Bermveiligheid 80-wegen uitgediept

Transcriptie

1 Bermveiligheid 80-wegen uitgediept Jan Willem Hendrik van Petegem Stichting Wetenschappelijk Onderzoek Verkeersveiligheid - SWOV Samenvatting Wegen met een snelheidslimiet van 80 km/uur vormen de meest onveilige wegen in Nederland. Het grootste deel van de dodelijke ongevallen vindt op deze wegen plaats. Ongeveer de helft van deze ongevallen betreft een enkelvoudig ongeval, waarvan het merendeel een bermongeval betreft. Om deze onveiligheid effectief aan te pakken dient de kennis over de kwantitatieve relatie tussen wegkenmerken en ongevallen verder te worden ontwikkeld. Binnen dit onderzoek is een crash prediction model van bermongevallen op 80-wegen ontwikkeld op basis van bestaande data. Dit model geeft inzicht in risicoverhogende wegkenmerken en maakt een schatting van de relatieve onveiligheid van wegen binnen een netwerk mogelijk. Daarbij laat dit onderzoek zien dat de beperkte beschikbaarheid van gegevens van wegkenmerken een belangrijk knelpunt is in de ontwikkeling van dit type kennis. De opkomst van de BGT en GIS-georiënteerde wegenbeheersystemen lijken echter uitkomst te kunnen bieden voor de verzameling van gegevens van wegkenmerken in de toekomst. Trefwoorden crash prediction model, bermongevallen, wegontwerp, wegenbeheersysteem, BGT Bijdrage aan het Nationaal verkeerskundecongres, 6 november 2013

2 1 Inleiding 1.1 Achtergrond Het grootste deel van alle dodelijke ongevallen vindt plaats op wegen buiten de bebouwde bekom met een snelheidslimiet van 80 km/uur (bubeko 80-wegen). Van alle dodelijke ongevallen in de periode vond 40% op dit type weg plaats. Van de verkeersongevallen met ernstig verkeersgewonden (ernstig letselongevallen) bedroeg dit aandeel 24%. Het merendeel van deze ongevallen gebeurt op een wegvak. Ongeveer de helft daarvan betreft een berm- of enkelvoudig ongeval. Deze wegen worden vaak beschouwd als de onveiligste wegen in Nederland. Belangrijk bij het terugdringen van het aantal ongevallen op deze wegen is verbetering van de infrastructuur, zowel van bestaande als nieuwe wegen. De verantwoordelijkheid hiervoor ligt bij de wegbeheerder. Voor een efficiënt en proactief beleid ter verbetering van de verkeersveiligheid van bubeko 80-wegen zijn echter enkele obstakels te overwinnen. Allereerst hebben wegbeheerders te maken met beperkte financiële middelen voor de implementatie van verkeersveiligheidsmaatregelen en herstructurering van wegen. Daarnaast leiden de slechte ongevallenregistratie en lage ongevallenfrequenties ertoe dat traditionele blackspotanalyses (of AVOC) niet meer goed uitgevoerd kunnen worden. Ten slotte is de kennis over de kwantitatieve relatie tussen ongevallen en het ontwerp van het dwarsprofiel zeer beperkt. 1.2 Crash Prediction Models Om een (kosten)efficiënte allocatie van beperkte middelen mogelijk te maken is het gewenst om kennis en instrumenten te ontwikkelen, die onveilige wegen helpen identificeren en de effecten van infrastructuurmaatregelen helpen schatten. Een voorbeeld van een dergelijk instrument zijn Crash Prediction Models (CPM s). CPM s geven op basis van een input van de hoeveelheid verkeer, weglengte en risicofactoren (zoals wegkenmerken uit het dwarsprofiel) een schatting van het aantal ongevallen. Deze modellen kunnen worden ingezet in de analyse van de relatie tussen wegkenmerken en ongevallen, de identificatie van relatief onveilige wegen en het schatten van de effecten van verkeersveiligheidsmaatregelen. 1.3 Plan van aanpak Dit artikel is gebaseerd op het afstudeeronderzoek van Van Petegem (2012). Het onderzoek was erop gericht om kennis te ontwikkelen over de kwantitatieve relatie tussen wegkenmerken en bermongevallen. De doelstelling van dit onderzoek was de ontwikkeling van een CPM voor bermongevallen op basis van bestaande of nieuwe data. Binnen het onderzoek zijn vier deelonderzoeken onderscheiden: Een literatuuronderzoek naar de relatie tussen wegkenmerken en bermongevallen Een literatuuronderzoek naar de ontwikkeling en het gebruik van CPM s Onderzoek naar databeschikbaarheid en de ontwikkeling van de onderzoeksdatabase Ontwikkeling van het CPM van bermongevallen Het literatuuronderzoek naar bermongevallen is verricht om een beeld te vormen van de toedracht van bermongevallen en de rol die infrastructuur daarin speelt. Op basis van dit onderzoek zijn relevante infrastructuurkenmerken geïdentificeerd voor het dataonderzoek en de modelontwikkeling. Een tweede literatuuronderzoek is verricht naar de ontwikkeling en het gebruik van CPM s. Op basis hiervan zijn knelpunten en mogelijkheden in de ontwikkeling en gebruik van CPM s vastgesteld en is een methode opgezet voor de ontwikkeling van CPM s binnen deze studie. Het derde deelonderzoek was een onderzoek naar vooral de data van wegkenmerken. Er is gekeken naar data-inventarisatiemogelijkheden en de beschikbaarheid van data bij wegbeheerders op basis van een analyse van beschikbare data en gesprekken met verschillende wegbeheerders en bedrijven. Ten slotte is een methode opgezet voor de ontwikkeling van CPM s op basis van het literatuuronderzoek en is een CPM ontwikkeld van enkelvoudige bermongevallen op gebiedsontsluitingswegen 2

