Cyklistuheld – hvilken betydning har vejen, køretøjet og trafikanten

(1)

Cyklistuheld – hvilken betydning har vejen, køretøjet og trafikanten

Kira Hyldekær Janstrup, Mette Møller og Ninette Pilegaard {kija, mette, nipi}@dtu.dk

Trafikdage 2017, Aalborg Universitet, d. 28-29. august

(2)

Baggrund

 Hvilke faktorer der bidrager til om et trafikuheld finder sted er af stor betydning for at kunne udarbejde målrettede forebyggende tiltag

 Underrapportering er et velkendt fænomen og især cyklisterne er i særlig grad underrapporterede i de officielle uheldsstatistikker

 Internationale studier har vist at dårlig vejbelægning kan give trafikforstyrrelser og øge uheldsrisikoen

 Spørgeskemastudier har parallelt vist at størstedelen af cyklistuheldene skyldes vejens tilstand og udformning

(3)

Omkostninger

(4)

 Opnå en bedre og mere detaljeret forståelse af hvorfor cyklistuheld sker

 Hvilken betydning har vejens tilstand og omgivelser, køretøjets stand samt trafikantens adfærd på om uheldet sker

 Findes der en særlige gruppe af cyklister som er mere uheldsinvolveret på veje med en dårlig stand

Formål

(5)

Data

Tilskadekomne cyklister som har henvendt sig til akutmodtagelsen i Århus i perioden 2010-2015.

 4205 cyklister opsøgte akutmodtagelsen

• Info som: køn, alder, skadesgrad, uheldssituation, føre m.fl.

 3331 cyklister kunne kædes til et besigtiget vejstykke

• Info som: rabatopspring, rabatfald, slaghuller, krakeleringer, afskalninger, rivninger, tværfald, skader på riste m.fl.

 ÅDT for cyklister på vejstrækningerne hvor uheldene er sket

Årsdøgnstrafik 1 2 3 4 5

Antal cyklister 0-500 501-1500 1501-3000 3001-5000 >5001 Kategorier benyttet i analyse

(6)

Semi-kvalitativ analyse

Identifikationen af uheldsfaktorer

 Køretøjsfaktor (KF) – en defekt ved køretøjet (fx punktering)

 Vejfaktor (VF) – vejens tilstand eller omgivelser (fx glat føre, huller)

 Trafikantfaktor (TF) – Cyklistens egen adfærd (fx distraktion, alkohol)

 Modpart (MP) – modpartens adfærd (fx drejer ind foran patienten)

 Ukendt faktor (UF) – mangelfulde oplysninger (fx faldet på cyklen)

 Blank (B) – Ingen beskrivelse af uheldet

(7)

Semi-kvalitativ analyse

Gennemgang af kommentarfelter: 340 observationer (B) og 664 observationer (UF)

Ville undvige en "vejarbejde jernplade", der lå på cykelsti.

Fuld på cykel, ville undvige glasskår og vælter,

hudafskrabninger

Cyklen foran ham bremser pludseligt op og han rammer ind i den og vælter.

Væltet på cykel, skred i sving, hudafskrabning på knæ og mave

Bildør åbner og cyklist

rammer da hun kører forbi.

(8)

Kvantitativ analyse

Latent Class Clustering – Gruppering af sammenlignelige cyklister

G1

G2

G3

8 grupper blev identificeret

?

(9)

Resultater – fundne uheldsfaktorer

 Modparten: angivet i 39% af uheldene, ene faktor i 35% af uheldene

 Trafikanten: angivet i 34% af uheldene, ene faktor i 31% af uheldene

 Vejen: angivet i 31% af uheldene, ene faktor i 25% af uheldene

 Køretøjet: angivet i 3% af uheldene, ene faktor i 2% af uheldene

 Flere uheldsfaktorer: 7% af uheldene

Uheldsfaktor MP TF VF KF I alt

MP 823 1 73 2 899

TF 1 710 80 0 791

VF 73 80 570 5 728

KF 2 0 5 63 70

I alt 899 791 728 70 2488

Uheldsfaktorer for 2327 cyklister

(10)

Resultater – aldersgrupper og køn

Variabel kategori antal % antal % antal % antal %

Køn Mand 412 46 400 51 348 48 52 74

Kvinde 487 54 391 49 380 52 18 26

Aldersgruppe 0-8 år 9 1 14 2 8 1 0 0

9-17 år 42 5 65 8 62 9 7 10

18-29 år 424 47 297 38 260 36 35 50

30-45 år 186 21 148 19 142 20 16 23

46-65 år 205 23 212 27 195 26 12 17

66 år + 33 4 55 7 61 8 0 0

Uheldsfaktorer fodelt på alder og køn

MP TF VF KF

(11)

