Identifying factors and conditions contributing to cyclists’ serious accidents with the use of association analysis

• Autorzy: Anysz Hubert , Włodarek Paweł , Olszewski Piotr , Cafiso Salvatore

Identyfikatory

DOI

10.24425/ace.2021.138051

Warianty tytułu

PL

Identyfikacja czynników i warunków prowadzących do poważnych wypadków rowerzystów z wykorzystaniem analizy asocjacji

• Języki publikacji: EN

Abstrakty

EN

Being negatively impressed by the data published by the European Commission in CARE (Community database on Accidents on the Roads in Europe), where Poland is presented as the European Country with the highest rate of fatalities in road crashes involving cyclists during 4 years period (2009-2013), the Authors decided to analyse available data. Bikes become a more and more popular means of transport and the way of active recreation. In Warsaw, the share of bicycle trips rises 1 to 3% per year. The aforementioned, together with increasing traffic density, caused 4233 registered injuries among cyclists in 2018 in Poland. In 286 cases the accidents were direct reasons for the cyclists’ death. Considering these facts, it becomes extremely important to point the most influencing factors and conditions contributing to cyclists’ serious accidents. One-dimensional or two-dimensional statistics are not sufficient to find all important associations between the road conditions and the number of cyclists’ accidents. To overcome that the association analysis is applied. The results of the analysis can contribute to increasing the knowledge and safety of transport.