3 buiten de bebouwde kom, met een snelheidslimiet van 80 km/uur en een enkele rijbaan zonder fysieke rijrichtingscheiding. 1.4 Opzet van dit artikel Dit artikel concentreert zich op de probleemanalyse en het dataonderzoek en toont een aantal resultaten van de modelontwikkeling. Voor een uitgebreide beschrijving van de methode en het proces van modelontwikkeling wordt verwezen naar het onderzoeksrapport en een artikel voor het Road Safety and Simulation 2013 congres (Van Petegem, 2013). 2 Probleemanalyse 2.1 Ongevallenanalyse Een groot aandeel van de dodelijke ongevallen en ernstige letselongevallen (ongevallen met ernstig gewonden, exclusief dodelijke ongevallen) in Nederland vindt plaats op bubeko 80-wegen. Figuur 1 toont de aantallen dodelijke en ernstige letselongevallen op bubeko 80-wegen ten opzichte van andere wegtypen. De figuur toont grote verschillen in dodelijke ongevallen en ernstige letselongevallen tussen de verschillende wegtypen. Uit de figuur komen duidelijk bubeko 80-wegen en bibeko 50-wegen als meest onveilig naar voren. Opvallend daarbij is het aandeel van bubeko 80-wegvakken binnen de categorie dodelijke ongevallen. Dit aandeel is groter dan alle dodelijke ongevallen op de andere wegtypen bij elkaar. Het verschil loopt daarbij op tot een factor 30 met bibeko 30-wegen. Ook komt een groot aandeel van de ernstige slachtoffers voor rekening van bubeko 80-wegen. Het aandeel ernstige slachtoffers is alleen op bibeko 50-wegen nog hoger. Ernst en plaats van het ongeval dodelijk - kruising ernstig - kruising dodelijk - wegvak ernstig - wegvak bibeko - binnen de bebouwde kom Aantal ongevallen bubeko - buiten de bebouwde kom bibeko 30 km/uur bibeko 50 km/uur bibeko 70 km/uur bubeko 60 km/uur bubeko 80 km/uur bubeko 100 km/uur bubeko 120 km/uur Figuur 1 Het gemiddeld aantal ongevallen per jaar over de periode , per wegtype, ingedeeld naar de locatie en ernst van het ongeval. (op basis van cijfers uit Wegman en Aarts, 2005) Wanneer we ons specifiek richten op wegvakken van bubeko 80-wegen, wordt duidelijk dat de enkelvoudige conflicten het grootste verkeersveiligheidsprobleem vormen voor wegvakken van bubeko 80-wegen. Dit is zichtbaar gemaakt in Figuur 2. 3

4 Op basis van de indeling naar conflicttypen in Figuur 2 1 is een top-4 van conflicttypen aan te duiden die samen goed is voor ongeveer 85% van alle ongevallen op wegvakken van bubeko 80-wegen: Enkelvoudige conflicten (bermongevallen) - resp. 53% en 49% dodelijke en ernstige ongevallen Frontale conflicten - resp. 17% en 12% dodelijke en ernstige ongevallen Fietsersconflicten - resp. 10% en 14% Flankerende conflicten - resp. 8% en 10% Het aandeel bermongevallen springt er daarbij duidelijk uit, met een aandeel van ongeveer 50% voor dodelijke en ernstige ongevallen. Daarmee vormen bermongevallen het meest urgente verkeersveiligheidsprobleem op bubeko 80-wegen. 2 Overig Parkeerconflicten Voetgangersconflicten Langsconflicten Flankerende conflicten Frontale conflicten Fietsersconflicten Enkelvoudige conflicten Dodelijk ongeval Ernstig ongeval Figuur 2 Het gemiddeld aantal dodelijke en ernstige geregistreerde ongevallen op bubeko 80-wegen voor heel Nederland over de periode , ingedeeld naar het type ongeval (op basis van BRON) Opvallend daarbij (zie Figuur 3) is dat bij de gestage daling van de aantallen dodelijke en ernstige ongevallen de afgelopen jaren dit aandeel onveranderd is gebleven in de periode Dit benadrukt het belang van een blijvende aandacht voor dit type ongevallen. 1 De cijfers betreffen een bewerking op vanuit Cognos geëxporteerde geregistreerde ongevalcijfers. Dit betreffen BRON ongevallengegevens. Uit de selectie is af te leiden dat bermmanoeuvres die leiden tot een ander conflicttype hierin ontbreken. Het werkelijke aantal bermongevallen volgens de definitie is dus nog hoger. De overlap met andere conflicttypen is echter onbekend. 2 Het gaat hier om de totale populatie van bubeko 80-wegen. Deze cijfers vormen een gemiddelde van N-wegen en gemeentelijke en waterschapswegen. Omdat N-wegen doorgaans een gesloten verklaring voor fietsers hebben en drukker zijn dan gemeentelijke en waterschapswegen is het aandeel bermongevallen (42%) en fietsconflicten (8%) iets lager en zijn de aandelen van de meervoudige voertuigconflicten juist iets hoger. Op gemeentelijke en waterschapswegen is het aandeel bermongevallen (58%) en fietsongevallen (14%) iets hoger en het aandeel meervoudige voertuigongevallen iets lager. 4

5 Bermconflicten- Dodelijk ongeval Bermconflicten - Ernstig ongeval Rest conflicten - Dodelijk ongeval Rest conflicten - Ernstig ongeval Figuur 3 Trendlijn ongevallencijfers van enkelvoudige ongevallen en de rest van de conflicten op bubeko 80- wegen (op basis van BRON) 2.2 Een kwantitatieve relatie tussen wegkenmerken en ongevalsrisico s Ontwerprichtlijnen dienen ertoe om een gewenst of minimaal verkeersveiligheidsniveau van wegen te waarborgen. Deze richtlijnen zijn op dit moment echter onvoldoende onderbouwd met kennis over de feitelijke, kwantitatieve relatie tussen de kenmerken van het wegontwerp en de verkeersveiligheid. In toenemende mate ligt er druk op wegontwerpers om ontwerpen te realiseren binnen beperkte (zelfs nauwelijks toereikende) budgetten en (te) weinig ruimte. Doordat kennis ontbreekt over de effecten op de verkeersveiligheid wanneer minimumwaarden worden gebruikt, of van de richtlijnen wordt afgeweken, is het des te moeilijker om argumenten aan te dragen waarom bepaalde ontwerpkeuzes slecht voor de verkeersveiligheid kunnen zijn en waarom extra budget nodig is in het belang van verkeersveiligheid. Gelet op de kostenafwegingen die gemaakt moeten worden, kan dit gebrek aan inzicht leiden tot keuzes in het wegontwerp ten nadele van de verkeersveiligheid, met als gevolg bijvoorbeeld meer bermongevallen. Een voorbeeld waarbij het gebrek aan kennis over de relatie tussen wegkenmerken en ongevallen kan leiden tot onverwachte/negatieve verkeersveiligheidsrisico s, is het ontwerp van bogen. Het Handboek Wegontwerp beveelt een minimale boogstraal van 300m aan bij een verkanting van 2,5%. Deze richtlijn is echter gebaseerd op voertuigdynamische aspecten (wrijvingsweerstand) en niet gerelateerd aan ongevallenonderzoek. Een Zweedse studie naar de relatie tussen de boogstraal en ongevallen toont echter een sterke toename in het ongevalsrisico van bochten krapper dan 1000 meter, zoals te zien is in Figuur 4. (Brüde et al., 1980; Hedman, 1989) Figuur 4 Index van het ongevalsrisico voor bochten met een bochtstraal r = x, ten opzichte van r = 1000 m bij wegen en een ontwerpsnelheid van 90 km/uur (Hedman, 1989) 5

