Saobraćajni fakultetUniverzitet u Beogradu

Saobraćajna psihologijaPrevod sa engleskog

Predvidivi modeli nesreće(Predictive models for accidents on urban

links,Thomas Jonsson 2005)

Izvor:Lund Institute of Technology Department of Technology and Society Traffic Engineering

Profesor: Dr Svetlana Čičević Student: Gašić Slobodan ds070130Asistent: Mr Marjana Čubranić-Dobrodolac

1

1 Uvod

1.1 Pozadina

Transport je postao nužnost u modernom životu, i savremeno društvo danas umnogome zavisi od mogućnosti da prelazi velike razdaljine u kratkom vremenskom roku. Međutim, naša povećana mobilnost takođe stvara probleme. U 2003. više od 27 000 ljudi je povređeno na švedskim putevima. Od njih približno 4500 je teže povređeno a 500 ih je poginulo. Dve hiljade teže povređenih i 134 poginula od ukupnog broja nastradalih zadobili su svoje povrede u urbanim sredinama ( Tabela 1). Broj žrtava u saobraćajnim nesrećama je mali kada se uporedi sa ostalim uzrocima smrti, kao što su rak i bolesti krvotoka koje odnose na desetine hiljada života godišnje u Švedskoj. Broj žrtava u saobraćaju je opasniji na jedan drugi način, jer on podjednako obuhvata sve od 15 godina starosti i naviše, dok su ostali uzroci smrti znatno učestaliji kod starijih osoba. ( WHO 2004 – 09 – 02).

Tabela 1. Broj povređenih i poginulih u gradskoj i ruralnoj saobraćajnoj sredini, Švedska 2003. ( SCB & SIKA 2004 )

Poginuli Teže povređeni Lakše povređeni

Ukupno

Gradska sredina 134 2003 12107 14244Ruralna sredina 395 2661 10332 13388Ukupno 529 4664 22439 27632

U oktobru 1997. švedski parlament je usvojio „Vision Zero“ ( Vizija nula) za švedski drumski saobraćaj. Vizija nula ukratko znači da je neprihvatljivo da učesnici u saobraćaju poginu ili pretrpe teže telesne povrede (predlog 1996/97:137). Saobraćajno okruženje bi trebalo na duže staze dizajnirati tako da ono dozvoljava učesnicima u saobraćaju da prave određene greške a da za iste ne trpe ozbiljne posledice. Uzimajući u obzir bezbednost u saobraćaju danas i veličinu putne mreže, takva promena bi zahtevala dosta vremena i velika ulaganja.

Saobraćajne nezgode su statistički gledano koncept sa velikim nasumičnim varijacijama. Samim tim, istorija saobraćajnih nezgoda predstavlja varljiv izvor informacija o nivou bezbednosti pojedinih ulica. Na ulici gde se jedne godine dogodio veliki broj nezgoda može se desiti da se u narednih par godina ne desi niti jedna saobraćajna nezgoda. Često su potrebni izveštaji o nesrećama koji sežu godinama u nazad kako bi se napravila bilo kakva pouzdana procena o nivou bezbednosti. Zbog svega ovoga, u radu na bezbednosti saobraćaja, postoji potreba za predvidivim modelima nesreće.

2

Predvidivi modeli nesreće

Umesto da se samo oslanjamo na istoriju saobraćajnih nezgoda često se koristimo predvidivim modelima nesreće. Modeli izračunavaju očekivani broj saobraćajnih nesreća za određenu ulicu uzimajući u obzir informacije o karakteristikama date ulice i empirijskom znanju o tome kako broj nesreća varira sa datim karakteristikama ( Vagverket 2001b, Peltola 2000, Greibe 2003 ).Dobijeni broj očekivanih saobraćajnih nesreća može se koristiti za procenu broja nesreća na ulicama koje još nisu izgrađene ili može da pruži stabilnu procenu broja nesreća na postojećim putevima i tako pomogne pri određivanju efekata preuzetih mera itd. Procenjeni broj saobraćajnih nesreća se koristi i u političkim procesima donošenja odluka i za evaluaciju. U kasnijoj fazi modeli se mogu koristiti za izračunavaje očekivanog broja nesreća bez poboljšanja bezbednosti saobraćaja, kako bismo uporedili taj broj sa brojem nesreća nakon uvođenja odgovarajućih mera.(Vagverket 2001a). Modeli, tačnije vrednosni parametri promenljivih u modelima, ne mogu se međutim koristiti za direktnu procenu posledica uvođenja bezbedonosnih mera.Razvoj predvidivih modela nesreće se intenzivirao tokom poslednje dekade. Pre početka prethodne decenije većina radova na predvidivim modelima nesreće je obavljana u nordijskim zemljama i Velikoj Britaniji, i uglavnom su bili fokusirani na puteve u seoskim sredinama. Alati za modeliranje su takođe napredovali od ranog modeliranja i korišćenja višestruke linearne regresije sa pretpostavkom da su nesreće normalno raspoređene pa sve do naprednijih generalizovanih linearnih modela sa Poasonovom ili negativnom binomnom distribicijom.( Maher i Samersgil 1996).Početkom devedesetih švedski predvidivi modeli nesreće su razvijani za gradske i seoske raskrsnice.( Brude i Larson 1992). Modeli raskrsnice uključuju razdvojene modele za nesreće pešaka i biciklista kao i različite modele za nesreće sa motornim vozilima i različite vrste raskrsnica. Modeli baziraju svoje proračune očekivanog broja saobraćajnih nesreća na merama izloženosti ali za motorna vozila matematički odnosi variraju između vrste raskrsnica, ograničenja brzine i okruženja ulice. Ovi modeli se još uvek koriste za modeliranje nesreća na raskrsnicama ali sa određenim promenama u odnosu na smanjenje broja nesreća u modelima nesreća sa motornim vozilima. (Vagverket 2001b).Za ulične veze uključujući i manje raskrsnice švedski model sa sastoji od odnosa broja nesreća i vozila po kilometru. Broj nesreća se razlikuje s’ obzirom na različite tipove ulica, ograničenja brzine i broja saobraćajnih traka. Kao i kod modela za raskrsnice i ovde postoje odvojeni modeli za pešake i bicikliste. Broj nesreća ranjivih učesnika u saobraćaju se dobija množenjem određenog parametra sa brojem motornih nesreća. Parametri su različiti za pešake i bicikliste i takođe variraju s’ obzirom na tipove ulica i njihovo okruženje i uzimaju u obzir razliku u izloženosti ranjivih učesnika u saobraćaju.( Vagverket 2001b). Stvarna izloženost ranjivih učesnika u saobraćaju na proučavanoj putnoj vezi se obično ne koristi.To je zato što su ovi podaci retko kada dostupni.

1.2 Svrha i cilj studije

Svrha ove studije je identifikovanje mogućih poboljšanja predvidivih modela nesreće i konstruisanje poboljšanih modela za gradske veze.

3

Rad je započet istraživanjem literature koja se bavi predvidivim modelima nesreće i promenljivim koje utiču na bezbednost u saobraćaju na nivou ulice.Znamo da se većina varijacija u velikom broju nesreća objašnjava varijacijom u izloženosti. U modelima nesreća izloženost ranjivih učesnika u saobraćaju na putnoj vezi nije korišćena u postojećim švedskim modelima što može uticati na objašnjavajuću moć modela. Otuda je i jedan od ciljeva ove studije da istraži kako se procena stvarne izloženosti ranjivih učesnika u saobraćaju može upotrebiti za poboljšanje modela, i upoređivanje moći predviđanja modela sa i bez uračunate procene izloženosti ranjivih učesnika u saobraćaju.Druge teme koje su proučavane su bile potreba da se razviju različiti modeli za drugačije tipove nesreća i da li korišćenje stvarne brzine automobila umesto ograničenja brzine može da poveća predviđajuću ili objašnjavajuću moć modela.Većina podataka neophodnih za ove modele nije bila na raspolaganju, pa je bilo neophodno obaviti nekoliko terenskih istraživanja kako bi se prikupili ovi podaci. Terenska istraživanja su obavljena u osam švedskih gradova, od kojih je šest korišćeno u završnom modeliranju. Sakupljeni podaci su uključivali izloženost ranjivih učesnika u saobraćaju, brzinu vozila, rešenja u dizajnu ulica za međusobnu interakciju vozila i ranjivih učesnika u saobraćaju kao i nekoliko drugih promenljivih koje opisuju okolinu. Pojedini podaci su prikupljeni iz opština uz pomoć Švedskog nacionalnog instituta za puteve i saobraćaj (VTI). Podaci o nesrećama su takođe prikupljeni od strane instituta iz različitih opština za period od 5 do 8 godina. Podaci stari do pet godina korišćeni su za modeliranje a ostali su korišćeni za potvrdu studije.

1.3 Struktura

Ispod sledi kratak pregled strukture ove disertacije, ali indirektno to je manje više hronološki opis strukture rada na ovom projektu.

Poglavlje Teorije i koncepti o bezbednosti u saobraćaju sadrži rezime teorijskih koncepta i znanja kako na bezbednost u saobraćaju utiču različite karakteristike saobraćaja. Ovaj deo je rezultat istraživanja literature. Drugi deo istraživanja literature bio je fokusiran na postojeće modele. Oni su opisani u poglavlju Modeli nesreće sa naročitim fokusom na modele koji se koriste u Švedskoj, Finskoj i Danskoj. Poglavlje zaključuje diskusija o tome šta može biti poboljšano u švedskim modelima.Ovo formira bazu za razgraničavanje u budućem radu.Metodologija opisuje metode korišćene za prikupljanje podataka sa terena kao i metode korišćene za analiziranje prikupljenih podataka. Podaci korišćeni u modeliranju su opisani u poglavlju Podaci.Rezultati modeliranja su opisani i analizirani u poglavlju Rezultati i analize. Poslednje poglavlje Diskusije i zaključci bavi se doprinosom ove studije nauci, posledicama rezultata i određivanjem potreba za buduća istraživanja.

4

2 Teorije i koncepti o bezbednosti u saobraćaju

Ovo poglavlje je uglavnom bazirano na proučavanju literature koju je detaljnije predstavio Dzonson (2001). Poglavlje daje kratak rezime različitih koncepata bezbednosti u saobraćaju a naročito koje promenljive utiču na nivo bezbednosti na gradskim ulicama.

2.1 Šta je bezbednost u saobraćaju i kako se ona može meriti?

Svake godine saobraćaj u Švedskoj odnese više od 500 života, a više od 27 000 ljudi pretrpi teže ili lakše povrede( SCB & SIKA 2004). Saobraćaj predstavlja veliku opasnost po javno zdravlje, ali uprkos mogućim strašnim posledicama ljudi svakodnevno putuju. Prevoz je vitalni deo društva i ne može biti u potpunosti izbegnut; umesto toga moramo postaviti pitanje: Kako da putujemo na najbezbedniji mogući način? Ali kako definisati najbezbedniji način? Dve uobičajene mere bezbednosti su broj nesreća prema glavi stanovnika i broj nesreća prema pređenom kilometru. Prva mera je korisna kada upoređujemo nivoe rizika povezanih sa određenim aktivnostima. Druga mera je prirodno usko povezana sa putovanjima ali sa druge strane nudi informacije o riziku po jedinici putovanja. Predvidivi modeli nesreće tradicionalno povezuju broj saobraćajnih nesreća sa pređenim putem, i ovo je baza za definisanje bezbednosti u saobraćaju u ovom radu.Procena bezbednosti u saobraćaju u ovoj disertaciji je ista kakvu je definisao Hauer (1999): „..., bezbednost druma se meri učestalošću i ozbiljnošću udesa za koje se očekuje da će se desiti na njemu“.Najvažnija reč u ovom citatu je „očekivani“. Broj nesreća nikad nije stalan, promenljivi uslovi saobraćaja i nasumične varijacije uzrokuju da broj nesreća prema pređenom kilometru varira čak i na onim ulicama čiji dizajn nije menjan. Broj nesreća na koji se prema tome treba fokusirati je očekivani broj nesreća za date saobraćajne uslove. Očekivani broj nesreća može se uzeti kao prosečan broj nesreća gde su saobraćajni uslovi bili konstantni a vreme izvođenja studije dovoljno dugo da se isključe nasumične varijacije. Ponekad očekivani broj nesreća se može uzeti kao osnovna istinita stopa nesreće.Očekivani broj nesreća čine nejasnim dva faktora: nepotpuno izveštavanje i nasumične varijacije. Nepotpuno izveštavanje o nesrećama predstavlja problem kada se meri broj nesreća na osnovu policijskih izveštaja, razlog tome je što policija prijavi samo 40 % nesreća sa telesnim povredama (Englund 1998). Nepotpuno izveštavanje takođe ne razlikuje različite tipove učesnika u saobraćaju što još više otežava stvaranje potpune slike o nesreći samo na osnovu policijskih izveštaja (Vagverket 2004). Nasumične varijacije predstavljaju problem zbog dugog vremenskog perioda koji je potreban kako bi se proučavanjem one postepeno isključile. Sa druge strane, korišćenje podataka prikupljanih tokom dužeg vremenskog perioda stvara nove probleme: saobraćajno okruženje i putevi retko ostaju isti tokom dužeg vremenskog perioda jer saobraćaj neprekidno teče a dizajn ulica se menja. Zbog nemogućnosti da se dobije pravi tačan broj nesreća neophodno je praviti pretpostavke u vezi sa generalizacijom rezultata baziranim na policijskim izveštajima. Glavna pretpostavka je da koji god uticaj promenljiva ima na nesreće koje je prijavila policija imaće isti uticaj i na osnovnu istinitu stopu nesreće. Tačnost ove izjave leži u pretpostavci da nesreće koje je prijavila policija pretstavljaju reprezentativni nasumični

5

uzorak svih nesreća koje su se desile. Pretpostavka je prekršena u dva slučaja jer imamo dva faktora koji kovariraju sa stepenom nepotpunog izveštavanja; vrsta učesnika u saobraćaju i težina nesreće(Englund 1998). Odavde sledi da moramo biti veoma oprezni kada pokušavamo da izvedemo vrednost broja nesreća korišćenjem nepotpunog izveštavanja.Kao dodatak broju nesreća, broj povređenih učesnika u saobraćaju se takođe koristi da definiše nivo bezbednosti. Broj povređenih učesnika u saobraćaju klasifikovan naspram ozbiljnosti povreda definiše ozbiljnost nesreće.

