Das Radverkehrsaufkommen in Deutschland verzeichnete in den letzten Jahren einen Zuwachs, was sich im Umkehrschluss ebenfalls im Anstieg des Unfallgeschehens mit Radfahrendenbeteiligung widerspiegelt. Um den steigenden Unfallzahlen entgegenzuwirken, empfehlen Politik und Verbände v.a. Infrastrukturmaßnahmen zu ergreifen. Davon ausgehend untersucht die vorliegende Arbeit beispielhaft für die Stadt Dresden, wie sich einzelne Infrastrukturmerkmale auf das Unfallgeschehen zwischen Rad- und motorisiertem Verkehr auswirken. Die Datengrundlage der Untersuchung stellen dabei 548 Unfälle mit Radfahrendenbeteiligung aus den Jahren 2015 bis 2019 sowie die Merkmale von 484 Knotenpunktzufahrten dar. Da die Infrastruktur das Unfallgeschehen nicht allein determiniert, werden zudem Kenngrößen des Verkehrsaufkommens einbezogen. Um das Unfallgeschehen zu untersuchen, kommen das Random Forest-Verfahren sowie die Negative Binomialregression in Form von 'Accident Prediction Models' mit vorheriger Variablenselektion anhand des LASSO-Verfahrens zum Einsatz. Die Verfahren werden jeweils auf zwei spezielle Unfalltypen für Knotenpunkte angewandt, um differenzierte Ergebnisse zu erlangen. Der erste Unfalltyp 'Abbiege-Unfall' umfasst dabei Kollisionen zwischen einem rechtsabbiegenden und einem in gleicher oder entgegengesetzter Richtung geradeausfahrenden Beteiligten, während der zweite Unfalltyp 'Einbiegen-/Kreuzen-Unfall' Kollisionen zwischen einem vorfahrtsberechtigten Verkehrsteilnehmenden und einem einbiegenden oder kreuzenden Wartepflichtigen beinhaltet. Für den Unfalltyp 'Abbiege-Unfall' zeigen die Verfahren bspw., dass eine über den Knotenpunkt komplett oder teilweise rot eingefärbte Radfahrfurt sowie eine indirekte Führung des linksabbiegenden Radverkehrs anstelle dessen Führung im Mischverkehr höhere Unfallzahlen erwarten lässt, wobei letzteres für den untersuchten Sachverhalt irrelevant erscheint und damit auf eine Schwäche bei der Variableneinbeziehung hindeutet. Im Gegensatz dazu schätzen die Verfahren für den Unfalltyp 'Einbiegen-/Kreuzen-Unfall' bspw. höhere Unfallzahlen, wenn die Anzahl der Geradeausfahrstreifen einer Zufahrt zunimmt und wenn der Knotenpunkt durch das Verkehrszeichen Z205 bzw. eine Teil-Lichtsignalanlage anstelle der Vorschrift Rechts-vor-Links geregelt wird. Zudem zeigen die Verfahren bei beiden Unfalltypen zumeist, dass die Zahl der Unfälle ab einem bestimmten Verkehrsaufkommen weniger stark ansteigt. Dieses Phänomen ist in der Wissenschaft unter dem Namen 'Safety in Numbers-Effekt' bekannt. Ein Vergleich der Modellgüten zwischen den Unfalltypen zeigt zudem, dass beide Verfahren mit ihrem Modell des Unfalltyps 'Abbiege-Unfall' bessere Vorhersagen generieren als mit ihrem Modell des Unfalltyps 'Einbiegen-/Kreuzen-Unfall'. Weiterhin unterscheiden sich die Modellgüten nach Unfalltyp nur geringfügig zwischen beiden Verfahren, weshalb davon ausgegangen werden kann, dass beide Verfahren qualitativ ähnliche Modelle des entsprechenden Unfalltyps liefern.:1 Einleitung
2 Literaturüberblick
2.1 Safety in Numbers-Effekt
2.2 Einflussfaktoren von Radverkehrsunfällen
3 Grundlagen der Unfallforschung
3.1 Unfallkategorien
3.2 Unfalltypen
4 Datengrundlage
4.1 Unfalldaten
4.2 Infrastrukturmerkmale
4.3 Überblick über verwendete Variablen
5 Methodik
5.1 Korrelationsbetrachtung
5.2 Random Forest
5.2.1 Grundlagen
5.2.2 Random Forest-Verfahren
5.2.3 Modellgütekriterien
5.2.4 Variablenbedeutsamkeit
5.3 Negative Binomialregression
5.3.1 Grundlagen
5.3.2 Accident Prediction Models
5.3.3 Variablenselektion
5.3.4 Modellgütekriterien
5.3.5 Variablenbedeutsamkeit
5.3.6 Modelldiagnostik
6 Durchführung und Ergebnisse
6.1 Korrelationsbetrachtung
6.2 Random Forest
6.2.1 Modellgütekriterien
6.2.2 Variablenbedeutsamkeit
6.3 Negative Binomialregression
6.3.1 Variablenselektion
6.3.2 Modellgütekriterien
6.3.3 Variablenbedeutsamkeit
6.3.4 Modelldiagnostik
6.4 Vergleich beider Verfahren
6.4.1 Modellgütekriterien
6.4.2 Variablenbedeutsamkeit und Handlungsempfehlungen
6.5 Vergleich mit Literaturerkenntnissen
7 Kritische Würdigung
8 Zusammenfassung und Ausblick
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:73500 |
| Date | 25 January 2021 |
| Creators | Martin, Jacqueline |
| Contributors | Okhrin, Iryna, Hantschel, Sebastian, Okhrin, Ostap, Gerike, Regine, Technische Universität Dresden |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:masterThesis, info:eu-repo/semantics/masterThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0127 seconds