6 Vergelijkbare resultaten zijn in Amerikaans onderzoek gevonden (Zegeer et al., 1990 zoals beschreven in; Dijkstra, 1998). Uit beide onderzoeken volgt een verschil in het ongevalsrisico tussen bochten met een boogstraal van 400 en 1000 meter van grofweg 40% en bij krappere bochten loopt dit verschil sterk op. Dit onderzoek duidt duidelijk op een sterke toename van ongevallen bij gebruik van krappere boogstraal. In het Handboek Wegontwerp ontbreekt dergelijke kennis met betrekking tot de Nederlandse situatie. Daarmee ontbreekt het aan een motief om boogstralen aan te brengen die ruimer zijn dan de minimumrichtlijn. Met inzicht in de relatie tussen ongevallen en de boogstraal kan de veiligheidswinst door ruimere boogstralen worden afgewogen tegen de daarmee gepaard gaande hogere kosten. Het is dus belangrijk om te identificeren van welke wegkenmerken een (relevante) relatie wordt verwacht met ongevallen en om deze relatie te kwantificeren, om afgewogen keuzes te kunnen maken. Binnen dit onderzoek wordt het specifieke probleem van bermongevallen beschouwd. De volgende paragraaf richt zich daarom op het identificeren van relevante kenmerken van bermongevallen. 2.3 Ongevalskarakteristieken van bermongevallen Om inzicht te verkrijgen in causale verbanden tussen het ontwerp van de weg en bermongevallen zijn ongevalskarakteristieken en het verloop van bermongevallen onderzocht. Hieruit moeten de relevante wegkenmerken blijken die als variabelen van een te ontwikkelen CPM van bermongevallen kunnen worden gebruikt. Een eerste karakteristiek betreft de aanloop naar een ongeval. Uit een recent diepteonderzoek naar bermongevallen van de SWOV (Davidse, 2011; Davidse et al., 2011) blijkt dat in slechts 60% van de ongevallen het motorvoertuig direct de berm in rijdt. In alle andere gevallen vindt eerst een poging tot correctie plaats, waarbij getracht wordt het voertuig weer onder controle te krijgen. In het geval van een bermongeval vindt echter een overcorrectie plaats bij het terugsturen naar de weg en het onder controle krijgen van het voertuig. Een schets van de aanloop van de manoeuvres is afgebeeld in Tabel 1. Ongevalsverloop Geanalyseerde bermongevallen (n=86)* 29 (34%) A. 13 (15%) B. 23 (27%) C. D. E. 6

7 6 (7%) F. G. H. 7 (8%) I. 3 (3%) J. 5 ongevallen (6%) vallen onder de categorie overig, waaronder een Y- en T-splitsing * n=86 betreft de som van ongevallen uit beide onderzoeken van Davidse et al. Tabel 1 Manoeuvres in aanloop van het bermongeval (bewerking op basis van gegevens uit beide diepteonderzoeken: Davidse, 2011; Davidse et al., 2011) In het onderzoek van Davidse et al. valt op dat het aandeel meervoudige ongevallen laag is, ondanks het hoge aandeel manoeuvres waarbij ongecontroleerd terug de rijbaan op wordt gestuurd en tevens de tegengestelde rijrichting wordt gekruist. In de regio Haaglanden en Hollands Midden is dit aandeel (11%) iets hoger dan in Zeeland (4%). Dit kan het gevolg zijn van een verschil tussen beide regio s in de drukte op de weg. Op basis van locatieonderzoek en interviews met betrokkenen bij elk ongeval komen Davidse et al. tevens tot een lijst van de meest voorkomende ongevalskenmerken. In het onderzoek wordt geconcludeerd dat een of meer van deze kenmerken de ongevalsoorzaak vormen en/of de ernst van de afloop bepalen. Kenmerken Meest voorkomende ongevalskenmerken (% in totaal aantal van geanalyseerde ongevallen)* Regio Zeeland (n=59) Haaglanden en Hollands Midden (n=27) Algemene factoren Donker (7-19%) Donker (4-11%) Nat wegdek (10-15%) Nat wegdek (4-15%) Mensfactoren Afleiding (31-42%) Afleiding (19-30%) Snelheid te hoog (27-47%) Snelheid te hoog (15-19%) - te hard voor omstandigheden (10-25%) - bewust boven limiet (17-22%) Vermoeidheid (17-19%) Vermoeidheid (7-19%) Alcohol (19-22%) Alcohol (4%)** Beginnende bestuurder (10-15%) Beginnende bestuurder (11%) Voertuigfactoren Banden (2-7%) Banden (3-11%) Wegfactoren Obstakelvrije zone te smal (41-42%) Obstakelvrije zone te smal (44-52%) Talud te steil (34-37%) Talud te steil (22-26%) Bocht: boogstraal te krap en/of niet (goed) aangekondigd (15-20%) Bocht: boogstraal te krap en/of niet (goed) aangekondigd (11-15%) Snelheidslimiet te hoog voor -** categorie (14%) Suggestiestrook / redresseerstrook te Rijstrook en/of redresseerstrook te 7

