Nutzung von Bremsdaten zur Vorhersage von Auffahrunfällen: Eine Initiative zur Verkehrssicherheit in Zürich

Einführung

Kollisionen sind im Kanton Zürich zum Glück recht selten. Die WHO hat die Schweiz in einem Bericht aus dem Jahr 2018 zum sichersten Land der Welt (mit mehr als einer Million Einwohnern) erklärt, wenn es um die Zahl der Verkehrstoten pro Kopf geht, und Zürich ist da keine Ausnahme. Dieser Rekord ist nicht zuletzt der Arbeit von Dr. Wernher Brucks zu verdanken, der seit 2006 für die Verkehrssicherheit in der Stadt zuständig ist.

‍

Einige Jahre nach seinem Amtsantritt kamen Bike- und Scooter-Sharing-Dienste in Zürich auf. Dr. Brucks sah eine Lücke zwischen der bestehenden Infrastruktur und den Bedürfnissen dieser neuen Fahrzeuge - ein Risiko für die hohen Sicherheitsstandards seiner Stadt. Er schloss sich daher mit Vianova zusammen, um die neuen Anbieter zu überwachen und zu regulieren. Nach jahrelanger erfolgreicher Zusammenarbeit beschloss Vianova, den Sandkasten der Mikromobilität zu verlassen und sich auf Dr. Brucks' Spezialgebiet, die Verkehrssicherheit, zu konzentrieren. Ziel ist es, sein Fachwissen in der Visualisierung großer Mengen von GIS-Daten auf einen Bereich anzuwenden, in dem traditionell qualitative Daten vorherrschen. 

‍

Die Argumentation lautet wie folgt: 1) Unfälle ereignen sich dort, wo Menschen ein riskantes Fahrverhalten an den Tag legen, 2) riskantes Fahrverhalten wird zum Teil durch die Merkmale der Straße, auf der man fährt, verursacht und tritt daher geografisch konzentriert auf, 3) mit der Fülle an Fahrzeugdaten, die uns zur Verfügung stehen, können wir Hotspots für riskantes Verhalten und damit potenzielle Unfälle identifizieren. Diese Hypothese ist in der Theorie intuitiv, aber in der Praxis schwer umzusetzen: Unfälle ereignen sich in der Regel aus einigen wenigen spezifischen Gründen und nicht aus einer Anhäufung von groben Indikatoren. Die Vorhersage von Einzelfällen ist aufgrund der relativen Seltenheit von Unfällen praktisch unmöglich. Stattdessen versuchen wir, einen Indikator für riskante Straßenabschnitte zu finden. 

‍

‍

Einrichtung

Um unsere Analyse zu präzisieren, konzentrieren wir uns auf eine häufige Unfallart: Auffahrunfälle. In einem ersten Schritt versuchen wir, eine Kennzahl zu finden, die in Gebieten, in denen es bekanntermaßen häufig zu solchen Ereignissen kommt, besonders ausgeprägt ist. Die Intensität dieser Kennzahl würde das Risiko in diesem Zusammenhang anzeigen. In einem zweiten Schritt wird geprüft, ob diese Kennzahl eine Vorhersagekraft besitzt: Würden andere Gebiete mit einer hohen Intensität auch viele Auffahrunfälle aufweisen? 

‍

‍

Vorhandene Hotspots

Die Stadt Zürich hat uns 7 Orte in der Stadt zur Verfügung gestellt, die in den letzten fünf Jahren als Hotspots für solche Kollisionen galten (Karte 1). Alle diese Hotspots befanden sich entweder an Kreuzungen, Rampen oder Einmündungsbereichen.

‍

‍

Diese Straßen sind von Natur aus anfälliger für Auffahrunfälle als ein durchschnittlicher Straßenabschnitt. Um dem Rechnung zu tragen, haben wir sie mit einer Kontrollgruppe verglichen: nicht im exakten wissenschaftlichen Sinne, sondern einfach durch Betrachtung der benachbarten Abschnitte, von denen viele auch Rampen, Kreuzungen und Einmündungen sind.

‍

Nachdem wir das Auftreten von sehr schweren Brüchen in diesen Gebieten getestet haben, werden wir hoffentlich eine höhere Dichte in den bekannten Hotspot-Segmenten feststellen.

‍

‍

Vernetzte Fahrzeugdaten 

Die Daten enthalten auch die Geschwindigkeit des Fahrzeugs, das Datum und andere Informationen. Wir beschränken uns jedoch auf die Variable, die uns interessiert, nämlich den Bremsdruck. Die folgende Tabelle zeigt die Verteilung dieser Variable auf die Straßenabschnitte innerhalb unserer ersten Testzonen. Ein Bremsdruck von mehr als 10 wird in der Regel als scharfes Bremsen angesehen, so dass etwa 16 % der beobachteten Ereignisse in diese Kategorie fallen. Zusätzlich habe ich zwei weitere Kategorien mit einem Bremsdruck von 20 und 30 eingeführt, deren jeweiliger Anteil in der Tabelle darunter angegeben ist. Die Ereignisse der Kategorie der stärksten Bremsung machen nur etwas mehr als 3 % der gesamten Bremsereignisse aus. Es handelt sich also um ein recht spezifisches und seltenes Ereignis. Gleichzeitig ist die Gesamtzahl (etwa 2,7k) immer noch ein Vielfaches der Gesamtzahl der Kollisionen.

