Wahrscheinlichkeitsverteilung des Infrastrukturrisikowerts
Jedes Jahr führen Unfälle zu Verletzungen und sogar Todesfällen auf den Straßen. Theoretisch können diese Ereignisse überall passieren, aber in Wirklichkeit ist ihr Standort nicht zufällig.
Das Unfallrisiko ist ungleich verteilt
SAMRoute modelliert die statistische Verteilung des Unfallrisikos auf Straßen
Beispielsweise sind Kreuzungen, Überwege oder Bahnübergänge als gefährlicher bekannt, ebenso wie viel befahrene Straßen, die mechanisch betrachtet mehr Unfälle haben werden.
Unfälle sind nicht zufällig über Straßen verteilt. Die Idee ist daher, das Unfallrisiko von Straßen anhand ihrer Merkmale zu messen, wie Straßentyp, Anzahl der Fahrspuren, Vorhandensein von Mittelstreifen oder Beleuchtung.
Idealerweise würde diese Risikoeinschätzung zu einer bedeutungsvollen Zahl führen, die jeder verstehen kann. Eine solche Zahl könnte einfach die Wahrscheinlichkeit sein, dass ein Straßenabschnitt innerhalb von 12 Monaten einen Unfall hat, was einige als Inzidenzrate bezeichnen.
Unfälle sind nicht zufällig über Straßen verteilt. Die Idee ist daher, das Unfallrisiko von Straßen anhand ihrer Merkmale zu messen, wie Straßentyp, Anzahl der Fahrspuren, Vorhandensein von Mittelstreifen oder Beleuchtung.
Idealerweise würde diese Risikoeinschätzung zu einer bedeutungsvollen Zahl führen, die jeder verstehen kann. Eine solche Zahl könnte einfach die Wahrscheinlichkeit sein, dass ein Straßenabschnitt innerhalb von 12 Monaten einen Unfall hat, was einige als Inzidenzrate bezeichnen.
Video: Verständnis der Visualisierung und Verteilung
Parameter
#/y
km
90.0%
10.0%
Berechnungen
#
%
x
x
Straßennutzer filtern
Bildfilter
Ende der Verteilung
Straßentyp
Wir rufen zufällig 20 Straßenbilder aus dem ausgewählten Satz ab.
Mehr Bilder laden
Durch die Schätzung auf Basis der Merkmale der Straßeninfrastruktur der Wahrscheinlichkeit, dass ein 100-Meter-Straßenabschnitt innerhalb von 12 Monaten einen Unfall hat (Inzidenzrate)
SAMRoute eröffnet neue Perspektiven für die Vorabdiagnose
Zuerst ermöglicht die systematische Bewertung von Straßen, dass Segmente nach ihrem Risiko geordnet werden und somit die gefährlicheren von den weniger gefährlichen unterschieden werden können.
Aber jetzt können auch Verhältnisse berechnet werden.
- Zwischen Segmenten quantifiziert ein Verhältnis, wie oft ein Segment riskanter ist als ein anderes.
- Im Vergleich zu einem Referenzwert, wie dem Durchschnitt der Bevölkerung, ermöglichen diese Verhältnisse den Vergleich von Segmenten mit derselben Basislinie.
- Und zwischen Gruppen von Segmenten ermöglichen Verhältnisse den Vergleich der Gruppen anhand von Statistiken wie dem Durchschnitt jeder Gruppe.
Berechnungs- und Gestaltungsparameter der Grafik
Anzahl der Ereignisse, Netzwerklänge, Schwellenwerte und Straßennutzer
1️⃣ Anzahl der Ereignisse. Wir geben 3.402 als die Anzahl der Verkehrstoten in Frankreich im Jahr 2023 (ONISR) an, aber wir könnten auch die Anzahl der schweren, leichten oder unverletzten Fälle berücksichtigen.
2️⃣ Straßennetzlänge. Hier können wir 1 oder 2.300.000 km Straßen angeben, je nach offizieller Zählung oder der von OpenStreetMap. Wir könnten uns auch auf das gesamte Netzwerk oder auf einen bestimmten Bereich (Bundesland, Region) konzentrieren.
3️⃣ Schwellenwerte. Anschließend geben wir die oberen Quantile in Rot für Straßen mit hohem Risiko und unteren Quantile in Grün für sichere Straßen an. Wir verwenden 90 und 10%, aber 99 und 1% sind ebenfalls möglich.
4️⃣ Straßennutzer. Da die Unfallwahrscheinlichkeit je nach Nutzertyp variiert, können wir auch den Benutzer zwischen Autofahrer, Motorradfahrer, Radfahrer und Fußgänger ändern.
