Macro-level collision prediction models for evaluating neighbourhood traffic safety

    loading  Checking for direct PDF access through Ovid

Abstract

This study describes the development of macro-level (i.e., neighbourhood or traffic zone level) collision prediction models using data from 577 neighbourhoods across the Greater Vancouver Regional District. The objective is to provide a safety planning decision-support tool that facilitates a proactive approach to community planning which addresses road safety before problems emerge. The models are developed using the generalized linear regression modelling (GLM) technique assuming a negative binomial error structure. The resulting models relate traffic collisions to neighbourhood characteristics such as traffic volume, demographics, network shape, and transportation demand management. Several models are presented for total or severe collisions in rural or urban zones using measured and (or) modelled data. It is hoped that quantifying a predictive traffic safety – neighbourhood planning relationship will facilitate improved decisions by community planners and engineers and, ultimately, facilitate improved neighbourhood traffic safety for residents and other road users.

Cette étude décrit le développement de modèles de prédiction des collisions à un macro-niveau (c.-à-d. au niveau de la zone de voisinage ou circulation) en utilisant les données provenant de 577 voisinages de la région métropolitaine de Vancouver. L'objectif est de fournir un outil d'aide à la décision en planification de la sécurité qui facilite une approche proactive de la planification des communautés et qui aborde la sécurité routière avant que les problèmes ne surgissent. Les modèles sont développés en utilisant une modélisation de régression linéaire généralisée (GLM) avec l'hypothèse d'une structure d'erreur binomiale négative. Les modèles qui en sont tirés associent les collisions aux caractéristiques des voisinages telles que le volume du trafic, la démographie, la forme du réseau et la gestion de la demande en transport. Plusieurs modèles sont présentés pour des collisions totales ou graves dans les zones urbaines ou rurales en utilisant les données mesurées et (ou) modélisées. La quantification d'une relation prédictive de la sécurité du trafic – planification des voisinages devrait faciliter la prise de décisions éclairées par les planificateurs communautaires et des ingénieurs et, en bout de ligne, cette quantification devrait améliorer la sécurité routière dans les voisinages pour les résidents et les usagers de la route. [Traduit par la Rédaction]

Related Topics

    loading  Loading Related Articles