Kapitola V. Dopravní nehodovost (ČÁST 2)

-    vyjádření závažnosti následků nehod pomocí jejich ekonomického hodnocení
Hodnotící parametr je sestaven jako součet hodnot následků hodnot vyjádřený v Kč. Vzhledem k tomu, že údaje o ekonomickém ohodnocení ztrát z následků dopravních nehod jsou k dispozici, lze tuto metodu označit jako efektivnější a objektivnější než metodu výpočtu čísla závažnosti nehod.
Po dosazení hodnoty E, vyjadřující ekonomické ohodnocení ztrát z následků dopravních nehod (pro rok 1999 to bylo např. 36 217,-) za hodnoty N0 do vztahů pro výpočet ukazatele relativní nehodovosti a ukazatele hustoty nehod, získáme ukazatele relativních ztrát (Kč / vozkm/ rok) a ukazatel hustoty ztrát (Kč / km / rok).

5.7    Predikce dopravních nehod
Jednou z nevýhod hodnocení bezpečnosti silničního provozu na základě statistiky dopravní nehodovosti je skutečnost, že jsou hodnoceny nehody, které se již udály. Přes nespornou objektivnost a statistickou průkaznost této metody je však nutno zohlednit i následky těchto uskutečněných nehod, a to ať materiální nebo i zdravotní. Proto se již řadu let vyvíjí metody, které by dokázaly prognózovat dopravní nehody a tak hodnotit bezpečnost silničního provozu na daném úseku komunikace nebo v lokalitě (např. křižovatky) dříve, než k těmto nehodám dojde.
Nejednotný náhled na problematiku predikce dopravní nehodovosti dal vzniknout několika metodám, které lze rozdělit do dvou hlavních skupin. První skupinu představují metody, kdy je hodnocení bezpečnosti vyjádřeno pomocí vypočtených koeficientů. Jedná se především o 15:
-    metodu koeficientu bezpečnosti a
-    metodu souhrnného koeficientu nehodovosti
Druhou skupinu pak představují metody, jejichž výstupem je predikovaná nehodovost vyjádřena počtem nehod, počtem úmrtí nebo relativní či absolutní nehodovostí za daný časový úsek. Souhrnně je lze nazvat metodami určení pravděpodobnosti vzniku dopravní nehody. Tyto metody obecně definují pravděpodobný počet dopravních nehod, případně počet zraněných osob nebo smrtelných zranění, a to buď na daném úseku komunikace, nebo v dané oblasti.
Mezi výpočtové modely predikující počet dopravních nehod nebo zranění lze zařadit:
-    Smeedův model pravděpodobného počtu usmrcených osob
-    modely predikce počtu dopravních nehod

5.7.1    Metoda koeficientu bezpečnosti
Metoda koeficientu bezpečnosti je jednou z jednodušších metod hodnocení bezpečnosti silničního provozu. Obecně vychází z předpokladu, že hlavní charakteristikou režimu jízdy vozidla je jeho rychlost. Nepředvídaná změna rychlosti pohybu vozidla v důsledku objektivní změny hlavních návrhových prvků nebo charakteristik komunikace pak určuje pravděpodobnost vzniku dopravní nehody. Koeficient bezpečnosti se pak určuje jako poměr ještě přípustné bezpečné rychlosti jízdy na daném úseku komunikace, kterou umožňují návrhové prvky komunikace a rychlosti, kterou může vozidlo do daného úseku vjíždět. Tento poměr je dán vztahem:


 

kde:     Kb je koeficient bezpečnosti,

            V0 je ještě přípustná bezpečná rychlost na daném úseku komunikace v km/h,

            Vvstup je vstupní rychlost do daného úseku komunikace v km/h.

Úsek komunikace se pak hodnotí dle následujících kritérií (údaj mimo závorku platí pro jednotlivé vozidlo, údaj v závorce platí pro celý dopravní proud):

Tab. 5. 5. Hodnocení úseku komunikace na základě metody koeficientu bezpečnosti.

