Gehanteerde beslissingscriteria bij de heraanleg van gevaarlijke punten: Een empirische analyse aan de hand van classificatiebomen

Abstract

Op basis van ongevallengegevens werden op het Vlaamse wegennet locaties met een hoog ongevalsrisico geïdentificeerd, de zogenaamde gevaarlijke punten. De Vlaamse overheid heeft zich geëngageerd om 800 van deze gevaarlijke punten te analyseren en infrastructureel aan te passen om de verkeersveiligheid te verbeteren. Om het analyseproces van deze punten te vergemakkelijken werd het “Vademecum Veilige Wegen en Kruispunten” opgesteld door het Agentschap Wegen en Verkeer (AWV), waarin een kader van werkwijzen en principes aangereikt wordt. Dit resulteerde in een beslissingsboom. De bedoeling van dit rapport is het in kaart brengen van de werkelijke keuzes die door de beslissingnemers werden gemaakt bij de herinrichting van de gevaarlijke punten, en deze te vergelijken met de door de leidraad voorgestelde beslissingsboom.

De door het vademecum voorgestelde beslissingsboom bestaat uit drie stappen. Het proces begint met een verkeersveiligheidsanalyse op basis van de Aanpak van VerkeersOngevallen Concentraties (AVOC) methode. In de tweede stap wordt de verkeersplanologische en ruimtelijke context in het proces betrokken. Het gaat dan om de wegcategorisering enerzijds, en het feit of men zich binnen de bebouwde kom of buiten de bebouwde kom bevindt. Op basis hiervan worden een aantal mogelijke typeoplossingen naar voor geschoven. De derde stap is een verkeerskundige en ruimtelijk-fysische analyse waarbij deze typeoplossingen getoetst worden aan de verkeersintensiteiten en ruimtelijke randvoorwaarden.

Beslissingsboomanalyse is een dataminingtechniek die toont hoe de waarde van een afhankelijke variabele voorspeld kan worden op basis van de waarden van een set van onafhankelijke variabelen, en geeft deze relaties visueel weer in een boomvorm. Hierbij wordt de beschikbare dataset telkens gesplitst op basis van de onafhankelijke variabele die de beste (meest homogene) verdeling in twee groepen oplevert.

Uit de analyses blijkt dat de intensiteit een cruciale variabele is bij de bepaling van de kruispuntoplossing. Bij een hoge intensiteit zal vaak gekozen worden voor een conflictvrije verkeersregelinstallatie (VRI) of een kruispuntoplossing waarbij kruisende stromen vermeden worden. Bij lagere intensiteitswaarden komen meestal andere kruispunttypes naar voren, zoals een klassieke VRI of een voorrangsgeregeld kruispunt. De leidraad adviseert echter dat men vertrekt vanuit de wegcategorisering. In de praktijk blijkt men dus eerder te vertrekken vanuit de bestaande situatie dan vanuit het verkeersplanologische wensbeeld. Een tweede belangrijke vaststelling is dat vaak het bestaande kruispunttype behouden blijft bij de herinrichting. De herinrichting van gevaarlijke punten komt dus vaak neer op aanpassingen binnen eenzelfde kruispunttype. Ondanks het feit dat het afwegingsproces in werkelijkheid afwijkt van de structuur die voorgesteld is in de beslissingsboom van de handleiding, blijkt het gekozen kruispunttype na de herinrichting toch zeer vaak overeen te stemmen met de voorgestelde types in de tabel met typeoplossingen.

Based on accident registration, Flemish roads locations with a high accident risk have been identified, the so-called hot spots. The Flemish government has committed itself to investigate and adjust 800 of these locations to improve road safety. To facilitate the process of analysis for these locations, the Agentschap Wegen en Verkeer (AWV) of the Flemish Ministry of Mobility and Public Works formulated a manual to provide the government with a framework of methods and principles, which resulted in a decision tree. The intention of this report is to discover the actual choices decision makers have made for the adjustment of the hot spots, and compare these with the decision tree that is proposed by the AWV manual.

The decision tree proposed by the AWV manual consists of three steps. The procedure starts with a traffic safety analysis based on the AVOC-method (Approach for dealing with Accident Concentration Locations). In the second step, the transportation planning and spatial context are involved in the process. This is about the road classification, and whether the hot spot is located within a built-up area or not. Based on this, a number of configuration types are proposed. In the third step, these configuration types are checked with the traffic flows and spatial preconditions of the location.

Decision tree analysis is a data mining technique that indicates how the value of a dependent variable can be predicted based on the values of a set of independent variables. It visualizes these relations in a tree structure. The available dataset is repeatedly split based on the independent variable that provides the best (most homogeneous) split in two subgroups.

The analyses show that the traffic volume is a crucial variable for determining the configuration of the location. In case of a high traffic volume, a conflict-free traffic light regulation or a configuration that avoids crossing traffic flows is often chosen. In case of a lower traffic volume, traffic signals or a priority-rule intersection are often preferred. However, the AWV manual advises to start from the road classification. So, in practice, decision-makers often start from the current situation, rather than from the transportation planning ideal. A second important finding is that the existing configuration type is often maintained during the adjustment process. So, the adjustment of these hot spots often involves modifications to the existing layout of the location. Despite the fact that the decision making process in reality does not correspond with the structure that is proposed by the manual, the chosen intersection type after the reconstruction very often corresponds with the table of prototype solutions.