8 smal of niet aanwezig (10-14%) smal (11-26%) Semiverharding niet aanwezig of te Semiverharding niet aanwezig (19- smal (8-12%)* 26%) * Het eerste getal tussen haken geldt voor die ongevallen waarvoor het (zeer) waarschijnlijk wordt geacht dat deze factor een rol heeft gespeeld bij het ontstaan van het ongeval, het tweede getal voor alle ongevallen waarbij de betreffende factor een rol lijkt te hebben gespeeld, inclusief die waarover twijfel bestond tijdens de analyse van het ongeval. ** Deze factor komt in de desbetreffende studie niet of niet vaak voor, wel in de andere studie. Tabel 2 De meest voorkomende ongevalskenmerken (Davidse et al., 2011) Een eerste factor die opvalt is de mensfactor. In veel gevallen vormen een laag attentieniveau als gevolg van afleiding, vermoeidheid en/of alcohol een factor in de ongevalsoorzaak. Een andere belangrijke factor is de obstakelvrije zone. In bijna de helft van de ongevallen bleek de obstakelvrije zone een belangrijke factor in de ongevalsoorzaak. In alle gevallen van een ernstig ongeval was zelfs een botsing met een obstakel (inclusief talud en waterloop) hiervan de oorzaak. Tevens bleek een te krappe boogstraal (d.w.z. krapper dan de minimum vormgevingseisen volgens het CROW) een veel voorkomende factor (15-20%). Aangezien bochten slechts een beperkt deel van de weglengte vormen, is dit aandeel relatief hoog. De ongevalsfactoren in Tabel 2 duiden er gezamenlijk op dat het bieden van correctieruimte en maatregelen die het attentieniveau verhogen, een positieve invloed kunnen hebben op de afloop en/of zelfs het voorkomen van een bermongeval. Ruimte voor correctie kan bijvoorbeeld worden geboden door een voldoende brede rijbaan, redresseerstrook en semiverharde berm. 3 Het attentieniveau kan bijvoorbeeld worden verhoogd door akoestische markeringen, rumblestroken en bochtmarkering toe te passen 4. Op basis van het literatuuronderzoek zijn wegkenmerken geselecteerd waarvan wordt verwacht dat deze een relevante relatie hebben met bermongevallen. Dit zijn: Wegbreedte en wegindeling o Rijstrookbreedte o Redresseerstrookbreedte Bermverharding Obstakelvrije zone of obstakelafstand Boogstralen en bochtigheid Verlichting en bochtmarkering Attentiestroken zoals rumblestroken Van al deze wegkenmerken wordt verwacht dat zij een relevante invloed hebben op het ontstaan van ongevallen. 3 Dataonderzoek Voor de analyse van het verband tussen wegkenmerken en ongevallen in dit onderzoek wordt een onderzoeksdatabase gebruikt die bestaat uit drie typen gegevens: Gegevens van wegkenmerken: de karakteristieken van een weg, betreffende alle bovengrondse elementen en objecten in het dwarsprofiel inclusief kenmerken zoals objecttype en dimensies; Ongevallengegevens: gegevens met betrekking tot het ongeval; locatie, letselernst, aantal betrokkenen, type ongeval, tijdstip, weersomstandigheden, enzovoort; 3 Voor effectenschattingen van rijbaan, rijstrook en redresseerstrook verbreding op basis van internationaal onderzoek zie bijvoorbeeld Gross et al. (2009) en Schermers en Van Petegem (2013). 4 Voor effectschattingen van de toepassing van rumble strips zie bijvoorbeeld Torbic et al. (2009) en Schermers en Van Petegem (2013). 8

9 Verkeersgegevens: intensiteiten, samenstelling verkeer, gereden snelheden, enzovoort. Om een statistisch significante relatie tussen de ongevallenfrequentie en de verschillende wegkenmerken te vinden, zijn voldoende betrouwbare gegevens nodig. De verzameling van dit soort gegevens is echter een uitdaging. Uit een recent onderzoek is gebleken dat voor alle drie de typen gegevens problemen te verwachten zijn ten aanzien van de beschikbare hoeveelheid data, het detailniveau en de kwaliteit. (Schermers en Duivenvoorde, 2010). Daarom is een aanzienlijk deel van dit onderzoek gericht geweest op de identificatie van databronnen en de ontwikkeling van een onderzoeksdatabase van wegkenmerken. Dit artikel benoemt in het kort een aantal belangrijke knelpunten die spelen bij de verzameling van ongevallengegevens (3.1) en verkeersgegevens (3.2) en richt zich verder op de gegevensverzameling van wegkenmerken (3.3). 3.1 Knelpunten bij ongevallengegevens De basis van ongevallenonderzoek is het bestand met ongevallengegevens: BRON. Om een (statistisch significant) verband te kunnen leggentussen ongevallen en wegkenmerken zijn er voldoende ongevallengegevens nodig. Het eerste knelpunt in onderzoek is de registratiegraad van ongevallen. De registratiegraad van ernstige, lichte en ums- ongevallen (met uitsluitend materiele schade) is namelijk zeer laag, waardoor slechts een zeer beperkt (en selectief) deel van het aantal ongevallen gebruikt kan worden voor onderzoek. Een tweede knelpunt is de registratie van de locatie van ongevallen. Ongevallen worden gekoppeld aan een hectometerpunt in het NWB of een NWB-wegvak op basis van gemeente, straatnaam en/of wegnummer. Deze laatste vorm van registratie is echter zeer onnauwkeurig wanneer het gaat om het leggen van een relatie met wegkenmerken, omdat deze vaak variëren binnen het wegvak. Daardoor ontstaat onnauwkeurigheid in de koppeling van ongevallen aan kenmerken. Een derde punt is de registratie van de letselernst. De aanduiding van ziekenhuisgewonden zegt te weinig over de letselernst van het ongeval. Zo bestaat allereerst onzekerheid of de betrokkene daadwerkelijk is opgenomen in het ziekenhuis. Daarnaast kunnen dit zowel lichtgewonden (MAIS1) als ernstig gewonden (MAIS2+) betreffen. Om het probleem met de letselaanduiding op te lossen koppelt de SWOV de ongevallenregistratie in BRON met de ziekenhuisregistratie van verkeersgewonden. Omdat die koppeling niet voor alle records lukt, neemt het bruikbaar aantal ongevallen nog verder af bij gebruik van ongevallengevens met de gecorrigeerde letselernst Knelpunten bij verkeersgegevens Verkeersgegevens worden over het algemeen verzameld door de wegbeheerder zelf. 5 De dichtheid van het aantal meetpunten in een netwerk, type gegevens, format van gegevens en database en gebruikte apparatuur verschilt per wegbeheerder en verandert door de jaren heen. Over het algemeen geldt dat van het hoofdwegennet vrij goede gegevens beschikbaar zijn over een lange periode. Van het onderliggend wegennet zijn de verkeersgegevens beperkter. Van gemeentelijke wegen ontbreken structurele tellingen veelal. Op provinciale wegen worden meer structurele tellingen uitgevoerd. Daar levert de lage dichtheid van telpunten echter onzekerheden op in de gegevens (Voskamp, 2011). Dit wordt helder wanneer gekeken wordt naar de telvakindeling van Figuur 5. 5 Twee alternatieve bronnen zijn floating car data op basis van gps of telefoongegevens 9