Kb > 0,8 (0,85)

úsek je bezpečný

0,6 (0,7) < Kb < 0,8 (0,85)

úsek je málo bezpečný

0,4 (0,6) < Kb < 0,6 (0,7)

úsek je nebezpečný

Kb < 0,4 (0,6)

úsek je velmi nebezpečný

 

Jedná se metodu původně vyvíjenou v SSSR (prof. V.F.Babkov). Princip posuzování bezpečnosti komunikace na základě dosahovaných a projektovaných rychlostí je velice jednoduchý, ale nezahrnuje ostatní vlivy, které se mohou podílet na vzniku nehody. Metoda koeficientu bezpečnosti např. nezohledňuje intenzity provozu na posuzovaných úsecích, opomíjí i vlivy technického stavu komunikace nebo jejího uspořádání (hlavní kritériem je rychlost).

5.7.2    Metoda souhrnného koeficientu nehodovosti
Metodou souhrnného koeficientu nehodovosti lze na daném úseku silniční komunikace definovat potenciální nehodová místa nebo lokality. Princip metody spočívá v určení souhrnného koeficientu nehodovosti součinem jednotlivých dílčích koeficientů (K1,K2…,Kn), které vyjadřují vlivy intenzity provozu, rychlosti nebo geometrického uspořádání komunikace. Hodnoty dílčích koeficientů představují poměr mezi celkovým počtem dopravních nehod na posuzovaném úseku komunikace a středním počtem nehod na tzv. srovnávacím úseku (jedná se o přímý úsek komunikace s nulovým sklonem ve stejné šířkové kategorii se stejnými konstrukčními charakteristikami a při shodné intenzitě dopravního provozu).
Jejich hodnoty jsou dle konkrétního uspořádání komunikace a dopravního zatížení dosazeny do vztahu:

kde:     Kc je souhrnný koeficient nehodovosti,

            K1,K1 až Kn jsou tabelární hodnoty dílčích koeficientů.

Úsek komunikace se pak hodnotí dle následujících kritérií:

Tab. 5. 6. Hodnocení úseku komunikace na základě metody souhrnného koeficientu nehodovosti

Kc < 10

úsek je bezpečný

10 < Kb < 20

úsek je málo bezpečný

20 < Kb < 40

úsek je nebezpečný

Kb > 40

úsek je velmi nebezpečný

Výhodou metody souhrnného koeficientu nehodovosti je její všeobecná jednoduchost (hodnoty dílčích koeficientů lze dohledat v tabulkách) a to, že zohledňuje intenzity provozu na posuzovaných úsecích i vlivy technického stavu komunikace nebo jejího uspořádání v každém posuzovaném úseku. Mezi nevýhody lze však zařadit fakt, že podobně jako metoda koeficientu bezpečnosti neposkytuje údaje o počtu dopravních nehod za určité období.

5.7.3        Smeedův model pravděpodobného počtu usmrcených osob

Metoda britského prof. R. J. Smeeda, také nazývána Smeedův zákon (Smeed´s law), byla poprvé zveřejněna v 50. letech 20. století. Smeedův zákon definuje na základě vztahů mezi celkovým počtem registrovaných motorových vozidel a počtem obyvatel pravděpodobný počet osob usmrcených při dopravních nehodách. Empirická závislost mezi uvedenými faktory je dána vztahy  [17]:

kde:     D je pravděpodobný počet usmrcených osob,

            D/p je pravděpodobný počet usmrcených osob na jednoho obyvatele,

            n je počet registrovaných motorových vozidel a

            p je počet obyvatel.

Z uvedených vztahů (5.9) a (5.10) vyplývá, že nárůst počtu automobilů vede ke zvyšování počtu usmrcených osob na jednoho obyvatele, ale zároveň se snižuje počet usmrcených na jedno vozidlo.