Ergebnisse

Der Bremsdruck zeigte in mehrfacher Hinsicht eine hohe Korrelation mit historischen Unfällen, von denen einer besonders auffiel: Die Kategorie "sehr starkes Bremsen" mit einem Bremsdruck von über 30. Nimmt man nur Werte über 30 und betrachtet diese als "extrem starkes Bremsen", so ist die Übereinstimmung von Orten mit häufigem Auftreten dieses Ereignisses und historischen Aufzeichnungen von Auffahrunfällen die höchste unter den drei beobachteten Kategorien.

‍

Die folgende Karte zeigt die Häufigkeit der sehr starken Bremsungen (über 30) pro Straßenabschnitt: Je dunkler das Segment ist, desto mehr solcher Ereignisse wurden insgesamt beobachtet.

‍

‍

5 von 7 Hotspots wiesen im Vergleich zu den umliegenden Straßenabschnitten eine deutlich erhöhte Häufigkeit von sehr schweren Bremsungen auf. Die umliegenden Straßenabschnitte sind oft von ähnlicher Art, d. h. Rampen und Einmündungen, was sie zu einer aussagekräftigen Kontrollgruppe und das Ergebnis relevant macht.

‍

Bemerkenswert ist auch, dass diese Segmente keine besonders hohen Werte bei anderen potenziellen Risikoindikatoren wie Geschwindigkeitsüberschreitungen aufwiesen. Im Gegenteil, die Durchschnittsgeschwindigkeit war auf den umliegenden Abschnitten höher als auf dem Hotspot-Segment. Dies lässt sich wahrscheinlich dadurch erklären, dass Geschwindigkeit und schnelle Abbremsung nicht immer zusammenhängen. 

Im letzten Teil der Studie mussten wir nun testen, ob unsere Methodik auch an unbekannten Hotspots funktioniert. Zu diesem Zweck ermittelten wir 7 Straßenabschnitte in der Stadt, auf denen es häufig zu sehr starken Bremsungen kam. Ohne zu wissen, an welchen anderen Orten die Zahl der Auffahrunfälle erhöht war, haben wir die ausgewählten Abschnitte Dr. Wernher Brucks vorgelegt und ihn um seine Meinung gebeten.

‍

Die darunter liegende Karte zeigt die Auswahl der Straßenabschnitte, die für den Feedback-Zyklus ausgewählt wurden: Sie alle wiesen im Beobachtungszeitraum mehr als 200 sehr starke Bremsvorgänge auf.

‍

In der Diskussion mit Dr. Brucks über diese neu identifizierten "Risiko-Hotspots" räumte er ein, dass einige von ihnen tatsächlich eine höhere Auffahrunfallrate aufwiesen als andere Straßenabschnitte. Die Gründe dafür seien jedoch häufig in der Gestaltung und Lage der Straßen zu suchen: Viele von ihnen enthalten Infrastrukturelemente wie Ampeln, Fußgängerüberwege oder Rampen. Hotspots für Auffahrunfälle, die diese Merkmale nicht aufwiesen, konnten nicht durchgängig allein anhand des Bremsdrucks erkannt werden. Darüber hinaus besteht die Möglichkeit, den Unterschied zwischen der absoluten und der relativen Häufigkeit von Vollbremsungen zu untersuchen: Laut Dr. Brucks ist die letztere Kategorie die interessantere, da sie aus der Sicht eines Verkehrsleiters eher einen blinden Fleck darstellt.

‍

‍

Schlussfolgerung

Unsere Studie hat erfolgreich einen Zusammenhang zwischen sehr starken Bremsvorgängen und Auffahrunfällen in Zürich festgestellt. Dies ist zwar ein vielversprechender Anfang für weitere Forschungen, aber es gibt weiterhin Möglichkeiten, die Qualität unserer Datenprodukte zu verbessern. . Die gewonnenen Erkenntnisse lassen sich unter zwei Hauptpunkten zusammenfassen:

‍

1. Identifizierung riskanter Straßenabschnitte: Durch die Nutzung von Fahrzeugbremsdruckdaten konnten wir bestimmte Straßenabschnitte mit einer hohen Häufigkeit von sehr starken Bremsvorgängen ermitteln, insbesondere solche mit einem Druck von über 30. Diese Messgröße erwies sich als zuverlässiger Indikator für das Risiko von Auffahrunfällen, da sie eine aussagekräftige Beziehung zwischen Floating-Car-Data-Ereignissen (FCD) und Kollisionen herstellt, die für laufende Analysen relevant ist.

‍

2. Proaktive Risikoermittlung: Durch weitere Untersuchungen kann unsere Methodik erweitert werden, um Bereiche zu ermitteln, in denen noch keine Kollisionen stattgefunden haben, in denen aber Risikofaktoren vorhanden sind. Dieser proaktive Ansatz kann die Straßenverkehrssicherheit erhöhen, indem potenzielle Gefahren angegangen werden, bevor es zu Unfällen kommt.

‍

Wenn Sie mehr über die mit unseren Datenprodukten verbundene Methodik erfahren möchten, finden Sie in unseren Whitepapers Erläuterungen zu unseren philosophischen und technischen Ansätzen.

‍

‍

Möchten Sie mehr erfahren? 

Fordern Sieeine Produktdemo an oder erfahren Sie mehr darüber, wie mehr als 100 Städte auf der ganzen Welt die Tools von Vianova nutzen, um Mobilitätsdaten in verwertbare Erkenntnisse umzuwandeln. Besuchen Sie unsere Seite und nehmen Sie Kontakt auf!