10 Figuur 5 Indeling telvakken Telvak A is hier gedefinieerd als het wegvak tussen twee knopen met wegen van dezelfde orde in de netwerkhiërarchie. De telling van telvak A wordt verricht met behulp van één telpunt op een willekeurig punt op dit wegvak. Binnen dit wegvak bevinden zich echter knopen met wegen van een lagere orde. Hier vindt een uitwisseling van stromen plaats. Omdat kruispunttellingen ontbreken, valt vervolgens niet te reconstrueren wat de verkeersintensiteiten waren op wegvak A.1 - A Gegevens van wegkenmerken Huidige situatie Gegevens met betrekking tot wegkenmerken zijn maar beperkt beschikbaar. Kennis die wegbeheerders hebben over de vormgeving van hun wegen hebben zijn vaak vastgelegd in rapporten, op tekeningen of bevindt zich in de hoofden van mensen zelf. 6 Deze vorm van kennis is echter slecht toegankelijk en is erg arbeidsintensief om te ontsluiten. Vanwege de benodigde schaalgrootte bij onderzoek naar de relatie tussen wegkenmerken en ongevallen (het gaat om honderden of zelfs duizenden kilometers), zijn gegevens in deze vorm niet (of slecht) geschikt voor dit type onderzoek. Het initiatief Wegkenmerken+ had als doel hier verandering in te brengen door het uniform vastleggen en periodiek bijhouden van een selectie van vormgevingsaspecten van de weg in een toegankelijke database. Door het vrijwillige karakter van de inventarisatieopdracht en het gebrek aan communicatie over het nut ervan is het project echter niet geslaagd. Enkele wegbeheerders hebben een inventarisatie uitgevoerd, maar vaak niet actief bijgehouden. ViaStat 7 is een ander bekend instrument, en gebaseerd op Wegkenmerken+. Met ViaStat is echter de uniformiteit van bestanden tussen verschillende wegbeheerders verdwenen, doordat wegbeheerders zelf de specificaties van de inventarisatie vaststellen. Tevens lijkt het ook bij gebruik van ViaStat zo te zijn dat wegbeheerders het bestand niet altijd actueel houden. Toegankelijke kennis over de weg is dus maar beperkt beschikbaar. Een alternatief zou dan zijn om binnen een onderzoeksproject een inventarisatie van wegkenmerken uit te voeren. Dergelijke inventarisaties zijn echter zeer arbeidsintensief en kostbaar. Dit geldt zowel voor inventarisaties in het veld, als voor inventarisaties achter een desktop aan de hand van beeldmateriaal. 8 De middelen voor onderzoek zijn daarvoor meestal niet toereikend. Daarbij komt het nadeel dat een eenmalige inventarisatie slechts een momentopname is van de staat van de weg. Mutaties in de tijd worden dus niet waargenomen. Aangezien in ongevallenonderzoek vaak met jaarreeksen van minimaal drie jaar aan ongevallen wordt gewerkt (in dit onderzoek vijf jaar), leidt dit tot onzekerheden over de staat de weg ten tijde van het ongeval. 6 Dit blijkt uit een onderzoek in opdracht van het KpVV naar de registratie van wegkenmerken (Stemerdink et al., 2011) 7 Dit betreft een product van Via.nl 8 Voorbeelden van bronnen van geschikte beeldgegevens voor inventarisatie zijn Cyclomedia met Globespotter en, de Fugro met Drive- Map en Beeldmateriaal.nl 10

11 Nieuwe gegevensbronnen voor de ontwikkeling van een database van wegkenmerken zijn daarom gewenst. Daarbij zijn continuïteit, uniformiteit en toegankelijkheid belangrijke vereisten voor de bruikbaarheid voor onderzoek De ontwikkeling van de Basisregistratie Grootschalige Topografie Een belangrijke ontwikkeling die perspectief biedt voor een duurzame, uniforme en toegankelijke inventarisatie van wegkenmerken komt vanuit de ontwikkelingen van het gebruik van GIS 9 bij de overheid. Recentelijk heeft de overheid besloten tot de ontwikkeling van de Basisregistratie Grootschalige Topografie (BGT). Van heel Nederland worden daarin op een eenduidige manier ruimtelijke objecten zoals gebouwen, wegen, water, spoorlijnen en groen vastgelegd. De schaal waarop de BGT dient te functioneren is 1:500 tot 1:5000. Met de ontwikkeling van een eenduidige basiskaart verkrijgen alle overheden toegang tot dezelfde basisgegevens over de topografie van Nederland. Het doel is een eenmalige inwinning en een meervoudig gebruik van topografische informatie. Bij het gebruik kan gedacht worden aan beheer en informatie-uitwisseling van ruimtelijke ontwikkelingen. Daarbij kan op een aantal punten winst worden gemaakt, waaronder: Een betere dienstverlening aan burgers en bedrijven door het bieden van eenduidige, actuele en betrouwbare gegevens Betere samenwerking tussen overheden op basis van eenduidige gegevens Tijdbesparing op de aanlevering van ruimtelijke gegevens Kostenbesparing op (dubbele) inwinning en vergaren van gegevens De BGT wordt tot stand gebracht door alle gebiedsbeheerders in Nederland. Gebiedsbeheerders zijn de beheerders van bepaalde grondgebieden, zoals Rijkswaterstaat, provincies, gemeenten en waterschappen. Elke bronhouder (gebiedsbeheerder) is verantwoordelijk voor de realisatie van de BGT binnen zijn of haar gebiedsgrenzen. Voor deze realisatie hebben zij de tijd tot eind 2015, waarna zij tevens de plicht hebben om de BGT actueel te houden. 10 De BGT omvat een selectie van topografische basisobjecten, gebaseerd op de gezamenlijke informatiebehoeften van verschillende gebruikers. De objecten staan gedefinieerd in het Informatiemodel Geografie (IMGeo). Deze IMGeo is opgedeeld in het verplichtte deel, de BGT, en een optioneel deel; de plustopografie. Deze plustopografie is bedoeld als nationale standaard voor het opslaan en uitwisselen van beheer- en plustopografie die niet onderdeel vormt van de BGT maar wel wordt verzameld door de bronhouder. Een voorbeeld van een wegindeling met daarin de objecten die in de BGT zijn opgenomen, is gegeven in Figuur 6. 9 Een GIS is een instrument voor het verzamelen, opslaan, weergeven, bewerken, analyseren, interpreteren en presenteren van ruimtelijke gegevens. Alle denkbare gegevens met een ruimtelijke component kunnen in een GIS in kaarten worden weergegeven. Deze kaarten zijn in wezen modellen van de ruimtelijke werkelijkheid. 10 De richtlijnen voor de actualiteit van het BGT staan nog ter discussie. Het voorstel voor wegdelen buiten de bebouwde kom is een actualiteit van 4 maanden. Het voorstel voor ondersteunende wegdelen en dergelijke buiten de bebouwde kom is 18 maanden. (Programma Bgt, 2012) 11

