Winnend paper breekt lans voor proactief aanpakken verkeersonveiligheid

Ook Rotterdam hanteert een milieuzone. FOTO VerkeersNet

Het paper Verkeersveiligheidsmodel – proactief en risicogestuurd werken aan verkeersveiligheid, geschreven door de afdelingen mobiliteit en onderzoek van de gemeente Rotterdam, is donderdag tijdens het Nationaal Verkeerskunde Congres in Den Haag bekroond tot beste bijdrage. Wat is het idee achter het model, ‘het eerste in Nederland’?

De traditionele aanpak bij het verbeteren van verkeersveiligheid is ‘onvoldoende’, stellen medewerkers van de afdelingen mobiliteit en onderzoek en business intelligence in het paper. Die traditionele aanpak is reactief: na een ongeval vindt een analyse plaats en wordt onderzocht hoe dit ongeval kon gebeuren en welke oplossingen er nodig zijn om herhaling te voorkomen. Vandaag de dag, zo schrijven ze, is er een ‘groeiende behoefte’ om van een reactieve tot een proactieve en risicogestuurde aanpak te komen. Dit is ook een kernelement in de eind vorig jaar door de minister gepresenteerde het Strategisch Plan Verkeersveiligheid 2030.

Hedendaagse technieken en de beschikbaarheid van grote hoeveelheden (big) data bieden steeds meer mogelijkheden om op risico’s te sturen. Maar hoe hoe kom je tot een praktische werkwijze? Met die vraag zijn beide afdelingen aan de slag gegaan. Het resultaat is het Verkeersveiligheidsmodel. Hiermee kun je de veiligheid van het wegennetwerk in Rotterdam bepalen én sturen met behulp van op data gebaseerde risico’s. De gemeente is, volgens de ontwikkelaars, de eerste wegbeheerder in Nederland met zo’n instrument.

Machine learning

Ze hebben het afgelopen anderhalf jaar in eigen beheer en met eigen data en kennis ontwikkeld. Specialisten op het gebied van verkeersveiligheid en verkeersdata werkten hiervoor samen met het gemeentelijke Data Science Team. Het bedrijf Welance.io, bracht kennis in op het gebied van machine learning.

Tekst gaat verder onder de Tweet.

In het Verkeersveiligheidsmodel ligt de nadruk op aanpassingen in de infrastructuur, en niet op het beïnvloeden van het gedrag van verkeersdeelnemers. “Een belangrijke reden voor deze keuze is de beschikbaarheid van grote hoeveelheden objectieve data op dat vlak”, motiveren de ontwikkelaars. In totaal zijn circa 1500 variabelen meegenomen. Hierin zitten gegevens over onder meer het wegennetwerk, geregistreerde ongevallen, verkeersintensiteiten en -samenstelling, snelheidsregimes, weginrichting en omgevingsfactoren.

Nieuwe mogelijkheden

Door het zelflerende algoritme kunnen gebruikers voorspellingen doen. Via een overzichtelijke gebruikersapplicatie krijgen ze mogelijkheden als: het proactief signaleren van potentieel onveilige locaties, het berekenen van het effect van verkeerskundige ingrepen en het analyseren van de belangrijkste Safety Performance Indicators (SPI’s, risico’s voor verkeersonveiligheid).

Het Verkeersveiligheidsmodel is getest en bleek goed te werken. De komende tijd zet de gemeente in op verdere (wetenschappelijke) validatie. Hiervoor is onder meer een klankbordgroep opgericht met experts van CROW, SWOV en Rijkswaterstaat. De eerste versie van het model is inmiddels klaar voor gebruik.

Auteur: Jan Pieter Rottier

Reageren op dit artikel is niet mogelijk.