Statistiska metoder för tolkning av förarbeteenden och olycksorsaker i mätintensiva realistiska trafikförsök

Forskningsprojekt, 2012 – 2015

Statistiska metoder för tolkning av förarbeteenden och olycksorsaker i mätintensiva realistiska trafikförsök. Biltillverkarna konstruerar allt smartare varningssystem, t ex automatiska bromsystem som hindrar påkörningar och summrar som varnar för farligt korta avstånd. Konstruktionen kräver att man kan utvärdera hur de fungerar i realistiska kritiska trafiksituationer. Man måste ta hänsyn till många olika faktorer. Variationer i förarbeteende och samspelet mellan förare, fordon och trafik har stor betydelse. I flera omfattande s.k. naturalistiska körstudier, i USA och i EU, utrustas vanliga fordon med sensorer, videokameror och GPS-system som kontinuerligt spelar in manövrar (styrning, bromsstatus, gasläge), position på vägbanan, trafik i närheten, var fordonet befinner sig och förarbetenden. Fordonen används i vanlig trafik under en längre tid och alla mätningar och filmer samlas in till en gigantisk databas som används till att förstå hur olyckor inträffar. Målet är utveckling av framtidens smarta varningssystem och förbättrad utbildning och efterutbildning av förare. Resultaten används också som underlag för lagstififtning, t ex i regler för användning av mobiltelefoner i bilar. Utmaningen är att urskilja vad som gör att en incident utvecklar sig till en riktig olycka. Vad är viktiga bidragande orsaker och vad är oviktigt? Hur kan man extrapolera erfarenheter från de många små olyckor eller ?nästan-olyckor? man ser i studierna till de få riktigt farliga olyckorna? Hur upptäcker man farliga samspel mellan komplexa trafiksitutioner, många olika förarbetenden, och fordonets sätt att reagera? Frågorna ställer höga krav på den statistiska analysen av databaserna. De naturalistiska körstudierna är av mycket sent datum, och färdiga svar saknas ofta helt. En naturalistisk studie innehåller många tusen timmar av data och videoinspelningar. Man kan inte studera allt i detalj men måste välja ut relevanta incidenter ur databaserna och tolka dessa. När man studerar t. ex. påkörning av framförvarande bil ser man mönster som går igen, som att en påkörning börjar med att fordonet framför bromsar, samtidigt som den efterföljande föraren tittar på en bort. Men om man bara använder data från incidenter och krockar kan man inte veta hur vanligt det är att förare tittar bort utan att det händer något, och vad som skiljer farliga situationer från ofarliga, och man kan inte uppskatta risken att en följd av händelser leder till en olycka. Man behöver också veta hur ofta en specifik händelseföljd inte leder till en olycka. Ett urval incidentfria perioder behöver också studeras. Men, om urvalet görs fel eller om man använder otillräckliga statistiska metoder kommer riskuppskattningarna att bli felaktiga. I förlängningen kan detta till och med leda till säkerhetssystem som motverkar sitt eget syfte. I projektet ska vi använda och utveckla statistiska tekniker från registerbaserad hälsoforskning, statistisk extremvärdesteori och högdimensionell statistik till att finna metoder som ger korrekta och precisa uppskattningar av olycksrisker. De statistiska metoderna från hälsostudier som vi ska använda bygger på att man bara undersöker detaljer för dem som blir sjuka och för en smart utvald liten kontrollgrupp. Genom att vikta samman frekvenser på ett sätt som korrekt återspeglar urvalsförfarandet kan man ändå få riktiga riskuppskattningar. Nya frågor gäller hur metoderna kan kombineras med statistisk extremvärdesteori för att extrapolera från små incidenter till stora olyckor, och med metoder från högdimensionell statistisk analys. Projektet är ett samarbete mellan forskare från SAFER, ett världskänt trafikforskningsinstitut vid Chalmers, och från Matematiska Vetenskaper i Göteborg. Det innehåller kompetens från frontlinjeforskning inom traffiksäkerhet, statistisk epidemiologi, statistisk extremvärdesstatistik och högdimensionell statistik. Vi är en av fyra grupper, den enda utanför USA någonsin, som fått amerikanska anslag för att analysera resultat från SHRP2 den största naturalistiska körstudien hittills, som kommer att följa c:a 2500 bilar i två år. Projektet kommer att göra att man kan uppskatta risker i samband olika traffiksituationer mycket bättre än tidigare. Resultaten kommer att användas i konkret trafiksäkerhetsforskning, och kommer att bidra till minskning av antalet traffikolyckor.