12 Figuur 6 Voorbeeld van wegindeling uit de Gegevenscatalogus BGT (2012) Een wegbeheersysteem in GIS op basis van IMGeo De BGT biedt een basis voor de ontwikkeling van actuele en uniforme wegbeheersystemen met gedetailleerde gegevens over de weg. De BGT alleen biedt echter onvoldoende gedetailleerde informatie voor onderzoek. Zo worden bomen zoals afgebeeld in Figuur 6 binnen de BGT niet vastgelegd, maar zijn deze onderdeel van wat in de BGT als begroeide berm wordt geregistreerd. Op basis hiervan kan de obstakelvrije zone echter niet bepaald worden, aangezien onbekend is wat er in de berm staat en op welke afstand een boom van de weg staat. De BGT introduceert bij de wegbeheerder echter wel het werken met GIS. De ontwikkeling van de BGT is voor een aantal provincies, waaronder de provincie Noord-Brabant en Noord-Holland, de aanleiding geweest om een start te maken met de ontwikkeling van een ruimtelijke database van de wegen in beheer van de provincie en een directe koppeling met een nieuw wegenbeheersysteem. In Noord-Brabant betreft dit het Digitaal Topografisch Bestand (DTB), in de provincie Noord-Holland betreft dit de Grootschalige Topografie Provincie Noord-Holland (GTPNH) en in beide provincies wordt deze gekoppeld aan een nieuw wegenbeheersysteem. Het doel van het DTB is de ontwikkeling van één ruimtelijke database, voor alle afdelingen binnen de provincie die werken met ruimtelijke gegevens. Daarbij wordt beoogd het asset management (planning en beheer) van wegen, groenvoorziening en openbare ruimte efficiënter vorm te geven. Deze doelstelling is vergelijkbaar met die van de BGT. Verschillende beheertaken vanuit wegbeheer en groenbeheer vragen echter een hoger detailniveau van de data, dan geleverd kan worden op basis van de BGT-standaard. Dit is de aanleiding geweest om een ruimere objectdatabase op te zetten dan wordt gehanteerd in de BGT. Daarbij wordt zo veel mogelijk de plustopografie uit IMGeo aangehouden. Objecten die in de objectdatabase van het DTB zijn opgenomen en in de BGT ontbreken zijn bijvoorbeeld: Wegbelijning Verhardingstypen Bermbeveiliging Bomen (en andere gewassen als puntobjecten) Lantaarnpalen Verkeerslichten Talud Hectometrering Figuur 7 geeft bijvoorbeeld een visualisatie van de N289 uit het DTB. 12

13 Figuur 7 Visualisatie van het DTB van de N289 ter hoogte van hectometerpaal 13.4 (Bron: DTB Provincie Noord- Brabant) 11 De figuur geeft een beeld van de N289 en de omgeving. Verschillende objecten uit het DTB zijn hier zichtbaar gemaakt, zoals de verschillende opritten, de bomen, de berm, sloten en fietspaden. Elk object is eenvoudig te benaderen. Indien iemand geïnteresseerd is in de specifieke eigenschappen van één of meer (gevisualiseerde) objecten, kunnen deze eenvoudig worden benaderd door ze te selecteren op de kaart of op basis van zijn eigenschappen met behulp van een query op te vragen. Het DTB bevat echter niet expliciet alle relevante gegevens voor een onderzoeksdatabase voor wegkenmerken. Een deel van de gewenste informatie wordt verzameld in de objectadministratie, een ander deel is impliciet aanwezig in de geometrie van het DTB en dient met behulp van GIS-software te worden bepaald. Dit betreffen kenmerken zoals de wegbreedte en de obstakelvrije zone. Zo kan voor elk (geregistreerd) obstakel langs de weg de afstand tot de weg worden bepaald. Daarmee is vervolgens bijvoorbeeld de gemiddelde obstakelvrije zone en de obstakeldichtheid per honderd meter wegvak te bepalen Inbedding van verkeersveiligheidsaspecten in Informatiemodellen IMGeo en BGT zijn beide generiek van aard en bevatten daarom slechts een beperkte algemene set van kenmerken. Belangrijke basiskenmerken voor verkeersveiligheidsonderzoek die hierin bijvoorbeeld niet zijn opgenomen, zijn de Duurzaam Veilig-wegcategorisering, snelheidslimieten, komgrenzen en wegindeling. Voor meer specifieke doeleinden zijn daarom ook specifieke informatiemodellen in ontwikkeling (of al gereed). De ontwikkeling van deze modellen is belangrijk voor het vormgeven onderbrengen van bijvoorbeeld het DTB in een nationale standaard. Een model voor beheer van de openbare ruimte (IMBOR) wordt nu door het CROW ontwikkeld in samenhang met IMGeo. Deze is dus specifiek gericht op (weg)beheerdoeleinden. De ontwikkeling van IMBOR bevindt zich nog in een vroeg stadium, maar dient binnen één of twee jaar gereed te zijn, aangezien is vastgesteld dat het BGT in 2015 in gebruik moet worden genomen. Om bij verkeersveiligheidsonderzoek en -beleid van deze nieuwe informatiebronnen te kunnen profiteren, zal dus aansluiting gezocht dienen te worden bij deze ontwikkelingen. Een alternatief zou tevens kunnen zijn dat vanuit wegontwerp, aansluitend op IMBOR een informatiemodel wegontwerp wordt ontwikkeld. Dit is op dit moment nog niet geïnitieerd. 11 De complete legenda is te groot om hier weer te geven en de visualisatie is redelijk duidelijk van zichzelf. Daarom is de legenda hier achterwege gelaten 13

