Time series models for road safety accident prevention

Abstract

In dit overzichtsrapport wordt een kritische blik geworpen op de variëteit aan prognosemodellen die er bestaan in de literatuur en welke bruikbaar kunnen zijn voor het maken van voorspellingen omtrent de evolutie in de tijd van verkeersongevallen. Er wordt hierbij de nadruk gelegd op gedisaggregeerde analyse, oftewel analyse gericht op verschillende subgroepen uit de verkeersveiligheidpopulatie. Naast de klassieke tijdreeksmodellen en modellen voor discrete waardes komen de moderne en krachtige state-space modellen aan bod. Deze blijken bijzonder geschikt om verder te gebruiken bij toekomstige modelberekeningen. Ook aspecten die te maken hebben met de beschikbaarheid van benodigde gegevens worden verder besproken waarna een algemeen besluit wordt gevormd met betrekking tot de selectie van geschikte prognosemodellen die toelaten om analyses omtrent verkeersveiligheid in de toekomst voor verschillende subgroepen in Vlaanderen uit te voeren.

In the present report we aim at providing a critical view to some existing time-series models for road safety accident prediction in order to allow for a better picture of the wide scope of the problem and also to be able to criticize approaches. A special focus is given to models that allow for disaggregate analysis, i.e. analysis that focus on different subgroups of the road safety population. Apart from simple time series models and discrete valued models, the currently fashionable and powerful state space models are investigated in more detail as they prove to be a promising technique for further analysis. Some issues related to data availability are also discussed. Conclusions and general comments with respect to the selection of appropriate models to forecast accident rates for different groups in Flanders for the forthcoming years are given.