2.2 Koncepti bezbednosti u saobraćaju

Ispod slede dva konceptualna pogleda na bezbednost u saobraćaju i na uzroke nesreće. Koncepti nude bolje razumevanje procesa koji dovodi do nesreće i nude odgovor kako ga sprečiti.

2.2.1 Hadonova matrica

Jedan pogled na bezbednost u saobraćaju je prikazan u Hadonovoj matrici (Tabela 2). Hadonova matrica kategorizuje mere bezbednosti u saobraćaju u dve dimenzije. Jednu dimenziju predstavlja vreme u odnosu na nesreću: Pre nesreće, u toku nesreće, nakon nesreće. Druga dimenzija je kategorizovanje mera na osnovu njihovih veza sa učesnicima u saobraćaju, vozilima i sa drumom. (Hadon 1980 ). Hadonova matrica se najbolje može objasniti primerom:

Zamislite nesreću u tipičnoj glavnoj ulici. Vozač vozi u kišnim uslovima prilično star auto sa istrošenim gumama. Kada prođe kroz veliku baru prednji točkovi gube kontakt sa asfaltnom površinom i auto počinje da skreće. Vozač ne uspeva da povrati kontrolu nad vozilom i auto udara u uličnu svetiljku. Ona se useca u automobil i udara vozača. Sedam minuta kasnije stižu hitna pomoć i vatrogasci, vozač je oslobođen iz olupine i prevežen u bolnicu. Vozač je operisan ali ipak umire.

U ovom navedenom slučaju postoji nekoliko mera koje mogu biti preuzete kako bi se povećale šanse za preživljavanje vozača. U fazi pre nesreće vozač može proći obuku vožnje na klizavim površinama i naučiti kako da povrati kontrolu nad posrnulim vozilom. Drum može biti konstruisan tako da se na njemu ne mogu stvarati barice vode, a vozilo može biti opremljeno boljim gumama i sistemom protiv proklizavanja.U fazi nesreće jačina udarca vozača je mogla biti smanjena postavljanjem materijala oko svetiljki koji mogu da ublaže udar ili postavljanje ograde koja bi ih odvojila od druma. Struktura vozila je mogla biti sačinjena od čvršćeg materijala i tako bi mogla da zaštiti vozača. I na kraju vozač je mogao biti vezan sigurnosnim pojasom kako bi ostao na svom mestu i smanjio mogućnost da bude izložen nekoj drugoj vrsti udarca. U fazi nakon nesreće znanje o postupanju u hitnim situacijama učesnika u saobraćaju može biti poboljšano kako bi oni prvi koji se zateknu na mestu nesreće mogli da reaguju na pravi način i tako pomognu medicinskoj službi da što bolje iskoristi svoje resurse.

6

Isto kao što Hadonovu matricu možemo koristiti za kategorizaciju mera za bezbednost u saobraćaju, takođe je možemo koristiti i za kategorizaciju promenljivih koje utiču na bezbednost.Promenljive koje utiču na bezbednost imaju međutim više šanse da se pojave u nekoliko ćelija matrice, na primer brzina ima uticaja i na fazu pre nesreće gde utče na mogućnost izbegavanja iste i na fazu nesreće gde utiče na ozbiljnost udesa. Takođe, na individulanom nivou izloženost i brzina su posebne za svakog učesnika u saobraćaju, dok na nivou ulice oni predstavljaju procenjenu sumu za sve učesnike u saobraćaju na toj ulici. Kada radimo sa modelima nesreće za ulice, procenjena suma na ulici treba da se koristi za modeliranje bezbednosti.

Tabela 2. Hadonova matrica, Hadon (1980)

Element Pre nesreće U toku nesreće Nakon nesrećeČovek Obuka

EdukacijaPonašanje(npr. vožnja u pijanom stanju)StavUpadljivo oblačenje pešaka i biciklista

Upotreba sigurnosnih mera u vozilu

Hitna medicinska pomoć

Vozilo Primarna bezbednost( npr. kočenje, sposobnost na drumu,vidljivost)BrzinaIzloženost

Sekundarna bezbednost(npr. zaštita od udarca )Brzina

Spašavanje

Drum OcrtavanjeGeometrija putaUslovi površineVidljivostKontrola bezbednosti druma

Bezbednost strane druma(npr. lomljive šipke)Sigurnosne barijere

Obnavljanje drumskih i saobraćajnih uređaja

2.2.2 Izloženost, rizik, posledica

Drugi način da se vizualizuje način na koji promenljive utiču na bezbednost u saobraćaju je kroz Izloženost- Rizik-Posledica ( Elvik 1997, Nilson 2004):

1. Izloženost – Ove promenljive utiču, ili opisuju, nivo izloženosti riziku učesnika u saobraćaju.2. Rizik - Ove promenljive utiče na nivo rizika nesreće po jedinici Izloženosti.3.Posledica – Ove promenljive utiču na ishod nesreće.

7

Nivo bezbednosti zavisi od sve tri dimenzije, dok izloženost opisuje koliko su učesnici u saobraćaju izloženi događajima koji mogu da dovedu do nesreće. Izloženost učesnika u saobraćaju na putnim vezama se najčešće procenjuje kroz obim saobraćaja ili pređene kilometre od strane učesnika. Za raskrsnice izloženost može biti viđena kao broj susreta ili, neposredno, kao broj vozila koje prođu raskrsnicom.Rizik se definiše kao verovatnoća da se bude učesnik u nesreći po jedinici izloženosti. Ponekad rizik je određen kao rizik od učestvovanja u nesreći i zadobijanja telesnih povreda, onda se dimenzije rizika i izloženosti u neku ruku spajaju. Posledica je definisana kao ishod nesreće.Kada pokušavate da utičete na bezbednost onda morate ciljati na jednu ili više od ove tri dimenzije. Ovaj pogled prožima švedsku „Viziju nule“ (predlog 1996/97:137) u kojoj se rad na bezbednosti saobraćaja pomera više ka radnjama koje ciljaju posledice umesto rizika tako što ’dozvoljavaju’ dešavanje nesreća koje rezultuju lakšim telesnim povredama , i umesto njih fokusiraju se na one sa fatalnijim ishodom.Ovaj pogled na bezbednost ima veze sa Hadonovom matricom. Vremenska faza pre nesreće povezana je sa izloženošću i rizikom dok su vremenske faze u toku i nakon nesreće povezane sa faktorima koji utiču na posledice.

2.3 Promenljive koje utiču na bezbednost

Ovo poglavlje se bavi promenljivim koje utiču na bezbednost u saobraćaju na nivou ulice. Promenljive su organizovane po principu klasifikacionih dimenzija: izloženost, rizik i posledica. Poglavlje je fokusirano na promenljive koje utiču na bezbednost u saobraćaju urbanih delova ulica uključujući i manje raskrsnice.

Moramo napraviti jasnu razliku između promenljivih koje utiču na nivo bezbednosti individue koje učestvuju u saobraćaju i promenljivih koje utiču na nivo bezbednosti ulice. Rad je fokusiran na ovaj drugi slučaj, ali često dolazi do preklapanja ova dva slučaja. Ovo utiče na istraživanje tako što promenljive koje utiču na bezbednost pojedinca, ili zbirno na sve učesnike na većoj putnoj mreži, se uključuju u istraživanje samo onda kada možemo pretpostaviti da variraju između ulica.Može se učiniti da promenljive koje utiču na bezbednost pojedinca automatski utiču na bezbednost svih učesnika ali to nije tačno. Ako su učesnici u saobraćaju na određenom drumu heterogeno raspoređeni, onda se razlike u nivou rizika između različitih vrsta učesnika u saobraćaju izjednačavaju kada se akumuliraju na nivou ulice. Stoga, ukoliko nema velikih razlika u sastavu učesnika na različitim ulicama, nema razloga da uključimo promenljive kao što su starost, iskustvo, vezivanje pojasa itd. u konačni model. Sa druge strane, ukoliko neka ulica pokaže odstupanje u sastavu učesnika u saobraćaju, nivo bezbednosti na njoj može biti različit u odnosu na druge ulice istog karaktera ali različitog sastava učesnika. Ipak, ovakva odstupanja se teško mogu precizno odrediti, i iz tog razloga individualni faktori su izostavljeni, ali takođe i zbog toga što se pretpostavlja da imaju mali uticaj na konačan ishod.Možemo zapaziti da ovo utiče na primenu istih modela nesreće na različite zemlje ili čak regione. Na primer, u jednoj zemlji može postojati prilično homogena saobraćajna kultura po pitanju korišćenja zaštitne opreme kao što su sigurnosni pojas ili biciklistička kaciga, ali želja pojedinaca da koriste ovu opremu prilično varira od zemlje do zemlje.

8

2.3.1 Izloženost

Nekoliko promenljivih utiče na izloženost učesnika u saobraćaju opasnim situacijama, od kojih je prva protok saobraćaja. Povećani protok saobraćaja znači da je više učesnika izloženo riziku, ali znači i pojačanu interakciju između samih učesnika. Protok saobraćaja je promenljiva koja najviše objašnjava varijacije u saobraćajnim nesrećama.( Elvik 1997, Bride i Larson 1993, Kulmala 1995, Greibe 2003).Protok saobraćaja ovde označava protok vozila kao i protok ranjivih učesnika u saobraćaju.U policijskim izveštajima o nesrećama sa telesnim povredama podjednako su uključeni i učesnici saobraćaja kao i motorizovana vozila, pa tako i protok vozila i protok ranjivih učesnika u saobraćaju utiče na izloženost ovom tipu nesreće.Protok deluje na dva načina, oba u primarnom smislu kao protok koji je baza izloženosti, ali takodje i na sekundarni,pasivan način, kada se poveća interakcija između učesnika u saobraćaju zajedno sa protokom saobraćaja. Ovo se takođe može gledati i kao rizik. Kada se posmatra ulica onda se protok saobraćaja kroz ulicu uzima kao mera izloženosti, dok se u raskrsnicama ponekad posmatra kombinacija protoka iz svih pravaca kao mera izloženosti (Hauer, Ng i Lovel 1988, Bride i Larson 1992). U slučaju ulica sa manjim raskrsnicama može se očekivati da kombinacija čistog protoka i protoka na raskrsnicama utiču na mogućnost nesreće. Kombinacija različitih tipova nesreće zahteva i drugačije mere izloženosti. Relacija između protoka vozila i broja nesreća sa telesnim povredama u modelima nesreće se ponekad razmatra kao čisto linearna, dok neke druge studije pokazuju odnos koji je predstavljen stepenom funkcijom gde je stepen protoka malo manji od 1, Elvik meta sudije (1997), pokazuju elastičnost od 0,95.Ne postoji globalna linearna povezanost između izloženosti i bezbednosti. Ovo se najbolje vidi na primeru biciklista u Ekmanovoj studiji iz 1996. o njihovoj izloženosti i rizicima. Studija pokazuje da je pojedinačni rizik bicikliste veći sa manjim protokom biciklista i obrnuto (Grafik 1) što je objašnjeno percepcijom vozača. Kada je broj biciklista na drumu veći onda vozači obraćaju više pažnje na njih i znatno su oprezniji nego kada je njihov broj manji. Činjenicom da se povećava mogućnost susreta sa biciklistom vozač podiže nivo svoje opreznosti. Rizik je opisan kao stepena funkcija; sa određenim brojem biciklista vozači počinju više pažnje da obraćaju na bicikliste. Ovo znanje se može upotrebiti u modeliranju kako bi bolje iskoristili izloženost.

Grafik 1 Rizik od sudara (indikator rizika) naspram protoka bicikla (Ekman 1996)

9

Izloženost ranjivih učesnika u saobraćaju (VRUs) nije visoko razvijena oblast. Mera izloženosti koja se koristi u procenama o bezbednosti saobraćaja je uglavnom protok motorizovanih vozila. Protok vozila je zabeležen u bazama podataka i samim tim vrlo je pristupačan za korišćenje. Protok pešaka i biciklista se često ne registruje, verovatno zbog toga što to nije tako jednostavno kao registrovanje protoka motornih vozila, ali i zbog tradicionalnog fokusa na motorizovani saobraćaj. Uprkos tome postoje studije (Garder 1989) koje pokazuju jaku vezu između izloženosti ranjivih učesnika u saobraćaju i njihove bezbednosti. Zaključeno je da je broj nesreća na raskrsnicama približno proporcionalan kvadratnom korenu protoka ranjivih učesnika kao i protoku motorizovanoih vozila. Stoga vrlo je važno koristiti obe vrste protoka u modelima nesreća za VRUs.Ranjivi učesnici u saobraćaju su često slobodniji u svom kretanju kroz okruženje ulice nego motorizovani korisnici. Za motorizovane korisnike izloženost se često meri pređenim kilometrima ili, za raskrsnice, brojem nadolazećih vozila. Ranjivim učesnicima u saobraćaju nije potrebna raskrsnica kako bi prešli ulicu i oni su uglavnom manje više odvojeni od motorizovanog saobraćaja. Ovo znači da treba iz drugog ugla posmatrati izloženost ranjivih učesnika u saobraćaju u odnosu na izloženost motorizovanih korisnika.Brzina vozila je promeljiva koje snažno utiče na bezbednost ulica. Efekti brzine se često povezuju sa rizikom i posledicom (vidi ispod) ali Navon (2001) otvara diskusiju izjavom da brzina takođe utiče i na izloženost, što veća brzina, manje će biti interakcije sa drugim učesnicima na drumu.

