Nieuw: Verkeersveiligheidsdataset voor Utrechts risico-gestuurd verkeersveiligheidsbeleid

Van re-actief naar pro-actief, risicogestuurd verkeersveiligheidsbeleid. Dat vraagt het Strategisch Plan Verkeersveiligheid 2030 aan wegbeheerders om zo tot een substantiële daling van het aantal verkeersslachtoffers te komen. Randvoorwaarde voor zo’n beleid is kennis over risico-indicatoren, inzicht in regionale risico’s én kwalitatieve data. Het kennisnetwerk SPV definieert algemene risico-indicatoren. De provincie Utrecht benoemt twaalf regionale risico’s en vraagt een verkeerskundig data-consortium om specifieke datasets te verzamelen en die in een model in samenhang met elkaar te brengen.

Door Nettie Bakker

Risico-gestuurd verkeersveiligheidsbeleid krijgt langzaamaan concrete vorm. Een gesprek over de visie op kennis en data ten behoeve van risicogestuurd verkeersveiligheidsbeleid met Eric de Kievit, CROW/ KennisnetwerkSPV. Over het genereren van kwalitatieve data met Bas Brouwer van Cyclomedia. En over toepassing van die data voor de regionale beleidspraktijk met Anco Verstraaten, provincie Utrecht.

Eric de Kievit is namens CROW, programmamanager in het kennisnetwerk SPV. Dit kennisnetwerk verzamelt beschikbare, relevante en toepasbare kennis voor de uitvoering en implementatie van het SPV 2030. “De risicogestuurde aanpak is hierbij leidend. Hiervoor definiëren wij zogenoemde SPI’s, safety performance indicatoren voor Nederlandse toepassing vanuit een lijst van Europese SPI’s. Deze definities beschrijven de essentiële kenmerken van de afzonderlijke indicatoren. Zo hebben we al SPI-definities opgesteld voor snelheid, wegen en fietspaden en werken we nu aan een definitie van veilige verkeersdeelnemers. Met deze definities weet je per indicator welke data je nodig hebt om de mate van risico’s te beoordelen.”

Anco Vertraaten werkt binnen het Utrechtse cluster verkeersveiligheidsdata aan data-innovatie ten behoeve van  risicogestuurd verkeersveiligheidsbeleid. “Dan denk je al gauw aan factoren als snelheid in combinatie een onveilige inrichting van wegen en gedrag van verkeersdeelnemers. Vanuit deze optiek hebben we twaalf regionale risico’s gedefinieerd die ons in onderlinge samenhang iets kunnen zeggen over de verkeersveiligheidssituatie en over welke geprioriteerde beslissingen we kunnen nemen over maatregelen. We hadden al veel geprobeerd om samen met de Utrechtse gemeenten en het Waterschap de verkeersveiligheidsrisico’s in beeld te brengen ten behoeve van een regionaal risicogestuurd verkeersveiligheidsplan.

De verkeersveiligheidsmeter

We kwamen uit op een uitvraag waarbij het winnende consortium voorstelde om data te formuleren naar verkeerskundige risico’s die vervolgens onderling een weging krijgen en zo voor elk wegvak tot een risicoscore komen die herleidbaar is naar concrete problemen. Bijvoorbeeld een te smal fietspad. Ook kwam het consortium met het voorstel om ‘de verkeersveiligheidsmeter’ te bouwen, een model dat de twaalf risico’s verder uitgewerkt naar indicatoren en naar databronnen die dit in beeld brengen. Hiermee kunnen wegbeheerders snel zien welke risico’s waar en waarom optreden, maatwerk-analyses uitvoeren en gericht passende maatregelen bepalen.

Zo bouwen Arcadis en DOK-data nu een verkeersveiligheidsmodel op basis van verkeerskundige onderbouwing: wanneer is iets onveilig, hoe zwaar weegt het en hoe verhouden de onderlinge risico’s zich tot elkaar in het risicoprofiel. Cyclomedia verzorgt datasets voor dit model over vrij liggende fietspaden. Denk daarbij aan de exacte locaties van alle objecten op en langs de Utrechtse fietspaden, zoals  bomen, paaltjes en varkensruggen. Maar ook aan vergevingsgezinde randen en bermen, breedtes, verharding en visuele geleiding.”  

Heel Nederland

Bas Brouwer, Key Accountmanager bij Cyclomedia, verklaart de stap van algemene data naar specifieke verkeersveiligheidsdata door het innovatieve karakter van het bedrijf: “Wij werken al ruim dertig jaar aan technologische innovaties op het gebied van mobile mapping en brengen de openbare ruimte in beeld. Onze operators rijden met tientallen - deels elektrische- auto’s, zeven dagen per week door heel Nederland en maken - ook met  snelheden van 100 km/uur - volautomatisch 360 graden foto’s van de omgeving. Ter vergelijk: 30 jaar geleden reden we ook al met auto’s en camera’s, maar die moesten nog om de 5 of 10 meter stoppen om de camera op een statief omhoog te hijsen voor één foto. Om toentertijd Rotterdam ‘in beeld’ te brengen kostte meer tijd dan nu heel Nederland.”

En het stopt niet met beelden maken, vervolgt Brouwer: “Onze beelddata is de basis voor ‘Data Insights’. Op basis van 360 graden visualisaties, versterkt door AI-gestuurde analyses, halen we waardevolle elementen uit onze data en stellen die beschikbaar als unieke dataset, zoals nu de dataset voor verkeersveiligheid. Deze dataset is geheel in lijn met de SPI`s zoals opgesteld door het kennisnetwerk SPV. Daarbij wordt onderscheid gemaakt in een dataset voor fietspaden, wegen binnen de bebouwde kom en wegen buiten de bebouwde kom.” En tot slot: “Omdat onze data landsdekkend is kunnen we verkeersveiligheidsdata leveren aan iedereen die aan de slag wil met  risicogestuurd verkeersveiligheidsbeleid.”

Nulmeting

Eric de Kievit kijkt uit naar de Utrechtse resultaten. “We hopen dat ze kunnen leiden tot een landelijk dashboard dat bijvoorbeeld kan zeggen:   In dit netwerk is de helft van de fietspaden te smal volgens de richtlijnen en moet in 2025 met zoveel procent verminderd zijn. Bas Brouwer kijkt naar de toekomst: “Wij doen nu in feite een nulmeting voor een meerjarige monitoring.” En Anco Verstraaten hoopt met onderbouwde prioriteringen ook de gemeentelijke wegbeheerders te kunnen helpen.”    

Dit artikel verschijnt in MobiliteitsPlatform 2/2021: Veiligheid en Handhaving.