BikeSAFE (TRV2012/13373) Slutrapport

Report, 2013

Att cykla är ett miljövänligt och hälsosamt transportsätt som blir allt mer populärt i Sverige (Eriksson et al. 2006). Svenska myndigheter stödjer cykling som ett hållbart alternativ till att köra bil (Trafikkontoret 2012). Cykling är dock inte lika säkert som att köra och effekter av mer cykling på trafiksäkerhet är fortfarande diskuterbart (Elvik 2009), framförallt när det handlar om elcyklar (Gehlert et al. 2012). Att köra bil har blivit betydligt säkrare med åren med hjälp av olika verktyg. På forskningssidan är de mest krediterade verktygen analys av naturalistisk data (Campbell 2013) och intelligenta åtgärder (d.v.s. aktiva säkerhetssystem;(Malta et al. 2012)). Målet med detta projekt var att applicera den naturalistiska metodologin som utvecklades i preBikeSAFE (TRV 2011 86383) för att samla in en större datamängd i Göteborg och för att visa hur dessa data kan: - Förbättra förståelse för normalt cyklistbeteende - Identifiera och kvantifiera faktorer som ökar risken för olyckor. - Användas för att utveckla (intelligenta) åtgärder. Data samlades in av fem utrustade cyklar som tjugo cyklister turades om att använda. Det ska noteras att den ursprungliga ansökan bara omfattade fyra cyklar och tolv cyklister och bara delvis finansierades av Trafikverket. Den större datainsamlingen gjordes möjligt av omfattande stöd av Vinnova. Det var också Vinnovafinansiering som möjliggjorde några av de mest sofistikerade analyserna som presenteras i denna slutrapport. Våra resultat kvantifierade normalt cyklistbeteende i termer av hastighetsprofiler och bekvämlighetsgränser, vilket ger en baseline för framtida studier och ett första objektivt mått på cykeldynamik och cyklistbeteende. Dessutom fann vår riskanalys signifikanta riskökningar: - Vid korsningar (fyra gånger högre), speciellt när visuella begränsningar förekommer (tolv gånger högre). - På dåligt underhållna vägar (tio gånger högre). - När andra cyklister eller fotgängare befinner sig på en potentiell kollisionskurs och då dessa inte är det huvudsakliga hotet för cyklisten (två till tre gånger högre). Närvaro av vägarbete på cykelbanan, djur på en potentiell kollisionskurs med cyklisten och närvaro av motorfordon parkerade på cykelbanan verkade också öka risken. Datan var dock inte tillräcklig för att bekräfta detta med statistisk signifikans. Datan användes också för att definiera olycksscenarier. Ett kritiskt olycksscenario (korsning med motorfordon) analyserades vidare för att utveckla en demoapplikation för intelligenta åtgärder i BikeCOM-projektet. Denna applikation visar hur naturalistisk cykeldata kan driva utveklingen av kooperativa system genom att ge scenarier för kravställning och tester.