2.3.2 Rizik

Rizik je ovde definisan kao mogućnost učestvovanja u nesreći sa telesnim povredama po jedinici izloženosti. Kako je fokus na bezbednosti putnih veza, primarna mera izloženosti je protok saobraćaja. Stoga promenljive koje su uključene u ovom delu su one koje utiču na rizik po učesnika u saobraćaju koji prolazi kroz putnu vezu.

Nivo brzine

Brzina se često smatra promenljivom koja najviše utiče na rizik(Nilson 2004). Ova povezanost je ipak predmet debata(Elvik 2004). Postoji takođe i veliki broj različitih indikatora brzine. U modelima nesreće ograničenje brzine se češće koristi kao promenljiva od stvarne brzine. Ali ipak postoji direktnija veza između stvarne brzine i bezbednosti saobraćaja. Nilson (2004) je predstavio model u kome je verovatnoća učestvovanja u nesreći sa telesnim povredama proporcionalna brzini puta dva.Nivo brzine utiče na vozačevu mogućnost da se zaustavi u određenoj situaciji. Kada dođe do opasne situacije, vreme koje vozač ima da reaguje dato je u odnosu relativne brzine automobila i udaljenosti objekta ka kome se auto kreće. Vreme se značajno smanjuje sa povećanom brzinom. U prvom koraku brzina utiče na pređenu razdaljinu pre nego što vozač uopšte i reaguje ( Grafik 2). U drugoj fazi vozač počinje da smanjuje brzinu. Ako je brzina dovoljno niska vozač će moći da izbegne sudar inače sudar će biti neizbežan. Jačina sudara umnogome zavisi od brzine na početku i od smanjenja brzine u drugoj fazi. Mala razlika u brzini može da znači i razliku između života i smrti. Dva različita nivoa

10

brzine se mogu razlikovati u ovom slučaju: Početna brzina i brzina u momentu sudara. Prva je vrlo značajna zbog mogućnosti da se potpuno izbegne sudar. Druga zavisi od prve i odlučuje o jačini sudara.

Grafik 2. Razdaljina zaustavljanja u odnosu na brzinu, izračunata sa usporavanjem=0.8 g i vremenu reakcije=1 s (Karlson 2004)

Brzina je vozačevo glavno sredstvo da se promeni predvideti rizik, dakle da smanji ili poveća nivo predviđenog rizika smanjenjem ili povećanjem brzine(Vajld 1994). Problem sa brzinom je taj što je ona u tesnoj vezi sa drugim varijablama, kao što su dizajn ulice i prisustvo pešaka. Posledica svega ovoga je da je rizik od nesreće niži na ulicama na kojima je dozvoljeno voziti većom brzinom, ne zbog velikih brzina već zbog toga što one obično imaju manji broj raskrsnica i manji broj ranjivih učesnika koji prelaze ulicu.

Rasejanje brzine

Postoji takođe veza između rasejanja brzine i bezbednosti. (Salusjarvi 1981). Ova veza nije međutim tako snažno uspostavljena kao veza sa prosečnom brzinom. U osnovi teorije o vezi između rasejanja brzine i bezbednosti u saobraćaju leži interakcija između vozila i očekivanja vozača. Povećano rasejanje brzine zahteva više preticanja i samim tim povećava se broj rizičnih situacija(Finč 1994). Povećano rasejanje brzine takođe povećava mogućnost dešavanja nepredvidivih situacija. Ako vozač očekuje da će brzine biti na određenom nivou, onda će njegovi postupci biti bazirani na tom mišljenju. Sa većim rasejanjem brzine, povećana je verovatnoća da će biti velike razlike između očekivane i stvarne brzine što će povećati broj neočekivanih situacija koju mogu da dovedu do udesa( Elvik 1997).

11

Raskrsnice

Na raskrsnice možemo gledati kao deo mere izloženosti, ali s' obzirom na fokus ka protoku saobraćaja kao primarnoj meri izloženosti, umesto toga raskrsnice konstituišu elemente koji povećavaju rizik. Rizik po pređenom kilometru se znatno povećava blizu raskrsnica u odnosu na druge delove druma (Kulmala 1995).

Modeli nesreće za gradske glavne ulice često uključuju manje raskrsnice tj. raskrsnice sa manjim lokalnim ulicama i izlazima. Ovo su tačke spajanja sa visokim rizikom od nesreće. Stoga njihov broj i tip predstavlja osnovu za broj nesreća na ulici. Veći broj raskrsnica znači i kompleksnije okruženje zbog saobraćaja sa sporednih ulica koji se ukršta sa saobraćajem na glavnoj ulici.

Raskrsnice su tačke sa povećanim rizikom za ranjive učesnike u saobraćaju koji se kreću posebnim delom ulice. Većina staza za ove učesnike u saobraćaju je odvojena između raskrsnica, i kada prelaze bočne ulice rizik je čak i veći nego da te staze nisu uopšte i odvojene. To je zbog toga što vozači koji izlaze sa glavne ulice i prelaze put ne pridaju dovoljno pažnje odvojenim stazama za VRUs kao što bi to činili da su te staze integrisane sa motorizovanim saobraćajem.

Posledica

Posledica je ovde definisana kao ishod nesreće, tj. kao broj i ozbiljnost povreda učesnika u saobraćaju po nesreći. Posledica nesreće može primarno biti povezana sa dve promenljive: ranjivosti učesnika u saobraćaju i brzini udara. Ukoliko se učesnik u saobraćaju nalazi unutar vozila pri brzinama do 70 km/h može da pretrpi direktan udar sa velikom verovatnoćom da će proći bez ozbiljnijih povreda. Ipak, ako je učesnik u saobraćaju potpuno nezaštićen, kao npr. pešak, čak i brzine do 40 km/h predstavljaju ozbiljan rizik da će pretrpeti fatalne posledice (Grafik 3).

Grafik 3. Rizik od fatalnog ishoda u zavisnosti od brzine u različitim tipovima udesa ( SveKom 1998)

12

Veza između nivoa brzine i rizika od nesreće sa telesnim povredama je prikazana na grafiku broj 4, broj nesreća sa povredama je proporcionalan nivou brzine puta 2 (Nilson 2004). Nilson je takođe dokazao da se uticaj brzine na ozbiljnost nesreće može prikazati i lineranom funkcijom. Ako uzmemo u obzir da se nesreća sa telesnom povredom desila, verovatnoća teže telesne povrede je proporcionalna brzini, a verovatnoća fatalnog ishoda proporcionalna brzini puta 2. Linearni model takođe uključuje i broj povređenih ( Grafik 4).

Grafik 4. Veza izmedju promene broja povređenih i promene prosečne brzine (Nilson 2004).*Na grafiku zelena linija predstavlja žrtve, isprekidana označava žrtve i teško povređene a crvena sve povređene.

Posledica takođe može biti povezana i sa okolinom koja okružuje ulicu. Bandere, putokazi, drveće i ostali tanki ali teški objekti u blizini ulice mogu oštetiti vozilo čak i pri relativno maloj brzini, što može dovesti do težih povreda i žrtava ( SveKom 1997).

13

3 Modeli nesreće

Ovo poglavlje predstavlja uvod u modele nesreće za gradske ulice sa primerima uzetim iz švedskih, finskih i danskih modela. Takođe data je i kratka prezentacija i drugog tipa modela nesreće iz DRAG porodice. Poglavlje se završava sa zaključkom o mogućim poboljšanjima švedskih modela.

3.1 Uvod

Modeli nesreće kao i modeli koji se koriste za procenu uticaja na okolinu, kašnjenja, cene vozila i ostali uticaji saobraćaja koji se koriste da procene uticaj promena u transportnom sistemu u socijalno – ekonomskim proračunima. Procene se zasnivaju na nizu promenljivih koje zavise od investiranja u dalje analize.

Kroz evaluaciju navedenih aspekata ( bezbednost, okolina i kašnjenje) i određivanja njihovog međusobnog odnosa otkrivaju se drugačiji interesi i konflikti između njih. Ovo vizualizuje veliki broj saobraćajnih aspekata. Mora se odrediti prioritet između ovih interesa i na taj način će ovi modeli pomoći u vizualizaciji, evaluaciji i upoređivanju različitih kvaliteta. Da bi napravili što bolju bazu za rešenja moramo iskoristiti svo znanje o saobraćajnom sistemu. Zbog toga je neophodno da modeli budu stalno unapređivani i reformisani u skladu sa novim saznanjima. Modeli takođe moraju da prate nove trendove u razvoju nesreća.

Pored podrške socijalno – ekonoskim proračunima, modeli saobraćajne bezbednosti se mogu koristiti kao pomoćno sredstvo pri prepoznavanju crnih tačaka (Vejdirektoratet 20001). Predviđeni broj nesreća se poredi sa brojem nesreća koje se stvarno dogode i tačke gde se znatno više nesreća desi od predviđenog broja nazivaju se crnim tačkama. Crne tačke se tada posebno tretiraju sa merama koje poboljšavaju bezbednost.

Ponekad se modeli koriste da se izračuna promena u broju nesreća nakon rekonstrukcije saobraćajnog okruženja. Ovo bi trebalo oprezno obaviti zato što modeli nisu zasnovani na „ pre i posle“ studijama. Empirijski podaci koji se koriste za konstruisanje modela dobijaju se upoređivanjem različitih tipova saobraćajnog okruženja sa osvrtom na bezbednost. Za različite tipove okruženja mnoge promenljive su u korelaciji i tipovi ulica su kategorizovani na osnovu nekoliko različitih promenljivih. Uvođenjem novih bezbednosnih mera u ulici dolazi do promena nekoliko variajbli, ali po drugim aspektima to je nova ulica kao i ranije. Sigurniji način da se napravi ovaj model jeste da se iskoristi model nesreće kako bi se odredio približan broja predviđenih nesreća za situaciju pre uvođenja mera i onda iskoristiti podatke o smanjenju broja nesreća uz pomoć „pre i posle“ studija kako bi se izračunala promena broja nesreća. Primer za problem korišćenja modela koji se bazira isključivo na empirijskim podacima je sledeći:

Primer: Uobičajena bezbedonosna mera je ograničenje brzine kroz razne fizičke mere. Primer ovoga je smanjenje ograničenja brzine sa 70 km/h na 50 km/h zbog sužavanja ulice. U glavnoj ulici sa tangencijalnom funkcijom na periferiji, sa ograničenjem brzine

14

od 70km/h stopa nesreća prema švedskim modelima nesreća bi bila 0,216 nesreća (ukljućujući i nesreće bez povreda) na milion parova osovina po pređenom kilometru.1Ulica sa istom lokacijom i funkcijom ali sa ograničenjem brzine od 50 km/h ima stopu nesreća od 0,400 nesreća na milion parova osovina po pređenom kilometru. Nijedan saobraćajni inženjer ne bi prihvatio model nesreća koji pretpostavlja da bi ova mera donela duplo više nesreća. Pouzdaniji način da se izračuna promena stope nesreća bi bio da se predvidi promena brzine i iskoristi linearni model (Nilson 2004) da se izračuna promena broja nesreća.

Problem u ovom primeru je taj što na broj nesreća utiču promenljive koje nisu uključene u model. Takve promenljive mogu biti na primer broj bočnih ulica i druge promenljive koje čine okruženje kompleksnije i znatno podložnije nesrećama. Ove promenljive su u korelaciji sa ograničenjem brzine jer kada je okruženje kompleksnije ograničenje brzine je veće. Obzirom da je ograničenje brzine uključeno u modele, ta promenljiva takođe reflektuje i uticaje promenljivih sa kojima je u korelaciji.

Modeli nesreća mogu ipak biti konstruisani tako da mogu dobro predvideti promene u nesrećama. Korišćenjem unapred određenih efekata promenljivih, njihov uticaj na broj nesreća može biti zadržan na nivou koji odgovara teorijskim i empirijskim saznanjima. Kroz ovo, ovi uticaji neuključenih promenljivih mogu imati logičnije posledice. Testiranje ovog načina modeliranja je obavljeno u Finskoj (Peltola 2000) ali modeli koji su razvijeni su i dalje sadržali neke uticaje neuključenih promenljivih koji nisu odgovarali poznatim uticajima iz prethodnih studija.

3.2 Aplikacije Svrha modela nesreće, i onih koji se povezuju sa socijalno – ekonomskim kalkulacijama i onih koji pomažu u prepoznavanju crnih tačaka, je da pomognu u donošenju pravih odluka i upotrebi isplativih mera, što je ilustrovano u dva citata koji slede.

„ Nameravano je da to bude podrška, sa osnovom u političkim ciljevima, prioritetnim merama koje bi dovele formulisanja ciljeva usmerenih ka socijalno – ekonomskoj efektivi “. (Vagverket 2001a)

„ Mapiranje, procene i analize bezbednosti saobraćaja predstavljju preduslov za fokusiranje mera tamo gde je problem najdominantniji. Ovo važi i kada radimo sa postojećom putnom mrežom i kada pravimo prognoze i procene posledica za nove puteve kao i kada analiziramo značaj promena na putnoj mreži“.(Vejdirektoratet 2001)

Na grafiku 5 (Vagverket 2001a) predstavljen je švedski sistem baze donošenja odluka o fizičim merama. Deo gde se koriste modeli nesreće je osenčen sivom.

1 Postojeći švedski modeli nesreća mere protok saobraćaja po broju parova osovina umesto po broju vozila. U zavisnosti od procenta velikih vozila sa više od dve osovine, broj parova osovina će varirati od broja vozila.

15

Tri različita proučavana modela imaju za cilj da predvide broj nesreća za saobraćajno okruženje. Razlika u primeni se uglavnom odnosi na to da li su modeli optimizovani da odrede stopu nesreće za različite tipove puteva ili su optimizovani da odrede promenu u stopi nesreća kada je ulica modifikovana. Sva tri modela opisana ispod imaju manje – više oba ova navedena cilja.