Anschließend leiten wir die Anzahl der Straßenabschnitte (~100 m), den durchschnittlichen Score (log-normalisiert) und die Verhältnisse zur Basislinie der Schwellenwerte für hohes und niedriges Risiko ab.
2️⃣ Straßennetzlänge. Hier können wir 1 oder 2.300.000 km Straßen angeben, je nach offizieller Zählung oder der von OpenStreetMap. Wir könnten uns auch auf das gesamte Netzwerk oder auf einen bestimmten Bereich (Bundesland, Region) konzentrieren.
3️⃣ Schwellenwerte. Anschließend geben wir die oberen Quantile in Rot für Straßen mit hohem Risiko und unteren Quantile in Grün für sichere Straßen an. Wir verwenden 90 und 10%, aber 99 und 1% sind ebenfalls möglich.
4️⃣ Straßennutzer. Da die Unfallwahrscheinlichkeit je nach Nutzertyp variiert, können wir auch den Benutzer zwischen Autofahrer, Motorradfahrer, Radfahrer und Fußgänger ändern.
Anschließend leiten wir die Anzahl der Straßenabschnitte (~100 m), den durchschnittlichen Score (log-normalisiert) und die Verhältnisse zur Basislinie der Schwellenwerte für hohes und niedriges Risiko ab.
➡️ Die x-Achse zeigt den Bereich (min-max) der erzielten Scores im französischen Straßennetz, das aus 23 Millionen Segmenten besteht. Da die Wahrscheinlichkeiten klein sind, verwenden wir den logarithmischen Wert der Scores.
⬆️ Die y-Achse stellt die kumulative Verteilung (CDF) dar. Sie reicht von 0 % bis 100 %, die CDF folgt einer sigmoidalen (normalen) Form.
☰ Horizontale Linien markieren die Schwellenwerte. Die Fläche unter der Kurve ist grün für das untere Dezil (geringes Risiko) und rot für das obere Dezil (hohes Risiko).
━ Die dicke Kurve stellt die theoretische Verteilung des Risikoscores dar, während die Hintergrundkurve die tatsächliche empirische Verteilung im französischen Netzwerk zeigt.
⬆️ Die y-Achse stellt die kumulative Verteilung (CDF) dar. Sie reicht von 0 % bis 100 %, die CDF folgt einer sigmoidalen (normalen) Form.
☰ Horizontale Linien markieren die Schwellenwerte. Die Fläche unter der Kurve ist grün für das untere Dezil (geringes Risiko) und rot für das obere Dezil (hohes Risiko).
━ Die dicke Kurve stellt die theoretische Verteilung des Risikoscores dar, während die Hintergrundkurve die tatsächliche empirische Verteilung im französischen Netzwerk zeigt.
📌 Beachten Sie, dass die empirische Verteilung in 1.000 Stufen quantifiziert ist, wobei jede Stufe 0,1 % der Werte repräsentiert.
💡 | Zentrale Ergebnisse
1️⃣ Ein durchschnittliches Risiko pro 100-Meter-Segment im Netzwerk von 0,015%. Dies ist die Inzidenzrate, die Basislinie oder Referenz.
2️⃣ Ein Risiko von 0,058% für hochrisikosegmente (Top 10%), das 3,9x höher ist als die Basislinie.
3️⃣ Ein Risiko von 0,0038% für sichere Segmente (untere 10%), also 0,26 mal die Basislinie oder 4x niedriger.
2️⃣ Ein Risiko von 0,058% für hochrisikosegmente (Top 10%), das 3,9x höher ist als die Basislinie.
3️⃣ Ein Risiko von 0,0038% für sichere Segmente (untere 10%), also 0,26 mal die Basislinie oder 4x niedriger.
📌 Beachten Sie, dass die Anzahl der Ereignisse pro Jahr (3.402) geteilt durch die Anzahl der Straßenabschnitte (23.000.000) zur durchschnittlichen Inzidenzrate von 0,015% führt.
Erste Schritte mit SAMRoute
Drei Einstiegswege – vom ersten Blick bis zum Feldeinsatz.
- Einen PoC in Ihrem Netz durchführen — In ausgewählten Gebieten pilotieren und Methode sowie Ergebnisse gegen Ihre Ziele prüfen.
- Den Explorer in einem Beispielgebiet evaluieren — Die UI in einer definierten Region testen und Layer, Routen und Abhängigkeiten prüfen.
- Ein Labor-Experiment mitentwickeln — Eine neue Fragestellung oder einen Datensatz mit unserer Pipeline erkunden und ein fokussiertes Ergebnis für Stakeholder veröffentlichen.
Entdecke, was SAMRoute für dich tun kann
Erzählen Sie uns etwas über sich und wir verbinden Sie mit einem Experten von SAMRoute, der Ihnen mehr über das Produkt erzählen und Ihre Fragen beantworten kann.