V poslední době se však díky dopravní politice, která je stále více zaměřena na bezpečnost provozu a modernějším bezpečnostním prvkům ve vozidlech v porovnání s 50. lety 20. století, ukazuje, že Smeedův zákon v původní podobě již neodpovídá současným trendům, kdy i přes vzrůstající stupeň motorizace dochází ke stále méně dopravním nehodám s fatálními následky a jejich skutečný počet je nižší než pravděpodobný počet odhadnutý pomocí Smeedova pravidla. Proto dochází ke snahám Smeedův zákon upravit tak, aby více odpovídal současným trendům a bylo jej možno stále využít k dopravně – inženýrským analýzám (např. náhradou počtu registrovaných vozidel za ujetou vzdálenost na osobu, zahrnutím dalších ovlivňujících faktorů apod.).

5.7.4        Modely predikce počtu dopravních nehod

V první řadě je nutno si uvědomit, že jednotná metodika predikce počtu dopravních nehod v podstatě neexistuje. Každý model je použitelný vždy jen pro určitou oblast a jeho aplikace v jiných lokalitách může poskytovat zkreslené výsledky. Je to dáno především odlišnými zvyky řidičů a jejich chováním v dopravním provozu a v některých případech, zejména při aplikaci zahraničních modelů, také odlišnými návrhovými standardy.

Predikční modely, které se ve světě využívají lze v zásadě rozdělit do dvou základních skupin. Jedná se o:

  • modely predikující počet nehod na komunikacích,
  • modely predikující počet nehod na křižovatkách.

Obecně však mají predikční modely nehodovosti následující tvar [20]:

kde:     E (k) je očekávaný počet dopravních nehod,

            xi, kde (i=1, 2, 3, …, n) jsou rizikové faktory (proměnné veličiny) ovlivňující       nehodovost, jedná se o tzv. modifikační faktory a

            bj jsou koeficienty získané při kalibraci modelu na konkrétní lokalitu.

Tento obecný vztah (5.11) se používá pro stanovení počtu nehod za danou časovou jednotku (obvykle počet nehod za rok). Hlavním problémem při formulaci modelu je nalezení správných hodnot koeficientů b j. Rizikové faktory (modifikační) xi jsou pak faktory přímo ovlivňující nehodovost.

Mezi hlavní faktory patří:

  • intenzita dopravy,
  • délka posuzovaného úseku komunikace,
  • rychlostní limit nebo střední rychlost,
  • počet pruhů na komunikaci v obou směrech,
  • počet pruhů na komunikace v jednom směru,
  • šířkové uspořádání komunikace,
  • lokální omezení rychlosti,
  • počet křižovatek, sjezdů,
  • vybavenost komunikace pruhy nebo pásy pro cyklisty,
  • vybavenost komunikace chodníky,
  • existence středních dělících pásů,
  • možnost parkování v prostoru komunikace,
  • zastávky hromadné dopravy osob a
  • využití okolního území.

Jedná se pouze o základní výčet ovlivňujících elementů, jejichž počet se může v případě nestandardních podmínek navýšit (např. na křižovatkách o vliv počtu odbočovacích

pruhů, směrovacích a ochranných ostrůvků, existence SSZ nebo počtu větví, apod.). Základní vztahy mezi jednotlivými prvky vyjadřuje obr. 95 [21]. Nejsilnější míra korelace je vyjádřena spojnicemi s tloušťkou dle míry korelace. Znamená to, že např. vícepruhová komunikace znamená z hlediska dopravní nehodovosti zvýšené riziko. To se však významně snižuje realizací středních dělících pásů. Ze schématu je dále patrné, že hlavním faktorem ovlivňující bezpečnost na komunikace je intenzita provozu (RPDI).

Obr. 5. 6. Vzájemná míra ovlivnění (korelace) jednotlivých zařízení a opatření na komunikaci z hlediska dopravní nehodovosti.

Obr.5.7.Algoritmus při vytváření predikčního modelu pro komunikace nebo křižovatky (zdroj [19]).

Struktura procesu při vytváření modelu probíhá podle osvědčeného schématu (viz obr. 5.7). Jedná se dlouhodobý proces, zejména při formulaci modifikačních faktorů a procesu ověřování, kdy je třeba tyto kroky provádět na konkrétních komunikacích a křižovatkách za použití různých metod (Poissonova distribuce, lineární regrese a další) a kde se může osvědčit typologie dopravních nehod a kolizní diagramy.