Finski model, TARVA, je pogodan za proučavanje promena u nesrećama usled promene u okruženju druma. To je u suštini jednostavan model za opis broja nesreća, ali koristi ustanovljene efekte za razna poboljšanja druma kako bi izračunao promenu u broju nesreća.

Danski modeli koriste komplikovane metode sa nekoliko promenljivih kako bi odredili broj nesreća. Modeli ipak nisu specifikovani za predviđanje promena u broju nesreća iako nam mogu dati nagoveštaj u promeni broja nesreća zbog određene modifikacije puta (Vejdirektoratet 2001).

Švedski modeli nesreće su po malo od obe navedene vrste. Oni koriste različite deskriptivne promenljive kako bi predvideli stopu nesreće na drugačijim tipovima ulica. Uz predviđanje stope nesreće za različite tipove ulica, ovi modeli koriste ustanovljene efekte mera kako bi odredili promenu u broju nesreća (Vagverket 2001b i 2001c).

Na narednoj strani je grafik 5 – baza donošenja odluka o prioritetu mera.

16

17

Rast populacije Prognoze za buduće potrebe u transportu

Sistem drumskog transporta

Alternativne mere

Rezultati izraženi u novcuRezultati izraženi u novcu Nematerijalni rezultati

Socijalno – ekonomski proračun (analiza troškova i beneficija (CBA))

Analize postignutog cilja

Proučavani na drugi način ( mere i indikatori, itd.)

Analiza multi kriterijuma (MCA)

Prezentacija ukupne procene ( uključujući i socijalno – ekonomsku analizu)

Odluka o merama

...kao baza za...

3.3 Struktura modela

3.3.1 Statistika nesreće

Ono što se često uzima u razmatranje kod ova tri opisana nordijska modela je činjenica da su svi praktično bazirani na policijskim izveštajima o nesrećama. Svi modeli takođe uključuju i neku vrstu indeksa ozbiljnosti nesreće u odnosu na broj povređenih, teško povređene i/ili broj žrtava. Dok su švedski i danski modeli bazirani na nesreći sa povredama kao i materijalnoj šteti (Vejdirektoratet 2001, Vagverket 2001b), TARVA je bazirana samo na nesrećama sa povredama. (Peltola 2000).

3.3.2 Generalna struktura

Razlika u primeni ova tri modela uglavnom se ogleda u strukturi. Na primer TARVA, je koristi jednostavnu proceduru za predviđanje broja nesreća i onda primenjuje date rezultate na mere. Švedski model je deo većeg broja takozvanih uticajnih modela za saobraćajnu infrastrukturu i nasledio je neke karakteristike i promenljive iz tog koncepta. Modele koji se bave predviđanjem broja nesreća više koriste opisne promenljive koje bolje opisuju tipove ulica i lokacije u gradu, nego promenljive koje direktnije utiču na bezbednost, kao što su brzina vozila i posebno dizajnirane varijable.

Grafik 6 pokazuje kako TARVA izračunava promenu u broju nesreća i broju žrtava usled primenjenih mera. U prvom koraku izračunava se broj nesreća pre uvođena mere na osnovu predviđenog broja nesreća i istorije nesreća u proteklih pet godina. Broj nesreća se onda ispravlja promenom u upotrebi saobraćaja i zemlje kako bi se procenio broj nesreća u situaciji „posle“, ali bez uvođenja mere. Uticaj mere se potom uračunava u jednačinu primenom koficijenta udara, uzimajući u obzir njegov uticaj na stopu nesreće kao i njegov uticaj na ozbiljnost nesreća.

18

Grafik 6. TARVA,organizacioni dijagram za proceduru modeliranja

19

Nesreće sa povredama na sekciji puta (5 god.)

Prosečna stopa nesreća i njena varijacija na sekciji puta

Trenutni broj nesreća( pouzdana procena trenutne bezbedonosne situacije)

Promena u bezbedonosnoj situaciji (promena u upotrebi saobraćaja i zemljišta)

Prognoza broja nesreća Mera i koeficijent njenog uticaja

Redukcija nesreća Prosečna ozbiljnost nesreće u putnim uslovima i njena promena

Smanjenje stope smrtnosti u saobraćaju

3.3.3 Kombinovanje predviđenih vrednosti i istorije nesreće

Sva tri modela imaju običaj uspostavljanja odnosa između predviđenih vrednosti iz modela sa istorijom nesreće kako bi dobili tačniju procenu broja nesreća; u švedskim modelima ovo se naziva „ prilagođen broj nesreća“. Ravnoteža odnosa između posmatranog i predviđenog broja nesreća je determisana kvalitetom procene odgovarajućeg broja nesreća.

U švedskim modelima odnos je determinisan brojem predviđenih nesreća. Što je veći broj predviženih nesreća, to je veća težina istorije nesreće. Ovo je zasnovano na pretpostavci da što se više nesreća očekuje, samim tim će biti i stabilnija istorija nesreće (Vagverket 2001b).A(*) = A(N) + Ka*(A(I) – A(N)) gde jeKa = 0.25*A(N) / (1+0.25*A(N))

(A(*) = prilagođen broj nesreća, A(N) = predviđeni broj nesreća, A(I) = posmatran broj nesreća) (Vagverket 2001b).U slučaju danskih i finskih modela dobro uklapanje tih modela se takođe koristi za izračunavanje težine kombinovanja posmatranog i predviđenog broja nesreća.

3.3.4 Podela na podmodele

Modeli su podeljeni na modele za ruralnu saobraćajnu sredinu i urbanu. Ruralna sredina je često manje komplikovana kada se uzmu u obzir broj raskrsnica po kilometru, broj ranjivih učesnika u saobraćaju i objekti pored puta (Bang, Karlson i Palgunadi 1995). Modeli koje smo ovde opisali se uglavnom odnose na urbanu sredinu. U slučaju danskih i švedskih modela, modeli za urbane sredine su izdvojeni i opisani dok se finski modeli uglavnom bave ruralnim sredinama, ali i dalje ga spominjemo kao model koji ima drugačiji cilj od ostala dva, što daje posebnu vrednost opisu.

Urbani modeli se dalje dele na modele za raskrsnice sa posebnim saobraćajnim vezama. Velike raskrsnice se modeliraju posebno i različiti modeli se često koriste za različite tipove raskrsnica zbog nejednake stope nesreće, u zavisnosti od tipa raskrsnice, 3- ili 4- račvanja, sa signalizacijom ili bez. Manje raskrsnice se obično uključuju u modele za manje ulice jer bi inače bilo previše posla ukoliko bi se morala praviti odvojena računanja za svaki manji izlaz. Razlika između manjih i većih raskrsnica varira od zemlje do zemlje i zavisi od veličine sekundarnog protoka u raskrsnicu. U švedskim modelima velika raskrsnica se definiše kao raskrsnica sa sekundarnim protokom većim od 1000 GDS-a (godišnji dnevni saobraćaj) dok je kod danskih modela granica pomerena na 250 GDS-a.

Raskrsnice se, kako je prethodno pomenuto, dalje dele na one sa 3- ili 4- račvanja i zavise od tipa kontrole saobraćaja. Pojedini modeli se ponekad koriste u zavisnosti od tipa učesnika u saobraćaju ili čak tipa nesreća kao što su: pojedinačna, udarac sa zadnje strane ili prevrtanje vozila (Kulmala 1995, Vejdirektoratet 2001).

20

Grafik7. Primer podele na podmodele bezbedonosnih modela

Podela u pogledu tipova učesnika u saobraćaju varira od modela do modela. Danski modeli uključuju i modele za različite tipove nesreća i modele za učesnike u saobraćaju kao i posebne modele za posebne tipove nesreća iključujući i one modele za pešake i bicikliste. Ova dva poslednja modela su međutim bazirana na veoma malom broju podataka. (Vejdirektoratet 1998)

TARVA razdvaja modela za ranjive učesnike u saobraćaju od onih modela za motorizovane učesnike u saobraćaju. Uticaji različitih mera se takođe dele na uticaje na nesreće ranjivih učesnika u saobraćaju i motorizovanih učesnika u saobraćaju.

Švedski modeli nesreće za saobraćajne veze imaju posebne modele za pešake i bicikliste ali svi modeli imaju bazu u motorizovanom saobraćaju. Broj nesreća pešaka i biciklista se izračunava kao procenat nesreća motorizovanog saobraćaja. Taj procenat zavisi od saobraćajne sredine. Ako je to sredina sa većim brojem ranjivih korisnika druma onda je procenat veći. Promenljiva koja najviše utiče na broj nesreća VRUs je protok vozila. Ne postoje indikatori za izloženost VRU osim indirektno kroz klasifikaciju sredine.

3.3.5 Promenljive uključene u modele

Razlika u primeni ova tri modela, i kontekstu u kome se upotrebljavaju, utiče na izbor promenljivih. Dok finski modeli koriste protok saobraćaja za procenu broja nesreća bez primenjenih mera, a uticaj mera kako bi izračunali promenu, švedski modeli koriste promenljive koje opisuju tip i funkciju ulice. Danski modeli koriste promenljive dizajnirane za ulicu koje su direktno povezane sa faktorima koji utiču na ozbiljnost

21

Urbana sredina

Ruralna sredina

raskrsnice

ulice

Individualni modeli za različite tipove nesreća

nesreće i rizik od nesreće. I švedski i danski modeli koriste ograničenje brzine i neku vrstu indikatora širine puta. Danski modeli koriste i promenljive kao što su broj izlaza po kilometru, broj manjih raskrsnica po kilometru, uslove za parkiranje i upotrebu zemljišta.

3.3.6 Protok saobraćaja u modelima nesreće

Protok je najvažnija promenljiva uz pomoć koje možemo objasniti varijacije u nesrećama. Tako uključivanje protoka saobraćaja u modele garantuje njegovu posebnu sekciju.

Posmatrana relacija između broja nesreća i protoka saobraćaja je blizu linearnoj, ali za nesreće sa telesnim povredama malo je slabija (eksponent je manji od jedan) od linearne. Ovo se odražava na modele tako što se protok saobraćaja uzima u obzir striktno kao linearna relacija, gde je broj nesreća direktno proporcionalan protoku saobraćaja ( švedski i danski modeli), ili kao stepena relacija gde je protok saobraćaja podignut na eksponent manji od 1 ( danski model). Kada se relacija između nesreća i protoka saobraćaja modelira kao linearna onda se ponekad koristi stopa nesreće umesto broja nesreća kao zavisna promenljiva u modelima. Veza između modela sa stopom nesreće i modela sa brojem nesreća je jednostavna:

Stopa nesreće= Broj nesreća / Pređen broj milja od strane vozila

3.3.7 Struktura modela

Individualni modeli prikazani na grafiku 7 mogu da uzmu formu obične stope nesreće ili jednačine gde broj nesreća zavisi od objašnjenja promenljivih kao što su obim saobraćaja ili sredina. Formula koja sledi je primer jednačine za izračunavanje broja nesreća preuzete iz danskog modela.

E() aN p expjXij

Gde je E() očekivani broj nesreća ( nesreća po godini po km ), N Protok motornih vozila ( AADT), X promenljiva koja opisuje geometriju i okruženje druma, a, p,j su procenjeni parametri. ( Greibe 2003 )

Ispod sledi još jedan primer, stope nesreće, preuzet iz švedskih modela ( vidi Tabelu 3 ).

22

Tabela 3. Stopa i ozbiljnost nesreće na putevima sa dve kolovozne trake

Objašnjenje za Tabelu 3

Učesnici u saobraćaju

MF Motorizovana vozilaC Biciklisti i mopediG Pešaci

Stopa i ozbiljnost nesreće

Ok Stopa nesreće na milion parova osovina po km ( uključujući samo materijalnu štetu)SF Broj povređenih i poginulih po nesrećiAF Broj teško povređenih i poginulih po nesrećiEF Broj nesreća samo sa materijalnom štetom prema ukupnom broju nesreća

Sredina

Y Urbana sredina, periferijaM Urbana sredina, izmedju periferije i centra C Urbana sredina, centarL Ruralna sredina

23

Funkcija

GIF Glavni put, putni ulaz, zaobilaznicaTang Tangencijalne uliceCity Ulice u gradskom centru

3.4 DRAG porodica modela nesreće

Drag porodica modela nesreće je bazirana na podeli dešavanja nesreće na tri dimenzije izloženost, rizik i posledica. DRAG je skraćenica za; Zahtev za upotrebom Druma, Nesreće i njihova Ozbiljnost – ZDNO ( engl. DRAG – Demand for Road use, Accidents and their Gravity). Koncept DRAG modela je podeljen na modele za tri faze, gde svaka faza ima svoj model.

DRAG modeli su više fokusirani na makro perspektivu od ranije pomenutih modela. Dok TARVA i drugi nacionalni modeli predviđaju nesreće na nivou ulica ili uličnih mreža, DRAG modeli predviđaju nesreće na nivou regiona. Promenljive koje se koriste u modelima su stoga drugačije i više se fokusiraju na promeljive koje doprinose varijacijama u izloženosti, riziku i posledici između regiona nego li ulica. Modeli se ili baziraju na upoređivanju podataka iz nekoliko gradova ili regiona, ili na podacima vremenskih serija, koji su proučavani duži vremenski period.