14 3.4 SWOV Onderzoeksdatabase Wegkenmerken Binnen de looptijd van dit onderzoek was het niet mogelijk om naast de verkenning en analyse van nieuwe databronnen ook een nieuwe onderzoeksdatabase te ontwikkelen. Voor de modelontwikkeling is daarom gebruikgemaakt van de SWOV Onderzoeksdatabase Wegkenmerken (SODBW). De SWOV Onderzoeksdatabase Wegkenmerken SODBW bestaat uit gegevens van provinciale wegen van de provincies Drenthe en Gelderland en bevat gegevens van wegkenmerken, verkeersgegevens en ongevallengegevens. De wegen zijn opgedeeld in honderdmeterwegvakken op basis van de hectometrering. De wegkenmerkengegevens zijn verzameld in 2007 in opdracht van de SWOV. De verkeersgegevens zijn afkomstig van de tellingen door de provincies. De ongevallengegevens zijn afkomstig uit BRON. Zowel de ongevallengegevens als de verkeersgegevens komen uit de periode Voor een uitvoerige beschrijving van de data wordt verwezen naar het onderzoeksrapport (Van Petegem, 2012) 4 Modelresultaten 4.1 Een CPM van bermongevallen In dit onderzoek is een CPM van bermongevallen (of eigenlijk enkelvoudige ongevallen) voor bubeko 80-wegen ontwikkeld. De modelparameters zijn geschat aan de hand van een regressieanalyse 12 op basis van data van letselongevallen, wegkenmerken en intensiteiten uit de SWOV Onderzoeksdatabase Wegkenmerken (SODBW). Het ontwikkelde model is weergegeven in de onderstaande functie en Tabel 3, inclusief de significantie van de verschillende parameterschattingen. Ong = 7, JGEI 1,05 Icorr. 0,11 + Obst.0,41 + Bermb. 0,74 + SBocht.1,07 + MBocht.0,20 e Variabelen Exponent Parameterschatting p-waarde Ong Ongevallenfrequentie van letselongevallen op een wegvak Constante Modelintercept 7,79 E-06-11,76 0,001 JGEI Jaargemiddelde etmaalintensiteit - 1,05 0,019 Icorr Intensiteit correctiefactor 0,89-0,11 0,049 Obst Obstakelafstand 0-2 meter 1,51 0,41 0,001 Bermb Bermbeveiliging zijnde een betonnen 0,48-0,74 0,092 barrier of standaard vangrail Sbocht Sterk bochtig; visuele interpretatie 2,93 1,07 0,008 van het aantal bochten per km Mbocht Matig bochtig; visuele interpretatie 1,23 0,20 0,108 van het aantal bochten per km Tabel 3 CPM van bermongevallen Het model geeft een schatting van de verwachte ongevallenfrequentie (aantal ongevallen per vijf jaar) van enkelvoudige letselongevallen van honderdmeterwegvakken in de provincies Drenthe en Gelderland, op basis van de hierboven aangegeven parameterschattingen. De jaargemiddelde etmaalintensiteit is daarin een belangrijke component. Het aantal ongevallen op een weg of netwerk hangt namelijk sterk samen met de hoeveelheid verkeer, zoals ook uit dit onderzoek naar voren komt. 12 De regressieanalyse is verricht met behulp van het programma SAS enterprise. Daarbij is de analyse verricht aan de hand van Generalised Linear Modelling procedures, de Negatief Binomiale kansfunctie en de log link als linkfunctie. Een nadere beschrijving is te vinden in het afstudeerrapport (Van Petegem, 2012) en een artikel ingediend bij RSS (Van Petegem, 2013) 14

15 Omdat het model expliciet de expositie in rekening brengt, kunnen de andere parameters worden afgelezen als het effect op de verkeersveiligheid, gecorrigeerd voor de expositie. De JGEI en Icorr betreffen continue variabelen. De wegkenmerkenvariabelen betreffen dummievariabelen. De parameterschattingen van de wegkenmerkenvariabelen bevinden zich in de e-macht. Door de e-macht te bepalen van de parameterschattingen wordt het effect gevonden van de (dummie)variabelen op het aantal ongevallen, bij constant houden van de overige modelvariabelen. Daarbij is geen onderlinge afhankelijkheid geconstateerd tussen de hierboven genoemde wegkenmerken. Het model vertelt ons dan dat op wegvakken met een obstakelafstand van 0-2 meter een factor 1,5 meer bermongevallen plaatsvinden dan op andere wegvakken. Een sanering van obstakels binnen een afstand van 2 meter kan dus leiden tot een reductie van 50% van het aantal ongevallen op deze wegvakken. Met de ontwikkeling van een alternatief model is tevens bepaald dat de sanering van obstakels binnen een afstand van 0-5 meter een reductie van ongeveer 30% in het aantal ongevallen kan opleveren op deze wegvakken. 13 Daarnaast geeft het een indicatie dat op wegen met een bermbeveiliging een factor 2 minder bermongevallen plaatsvinden dan op wegen zonder bermbeveiliging. En ten slotte maakt het model duidelijk dat bochten gevaarlijke elementen zijn in het wegontwerp, met een factor 3 meer ongevallen op wegen met relatief veel bochten per kilometer. 14 Daarmee biedt het model een kwantitatieve onderbouwing voor het saneren van krappe obstakelvrije zones. Ook geeft het een indicatie van het gunstige effect van een bermbeveiliging waar een echte sanering niet mogelijk is. Tevens duidt het model op het gevaar dat bochtige wegen met zich mee brengen. Het model is echter nog geen compleet model van bermongevallen. Zo ontbreekt het onderscheid in ongevalsrisico tussen obstakelafstanden van 0-2 m, 2-4,5 m, 4,5-6 m en meer dan 6 m. Daarnaast is de schatting van de bermbeveiliging indicatief en dus niet significant op 95% en is de variabele bochtigheid een subjectieve maat 15, die niet reproduceerbaar is. Ook ontbreken andere wegkenmerken die relevant worden geacht, zoals de rijbaanbreedte en -indeling, de semiverharde berm, rumble-stroken en bochtmarkering. Deze beperkingen komen voornamelijk voort uit een beperkte kwantiteit en kwaliteit van beschikbare data. 4.2 Een CPM als proactief instrument voor de identificatie van onveilige wegen Een mogelijke toepassing van het model ligt in de identificatie van relatief onveilige wegen. Met het model kan een schatting worden gedaan van het te verwachten aantal ongevallen op een hectometerwegvak, in een periode van vijf jaar, op provinciale bubeko 80-wegen, van de provincies Drenthe en Gelderland. Op basis van het ontwikkelde model is een schatting van de ongevallendichtheid van deze provinciale wegen eenvoudig te visualiseren met behulp van ArcGis (zie Figuur 8). 13 Het effect van een sanering van de obstakelvrije zone op wegvakken met obstakels binnen een afstand van 0-5 meter is lager, omdat het gemiddeld risico van obstakels in de klasse 0-5 m lager is dan in de klasse 0-2 m 14 Hierbij wordt aangenomen dat de parameterschattingen op basis van enkelvoudige ongevallen representatief zijn voor alle bermongevallen. Strikt genomen heeft het model betrekking op enkelvoudige ongevallen. 15 De bochtigheid betreft een subjectieve waarneming van de uitvoerder van de dataverzameling van de mate van bochtigheid en is dus niet uitgedrukt in hoekverdraaiing. 15

