Sonstige
Die Schätzung der Fahrleistung von Kraftfahrzeugen auf dem deutschen Straßennetz 2014 (Inlandsfahrleistung) basiert auf einer bundesweiten, automatisierten Verkehrszählung an 520 zufällig ausgewählten Straßenabschnitten während jeweils etwa 24 Stunden. In der Verkehrszählung werden alle Tages- und Jahreszeiten abgedeckt. Die Stichprobe der Straßenabschnitte ist nach Straßenklasse und Ortslage (inner-/außerorts) geschichtet, dabei werden alle Straßenklassen in der Erhebung berücksichtigt. Mithilfe der Abschnittslängen werden die empirisch erhobenen Verkehrsstärkewerte in Fahrleistungen transformiert und auf die Grundgesamtheit aller Abschnitte, d. h. das gesamte Straßennetz und das Gesamtjahr 2014 hoch gerechnet. Durch den kombinierten Einsatz von Detektoren und Videotechnik liegen die gezählten Verkehrsstärken nach Fahrzeugart und -nationalität untergliedert vor, sodass Fahrleistungen für 9 Fahrzeugarten ("8+1-Messung") und 38 Nationalitäten geschätzt werden können. Der Totalwert der Inlandsfahrleistung wird für das Jahr 2014 auf 743,82 Mrd. Fahrzeugkilometer (Fzgkm) geschätzt. Rund 81 % der Inlandsfahrleistung (ca. 601 Mrd. Fzgkm) entfallen auf Personenkraftwagen bzw. Pkw mit Anhänger. Die zweithöchste Fahrleistung findet sich bei Lieferwagen mit 51,8 Mrd. km. Im Schwerverkehr dominieren die Sattelzüge mit 26,2 Mrd. km. Aus der Hochrechnung der Daten der Verkehrszählung ergibt sich für 2014 ein Totalwert der Fahrleistung ausländischer Kraftfahrzeuge auf dem deutschen Straßennetz von knapp 42 Mrd. Fahrzeugkilometern. Der Ausländeranteil an der Inlandsfahrleistung 2014 liegt damit bei 5,6 %. Im Jahr 2002 lag die km-Summe der ausländischen Kfz auf dem deutschen Straßennetz noch bei 27,4 Mrd. km. Der aktuelle Wert von 41,8 Mrd. km entspricht somit einem Zuwachs um 53 %. Werden die amtlichen Unfallzahlen aus dem Jahr 2014 auf die entsprechenden Jahrestotale der Fahrleistungen von Kraftfahrzeugen bezogen, so lassen sich dadurch Risikokennziffern berechnen. Zum einen ist dies das Risiko der Unfallbeteiligung von Kraftfahrzeugen und zum anderen das Risiko von Kraftfahrzeugbenutzern, bei einem Unfall verletzt oder getötet zu werden. Beide Risikokennziffern lassen sich weiter nach Fahrzeuggruppe und Unfallschwere bzw. Verletzungsschwere differenzieren. Hierbei zeigt sich, dass Busse und vor allem motorisierte Zweiräder ein besonders hohes Risiko aufweisen. Eine Unterscheidung nach Straßenklasse erlaubt die Schlussfolgerung, dass die Unfallrisiken auf Bundesautobahnen mit Abstand am niedrigsten sind. Ein Vergleich der Unfallrisikokennziffern des Jahres 2014 mit denjenigen aus dem Jahr 2002 zeigt, dass zum Teil deutliche Verringerungen festzustellen sind. So ist die Gefahr einer Beteiligung an einem Unfall mit Personenschaden über alle Kraftfahrzeuge um 26 % zurückgegangen. Sogar noch stärker ist das Risiko gesunken, als Fahrzeugbenutzer in einem Straßenverkehrsunfall verletzt oder gar getötet zu werden (-29 %).
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.
Im Rahmen des Forschungsprojektes wurden Hochrechnungen und Analysen zum Fahrzeug- und Führerscheinbesitz, zur Verkehrsteilnahme und realisierten Verkehrsnachfrage sowie zum Unfallrisiko in der Bundesrepublik Deutschland in bisher nicht gekannter Breite und Tiefe erstellt. Die Arbeit behandelt alle Teilgruppen der deutschen und ausländischen Wohnbevölkerung und alle wesentlichen Aspekte des Verkehrsverhaltens und Unfallrisikos im nah- und Fernverkehr unter Einbeziehung sämtlicher Arten der Verkehrsbeteiligung. Neben einem detaillierteren Forschungsbericht, in welchem Methodik und Ergebnisse der Studie vorgestellt werden, liegt zusätzlich eine umfassende Tabellendokumentation vor, welche die vielfältigen Hochrechnungsergebnisse in tiefer sachlicher und zeitlicher Gliederung enthält. Das Werk beinhaltet neben einer Strukturbeschreibung des Verkehrs- und Unfallgeschehens in der Bundesrepublik Deutschland auch eine detaillierte Beurteilung der Veränderungen, die sich in diesem Bereich zwischen Mitte der siebziger und Mitte der achziger Jahre vollzogen haben. Im Rahmen des Forschungsprojekts wurden auch einige wesentliche methodische Fortschritte erzielt. So wurden vor allem die Stichproben- und Hochrechnungsverfahren der Verkehrsstatistik ganz entscheidend verbessert. Die erzielten Fortschritte werden in einem umfangreichen Methodenanhang zum Forschungsbericht ausführlich beschrieben. Insgesamt liegt mit der Studie erstmals ein statistisches Gesamtbild von Verkehrsmobilität und Unfallrisiko in der Bundesrepublik Deutschland vor.