Izloženost se definiše uz pomoć ukupne pređene kilometraže automobila, i često se izračunava iz ukupne potrošnje goriva u proučavanoj regiji , ili se u nekim slučajevima preuzima iz drugih istrživanja. Promenljive koje utiču na rizik mogu biti potrošnja alkohola i lekova, prosečna brzina u regionu, protok saobraćaja i promenljive koje predviđaju ukupan nivo rizika. Brzina se takođe koristi za predviđanje težine nesreće, kao i upotreba sigurnosnog pojasa. Interesatni su rezultati istaživanaja koji pokazuju da upotreba pojasa više utiče na nesreće sa telesnim povredama nego na nesreće sa fatalnim ishodom, često zbog jačine udesa u nesrećama sa fatalnim ishodom koji je dovoljno jak da usmrti lice u kolima bez obzira da li ono koristi pojas ili ne. (Gaudry i Lasar 2000) 3.5 Hipoteze

3.5.1 Izloženost ranjivih učesnika u saobraćaju

Nekoliko studija podesnosti modela nesreće pokazuju da je izloženost najvažnija promenljiva za objašnjenje sistematskih varijacija u broju nesreća (Bride i Larson 1993, Greibe 2003, Kulmala 1995). Ipak veoma je retko da modeli nesreća za VRUs na putnim vezama uključuju i procenu izloženosti VRU. U švedskim modelima za putne veze koristi se izloženost motorizovanih vozila, čak i u modelima za ranjive učesnike u saobraćaju. Mada je izloženost motorizovanom saobraćaju jedna od promenljivih koja objašnjava broj nesreća ranjivih učesnika u saobraćaju, ona mora doći na drugo mesto posle njihovog sopstvenog protoka kada je u pitanju objašnjenje broja njihovih nesreća.

24

Najverovatniji uzrok izostavljanja izloženosti ranjivih učesnika u saobraćaju je česta nedostupnost podataka o izloženosti za datu mrežu ulica.

Jedan od glavnih ciljeva ove disertacije je da istraži kako se modeli nesreće mogu poboljšati uvođenjem mera izloženosti za ranjive učesnike u saobraćaju.

Hipoteza: Nivo objašnjenja modela nesreće za ranjive učesnike u saobraćaju može se značajno popravit iuključivanjem procene izloženosti VRU u modele.

Operacionalizacija: Modeli će biti konstruisani tako da uključuju mere izloženosti za ranjive učesnike u saobraćaju. Sposobnost ovih modela da predvide nesreće sa ranjivim učesnicima u saobraćaju će onda biti testirana i upoređena sa modelima koji koriste promenljive za ranjive učesnike u saobraćaju iz postojećih švedskih modela.

3.5.2 Brzina vozila

Većina modela nesreće koristi ograničenje brzine kao jednu od promenljivih koja objašnjava stopu nesreće. Stvarne brzine vozila nude bolje podatke sa stalnom promenljivom. One takođe imaju i direktnije veze sa nesrećama. Sa druge strane u empirijskim podacima brzine imaju tendenciju da budu u obrnutoj korelaciji sa nesrećama nego u mnogim kontrolisanim “pre i posle “ studijama. Ovo je zbog toga što su brzine u korelaciji sa mnogim drugim promenljivim koje, svaka na svoj način, imaju uticaj na nesreće. Korišćenjem promenljivih koje opisuju složenost sredine sa niskim ograničenjem brzine ( npr., raskrsnice po kilometru, uslovi parkinga, upotreba zemljišta), nadamo se da će rezultat biti veći uticaj brzine na nesreće i njihovu ozbiljnost, naročito kada se radi o povećanju brzine.

Hipoteza: Nivo objašnjenja modela nesreće se može poboljšati ukoliko se koriste stvarne brzine vozila umesto ograničenja brzine.

Operacionalizacija: U probnim modelima, brzina vozila kao i promenljive koje opisuju složenost sredine sa niskim ograničenjem brzine će biti testirani. Alternativni modeli, gde će efekti brzine na nesreće biti unapred određeni, će takođe biti testirani kako bismo ustanovili uticaje. Biće upoređena podesnost modela baziranih na ograničenju brzine i modela baziranih na stvarnim brzinama vozila.

3.5.3 Podela modela na osnovu tipova nesreće

U današnjim švedskim modelima sve nesreće sa motorizovanim vozilima se kombinuju u istim modelima. Različite nesreće uglavnom imaju drugačije uzroke koji do tih nesreća i dovode. Različita statistička distribucija za svaki tip nesreće, sabrana zajedno, može da dovede do prekomerne disperzije u poređenju sa Poasonovom distribucijom. Ovo implicira da modeli koji predviđaju broj nesreća sa motorizovanim vozilima treba da imaju individualnu formu po tipu nesreće koji predviđaju kako bi postigli najbolje rezultate. Ovo stanovište zastupaju mnogi počevši od Alana i Brenaka (2001) i Kvina, Ivan i Ravišhanker (2004). Previše detaljna podela međutim bi mogla da proizvede

25

probleme druge vrste. Podaci o nesrećama koje imamo na raspolaganju su često limitirajući faktor jer praktično smanjuju broj tipova nesreće koje možemo da koristimo i broj modela za svaki tip nesreće, što nam ostavlja premalo nesreća za formiranje zvučnog modela. Stoga jedan korak u modeliranju mora biti pronalazak kompomisa između podele modela za svaki pojedinačni tip nesreće i imanja dovoljnog broja podataka za svaki tip nesreće kako bi se proizveo zvučni model uzimajući u obzir veliki broj nasumičnih varijacija iz podataka o nesreći. Ovo takođe zavisi i od količine podataka na raspolaganju. Sa velikim materijalom o nesrećama možemo napraviti podelu nesreća na veliki broj kategorija.

U ovoj disertaciji modeli nesreća sa motorizovanim vozilima su podeljeni u dve kategorije; nesreće sa jednim vozilom i nesreće sa više vozila. Najvažnija promenljiva, izloženost, se bitno razlikuje u ova dva slučaja. U slučaju nesreća sa jednim vozilom jedan protok automobila utiče na rizik od izloženosti, dok u nesrećama sa više vozila protok se pojavljuje dva puta u jednačini. Rizik od nesreće sa jednim vozilom po pređenom kilometru se zapravo smanjuje sa protokom dok povećani protok nosi i rizik da se potencijalna nesreća sa jednim vozilom pretvori u direktan sudar. Pažnja usmerena prema saobraćajnom okruženju se takođe očekuje da poraste zajedno sa povećanjem broja vozila u drugim sredinama.

Hipoteza: Nivo objašnjenja modela nesreće vozila se može poboljšati podelom modela nesreće vozila na modele nesreće sa jednim vozilom i na modele nesreće sa više vozila.

Operacionalizacija: Modeli će biti konstruisani da obuhvataju oba tipa nesreće zajedno, kao i posebni modeli za svaki od ova dva tipa nesreće. Pogodnost modela će onda biti upoređena kako bismo procenili da li je podela modela da odgovaraju određenom tipu nesreće poboljšala njihovu podesnost.

26

4 Metodologija

Ovo poglavlje opisuje dve metode korišćene tokom istraživanja na terenu i proces modeliranja korišćenjem Generalizovanih Linearnih Modela (GLiM).

Dve metode korišćene na terenskim istraživanjima su razvijene za prikupljanje podataka o izloženosti VRUs i brzini vozila. Metode se mogu ukratko opisati kao kratka opservacija broja pešaka i biciklista, kao i načina na koji se oni kreću ulicom. Kretanje VRUs je opisano u uslovima prelaska ulice kao i kretanja pored ulice. Merenje brzine vozila je izvršeno radarskom opremom paraleno sa posmatranjem VRUs.

4.1 Merenje brzine vozila

U ranijem projektu (Ekman 2000) razvijen je metod merenja brzine na velikom području. Glavna odlika ove metode je taj što se merenje brzine vrši na velikom broju različitih tačaka ali do limitiranog stepena za svaku tačku. Razlog ovome je želja za opisivanjem nivoa brzine za čitavu putnu mrežu ali bez nepotrebnog nagomilavanja podataka. Ako su resursi oskudni, onda je ovo pravi način merenja brzine na velikim površinama.

Kada izvodimo kratka merenja onda se štedi dosta vremena ali moramo držati pod kontrolom preciznost rezultirajuće procene. U prethodnom testiranju (Ekman 2000) razmatrana su dva potencijalna problema:

Varijacije nivo brzine tokom dana Preziznost u proceni brzine u vreme merenja

Proučavane su varijacije brzine preko dana i nedelje u jednom vremenski dugom istraživanju( dve nedelje ), u kome je korišćena stacionirana oprema. Brzine su znatno bile više u noćnom periodu, ali tokom dana ( 8.00 – 20.00h) varijacije u brzini su bile male. Moramo međutim oprezno donositi zaključke kada je u pitanju ovo istraživanje, s’ obzirom da proučavana ulica nije imala raskrsnicu sa signalizacijom u blizini mesta gde su obavljana merenja, a i nije bilo neke velike verovatnoće da na njoj može doći do zakrčenja saobraćaja.

Glavni problem ovog projekta je mogućnost upoređivanja procenjenih brzina na različitim ulicama. Kako su sva merenja obavljana tokom dana , ne bi trebalo da dodje do problema zbog razlike u vremenu merenja.

Proučavana je preciznost procena ispitivanjem veze između broja vozila kojima je izmerena brzina i preciznosti procene. Ovo je urađeno pomoću procedure samoupoređivanja( bootstrap procedure) proverom pouzdanih intervala za distribuciju brzine ( Ekman 1996 i 2000). Preciznost procene za 30 vozila je bila dosta loša. Za 50 vozila preciznost je bila bolja a za 100 vrlo precizna. Razlika u preciznosti se najbolje vidi na grafičkom prikazu. Grafici ispod pokazuju poređenje ( bootstrap) nizova za 30, 50 i 100 vozila. Brzine su merene na vezi U8 ( Upsala) koja ima standarno odstupanje brzine

27

od 8 km/h. Pouzdani intervali se značajno smanjuju od 30 do 100 vozila, ali već nakon 50 vozila izmerenih procene su prilično stabilne sa 90% pouzdanim intervalima oko 5 km/h.

U ovom projektu nije korišćena kompletna distribucija , već samo prosečna brzina i standarna devijacija ( kao indikator rasejanja brzine). Preciznost procene srednje brzine se može izračunati kada podelimo standardno odstupanje sa kvadratnim korenom broja vozila kojima je izmerena brzina i oduzmemo 1. Standardno odstupanje brzine na gradskim ulicama iznosi između 5 i 10 km/h. Odavde se može iztračunati veličina od 90% pouzdanih intervala kao + 1.96* standardno odstupanje od proseka. Za druge uzorke odnosni pouzdani intervali će biti: 30 vozila - +2,9 km/h ; 50 vozila - +2,2 km/h ; 100 vozila - + 1,6 km/h. Već će nam merenje brzine na samo nekoliko vozila dati procenu prosečne brzine na par kilometara. Mora se naglasiti da ovakvo računanje standarnog odstupanja daje manje vrednosti nego računanje bazirano na merenju brzina u periodu od 24 sata. Iako brzine ne variraju mnogo tokom dana, one su značajno više tokom noći, i može se pretpostaviti da je rasejanje brzine manje kada se gleda period od petnaestak minuta za razliku od perioda od nekloliko sati.

Grafik 8. Distribucija brzine sa 90 % pouzdanim intervalima, veličina uzorka: 30 vozila, Veza: U8

28

Grafik 9. Distribucija brzine sa 90 % pouzdanim intervalima, veličina uzorka: 50 vozila, Veza: U8

Grafik 10. Distribucija brzine sa 90 % pouzdanim intervalima, veličina uzorka: 100 vozila, Veza: U8

29

Brzina na tački merenja vs. Brzina putovanja

Korišćena brzina je brzina na tački merenja. Ova brzina se obično koristi u radu na bezbednosti saobraćaja. U drugim oblastima saobraćajnog inženjeringa brzina putovanja je prikladnija za korišćenje, dok ona u oblasti bezbednosti saobraćaja često daje neadekvatne rezultate. Brzina putovanja se računa kao pređeni put po jedinici vremena na većoj distanci. Ukoliko se vozač zaustavi na crvenom svetlu ili iz bilo kog drugog razloga to na neko vreme značajno smanjuje brzinu, ovo ima veoma veliki uticaj na smanjenje putne brzine. Ovo međutim ne utiče mnogo na bezbednost s’ obzirom da će brzina većim delom putovanja biti visoka, a i zato što je brzina u trenutku potencijalne nesreće ta koja najviše utiče na rizik.

Brzina “slobodnih” vs. Sva vozila

Pasanen (1992) je pokazao da brzina koja najviše utiče ne bezbednosnu situaciju VRUs je brzina tzv. “slobodnih vozila”. Ovo su vozila u kojima vozač nije ograničen po pitanju izbora brzine vožnje od strane drugih vozača ispred vozila. Za povezivanje brzine sa brojem i ozbiljnošću nesreća, najbolje bi bilo da koristimo brzinu slobodnih vozila. Međutim brzina svih vozila je češće dostupnija i lakše ju je pribaviti. U ranijim testovima merene su brzine i slobodnih i svih vozila. Brzina slobodnih vozila i brzina svih vozila se vrlo malo razlikuju. Međutim, blizu raskrsnica sa signalizacijom ili tokom saobraćajnih gužvi, brzine slobodnih vozila se veoma razlikuju od brzine svih vozila. Ovo nije predstavljalo veći problem u terenskim istraživanjima zbog činjenice da raskrsnice sa signalizacijom nisu česte duž ovih puteva a takođe na ovim ulicama nema ni velikih zakrčenja saobraćaja, raskrsnice su povezane samo sa sporednim ulicama a ne sa glavnim. Ipak, na kraju putne veze, češće su raskrsnice sa signalizacijom. Ni ovo nije bio veći problem pošto su merenja obavljana dalje od ovih mesta.

Terenske studije

Brzina je merena radarom sa jedne tačke na putnoj vezi. Oprema koja je korišćena su tradicionalni ručni radari; ipak radari nisu stalno držani ručno kako ne bi skrenuli pažnju vozačima na merenje brzine. Umesto toga radari su diskretno postavljani na džak ili na neki drugi objekat u blizini ulice.

