgische gegevens (1990-2002) op maandbasis om modellen te ontwikkelen voor doden en zwaargewonden, lichtgewonden en de overeenkomstige aantallen ongevallen. De resultaten tonen dat de regressiemodellen een betere fit hebben dan de pure ARIMA modellen. De trend en het trading day patroon hebben een significant effect op het aantal doden en zwaargewonden, en op de overeenkomstige aantallen ongevallen. De maat voor druk verkeer is significant in alle modellen. De voorspellingen van de regressiemodellen zijn beter dan die van de ARIMA modellen, in het bijzonder voor de (ongevallen met) lichtgewonden. (Author/publisher) The report is available at: http://www.steunpuntverkeersveiligheid.be/nl/nl/modules/publications/st…
Abstract