A methodology to incorporate highway safety into transportation planning using generalized linear mixed models

Abstract

Highway Safety has been identified as a significant problem worldwide. Crashes have been found as the second cause of death in the world according to the World Health Organization (2010). In fact, road crashes cost billions of dollars per year in the US alone. The US Department of Transportation has established highway safety as one of their main priorities in their Action Plan that mainly consists of establishing countermeasures and engineering strategies for the reduction of crashes. Several efforts are underway but most of the implemented strategies in many states and Puerto Rico have a reactive or a short-term planning approach. Such approaches have generated some improvements to the current system (Lovegrone, 2006). However, a proactive approach is necessary. This approach would require incorporating highway safety aspects in the decision making process from the beginning when planning alternatives are generated and crash data is unknown (de Leur, 2001). Currently, Safety Performance Functions (SPFs) are considered by many as the main tool in estimating a road’s safety and an integral part of decision making. SPFs are mathematical models that are statistically developed to conduct crash data analysis. The models attempt to explain crash occurrence on various road facilities types as a function of the traffic and geometric characteristics of these facilities. SPFs are not just valuable to the success of the reactive approach to dealing with road safety problems; they are of vital importance to the success of the proactive approach. The primary objective of the proactive approach is to ensure that road safety is an explicit priority in transportation planning policies. Several crash prediction models have been developed for site or project analysis, but very few of them are for planning purposes. Strategic, mid and short-term planning models with a wide prediction range, due to a wide range of Average Annual Daily Traffic (AADT) measures, were not found in the researched literature. A model of this type could be used to calculate the number of average crashes per type of road while considering conceptual design aspects or design changes. They could also be used in the implementation of safety devices for the whole region. These types of models were developed in this research project. This research project utilized Generalized Linear Mixed Models (GLMM) so as to use them in the incorporation of highway safety into the strategic planning process. These models can be used to forecast the rate of crashes for different planning and conceptual design scenarios. These GLMM have several advantages, in terms of predicting crash rates, including the incorporation of not only a set of known explanatory variables, but also of random effects present in the system. As a result, the model explains possible temporal correlation and spatial effects in the data. Therefore, these types of models offer great versatility in the modeling of crash rates and its related factors. The research approach included the filtering of a crash database according to a set of identified explanatory variables, estimation of parameters in a set of candidate GLMM’s, evaluation of the estimated models using several statistical tests and goodness of fit methods, and the selection of models that represent a better fit for the phenomena under study. Once the models were obtained, a methodology for their incorporation into the strategic planning process was developed and reported. Therefore, the deliverables included are GLMM crash prediction models for municipalities and different types of segments on expressways-freeways and arterials (population average and specific subject models), along with a methodology for the incorporation of these models in safety analysis which is a vital part of the strategic planning process.

La seguridad vial ha sido identificada como un problema significativo a nivel mundial. Se ha encontrado que los choques son la segunda causa de muerte de acuerdo con la organización mundial de la salud (2010). De hecho, los choques cuestan billones de dólares por año en los Estados Unidos. El Departamento de Transportación de Estados Unidos ha establecido la seguridad vial como una de sus prioridades en su plan de acción, el cual consiste principalmente en el establecimiento de medidas de mitigación y estrategias de ingeniería para la reducción de choques. Varios esfuerzos se están llevando a cabo pero la mayoría de las estrategias implementadas en muchos estados y en Puerto Rico tienen un enfoque reactivo de corto plazo. Estos enfoques han generado algunas mejoras al sistema actual (Lovegrone, 2006). Sin embargo, es necesario un enfoque proactivo. Este enfoque requeriría incorporar aspectos de seguridad vial desde el principio del proceso de toma de decisiones cuando se generan las alternativas y los datos de choques son desconocidos (de Leur, 2001). Actualmente, las Funciones de Desempeño en Seguridad (SPF’s por sus siglas en inglés), son consideradas por muchos como la herramienta principal en la estimación de la seguridad de una vía y parte integral de la toma de decisiones. Las funciones SPF son modelos matemáticos que se desarrollan con estadística para conducir análisis de datos de choques. Los modelos intentan explicar los choques que ocurren en varios tipos de instalaciones viales como función de las características del tránsito y la geometría de estas instalaciones. Las SPF no son solo valiosas para el éxito del enfoque reactivo para tratar con problemas de seguridad vial; son de vital importancia para el éxito del enfoque proactivo. El objetivo principal del enfoque proactivo es asegurar que la seguridad vial es una prioridad explicita de las políticas de planificación estratégica del transporte. Varios modelos de predicción de choques han sido desarrollados para análisis de sitios o proyectos, pero pocos han sido desarrollados para propósitos de planificación. Modelos de planificación estratégica, a mediano y corto plazo por tipo de carretera y para un amplio rango de predicción, debido a un rango amplio de medidas de tráfico promedio diario anual (AADT, por sus siglas en inglés), no se encontraron en la literatura. Un modelo de este tipo puede ser usado para calcular el número promedio de choques por tipo de carretera, considerando aspectos de diseño conceptual o cambios en el diseño. También pueden ser usados en la implementación de dispositivos de seguridad para una región completa. Esos tipos de modelos fueron desarrollados en este proyecto. En este trabajo se ajustaron modelos lineales generalizados mixtos (GLMM) con el propósito de usarlos en la incorporación de la seguridad vial en el proceso de planificación estratégica y la planificación a mediano y corto plazo. Estos modelos pueden ser utilizados para predecir las tasas de choque para diferentes escenarios de planificación y diseño conceptual. Esos modelos GLMM tienen varias ventajas en términos de la predicción de tasas de choques incluyendo la incorporación no sólo de un grupo de variables conocidas, también permiten la inclusión de efectos aleatorios presentes en el sistema. Como resultado, el modelo explica la posible correlación temporal y los efectos espaciales en los datos. Por consiguiente, esos tipos de modelos ofrecen gran versatilidad en la modelación de tasas de choques y sus factores contribuyentes. El enfoque de esta investigación incluye filtrar los datos de choques de acuerdo a un conjunto de variables explicativas identificadas, la estimación de parámetros en un grupo de modelos GLMM candidatos, la evaluación de los modelos estimados utilizando varias pruebas estadísticas y métodos de bondad de ajuste, y la selección de los modelos que representan mejor el ajuste al fenómeno bajo estudio. Una vez obtenidos los modelos, se desarrolló una metodología que permite su incorporación dentro del proceso de planificación. Por lo tanto, los aportes de este trabajo incluyen modelos GLMM de predicción por municipios y para diferentes tipos de segmentos para autopistas y arterias (modelos promedio poblacional y sujeto específicos), junto con una metodología para incorporarlos en el análisis de seguridad vial que es una parte vital del proceso de planificación estratégica.