Za pozicije na kojima će se meriti brzina birana su mesta na kojima na brzinu ne utiču mnogo lokalna ograničenja brzine, raskrsnice sa signalizacijom kao ni druga dešavanja koja bi mogla drastično da smanje brzinu. Ovde se može osporiti to što brzine koje najčešće uzrokuju nesreće su one na mestima na kojima je visoka interakcija učesnika u saobraćaju , na primer pešački prelazi, manje raskrsnice itd. Ovo bi, međutim, donelo nove probleme. Brzine bi morale biti merene na velikom broju tačaka duž putne veze, i tako bi svaka putna veza bila povezivana umesto sa jedne sa više brzina. Kada bi koristili modele takođe bi trebalo proceniti brzinu na velikom broju tačaka.

Na svakoj lokaciji merenje je trajalo 15 minuta, međutim ukoliko bi se brzina pokazala stabilnom nakon prolaska 90 vozila merenje je prekidano i pre isteka tih 15 minuta. Na

30

pojedinim putevima merenja su vršena na samo jednom od njih, ukoliko su imali slične karakteristike i uslove. Izmerene brzine bi onda bile korišćene za oba puta. Ovome se retko pribegavalo i rađeno je samo kada je bilo potrebno podeliti prvobitno izabranu saobraćajnicu na nekoliko polja kako bi se posmatrala čitava saobraćajnica.

Merenje brzine ručnim radarom postavlja pitanje da li je na brzinu uticalo samo merenje. Nije lako odgovoriti na ovo pitanje. Radari su postavljeni na diskretan način kako ne bi izazvali sumnju i na taj način uticali na brzinu. Radari su retko držani ručno, i to samo u situacijama kada druge opcije nisu bile moguće. Brzine su čitane sa razdaljine, uz pomoć velikog ekrana, i zapisivane su. Utisak je da brzine vozila nisu rapidno opadale u blizini mesta sa koga se merilo. Brzine su registrovane samo sa određene tačke, ali je oprema dozvoljavala nadgledanje brzine vozila i na većoj razdaljini pa je tako bilo moguće detektovati bilo kakvo usporavanje ili ubrzanje.

Takođe je razmatrana i upotreba fiksirane automatske opreme umesto ručnih radara. Sa automatskom opremom, kakve su na primer pneumatske cevi povezane na uređaj sa automatsko registrovanje, brzine bi mogle biti merene duži vremenski period bez nekog dodatnog rada. Oprema bi ipak zahtevala određeno vreme za instalitranje i premeštanje sa jedne tačke na drugu. Količina ove vrste opreme bi takođe diktirala i broj ulica na kojim bi se istovremeno vršila merenja. Glavni razlog zbog koga je odlučeno da se koriste ručni radari je što oni omogućavaju paraleno merenje brzine i manuelno brojanje ranjivih učesnika u saobraćaju. Dakle nije bilo potrebno trošiti dodatno vreme na merenje brzine.

4.2 Merenje izloženosti ranjivih učesnika u saobraćaju

Obrazac kretanja VRUs drugačije varira od obrasca kretanja motorizovanih učesnika u saobraćaju. Ranjivi učesnici u saobraćaju se mogu slobodnije kretati i ne moraju se držati određenih traka ( Slika 11). Zbog ovoga znatno je teže izmeriti izloženost VRUs nego izloženost motorizovanih učesnika u saobraćaju. Kako bi se što preciznije moguće opisala izloženost ranjivih učesnika u saobraćaju razvijen je novi metod. Novi metod je baziran na broju ranjivih učesnika u saobraćaju koji se kreću duž ulice i koji je prelaze, a uzima u obzir i način na koji to rade. Pitanje njihovog kretanja kroz sredinu se svodi na način na koji su odvojeni od motorizovanog saobraćaja i njivovu interakciju sa motorizovanim vozilima.

Slika 11. Kretanje pešaka isprepleteno sa automobilskim saobraćajem, Norčeping veza N68

31

U početnoj fazi plan je bio da se iskoriste studije sa fotografisanjem za merenje izloženosti ranjivih učesnika u saobraćaju. Studija fotografisanja o kojoj se raspravljalo bila je korišćenje trenutnog broja VRUs u okruženju ulice kao mere izloženosti. Tokom probnog testitanja zaključeno je da posmatrači mogu istovremeno brojati VRUs i meriti brzinu. Probno testiranje je obavljeno u manjem gradu (Velinge) i u glavnom testiranju ponekad je bilo potrebno razdvojiti brojanje VRUs i merenje brzine vozila zbog prenatrpanosti zadataka posmatrača. Na većini putnih veza bilo je moguće istovremeno obavljanje oba zadatka. Ovo je moguće zbog činjenice da kada je veliki protok motornih vozila i ranjivih učesnika saobraćaja, VRUs se drže ustaljenih staza i tako ih je lakše izbrojati. Drugi razlog zbog čega nije sprovedeno fotografisanje je taj što bi bilo teško detektovati sredinu gde većina VRUs prolazi ne putujući duž ulice. Ovi VRUs su izloženi saobraćaju na ulici ali su samo prisutni u sredini samo tokom kratkog perioda prelaska ulice i stoga su retko fotografisani.

4.2.1 Broj pešaka i biciklista

Pešaci i biciklisti su brojani na svim putnim vezama , ali samo po petnaest minuta na svakoj. Učesnici u saobraćaju su brojani samo u koliko su se kretali u blizini putne veze. Učesnici u saobraćaju koji su se kretali stazama odvojenim od ulice, npr. pored žive ograde širokim stazama, nisu brojani, kako je vrlo mala verovatnoća da će njihove potencijalne nesreće biti povezane sa datim putnim vezama. Brojke su onda podešavane u skladu sa znanjem o odstupanju u obimu VRU tokom dana. Za podešavanje korišćena su merenja protoka biciklista tokom dana. Merenja su sa glavne ulice u Malmeu. Grafik 12 pokazuje odstupanja tokom dana u obe ulice generalno ( isključujući industrijske ulice) i za industrijske ulice. Kao što se može videti na grafiku , protok dostiže najviše tačke tokom jutra i u poslepodnevnim časovima. Tačke su veoma visoke u industrijskim ulicama zbog velikog broja ljudi koji dnevno putuje na posao ili se vraća sa njega.

Grafik 12. Varijacije protoka biciklista tokom dana, glavne ulice u Malmeu, podeljen na industrijske ulice i na opšte ulice(ostale), prosek protoka tokom 5 intervala od 15 minuta

32

* Na grafiku 12 na X osi prikazano je doba dana, a na Y osi prikazan je prosek dnevnog saobraćaja u intervalima od 15 minuta. Punom linijom predstavljene su opšte(ostale) ulice, a isprekidanom industrijske ulice.

Podešavanje merenja od petnaest minuta na dnevni saobraćaj je nestabilno rešenje. Način na koji saobraćaj varira na različitim ulicama i kroz različite delove dana nije dovoljno istraženo područje. Možemo očekivati da se detalji o odstupanju razlikuju za slične tipove ulica zbog aktivnosti u njihovoj blizini. Škola ili biblioteka mogu privući veliki protok ranjivih učesnika u saobraćaju u različito vreme od nekih drugi javnih institucija koje imaju drugo radno vreme. Stoga je prilagođavanje dobijenih razultata na dnevni saobraćaj neprecizno. Uprkos tome grube procene o izloženosti ranjivih učesnika u saobraćaju bi ipak trebalo da su pouzdane. Tokom terenskih studija, broj ranjivih učesnika u saobraćaju se skoro uvek slagao sa očekivanim brojem za tu vrstu putne veze.

Broj ranjivih učesnika u saobraćaju koji su prelazili ulice

Broj ranjivih učesnika u saobraćaju koji prelaze ulice je važna promenljiva za objašnjenje broja nesreća na putnim vezama. Brojanje pešaka i biciklista koji prelaze ulicu je uključivalo brojanje svih onih koji prelaze na manjim raskrsnicama date putne veze, na pešačkom prelazu (na zebri) i onih koji prelaze između. Ako je pojedini učesnik u saobraćaju prelazio ulicu više puta svaki prelazak je zabeležen.

33

4.2 Obrazac prelaženja ranjivih učesnika u saobraćaju

Obrazac po kojem ranjivi učesnici u saobraćaju prelaze ulicu je posmatran u podeljen na više različitih alternativa u prelaženju koje su navedene ispod. Strategije prelaska sadrže informacije o načinu na koji se pešaci i biciklisti kreću ulicom, kao i obezbeđene uslove i posebna mesta za prelazak ulice. Ukoliko ranjivi učesnici u saobraćaju ne koriste mesta predviđena za prelazak ulice, onda su zabeležena mesta na kojima oni stvarno prelaze ulicu, na primer: Postoji tunel ispod ulice ali ga većina pešaka ignoriše i prelazi ulicu izlažući sebe motorizovanom saobraćaju.U nekim slučajevima zabeleženo je nekoliko različitih, često korišćenih strategija na istoj ulici, uglavnom je to bilo na prelazima sa signalizacijom, na zebri i slobodno prelaženje na bilo kom delu ulice. U ovom slučaju birane su ‘najslobodnije’ strategije tj. češće je biran prelazak ulice bilo gde nego na zebri i češće je prelažena ulica na zebri nego na prelazima sa signalizacijom.

Strategije prelaska koje su korišćene:

Direktno prelaženje je neprikladno ili nemoguće

Ova alternativa je korišćena da opiše ulice koje očigledno nisu namenjene za prelazak ranjivih učesnika u saobraćaju i koje u prvi plan stavljaju motorizovana vozila. Primer ovakvih ulica su velike saobraćajnice na kojima se vozila kreću velikom brzinom i na kojima ne postoje uslovi za prelazak ranjivih učesnika u saobraćaju. Često su vrlo limitirane mogućnosti za ranjive učesnike u saobraćaju da čak i priđu ovakvim ulicama. Ulice takođe mogu biti tako dizajnirane je svaki prelazak preko njih izuzetno težak ili čak nemoguć na primer, preko strmih padina ili pored ograda koje blokiraju prolaz. Međutim čak i u ovakvom okruženju mogu se naći neki ranjivi učesnici u saobraćaju, stoga ih je nemoguće isključiti.

Razdvajanje nivoa

Alternativa razdvajanja nivoa znači da prelaz vodi ranjive učesnike u saobraćaju preko ulice ili kroz tunnel ili preko mosta. Ova alternativa je prilično bliska prethodnoj ( kada je direktno prelaženje neprikladno). Razdvajanje nivoa nam ipak govori da ima ranjivih učesnika u saobraćaju u toj sredini. Kada se uzme ova alternative u obzir, onda se samo broje ranjivi učesnici u saobraćaju koji prelaze ulicu na nekom od nivoa. Kada se izabere ova strategija onda je jedini način prelaska ulice uz pomoć mosta ili tunela, ako se prelazi na drugačiji način onda se već radi o nekoj drugoj alternativi.

Usmereni ka prelazu označenom signalizacijom

Ova alternative se koristi kada ranjivi učesnici u saobraćaju prelaze ulicu na raskrsnicama sa signalizacijom ili na pešačkom prelazu sa signalizacijom.

34

Usmereni ka zebri koja nije opremljena signalizacijom

Ova alternativa se koristi kada većina ranjivih učesnika u saobraćaju prelazi ulicu na zebra pešačkom prelazu ili na drugom mestu koje je identifikovano kao mesto za prelazak VRUs. U kasnijoj fazi to mesto bi trebalo da bude jasno identifikovano ne samo od strane ranjivih učesnika u saobraćaju već i od strane vozača.

Slobodno bilo gde

“ Slobodno bilo gde” se koristi za ulice gde ranjivi učesnici u saobraćaju prelaze ulicu slobodno na mestima na kojima žele i ne koriste označena mesta za prelazak. Slobodno kretanje duž ulice nije uvek moguće za bicikliste čak i kada je ova alternativa u pitanju. Ipak, sredine u kojima se pešaci kreću slobodno preko ulice imaju i poseban obrazac kretanja biciklista. U ovoj vrsti sredine oni su veoma retko odvojeni od motorizovanog saobraćaja i mogu se slobodno kretati ulicom.

4.2.3 Odvajanje biciklista duž ulice

Za ranjive učesnike u saobraćaju koji putuju duž ulice zabeleženo je odvajanje biciklista. Razlog za uključivanje ove promenljive za bicikliste i pešake je činjenica da pešaci skoro uvek imaju svoj odvojeni deo duž glavnih ulica. U slučaju da nema posebnog prostora za pešake onda ulica verovatno nije namenjena njima.

Integrisan u motorizovani saobraćaj

Biciklisti dele isti prostor sa motorizovanim saobraćajem.

Staza za bicikliste na ulici

Biciklisti se nalaze na ulici ali imaju svoju posebnu traku koja ih razdvaja od motorizovanog saobraćaja.

Staza za bicikliste odvojena od motorizovanog saobraćaja

Biciklisti imaju odvojene staze od motorizovanog saobraćaja. Staze moraju biti u blizini ulice. Razlog za ovo je što nesreće na ovim stazama neće biti povezane sa datom ulicom u policijskom izveštaju. Ako je staza daleko od ulice, onda će ulica biti primarno za motorizovani saobraćaj i na njoj će vožnja bicikla biti kategorizovana kao neprikladna ili nemoguća. Biciklisti nisu često potpuno odvojeni od motorizovanog saobraćaja. Na manjim raskrsnicama često dolazi do interakcije sa motorizovanim saobraćajem ( Slika 13).

35

Slika 13. Odvojena staza za bicikliste se ukršta sa manjom ulicom (levo i desno)

Vožnja bicikla duž ulice potpuno neprikladna ili nemoguća

Kao i kod ovakve alternative za prelaženje ulica i ova alternativa znači da ove ulice nisu predviđene za bicikliste. Može postojati odvojena staza za bicikliste ali put se može nalaziti na periferiji grada i imati ruralni karakter. Ipak, mogu se naći biciklisti koji putuju ulicom, kao na slici 14.

