Sonstige
Filtern
Dokumenttyp
Volltext vorhanden
- ja (3) (entfernen)
Schlagworte
- Datenerfassung (3) (entfernen)
Data concerning accidents involving personal injury which have been collected in the context of in-depth investigations on scene in the Hannover area since 1973 and in the Dresden area since 1999 represent an important basis for empirical traffic safety research. At national and international level various analyses and comparisons are carried out on the basis of "in-depth data" from the above mentioned investigations. In-depth data play a decisive role e.g. within the validation of EuroNCAP results on secondary safety (crashworthiness) of individual passenger car models. Thus, statistically sound methods of data analysis and population parameter estimation are of high importance. Since the 1st of August 1984 the "in-depth investigations on scene" in the Hannover area have been carried out according to a sampling plan developed by HAUTZINGER in the context of a research project on behalf of BASt. In the meantime a second region of in-depth investigation on scene was added with surveys in Dresden and the surrounding area. Internationally, the acronym GIDAS (German In-Depth Accident Study) is commonly used for the two above mentioned surveys. The objective of a current research project (topic of this contribution) is, among other things, to examine and adjust the previous weighting and expansion method for the two regional accident investigations to the current general conditions.
Empirical vehicle crashworthiness studies are usually based on national or in-depth traffic accident surveys: Data on accident-involved cars/drivers are analysed in order to quantify the chance of driver injury and to assess certain risk factors like car make and model. As the cars/drivers involved in the same accident form a "cluster", where the size of the cluster equals the number of accident-involved parties, traffic accident survey data are typical multi-level data with accidents as first-level or primary and cars/drivers as secondlevel or secondary units (car occupants in general are to be considered as third level units). Consequently, appropriate statistical multi-level models are to be used for driver injury risk estimation purposes as these models properly account for the cluster structure of traffic accident survey data. In recent years various types of regression models for clustered data have been developed in the statistical sciences. This paper presents multi-level statistical models, which are generally applicable for vehicle crashworthiness assessment in the sense that data on single and multiple car crashes can be analysed simultaneously. As a special case of multi-level modelling driver injury risk estimation based on paired-by-collision car/driver data is considered. It is demonstrated that assessment results may be seriously biased, if the cluster structure inherent in traffic accident survey data is erroneously ignored in the data analysis stage.
Den bisherigen Richtlinien zu Verkehrserhebungen ist gemeinsam, dass sie - wenn überhaupt - nur sehr wenige Aussagen zur erreichbaren Datenqualität enthalten. Normative Vorgaben und konkrete Handlungsanweisungen, die zu einer Verbesserung der Datenqualität von Erhebungen führen, fehlen in der Regel für die meisten Erhebungsverfahren. Abgesehen von Einzelaspekten wie beispielsweise den Kernelementen für Haushaltsbefragungen zum Verkehrsverhalten gibt es keine Qualitätsstandards für die Konzipierung, Durchführung und Auswertung einer Verkehrserhebung. Ziel der vorliegenden Studie ist es, mit Blick auf verschiedene Datennutzer und Arten der Datenverwendung wissenschaftlich abgesicherte Qualitätsstandards für Verkehrserhebungen zu erarbeiten. Im Kern sollten Hinweise gegeben werden, durch welche konkreten methodischen Ansätze und praktische Maßnahmen man für die unterschiedlichen Erhebungsverfahren im Verkehrswesen (Zählungen, Messungen, Verhaltensbeobachtungen und Befragungen) die jeweils bestmögliche Datenqualität erreichen kann. Die Ergebnisse dieses Projektes sollen darüber hinaus auch als eine Grundlage für die Fortschreibung der neuen "Empfehlungen für Verkehrserhebungen (EVE)" dienen. Im Kapitel 2 wird zur Schaffung eines geeigneten theoretischen Rahmens nach einer allgemeinen, an den Ansätzen des Qualitätsmanagements orientierten Definition von Datenqualität zunächst ein umfassendes Datenqualitätskonzept dargestellt, welches im Bereich der amtlichen Statistik auf europäischer Ebene entwickelt worden ist. Kapitel 3 stellt wichtige verkehrswissenschaftliche Grundlagen der vorliegenden Untersuchung zusammen. Ausgangspunkt ist eine allgemeine Charakterisierung von Verkehrserhebungen. In Kapitel 4 wird der konzeptuelle Rahmen für die Ermittlung von Standards der Datenqualität dargestellt. Hierzu werden allgemeine Indikatoren der Datenqualität auf Verkehrserhebungen übertragen. Anschließend werden die verschiedenen Anspruchsgruppen und deren Anforderungen an die Datenqualität betrachtet und darauf aufbauend die Elemente einer Qualitätsstrategie für Verkehrserhebungen entwickelt. Wie eine angemessene Datenqualität bei den verschiedenen Arten von Verkehrserhebungen erreicht werden kann, wird in den Kapiteln 5 bis 8 dargestellt. Hier werden Hinweise und Empfehlungen zum Stichprobenverfahren gegeben und es wird aufgezeigt, wie systematische Fehler (Nichterfassung von Stichprobeneinheiten, Fehler bei der Erfassung von Merkmalen, bei der Datenaufbereitung und -auswertung sowie der Darstellung von Ergebnissen) vermieden oder zumindest reduziert werden können. Abschließend werden in Kapitel 9 die wesentlichen Erkenntnisse zusammengefasst und ein Dokumentationsschema vorgestellt, welches einen Orientierungsrahmen für die Durchführung von Verkehrserhebungen liefert.