PL

Opublikowane przez Komisję Europejską dane w CARE (Community database on Accidents in the Roads in Europe) wskazują, że Polska jest krajem o najwyższym wskaźniku śmiertelności rowerzystów w efekcie wypadków drogowych w okresie 2009-2013 r. Jednocześnie rower staje się coraz bardziej popularnym środkiem transportu i sposobem rekreacji. W Warszawie ruch rowerowy wzrasta od 1 do 3% rocznie. To zjawisko oraz coraz gęstszy ruch drogowy było w Polsce przyczyną 4233 zarejestrowanych wypadków w 2018 r, w których ucierpieli rowerzyści. W 286 przypadkach wypadek był przyczyną śmierci rowerzysty. W świetle powyższych informacji bardzo istotne staje się wskazanie najważniejszych czynników i warunków drogowych towarzyszących poważnym wypadkom rowerzystów. Statystyki z użyciem jednej czy dwu zmiennych są niewystarczające, gdyż okoliczności towarzyszących wypadkom jest zwykle więcej. Do badania tych okoliczności wykorzystano więc analizę asocjacji zwaną też analizą koszykową. Obserwowanemu wzrostowi ruchu rowerowego (w Warszawie podwoił się w ciągu ostatnich kilku lat) towarzyszy także wzrost długości wybudowanych ścieżek rowerowych (np. w Warszawie od 305 km w 2011 r. do 645 km w 2019 r.). Niestety podobny wzrost dotyczy liczby wypadków w udziałem rowerzystów, wśród których także są wypadki śmiertelne. Całkowitą liczbę wypadków rowerzystów w Polsce wraz z liczbą wypadków śmiertelnych w latach 2011-2019 pokazano na rys. 3. Analiza asocjacji to wyszukiwanie związków pomiędzy zdarzeniem (lub jednoczesnym wystąpieniem kilku zdarzeń) towarzyszących innemu, obserwowanemu zdarzeniu, bądź zjawisku. Inna nazwa takich analiz, to analiza koszykowa, która powstała od pierwotnego zastosowania tj. badań zawartości koszyków klientów w sklepach wielkopowierzchniowych. Wtedy celem było zwiększanie sprzedaży, jednak przydatność tego rodzaju analiz została zauważona przez naukowców i są one wykorzystywane np. w biologii [8], edukacji [9]. Naturalnym zastosowaniem analizy asocjacji jest medycyna (np. w [10]). Symptomy choroby stanowią tam poprzednik reguły, a następnikiem jest wystąpienie choroby. Zastosowania analizy koszykowej można także znaleźć w rozwiązaniach problemów z zakresu inżynierii lądowej np. w zagadnieniach dotyczących zarządzania jakością [12], w ocenie ryzyka [14], w ocenie rzetelności ofert w postępowaniach przetargowych [13]. Reguł asocjacyjnych poszukiwano już także w zagadnieniach związanych z bezpieczeństwem ruchu drogowego [15, 16, 17]. Analiza asocjacji posługuje się trzema podstawowymi wskaźnikami: wsparciem (sup od ang. support) oznaczającym udział zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika w całkowitej liczbie zdarzeń, ufnością (sup od ang. confidence) wyrażającym stosunek liczby zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika do liczby zdarzeń, w których wystąpił dany poprzednik, przyrostem (ang. lift), który zdefiniowany jest jako iloraz ufności i prawdopodobieństwa wystąpienia następnika. Znalezione reguły o przyroście mniejszym niż 1 nie wyjaśniają zjawiska. Przykładowe obliczenia tych trzech parametrów przedstawiono w tab. 1. Analizie poddano bazę danych stworzoną przez Instytut Transportu Samochodowego na podstawie bazy [20]. Zawiera ona informacje o 21470 wypadkach rowerzystów w Polsce jakie miały miejsce w latach 2009-2013. Rodzaje informacji jakie zawiera każdy z rekordów w bazie to: stopień obrażeń rowerzysty (lekkie, ciężkie lub śmiertelne), miejsce zdarzenia (obszar miejski lub poza nim), rodzaj ulicy/drogi (jedno lub dwujezdniowa, jedno lub dwukierunkowa), lokalizacja zdarzenia na skrzyżowaniu lub poza nim, czy skrzyżowanie było wyposażone w sygnalizację świetlną, jaki był stopień oświetlenie naturalnego (dzień, zmierzch, noc). Bazę danych (której fragment przedstawiono na rys. 4) przekształcono do postaci z binarnymi wartościami (patrz tab. 2). Niezależnie od postaci przedstawianych informacji (tabelarycznie lub graficznie) analiza więcej niż dwóch czynników jednocześnie wpływających na stopień obrażeń jest albo trudna, albo informacje są nieczytelne. Podstawowe statystyki dotyczące wypadków rowerowych przedstawiono w rozdziale 3.1. Ze względu na znaczne różnice w strukturze wypadków w obszarze miejskim i poza nim, zdecydowano na poszukiwanie reguł asocjacyjnych odrębnie dla tych dwóch obszarów. Drugim założeniem było połączenie kategorii obrażeń ciężkich i śmiertelnych w jedną kategorię oznaczaną FS (ang. fatal and serious injuries), gdyż poszukiwanie reguł wyłącznie dla wypadków śmiertelnych pozwoliło znaleźć małą liczbę mało znaczących reguł (z przyrostem poniżej 1). Najsilniejsze, istotne reguły znalezione po przyjęciu wyżej opisanych założeń przedstawiono w tab. 6, 7, 8 i 9. Regułą o największej ufności jest następująca reguła (nr 10 w tab. 9): jeśli wypadek miał miejsce poza terenem miejskim na skrzyżowaniu drogi jednojezdniowej, dwukierunkowej, w czasie zmierzchu lub nocą, to w wyniku wypadku rowerzysta zmarł lub doznał ciężkich obrażeń ciała, z ufnością 80,0%. Nie znaleziono natomiast istotnych reguł dotyczących wypadków ze skutkiem FS dla obszarów miejskich. Najbardziej zaskakującym wnioskiem z przeprowadzonych analiz jest mała istotność sygnalizacji świetlnej w obszarze miejskim dla ciężkich wypadków w ruchu rowerowym. Natomiast poza obszarem miejskim, o ile skrzyżowanie posiada sygnalizację świetlną, w wypadku z udziałem rowerzysty można spodziewać się jego lekkich obrażeń z ufnością 65,2% przy wsparciu reguły 41,4%. Należy podkreślić, że przedstawione w artykule analizy były wykonane w oparciu o bazę danych, która nie zawiera wielu informacji istotnych z punktu widzenia przyczyn wypadków drogowych z udziałem rowerzystów takich jak: sztuczne oświetlenie ulicy lub drogi, oświetlenie osobiste rowerzysty, czy wypadek miał miejsce na ścieżce rowerowej, jakie były warunki pogodowe. Uwzględnienie ich w analizie koszykowej mogłoby doprowadzić do znalezienia reguł o większej istotności oraz do wniosków, które jeszcze w większym stopniu mogłyby się przyczynić do zapobiegania wypadkom rowerzystów.

Słowa kluczowe

EN

cyclist; accident; bicycle traffic; cyclist injuries; association analysis; market basket analysis

PL

wypadek; rowerzysta; ruch rowerowy; obrażenia; analiza asocjacji; analiza koszykowa

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2021
• Tom: Vol. 67, nr 3
• Strony: 197--211
• Opis fizyczny: Bibliogr. 20 poz., il., tab.