Slika 14. Biciklista na ulici kategorizovanoj kao neprikladna za vožnju bicikla

36

4.3 Modeliranje nesreće

4.3.1 Nesreće kao statistički fenomen

Sistematske i slučajne varijacije

Varijacije u nesrećama mogu biti sistematske, koje zavise od odstupanja u karakteristikama puteva i saobraćaja i na taj način utiču na broj nesreća, a mogu biti i čisto nasumične.

Sistematske varijacije umnogome zavise od intenziteta saobraćaja. Što je veći intenzitet saobraćaja to sredina ima tendenciju da proizvodi više nesreća. Broj nesreća na određenoj proučavanoj tački ne zavisi međutim samo od intenziteta saobraćaja. Nesreće se dešavaju prvenstveno zbog protoka saobraćaja koji proizvodi situacije koje mogu da dovedu do nesreća. Na drugom mestu broj nesreća zavisi od rizika da ove situacije evoluiraju u nesreću. U dodatnoj trećoj fazi, mogu se proučavati promenljive koje utiču na ishod nesreće. Ove promenljive koje utiču na dešavanje nesreća i na njihovu ozbiljnost, povećavaju broj sistematski varijacija u broju nesreća.

Ipak ne možemo objasniti sve varijacije uz pomoć saobraćajnih karakteristika. U lancu događaja koji vode ka potencijalnoj nesreći, učesnici u saobraćaju imaju priliku da izbegnu udes. Do nesreće dolazi tek kada se poklope određene okolnosti (visoka brzina, manjak pažnje itd.). Nemoguće je napraviti model koji će uzeti u obzir sve okolnosti. Uvek će postojati određeni broj neobjašnjivih odstupanja u broju nesreća.

Distributivne pretpostavke

Pogled na statistički fenomen koji konstituišu saobraćajne nesreće, kao i modeliranje nesreća, evoluirao je tokom vremena. Rano modeliranje nesreća je radjeno u obliku kvadrata procene sa pretpostavkom da su nesreće normalno raspoređene; Kasnije nesreće su viđene isključivo raspoređene po Poasonovom modelu ( Maher i Samersgil 1996). Danas najčešća je pretpostavka da Poasonova distribucija na individualnim tačkama u kombinaciji sa gama distribucijom između tačaka, rezultira ukupnom negativnom binominalnom distribucijom. ( Maher i Samersgil 1996, Kulmala 1995, Alan i Brenak 2001).

U ovom radu nesreće će biti modelirane po Poasonovoj distribuciji čak i kada su nagomilane na tačkama. Ova pretpostavka o nesrećama raspoređenim po Poasonovoj distribuciji na nekoliko tačaka dovela je do greške jer će varijacija nesreća biti veća od prosečne. Podaci će biti previše rasejani u odnosu na pretpostavljenu distribuciju. Greška u proceni parametra pri modeliranju je veoma mala za umereno rasejanje, ali statistički test će pokazivati vrednosti znatno veće nego što su one zapravo(Maher i Samersgil 1996). Kako bi se ovo kontolisalo koristi se Poasonov model kvazi – verovatnoće.

37

4.3.2 Generalizovani Linearni Modeli

Generalizovani Linearni Modeli (GLIMs) su izabrani za modeliranje zato što kod njih zavisna promenljiva, broj nesreća, nije normalno distribuirana, već se distribuira po Poasonovom ili negativnom binominalnom modelu. GLIMs dozvoljava zavisnoj promenljivoj da uzme drugu vrstu distribucije, jedina restrikcija je što distribucija pripada eksponencijalnoj vrsti.

Generalizovani linearni modeli neće biti ovde detaljno opisivani zbog toga što postoje mnogo bolji izvori (Olson 2002, Alan i Brenak 2001). Neki delovi GliM-a moraju biti objašnjeni kako bismo mogli razumeti rezultate koje oni generiše, a i kako bismo objasnili neke izbore napravljene u modeliranju.

GliMs koristi veznu funkciju kako bi generalisao vezu između zavisnih i nezavisnih promenljivih.

g()X

U slučaju Poasonove distribucije zavisninih promenljivih logaritamska funkcija se obično koristi kao vezna funkcija, što je takođe bio slučaj i u ovom radu.

Kada se koristi logaritamska vezna fukcija model ima sledeću formu:

E (Y)=e ∑ βiXi

Gde su:

E(Y) je zavisna promeljiva, u slučaju očekivanog broja nesreća

βi su parametri koje treba da proceni model

Xi su nezavisne promemljive

Modeli dizajnirani sa sumom βx su karakteristični za linearne modele. U slučaju logaritamske vezne funkcije eksponencijalna veza će međutim dovesti do multiplikativne forme kako je:

eβ1X1+ β2X2=e β1X1*eβ2X2

Kako bismo dobili jednostavne modele, kovarijante koje koristimo su logaritamske. Korišćenjem logaritamskih promenljivih dobijeni izraz se može pojednostaviti relacijom

eβ1Lnx1=X1β1. U slučaju kategorijskih promenljivih jedna od kategorija se bira kao

bazična i dobija vrednost e0=1 gde se drugim kategorijama dodeljuju pseudo (dummy)

38

vrednosti eβ koja opisuje njihov uticaj na broj nesreća u odnosu na bazičnu kategoriju. Kada se doda kategorijska promenljiva, onda se sve kategorije koriste u modelu, ali se ponekad jedna ili više njih spajaju. Tabela 4 pokazuje primer opisa modela. Kategorijska promenljiva Upotreba zemljišta ima vrednosti Rezidencijalna (B), Institucionalna (A), Centar (C), Industrijska (I) ili Nijedna (X). U ovom naročitom slučaju, dodeljeni parametri A, B i C odnosno I i X su veoma blizu jedan drugom tako da dolazi do spajanja kategorija.

Tabela 4. Primer opisa modela

Model: Bicikl, nije unapred određenOdstupanje df Procenat izlože.

501 381 60%Procene parametara

Parametri Pseudo (dummy)

Eksponent Srazmerna t-vrednost

t-verovat.

Konstanta 2.16E-04 -5.93 0.000NXCP 0.35 5.50 0.000Protok 0.76 4.93 0.000Upotreba zemlj._ABC

1

Upotreba zemlj._IX

0.60 -2.54 0.011

Funk_GIF 1Funk_T 1.36 1.86 0.064Funk_C 1.94 2.27 0.024Vis_dobro 0.71 -2.03 0.043Vis_srednje 1Vis_loše 1.62 0.96 0.335

U drugom obliku, model može biti zapisan:

Nesreće biciklista po km na 5 godina = 2.16*10-4*NCXP0.35*Protok0.76*Upotreba zemljišta*Funk*Vis

Dužina putne veze je korišćena kao “nadoknadna” promenljiva za sve modele. Ovo znači da je modeliranje broja nesreća podeljeno po dužini veze.

Srazmerno odstupanje (SD)

U generalnim linearni modelim suma kvadrata se koristi u cilju optimizacije podesnosti modela. U generalizovanim linearnim modelima se za to koristi srazmerno odstupanje. Kao i prvi metod, i srazmerno odstupanje je takođe maksimalna verovatna procena.

39

NAG dodaci Excela

Softver korišćen za modeliranje je NAG statistički dodaci za Excel (NAG 2000) iz Numeričke Algoritamske Grupe ( tvorci GLIM softvera). Glavna prednost ovog programa je što je integrisan sa Excelom, što znači da su statističke operacije dostupne u bazi podataka korišćenog programa. Druga prednost je jednostavnost korišćenja; operacije imaju iste nazive kao uobičajene funkcije u Excelu. Mana ovog paketa je što ne podržava negativnu binominalnu distribuciju za zavisne promenljive. Razlika u poređenju sa drugim statističkim softverima kao na primer SAS, je ta što sa NAG dodacima treba više manuelnog rada. Ovo omogućava bolji uvid u proceduru ali nema kvalitetnu preciznost kakvu imaju veliki softverski paketi.

4.3.3 Postupak modeliranja

Kreiranje modela je blago razvijano tokom procesa modeliranja. Ovaj deo objašnjava finalni proces ali u nekim slučajevima daje objašnjenja redosleda događaja koji su doveli do ovoga.

Odvojeni modeli su pravljeni za 4 različita tipa nesreće:

Nesreće sa više vozila Nesreće sa jednim vozilom Nesreće biciklista Nesreće pešaka

Razvoj modela nesreće pratio je plan ‘korak po korak’. Neki od ovih koraka su bili integrisani ali primarno u osnovi je praćena sledeća procedura:

1. Konstrukcija modeliranja promenljivih iz prikupljenih podataka2. Proučavanje individualnih promenljivih,zavisnih i nezavisnih3. Proučavanje korelacije između parova promenljivih4. Proba pogodnosti u GLIM-u, jedna po jedna promenljiva, ona promenljiva koja se

najbolje pokaže u jednostavnosti i pogodnosti biće izabrana. Kada dodajemo kategorijske promenljive onda se dodaju sve kategorije.

5. Značajno testiranje novog modela u poređenju sa onim u koji nije dodata promenjiva

6. Značajno testiranje individualnih promenljivih u modelu 7. Pristupanje ispitivanju podesnosti modela

Koraci 4-6 se ponavljaju sve dok se ne pronađu značajnije promenljive

40

1 Konstrukcija modeliranja promenljivih

Nezavisne promenljive korišćene u modelima kako bi opisale sistematsku varijaciju zavisnih promenljivih su konstruisane iz podataka prikupljenih na terenskim istaživanjima i iz opština. Reč konstrukcija se odnosi na činjenicu da su prikupljene promenljive nekada morale biti standardizovane ili prilagođavane. Jedan od primera je broj raskrsnica koji je standardizovan u broj raskrsnica po kilometru jer proučavane ulice nisu imale istu dužinu. Još jedan primer je protok pešaka i biciklista. Ovaj protok je meren vremenski kratko na svakoj ulici a dnevni protok je izračunavan uzimajući u obzir varijacije protoka preko dana.

Nezavisne promenljive se mogu podeliti u dve grupe: kovarijante i grupne promenljive. Grupne promenljive su klasifikacione promenljive koje uzimaju ograničen broj diskretnih vrednosti koje mogu biti brojevi ili tekst. Kovarijante su druge promenljive i one su obično numeričke.

Nekoliko kovarijanti mogu imati vrednost nula. U tom slučaju vrednost nule se zamenjuje nekim relativno niskim vrednostima tokom logaritmizacije jer logaritam 0 ne postoji. Ovo nije baš pravilan način postupanja sa nula vrednostima bar ne sa promenljivim gde je nula potpuno logička vrednost. Kako bismo objasnili primerom kasniju izjavu moramo uzeti u obzir dve promenljive koje u podacima mogu imati vrednost nula: Broj pešaka koji prelazi ulicu i broj manjih raskrsnica po kilometru. Čak i na ruralnim autoputevima gde je pešačenje i vožnja bicikla zabranjena pre ili kasnije biće pešaka koji prelaze drum na primer, zbog kvara na vozilu. Prava vrednost promenljive broj pešaka koji prelaze ulicu nikada ne treba da bude nula pa ovde zamena vrednosti 0 relativno niskom vrednošću nije potpuno netačna. Sa druge strane, broj manjih raskrsnica po kilometru, vrednost može biti nula ako na putnoj vezi nema manjih raskrsnica. Alternativni pristup ovde je promena promenljive u kategorijsku promenljivu, grupisanjem putnih veza sa sličnim brojem raskrsnica po kilometru. Ovako ćemo sa druge strane izgubiti kontinuitet promenljive.

U podacima koji su ovde korišćeni kovarijante koje mogu imati vrednost nula pripadaju jednoj od dve kategorije: promenljive izoženosti VRUs i promenljive koje opisuju broj manjih raskrsnica po kilometru. Za promenljive izoženosti VRUs vrednost nula zamenjena je sa 1(jedan ranjivi učesnik u saobraćaju po danu). Ovo će dati logaritamsku promenljivu vrednosti 0. Promenljive koje opisuju broj manjih raskrsnica po kilometru ponekad pretpostavljaju vrednost manju od 1. Najmanji broj manjih raskrsnica po kilometru (pored vrednosti 0) pronađen u podacima je 0,425. Nulte vrednosti za broj manjih raskrsnica su zamenjene vrednošću 0,368 [=In (-1)] kako putne veze bez manjih raskrsnica ne bi imale veće vrednosti od putnih veza sa manjim raskrsnicama.

2 Proučavanje individualnih promenljivih

Proučavana je distribucija i učestalost individualnih promenljivih. Za grupne promenljive proveravana je učestalost kako bismo videli da li se neke vrednosti mogu naći samo na par ulica. U tom slučaju bilo bi poželjno spajanje određenih promenljivih.

41

3 Proučavanje korelacije između parova promenljivih

Proučavana je korelacija između parova promenljivih, numerička kroz korelacioni koeficijent, i grafičkim postavljanjem promenljivih jedne naspram druge. Ovo se obavlja pre modeliranja kako bi se ustanovilo da li nezavisne promenljive možda zavise jedna od druge. Od velikog broja promenljivih koje utiču na saobraćaj, se može očekivati da međusobno kovariraju. Na primer, brzina vozila varira zajedno sa različitim dizajnom druma kao i sa prisustvom ranjivih učesnika u saobraćaju. Rezultati proučavanja korelacije se koriste pri interpretaciji rezultata modeliranja. U slučaju da su dve ili više promenljivih uključenih u modele snažno povezane, njihov međusobni odnos može da pokvari odnos između zavisne promenljive i nezavisnih promenljivih. Indikacije ovoga su vidljive kada dodajemo promenljive modelu. Ako se parametri modela povezani sa postojećom promenljivom naglo promene kada se doda nova promenljiva, onda su nova i stara promenljiva u snažnoj korelaciji zbog čega je teško proceniti individualni efekat na modele. Postoji nekoliko načina da se ovo reši. Jedan od njih je da se prosto isključi jedna od promenljivih, a drugi je da uključimo obe ali da uporedimo efekte sa prethodnim znanjem o njihovom uticaju na broj nesreća. U kasnijoj fazi treba sprovesti test osetljiviosti kako bismo proverili stabilnost procene.