16 Figuur 8 Kaart van de ongevallendichtheid van de provincies Drenthe en Gelderland Met behulp van het model is de verwachte ongevallenfrequentie geschat op basis van het verkeersaanbod en de kenmerken van de weg van alle wegvakken in de SODBW. Deze toepassingsvorm van CPM s biedt wegbeheerders inzicht in het relatieve veiligheidsniveau van wegen. Met behulp van de kaarten zoals getoond in Figuur 8, zijn eenvoudig die wegen aan te wijzen waar relatief veel bermongevallen verwacht worden. 16 Daarmee kunnen CPM s als deze ondersteuning bieden in een proactief verkeersveiligheidsbeleid. 5 Conclusies Uit de ongevallenanalyse komt duidelijk naar voren dat bermongevallen op wegvakken buiten de bebouwde kom met een snelheidslimiet van 80 km/uur een belangrijk deel uit maken van de ernstige ongevallen in Nederland. Ook is duidelijk gemaakt dat de infrastructuur hierin een belangrijke rol in speelt en van welke wegkenmerken een relevante relatie wordt verwacht met bermongevallen. Om dit probleem effectief aan te pakken hebben wegbeheerders behoefte aan kennis over de kwantitatieve relatie tussen ongevallen en het wegontwerp en verkeersveiligheidsmaatregelen. Crash Prediction Models kunnen hier een belangrijke rol in spelen, zo tonen de resultaten van dit onderzoek aan. Het CPM van bermongevallen biedt inzicht in de relatie tussen bermongevallen en de volgende kenmerken; de verkeersintensiteit, de obstakelvrije zone, de bermbeveiliging en de bochtigheid. Daarnaast kan met het model inzicht worden verkregen in de relatieve veiligheid van de wegen in een netwerk wat bermongevallen betreft. Door de beperkte beschikbaarheid van data konden van andere relevante kenmerken (zoals bepaald in de ongevallenanalyse) echter geen relatie worden bepaald met ongevallen. Voor verder onderzoek naar de relatie tussen wegkenmerken en (berm)ongevallen zijn nieuwe databronnen nodig. 16 Daar waar de geschatte ongevallenfrequentie (en dus de ongevallendichtheid) het hoogst is, kleurt de weg donkerrood. Daar waar deze het laagst is, kleurt de weg groen. 16

17 In het dataonderzoek zijn nieuwe databronnen voor toekomstig onderzoek geïdentificeerd. De meeste potentie lijkt daarbij te liggen in GIS-beheersystemen, waarbinnen de topografie- en wegbeheerinformatie liggen opgeslagen. Het Digitaal Topografisch Bestand van de provincie Noord-Brabant vormt hiervan een goed voorbeeld. In dit bestand liggen veel voor beheerdoeleinden relevante gegevens opgeslagen (zoals de topografie van wegen en alle bomen), op basis waarvan relevante verkeersveiligheidskenmerken zoals de wegbreedte en obstakelvrije zone kunnen worden bepaald. Doordat wegbeheerder zijn verplicht om een Basisregistratie Grootschalige Topografie te ontwikkelen, worden ze gedwongen om de basisgegevens van hun wegennet in een GIS op te nemen. Daarmee kan de een ontwikkeling van de BGT als vliegwiel dienen voor de ontwikkeling van GIS-beheersystemen op grote schaal in Nederland. Om deze nieuwe gegevensbronnen te kunnen gaan gebruiken voor verkeersveiligheidsbeleid en onderzoek, en ten behoeve van een uniforme registratie van gegevens, is het belangrijk om aansluiting te zoeken bij de ontwikkeling van informatiemodellen die de registratie van deze gegevens beschrijven, zoals het IMGeo en IMBOR (informatiemodel beheer openbare ruimte). Op de korte termijn biedt IMBOR hiervoor waarschijnlijk de meeste kans. Daarnaast is het echter ook waardevol om te kijken naar de mogelijkheden om basisgegevens zoals snelheidslimiet, wegcategorie en komgrenzen op te nemen in de BGT, zodat de BGT ook een toepassing kan krijgen in verkeersveiligheidsonderzoek. Literatuurlijst Brüde, U., Larsson, J., & Thulin, H. (1980). Trafikolyckors samband med linjeföring (VTI Meddelande No. 235). Linköping: Statens Väg- och trafik institut VTI. Davidse, R. J. (2011). Bermongevallen: karakteristieken ongevalsscenarios en mogelijke interventies (R ). Leidschendam: SWOV - Stichting Wetenschappelijk Onderzoek Verkeersveilighied. Davidse, R. J., Doumen, M. J. A., Duivenvoorde, K. V., & Louwerse, W. J. R. (2011). Bermongevallen in Zeeland: karakteristieken en oplossingsrichtingen (R ). Leidschendam: SWOV. Dijkstra, A. (1998). Oriëntatie op kwantitatieve relaties tussen elementen van het wegontwerp en indicatoren voor verkeersonveiligheid : literatuurstudie buitenlands onderzoek. (R-98-49). Leidschendam: Stichting Wetenschappelijk Onderzoek Verkeersveiligheid SWOV. Gross, F., Jovanis, P. P., Eccles, K., & Chen, K. Y. (2009). Safety Evaluation of Lane and Shoulder Width Combinations on Rural, Two-Lane, Undivided Roads (FHWA-HRT ). Georgetown Pike. Hedman, K.-O. (1989). Road design and safety. In Proceedings of Strategic Highway Research Program and Traffic Safety on Two Continents in Gothenburg, Sweden, September, 1989 (pp ). Linkoping: VTI Programma Bgt, A. I. S. (2012). Basisregistratie Grootschalige Topografie: Gegevenscatalogus BGT 1.0: Geonovum. Schermers, G., & Duivenvoorde, C. W. a. E. (2010). Een SWOV-Database Wegkenmerken. Leidschendam: SWOV. Schermers, G., & Van Petegem, J. W. H. (2013). Veiligheidseisen aan het dwarsprofiel van gebiedsontsluitingswegen met limiet 80 km/uur; Aanbevelingen voor de actualisatie van het Handboek Wegontwerp (D ). Leidschendam: SWOV. Stemerdink, M., Hoek, P. V., Schermers, G., & Moning, H. (2011). Effecten van fysieke verkeersveiligheidsmaatregelen op 80 en 100 km/h wegen: Kennisplatvorm Verkeer en Vervoer. Torbic, D. J., Hutton, J. M., Bokenkroger, C. D., Bauer, K. M., Harwood, D. W., Gilmore, D. K., Dunn, J. M., Ronchetto, J. J., Donnell, E. T., Sommer Iii, H. J., Garvey, P., Persaud, B., & Lyon, C. (2009). Guidance for the design and application of shoulder and centerline rumble strips (Vol. NCHRP 641): Transportation Research Board. Van Petegem, J. W. H. (2012). Een modelonderzoek naar bermongevallen: Delft, Technische Universiteit Delft TUD, Faculteit Civiele Techniek, Master Thesis, 177 p., 50 ref. Van Petegem, J. W. H. (2013). A modeling approach on run-off-the-road crashes in the Netherlands. Paper presented at the International Conference Road Safety and Simulation (RSS) Voskamp, H. a. W. (2011). Verzamelen van verkeersintensiteiten voor de bepaling van ongevalsrisicocijfers op provinciale wegen (Stagerapport). Leidschendam: SWOV. Wegman, F., & Aarts, L. (2005). Door met Duurzaam Veilig. Leidschendam: SWOV. Zegeer, C., Reinfurt, D., Neuman, T., Stewart, R., & Council, F. (1990). Safety improvements on horizontal curves for twolane rural roads : informational guide. Chapel Hill: University of North Carolina UNC, Highway Safety Research Center HSRC. 17