Resultater – Underkategorier

Kategori antal %

Bremser 10 14

Defekt diverse 23 33

Gear 5 7

Kæde 32 46

Underkategorier for KF

Alkohol 205 26

Bekædning, taske

mm. 69 9

Betjeningsfejl 57 7

Distraktion 30 4

Høj fart 78 10

Lovovertrædelse 25 3

Trægning 61 8

Fysisk tilstand 16 2

Miste kontrol 24 3

Uopmærksom 166 21

Underkategorier for TF

Belægning 51 7

Design 113 16

Genstand på vej 74 10 Glat eller vådt 230 32

Kantsten 145 20

Vejarbejde 47 7

Vejr 17 2

Underkategorier for VF

(12)

Resultater- Latent Class Clustering

C1: problemer med kantsten

Vej og uheldskarakteristika:

• Ene- og krydsuheld

• Dagslys og tørt føre

• ÅDT 3001-5000 cyklister

• Acceptabel vejtilstand

• God cykelsti

• Mange lapper og lunker

• Kantsten højde på over 7 cm

Person karakteristika:

• Begge køn

• 18-29 år

Data karakteristika:

• 4% af alle cyklister

• Uskadte

TF: 21%, VF: 22%, KF 2% og MP: 32%

(13)

Resultater- Latent Class Clustering

C2: ringe belægning

• Eneuheld

• ÅDT 0-500 cyklister

• Dårlig vejtilstand

• Ingen info om cykelsti

• Mange lapper, lunker, rivninger m.fl.

• Slaghuller

• Rabat opspring og fald

• Mænd/drenge

• 0-8 år

• 9-17 år

• + 66 år

• Hjelmbruger

• Alvorlige personskader

TF: 30%, VF: 25%, KF 4% og MP: 8%

(14)

Resultater- Latent Class Clustering

C3: Krydsuheld

• Krydsuheld og uheld med svingning

• ÅDT fordelt

• Dårlig cykelsti stand

• Mange lapper, lunker, rivninger m.fl.

• Begge køn

• 18-29 år

• Alle typer personskader

TF: 8%, VF: 1%, KF 0% og MP: 62%

(15)

Resultater- Latent Class Clustering

C4: Alkohol påvirkede cyklister

• Eneuheld

• Mørke og ukendt føre

• ÅDT over 5000 cyklister

• Mange rivninger m.fl.

• Slaghuller

• Mænd

• 18-29 år

• Uskadte

TF: 100%, VF: 11%, KF 0% og MP: 0%

(16)

Resultater- Latent Class Clustering

C5: God belægning og modparten

• Krydsuheld eller med sving

• ÅDT spredt

• Ingen info cykelstiens stand

• Rigtig god belægning

• Ingen vejskader

• Begge køn

• Mellem 18-65 år Data karakteristika:

• Dræbte

• Cykelhjelm

TF: 7%, VF: 1%, KF 0% og MP: 71%

(17)

Resultater- Latent Class Clustering

C6: Glat føre og dårlig belægning

• Eneuheld

• Mørke og glat føre

• ÅDT spredt

• Cykelsti og lige vej

• Vejarbejde

• Slaghuller

• Rivninger m.fl.

• Kvinder

• Over 30 år

• Ingen dræbte

TF: 1%, VF: 75%, KF 0% og MP: 3%

(18)

Resultater- Latent Class Clustering

C7: Eneuheld på store veje

• Eneuheld

• ÅDT større end 3000

• Ingen vinter uheld

• Acceptabel cykelsti stand

• Slaghuller, rivninger og lapper

• Begge køn

• Alle aldersgrupper Data karakteristika:

• Alle typer personskader

TF: 26%, VF: 27%, KF 5% og MP: 11%

(19)

Resultater- Latent Class Clustering

C8: Eneuheld og god belægning

• Eneuheld eller lige ud på samme vej

• ÅDT spredt

• Rigtig god belægning

• Ingen vejskader

• Begge køn

• Over 66 år

• Lette personskader

TF: 37%, VF: 27%, KF 4% og MP: 6%

(20)

Konklusion og perspektivering

 Værdifuld info i uheldsdata fra akutmodtagelsen hvor en langt større andel af cyklistuheldene findes

 Vejen har en større betydning for cyklistuheld end hidtil påvist, (VF) 31%. Ting som belægningsskader og design kan altså være et

problem

 Ikke kun alkohol, distraktion og uopmærksomhed er et

adfærdsproblem, men også beklædning i hjulet og høj fart.

 For (KF) var der især problemer med kæden og andre defekter, men også en del hvor bremsen havde sat sig fast

(21)

Konklusion og perspektivering

 Usikre trafikanter er i højere grad involverede i cyklistuheld steder hvor belægningen er dårlig

 Kvindelige cyklister er i højere grad i uheld på veje med dårlig belægning, ved vejarbejde og i glat føre end mænd

 Alkohol og yngre mænd er en uheldsgruppe for sig, men de kommer ikke så slemt til skade

 Uheld hvor modparten er identificerede som uheldsfaktor er mere alvorlige uheld

(22)

Trafikdage 2017, Aalborg Universitet, d. 28-29. august

Cyklistuheld – hvilken betydning har vejen, køretøjet og trafikanten