Primer: U teoretskom delu zaključeno je da brzina vozila i i izoženost pešaka utiču na broj nesreća pešaka. Međutim, sredine sa velikim brojem pešaka su najčešće u gradskom centru gde su brzine generalno niske, i tako dolazimo do negativne korelacije brzine vozila i izloženosti pešaka. U ovom setu podataka oni imaju koeficijent korelacije između -0,4 i -0,5. Ulice sa niskim brzinama mogu biti u korelaciji sa visokim brojem nesreća, ne zbog slučajne povezanosti (što bi trebalo da je suprotno), već zbog velikog broja pešaka koji se mogu naći u ulicama sa niskim brzinama.

4 GLIM

Kada se doda više promenljivih modelima, podesnost modela se automatski povećava kako procedura podešavanja dobije još jednu polugu sa kojom radi na podešavanju modela. Da li promenljiva zapravo dodaje vrednost modelu je sasvim jedno drugo pitanje. Kvalitet modela se procenjuje objašnjenim odstupanjem povezanim sa brojem stepena slobode korišćenim kako bi se dobilo ovo objašnjenje. (Olson 2002). Ovo nije ipak jedini kriterijum koji se koristi, obično se preferiraju jednostavniji modeli i modeli koji se slažu sa teoretskim efektima promenljivih.

5 Proveravanje značaja dodatih promenljivih

Kako bi se proverilo da li dodata promenljiva značajnije doprinosi stepenu objašnjenja, razlika u odstupanju između modela sa i bez nove promenljive se upoređuje sa Chi2-distribucijom sa stepenima slobode prema razlici u preostalim stepenima slobode između dva modela. Razlika u odstupanju je podeljena razmernim faktorom (vidi ispod) kako bi kompenzovala efekte disperzije.

42

Poasonov model QL koristi razmerni faktor za odstupanje kako bi kompenzovao efekte disperzije na statistiku testa. Razmerni faktor se izračunava tako što podelimo sumu kvadrata Pirsonovog ostatka sa stepenom slobode proučavanog modela.

6 Značaj testiranja individualnih promenljivih u modelu

Proverava se značaj parametara individulanih promenljivih. Ovo se obavlja proveravanjem statistike testa: Procena parametra / Standarna greška naspram Tukieve t-distribucije. Statistika testa se deli sa kvadratnim korenom razmernog faktora kako bi kompenzovala efekte disperzije na statistiku testa ( vidi Proveravanje značaja dodatih promenljivih).

7 Procenjivanje podesnosti modela

Potpuna podesnost modela se procenjuje proverom koliko je sistematskih varijacija objašnjeno. Ukupna suma sistematskih varijacija se izračunava:

SD0 / df0 – SDM / dfM

(Kulmala 1995)SD0 / df0 – SDME / dfME

gde je:

SD= Srazmerno odstupanje, df= stepen slobode0 označava nulti model sa samo jednom konstantnom promenljivomM označava proučavani model

ME gde je sistematska varijacija objašnjena, a SDME Srazmerno odstupanje u „savršenom“ modelu koji objašnjava čitavu sistematiku.Ukoliko SD modela padne ispod ovog nivoa onda počinje da objašnjava i sumu nasumičnih varijacija pa treba biti oprezan. Srazmerno odstupanje u ME modelu je procenjeno korišćenjem podesnog modela za taj tip nesreće i sumiranjem:

n μϊ yi e –μϊ

SDME =∑ni E (SDi) =2 ∑ ∑ [ (yi log(yi / μϊ - yi ) yi ! ]

i yi

gde je yi je posmatran broj nesreća na putnoj vezi i, μϊ je očekivani broj nesreća na putnoj vezi i, a n je podešen na 20(Formula 21, Kulmala 1995).

43

4.3.4 Problem niskog proseka

U Poasonovom fenomenu distribucije gde je prosek veoma nizak (-0,5), srazmerno odstupanje ima tendenciju da postane manje u odnosu na broj stepena slobode. Obično cilj SD-a modela predstavlja broj stepena slobode, ali u slučaju niskog proseka ovo može biti neadekvatno s’obzirom da i veoma grubo formirani modeli mogu dostići nivo SD-a manji od stepena slobode. (Maher i Samersgil 1996)

U ovoj disertaciji problem niskog proseka, i rezultujućeg niskog SD-a, rešen je korišćenjem stepena slobode kao cilja modela, ali numerički proračunatog cilja gde su objašnjene sve sistematske varijacije. (Kulmala 1995).

Mala odstupanja ne utiču prekomerno na smanjenje SD-a pri dodavanju promenljivih modelu (Maher i Samersgil 1996), i stoga nema potrebe da se Chi2 statistika prilagođava kada dodajemo promenljive.

Pored kalkulacije objašnjenja promenljivih, napravljeno je još nekoliko testova preciznosti modela:

Rezidualne analize Provera uticaja ulica koji može imati jak efekat na procene Provera postojanja velikih varijacija u procenjenim parametrima uklopljenih

modela

4.3.5 Veliki značaj

Testiranje značaja na nivou 0.05 nosi sa sobom rizik od greške u 5% slučajeva. Kada radimo evaluaciju statistike velikog broja testova, svaku na propisanom nivou, povećava se rizik da će jedna od izjava biti lažna, ukoliko se ne uzme u obzir problem velikog značaja. Način na koji se uvodi veliki značaj u proračun su veća zahtevanja u pogledu značaja tokom obavljanja testova.

U procesu modeliranja, veliki značaj je retko pretstavljao problem sa praktične tačke gledišta. Kada su dodavane promenljive modelu rađeno je samo par testova, za svaki korak po jedna odabrana promenljiva je testirana na značaj. Ovde je nivo značaja veoma visok , ali se situacija veoma brzo menja kada više ništa ne možemo dobiti uvođenjem novih promenljivih u modele. Rezultati su ili veoma značajni ili potpuno beznačajni. Kada se proverava značaj svake promenljive postoji međutim veći problem; Testiran je značaj nekoliko parametara u isto vreme i rezultati su bili veoma loši, u najmanju ruku razlike između različitih kategorija kategorijskih promenljivih. Sa druge strane, ovde je fokus bio na tome da li su rezultati logični, kao i na tome da li su različite kategorije značajno drugačije jedna od druge. Dokle god uvođenje novih promenljivih statistički gledano poboljšava model, i rezultati ne narušavaju prethodno znanje, ili logički, vezu između kategorijskih promenljivih i broja nesreća, promenljiva se prihvata. Za kovarijante striktno je praćen značaj, ali je njihov značaj često veoma visok.

44

4.3.6 Nesigurnosti u nezavisnim promenljivim

U regresiji modeliranja pretpostavka je da su vrednosti nezavisnih promenljivih tačno procenjene bez grešaka i nesigurnosti koje su dozvoljene samo za zavisne promenljive.U stvarnosti ipak ima određenih nesigurnosti u procenama vrednosti promenljivih, naročito onih koje nisu konstatne tokom vremena, na primer protok saobraćaja. Ove nesigurnosti dovode do jednostranih procena parametara u kreiranim modelima kako je to pokazao Maher (1989). Veličina odstupanja je uglavnom povezana sa dve stvari; veličine nesigurnosti u procenjivanju promenljivih i varijabilnost između posmatranja, u slučaju putne veze.

Moguće je proceniti veličinu odstupanja ako su obe ove stvari poznate. U našem slučaju moguće je odrediti varijabilnost između veza ali često se ne može proceniti veličina nesigurnosti. Stoga će procena odstupanja u našem slučaju ostati stvar nagađanja bez nekih daljih studija. Maher, međutim, je procenio odstupanje izazvano nesigurnostima u protoku vozila usled brojanja od samo 15 minuta na 4% vrednosti parametra.

U ovom radu, promenljive koje će najverovatnije izazvati odstupanje su promenljive koje opisuju izloženost VRUs. Ovo je brojano 15 minuta baš kao i vozila u Maherovoj studiji. Iz ovoga se izvodi zaključak da će procenjeni parametri najverovatnije imati odstupanje manje od 10%. Nisu poznate nesigurnosti broja ranjivih učesnika u saobraćaju, ali je varijabilnost između putnih veza velika, i kreće se u rasponu od 0 pa do nekoliko stotina za različite promenljive izloženosti ranjivih učesnika u saobraćaju.

45

5 Podaci

Ovo poglavlje opisuje podatke korišćene u modeliranju nesreća. Podaci su sakupljani iz nekoliko izvora. Protok vozila i funkcionalnost ulica je prikupljana iz baze podataka opština i to za svaku posebno. Podaci o nesrećama su sakupljeni od VTI-a iz nacionalne baze nesreća. Kao dodatak sprovedene su opsežne terenske studije u sedam švedskih gradova. Terenske studije su sprovođene na osnovu metoda već opisanih u poglavlju „Metodi“. U fazi modeliranja nije bilo nekih potrebnih podataka pa su morale biti sprovedene dodatne studije kako bi se prikupili podaci o ograničenju brzine i parkiranju duž putnih veza.

Primarni cilj terenskih istraživanja je bio prikupljanje podataka o izoženosti ranjivih učesnika u saobraćaju i stvarnih brzina vozila. Podaci o izloženosti ranjivih učesnika u saobraćaju su retko bili dostupni iz drugi izvora. Brzine vozila su često merene, ali retko za čitavu putnu mrežu, već samo na određenim tačkama.

Informacije su prikupljane o ponašanju VRUs pri prelasku ulica kao i o odvojenosti biciklista od motorizovanog saobraćaja. Takođe su prikupljane informacije o okruženju saobraćaja, na primer broj manjih raskrsnica ili različiti tipovi raskrsnica duž druma, broj voznih traka, upotreba zemljišta pored ulica itd. Prikupljene promenljive su sumirane u tabeli 5 na narednoj strani.

46

Tabela 5. Promenljive u bazi podataka

Bazični podaci Sredina Raskrsnice Karakteristike saobraćaja

Podaci o nesrećama i povredama (po tipu nesreće

ID putne veze Dužina putne veze (m)

Broj i tipovi raskrsnica

Protok vozila Broj nesreća sa fatalnim ishodom

Ime ulice Upotreba zemljišta

Veliki prelazi za VRUs

Strategija prelaska VRUs

Broj žrtava

Vreme i temperatura

Vidljivost Broj velikih izlaza(benzinske stanice,šoping centr itd.)

Odvojenost biciklista duž druma

Broj nesreća sa teškim telesnim povredama

Posmatrač Broj voznih traka

Broj malih izlaza( manji parkinzi sa samo par vozila)

Broj pešaka koji prelaze ulicu

Broj teško povređenih

Datum Razdvajanje traka

Broj pešaka koji se kreću duž ulice

Broj nesreća sa lakšim telesnim povredama

Doba dana Parkiranje duž putne veze

Broj biciklista koji prelaze ulicu

Broj lakše povređenih

Razne dodatne informacije o putnoj vezi

Ograničenje brzine

Broj biciklista koji se kreću duž uliceProsečna brzina vozilaStandardna odstupanja u brzini vozila

47

5.1 Terenska istraživanja

Obavljana su kratka merenja kako bi se prikupili podaci iz što većeg broja ulica. Svaka putna veza je proučavana po petnaest minuta tokom kojih su prikupljane informacije o broju ranjivih učesnika u saobraćaju koji prolaze kroz datu sredinu i način na koji to čine. Takođe su merene i brzine vozila a prikupljani su podaci o dizajnu saobraćajnog okruženja.

5.1.1 Opštine u kojima su obavljane studije

Prvo je sprovedena probna studija u Velingeu, a kasnije su sprovedene studije u sedam gradova; Upsala, Helsinborg, Linčeping, Danderid, Katrineholm, Vasteras i Norčeping. Za modeliranje korišćeni su svi podaci osim onih iz Velingea i Helsinborga. U slučaju Velingea, metode iz probne studije su evoluirale u studije u drugih sedam gradova, stoga se podaci nisu mogli u potpunosti uporediti. Helsinborg je isključen iz studije zbog toga što ga je i VTI isključio pa nije bilo podataka o nesrećama. Prvobitno je veći broj gradova izabran za terenske studije ali su neki morali biti isključeni zbog nedostatka vremena i sredstava.

Tabela 6. Opštine na kojima su vršena merenja i opseg glavne putne mreže

Grad Datum Broj putnih veza Ukupna izmerena dužina putne veze (km)

Velinge (probna studija)

021010 13 4,7

Upsala 030324-030328 111 54,1Helsinborg 030401-030407 60 28,2Linčeping 030414-030416 95 51,5Danderid 030422-030423 52 22,6Katrineholm 030424-030425 67 27,7Vasteras 030507-030509 49 30,8Norčeping 030526-030528 71 34,7

5.2 Podela na putne veze

Za svrhe modeliranja i merenja ulična mreža svake opštine je podeljena na putne veze. Svaka putne veza je uglavnom sačinjena od ulice između raskrsnice dve glavne ulice ali ponekad je putna veza deljena na manje delove. Ovo je bio slučaj kada posmatrana ulica nije homogena između svojih raskrsnica pa nema smisla da je modeliramo kao jednu homogenu putnu vezu, ili je pak ulica prevelika da bi je ispitivali samo sa jedne tačke. Posmatrane putne veze su u proseku bile duge 500 metara.U celokupnoj studiji posmatrano je 505 putnih veza, a 393 je iskorišćeno u modeliranju. Svih 60 putnih veza iz Helsinborga je isključeno zbog nedostatka podaka o nesrećama. Ostale putne veze su isključene zbog nedostataka informacija o protoku vozila.

48