  • modely predikující počet nehod na komunikacích

Existuje celá řada variací obecného vztahu pro predikci nehod. Od jednodušších modelů, kdy jako hlavní rizikový faktor je intenzita vozidel:

kde:     E (k) je očekávaný počet dopravních nehod,

            L je délka sledovaného úseku komunikace (km),

            Q je intenzita dopravy (nebo její funkční vyjádření, např. RPDI),

            xi, kde (i=1, 2, 3, …, n) jsou rizikové (modifikační) faktory ovlivňující nehodovost,

            a, b1, b2 a γi jsou koeficienty získané při kalibraci modelu na konkrétní lokalitu

•         příklady modelů predikující počet nehod na komunikacích

            kde:     E (k) je očekávaný počet dopravních nehod za den,

                        L je délka sledovaného úseku komunikace (km),

                        Q je intenzita dopravy (RPDI),

PHGV je procentuální podél těžkých nákladních vozidel.

 

  • modely predikující počet nehod na křižovatkách

I v případě modelů predikujících počet nehod na křižovatkách existuje celá řada variací obecného základního vztahu. Proti modelům predikující počet nehod na komunikacích zde vstupuje jako další proměnná intenzita dopravy na vedlejších větvích křižovatek. Jeden z nejvhodnějších modelů predikujících počet nehod na křižovatkách je (Mountain, Maher a Fawaz, 1998) dán vztahem:

kde:     E (k) je očekávaný počet dopravních nehod,

            L je délka sledovaného úseku komunikace (km),

            Q je intenzita dopravy (nebo její funkční vyjádření, např. RPDI),

            xi, kde (i=1, 2, 3, …, n) jsou rizikové (modifikační) faktory ovlivňující nehodovost,

            a, b1, b2 a γi jsou koeficienty získané při kalibraci modelu na konkrétní lokalitu

Jedná se o základní modely, používané pro predikci dopravních nehod. V současné době se vyvíjí metody založené např. pouze na lineární regresní analýze, nebo Poissonově rozdělení. Jedná se však o zdlouhavý proces, kdy je nutno výsledky predikce dlouhodobě ověřovat.

Literatura

[1]      Inteligentní dopravní systémy (Přibyl P. Svítek M., BEN, Praha, 2002)

[2]       Závěrečná zpráva projektu „ITS v dopravně-telekomunikačním prostředí ČR“ za rok         2001 (Svítek M. a kol., technická zpráva, www.lt.fd.cvu.cz. Praha, 2001).

[3]       Dopravní telematika – silnice a dálnice ČR, Technické podmínky (ELTODO EG a.s.,         zpracováno pro ŘSD, 2005)

[4]       Traffic Engineering (Roger P. Roess, Elena S. Prassas, William R. McShane, Pearson         Education, Inc.             2004)

[5]      Handbook of Transportation Engineering (edited by Myer Kutz, McGraw-Hill             (www.digitalengineeringlibrary.com), 2004)

[6]       Řídící systémy silniční dopravy (P. Přibyl, R. Mach, ČVUT, Praha, 2003)

[7]       Highway Capacity Manual (Transportatin Research Board, National Research         Council, Washington, D.C., 2000)

[8]       Traffic Flow Theory (Transportatin Research Board Special Report 165, National   Research Council, Washington, D.C.1975, updated version)

[9]       Handbook of Simulation: Principles, Methodology, Advances, Applications, and    Practice (edited by J. Banks, John Wiley & Sons, 1998)

[10]    Car-following: a historical review (Mark Brackstone, Mike McDonald, Department of        Civil and Environmental Engineering, Transportation Research Group, University of             Southampton, 1998)

[11]    Výzkum vstupních parametrů pro efektivní modelování a simulaci ITS služeb na bázi       proměnného dopravního značení v podmínkách České republiky (roční zpráva   projektu, 2008)

[12]    zákon č. 361/2000, Sb., o provozu na pozemních komunikacích a o změnách        některých zákonů, ve znění pozdějších předpisů a zákon č. 13/1997 Sb., o pozemních    komunikacích, ve znění pozdějších předpisů