Twórcy

autor

Anysz Hubert

• Warsaw University of Technology, Faculty of Civil Engineering, Warsaw, Poland

• https://orcid.org/0000-0002-3804-5859

autor

Włodarek Paweł

• Warsaw University of Technology, Faculty of Civil Engineering, Warsaw, Poland

• https://orcid.org/0000-0003-2680-3138

autor

Olszewski Piotr

• Warsaw University of Technology, Faculty of Civil Engineering, Warsaw, Poland

• https://orcid.org/0000-0003-3470-4471

autor

Cafiso Salvatore

• University of Catania, Department of Civil Engineering and Architecture, Catania, Italy

• https://orcid.org/0000-0002-7247-0365

Bibliografia

• [1] Warsaw Cycle Report website: http://transport.um.warszawa.pl/ruch-rowerowy/raporty-rowerowe
• [2] N. Stamatiadis, S. Cafiso and G. Pappalardo, A Comparison of Bicyclist Attitudes in Two Urban Areas in USA and Italy, The 4th Conference on Sustainable Urban Mobility, pp. 272-279, 2018. https://doi.org/10.1007/978-3-030-02305-8_33
• [3] Police website: http://statystyka.policja.pl/st/ruch-drogowy/76562,wypadki-drogowe-raporty-roczne.html
• [4] P. Włodarek, P. Olszewski, Traffic safety on cycle track crossings - traffic conflict technique, Journal of Transportation Safety & Security 12: pp. 194-209, 2020. https://doi.org/10.1080/19439962.2019.1622615
• [5] Y.A. Ünvan, Market basket analysis with association rules, Communications in Statistics - Theory and Methods, 2020. https://doi.org/10.1080/03610926.2020.1716255
• [6] D.T. Larose, C.T. Larose, Discovering Knowledge in Data, 2nd edition, Wiley, 2016.
• [7] T. Morzy, Eksploracja danych. Metody i algorytmy, PWN, Warsaw, 2013.
• [8] A. Shi, B. Mou, J.C. Correl, Association analysis for oxalate concentration in spinach, Euphytica, 2003. https://doi.org/10.1007/s10681-016-1740-0
• [9] M. Lasek, M. Pęczkowski, Analiza asocjacji i reguły asocjacyjne w badaniu wyborów zajęć dydaktycznych dokonywanych przez studentów. Zastosowanie algorytmu Apriori, Ekonomia. Rynek. Gospodarka, Warsaw, 2013.
• [10] T. Klimanek, M. Szymkowiak, T. Józefowski, Application of market basket analysis in biological disability, Research Papers of Wrocław University of Economics 507, 2018. https://doi.org/10.15611/pn.2018.507.09
• [11] A.M. Ahmed, A.A. Bakar A.A., A.R. Hamdana, S.M. Abdullah, O. Jaafarb, Sequential pattern discovery algorithm for Malaysia rainfall prediction. Acta Phys Pol A 2015. http://dx.doi.org/10.12693/APhysPolA.128.B-324
• [12] A. Nicał, H. Anysz, The quality management in precast concrete production and delivery processes supported by association analysis, International Journal of Environmental Science and Technology, 2019. https://doi.org/10.1007/s13762-019-02597-9
• [13] H. Anysz, A. Foremny, J. Kulejewski, Comparison of ANN classifier to the neuro-fuzzy system for collusion detection in the tender procedures of road construction sector. IOP Conf Ser Mater Sci Eng., 2019. https://dx.doi.org/10.1088/1757-899x/471/11/112064
• [14] H. Anysz, B. Buczkowski, The association analysis for risk evaluation of significant delay occurrence in the completion date of construction project, International Journal of Environmental Science and Technology, 2018. https://doi.org/10.1007/s13762-018-1892-7
• [15] K. Guerts, G, Wets, T. Brijs, K. Vanhoof, Profiling High Frequency Accident Locations Using Association Rules, Transportation Research Record - Journal of the Transportation Research Board, 1840, 2003. http://dx.doi.org/10.3141/1840-14
• [16] A. Pande, M. Abdel-Aty, Market basket analysis of crash data from large jurisdictions and its potential as a decision support tool, Elsevier, Safety Science 47: pp. 145-154, 2009. https://doi.org/10.1016/j.ssci.2007.12.001
• [17] C. Xu, J. Bao, C. Wang, P. Liu, Association rule analysis of factors contributing to extraordinarily severe traffic crashes in China, Journal of Safety Research 67: 65-75, 2018. doi: 10.1016/j.jsr.2018.09.013
• [18] D. Nenadić, Ranking dangerous sections of the road using MCDM model. Decision Making: Applications in Management and Engineering, 2(1): pp. 115-131, 2019. Retrieved from https://dmame.rabek.org/index.php/dmame/article/view/31
• [19] P. Olszewski, P. Szagała, D. Rabczenko, & A. Zielińska, Investigating safety of vulnerable road users in selected EU countries. Journal of Safety Research, 68: pp. 49-57, 2019. https://doi.org/10.1016/j.jsr.2018.12.001
• [20] https://ec.europa.eu/transport/road_safety/specialist/statistics# (access June 2019)

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).