3.4.2 Косвенные меры бдд

Такие меры также могут применяться для оценки или мониторинга состояния аварийности на уличной сети. Такие меры известны под названием «суррогатные» и применяются когда нет данных о частоте ДТП, или эти данные известны только за короткое время и т.д. Преимуществом суррогатных мер является то, что с их помощью можно спрогнозировать появление опасных участков и заблаговременно принять соответствующие меры. На практике используются два типа суррогатных мер:

1. Основанные на событиях, которые приводят или предшествуют возникновению ДТП. Например, одновременное конфликтное движение налево со встречным прямоидущим.

2. Подразумевают наличие причинно-следственных связей между событием и ожидаемой частотой ДТП. Например, долю лиц, пользующихся ремнями безопасности можно использовать для оценки тяжести последствий ДТП.

Преимуществом непрямых мер является то, что их можно использовать до появления ДТП, недостатком – то, что не всегда используемые зависимости точны (см. главу 3 приложение D).

3.4.3 Оценка аварийности статистическими методами

Статистические модели с использованием регрессионного анализа были разработаны для избавления от недостатков описанных выше методов. Эти модели адресованы эффекту смещения к среднему, но также позволяют оценивать среднюю частоту аварийности не только для существующих дорожных условий, но и при их изменении вследствие реконструкции дороги или при ее проектировании.

Как и все статистические методы, используемые для оценки, надежность модели зависит от качества исходных данных, а также ее калибровки. В дополнение к статистическим моделям, базирующимся на исходных данных, взятых с разных мест со схожими характеристиками, достоверность оценки ДТП повышается, когда исходные данные с разных мест включены в результаты оценки модели.

Существует несколько статистических методов для комбинированной оценки аварийности на основе накопленных данных о ДТП в каком-либо месте или на объекте:

- эмпирический метод Байеса;

- иерархический метод Байеса;

- полный метод Байеса.

На основании этих методов имея исходные данные можно разрабатывать различные статистические модели. В HSM рассматривается эмпирический метод Байеса как часть процесса прогнозирования (см. часть «С»). Явное преимущество эмпирического метода Байеса заключается в том, что однажды изданная модель для определенных условий, может использоваться на схожих объектах. Остальные два метода Байеса в HSM не рассматриваются.

3.4.4 Описание структуры hsm

В разделах 3.3-3.4.3 обсуждались ограничения, относящиеся к использованию данных о произошедших ДТП при анализе аварийности, а также эволюция методов оценки аварийности. HSM было разработано из-за необходимости разработки стандартизированного подхода к оценке и прогнозированию ДТП различными специалистами в области транспорта, с учетом ограничений, описанных в разделе 3.3.

HSM предлагает качественные методы оценки частоты ДТП для различных ситуаций, и предлагает ряд инструментов для принятия решений в сфере управления БДД. Часть «А» HSM предлагает обзор влияния человеческого фактора (глава 2) и введение в основные понятия (глава 3). Часть «В» HSM сфокусирована на методах управления БДД. Глава 4 предлагает множество способов установления мест, на которых следует повысить БДД. Некоторые из этих мер основаны на использовании концепций, представленных в обзоре части «С», изложенного ниже. Главы 5-8 содержат информацию о диагностике мест ДТП, выборе мероприятий по повышению БДД. Глава 9 содержит методы оценки эффективности таких мероприятий. Теоритические основы, необходимые для понимания главы 9 приведены в разделе 3.7.

Часть «С», краткий обзор которой дается в разделе 3.5, содержит информацию о методах прогнозирования аварийности для различных дорожных условий.

Часть «Д» HSM содержит различные процедуры с факторами модификации ДТП (AMF). Основные сведения о таких факторах описаны в разделе 3.6, а более подробная информация дается в части «D».