[13]     Metodika identifikace a řešení míst častých dopravních nehod (ing. Josef Andres, CDV,   2001)

[14]     Dopravní stavby a systémy 20, 30 (Doc. Ing. Petr Slabý, Csc., Ing. Eva Dlouhá, Csc.,        skripta ČVUT)

[15]     Dopravné inžinierstvo (Doc. Ing. Viera Medelská, DrSc. a kol., Vydavateľstvo Alfa,          1991)

[16]     The Handbook of Traffic Engineering (edited by T.F.Fwa, CRC Press, Taylor &    Francis Group, 2006)

[17]     "Some statistical aspects of road safety research", Journal of the Royal Statistical   Society, Series A (R. J. Smeed, 1949)

[18]     www.czrso.cz (webové stránky: Observatoř bezpečnosti silničního provozu)

[19]     Prediction of the Expected Safety Performance of Rural Two-Lane Highways (US             Department of Transportation, Federal Highway Administration, Publication No.    FHWA-RD-99-207, 2000)

[20]     The Prediction of Accidents on Digital Networks_Charakteristic and Issues Related to        the Application of Accident Prediction Models (Dominique Lord, University of            Toronto, 2000)

[21]     Accident prediction models for urban roads (Poul Greibe, Danish Transport Research

            Institute, 2001)

Seznam obrázků

Obr. 3. 1.         Definice přepravně-dopravního řetězce

Obr. 3. 2.         Definice dopravní telematiky

Obr. 3. 3.         Hierarchická struktura ITS

Obr. 3. 4.         Hierarchická struktura ITS na úrovni města (zdroj: www.eltodo.cz)

Obr. 3. 5.         Informační tabule zobrazují aktuální informace o stavu dopravy, meteorologické informace nebo částečně navigují na objízdné trasy (zdroj: www.rsd.cz)

Obr. 3. 6.         Proměnné dopravní značení na dálnici (zdroj: www.rsd.cz)

Obr. 3. 7.         Operativní realizace mobilních bariér – řízení „přílivových“ pruhů

Obr. 4. 1.         Knihovna vozidel v prostředí AutoTURN a ověření průjezdu

Obr. 4. 2.         Použití modelu vzniku dopravy v prostředí VISUMu společnosti PTV AG (zdroj:   www.ptvag.com)

Obr. 4. 3.         Grafické rozhraní Edip – Ka využívá Microsoft Excel a umožňuje pohodlné zadávání vstupních parametrů

Obr. 4. 4.         Detailní mikrosimulace v prostředí VISSIMu společnosti PTV AG (zdroj: www.ptvag.com)

Obr. 4. 5.         Hierarchie modelů dle zobrazení detailu

Obr. 4. 6.         Třídimenzionální model základních charakteristik dopravního proudu

Obr. 4. 7.         2D model základních charakteristik dopravního proudu

Obr. 4. 8.         Původní měřená data v Greenshieldsově modelu (zdroj: [8])

Obr. 4. 9.         Původní měřená data v Greenhieldsově modelu s aplikací grafu intenzita x hustota (zdroj: [8])

Obr. 4. 10.       Původní měřená data v Greenshieldsově modelu s aplikací grafu rychlost x intenzita (zdroj: [8])

Obr. 4. 11.       Greenbergův logaritmický model (zdroj: [8])

Obr. 4. 12.       Underwoodův exponenciální model (zdroj: [8])

Obr. 4. 13.       Pipesův zobecněný model (zdroj: [6])

Obr. 4. 14.       Edieho dvourežimový zobecněný model (zdroj: [6])

Obr. 4. 15.       Grafické schéma měření časových a délkových mezer

Obr. 4. 16.       Diagram „dráha – čas“ vyjadřující pohyb vozidel

Obr. 4. 17.       Schéma základních vstupních parametrů „car – following“ modelu

Obr. 4. 18.       Psycho – fyzikální model v diagramu zobrazujícím délkovou mezeru a změnu rychlosti vyjadřuje změnu vzdálenosti mezi vedoucím a následujícím vozidlem

Obr. 4. 19.       Modelování jízdních pruhů a pohybů v křižovatce pomocí celulárního automatu

Obr. 4. 20.       Zobrazení dopravní sítě v EMME/2 (zdroj: www.calido.com).

Obr. 4. 21.       Průběh simulačního studie (zdroj: [9])

Obr. 5. 1.         Postup při analýze dopravních nehod (zdroj: [13])

Obr. 5. 2.         Porovnání kolizních bodů průsečné a okružní křižovatky

Obr. 5. 3.         Příklad kolizního diagramu

Obr. 5. 4.         Ukázky piktogramů z typologického katalogu dopravních nehod (typ 133 – kolize najetím na jedoucí   vozidlo; typ 411 – kolize při odbočování) (zdroj: [13])

Obr. 5. 5.         Podíl jednotlivých faktorů na vzniku dopravní nehody (zdroj [13])

Obr. 5. 6.         Vzájemná míra ovlivnění (korelace) jednotlivých zařízení a opatření na komunikaci z hlediska dopravní nehodovosti

Obr. 5. 7.         Algoritmus při vytváření predikčního modelu pro komunikace nebo křižovatky (zdroj [19])

 

Seznam tabulek

Tab. 5. 1.         Počet kolizních bodů v křižovatkách dle počtu větví

Tab. 5. 2.         Značky a symboly požívané v kolizních diagramech.

Tab. 5. 3.         Typologie dopravních nehod (zdroj: [13])

Tab. 5. 4.         Orientační hodnoty ztrát z jedné nehody (zdroj: [13])

Tab. 5. 5.         Hodnocení úseku komunikace na základě metody koeficientu bezpečnosti.

Tab. 5. 6.         Hodnocení úseku komunikace na základě metody souhrnného koeficientu nehodovosti

 

Přehled vztahů

(4.1)    Vztah mezi základními parametry dopravního proudu

(4.2)    Greenshieldsův model – vztah mezi rychlostí a hustotou je vyjádřen rovnicí

(4.3)    Greenshieldsův model – vztah mezi intenzitou a hustotou

(4.4)    Greenshieldsův model – vztah mezi intenzitou a rychlostí

(4.5)    Greenbergův model – vztah mezi rychlostí a hustotou

(4.6)    Underwoodův model – vztah mezi rychlostí a hustotou

(4.7)    Pipesův model – základní vztah

(4.8)    Drewův zobecněný model – základní vztah

(4.9)    „car – following“ model – obecné vyjádření zrychlení vozidla

(4.10) GHR model – základní vztah

(4.11) model „bezpečné vzdálenosti“ – základní vztah

(4.12) lineární model (Helly, 1959) – zrychlení

(4.13) lineární model (Helly, 1959) – vzdálenost mezi vozidly

(5.1)    Ukazatel relativní nehodovosti pro mezikřižovatkové úseky

(5.2)    Ukazatel relativní nehodovosti pro křižovatky

(5.3)    Ukazatel hustoty nehod

(5.4)    Číslo závažnosti nehod

(5.5)    Střední závažnost nehod

(5.6)    Relativní stupeň bezpečnosti

(5.7)    Koeficient bezpečnosti

(5.8)    Souhrnný koeficient nehodovosti

(5.9)    Smeedův model pravděpodobného počtu usmrcených osob – pravděpodobný počet usmrcených osob

(5.10)  Smeedův model pravděpodobného počtu usmrcených osob – pravděpodobný počet usmrcených osob na jednoho obyvatele

(5.11)  Obecný tvar predikčních modelů nehodovosti

(5.12)  Obecný vztah pro predikci nehod – varianty 

(5.13) Obecný vztah pro predikci nehod – varianty

(5.14)  příklady modelů predikující počet nehod na komunikacích – Model pro rakouské dálnice

(5.15)  příklady modelů predikující počet nehod na komunikacích – Model pro nizozemské dálnice

(5.16)  model predikující počet nehod na křižovatkách

(5.17)  model predikující počet nehod na křižovatkách

There are currently no posts in this category.